Trabalho Econometria no R

Códigos dos setores Setores Código C Indústrias de transformação setor00 10 Fabricação de produtos alimentícios setor01 11 Fabricação de bebidas setor02 12 Fabricação de produtos do fumo setor03 13 Fabricação de produtos têxteis setor04 14 Confecção de artigos do vestuário e acessórios setor05 15 Preparação de couros e fabricação de artefatos de couro artigos para viagem e calçados setor06 16 Fabricação de produtos de madeira setor07 17 Fabricação de celulose papel e produtos de papel setor08 18 Impressão e reprodução de gravações setor09 19 Fabricação de coque de produtos derivados do petróleo e de biocombustíveis setor10 20B Fabricação de sabões detergentes produtos de limpeza cosméticos produtos de perfumaria e de higiene pessoal setor11 20C Fabricação de outros produtos químicos setor12 21 Fabricação de produtos farmoquímicos e farmacêuticos setor13 22 Fabricação de produtos de borracha e de material plástico setor14 23 Fabricação de produtos de minerais nãometálicos setor15 24 Metalurgia setor16 25 Fabricação de produtos de metal exceto máquinas e equipamentos setor17 26 Fabricação de equipamentos de informática produtos eletrônicos e ópticos setor18 27 Fabricação de máquinas aparelhos e materiais elétricos setor19 28 Fabricação de máquinas e equipamentos setor20 29 Fabricação de veículos automotores reboques e carrocerias setor21 30 Fabricação de outros equipamentos de transporte exceto veículos automotores setor22 31 Fabricação de móveis setor23 Trabalho 2 de Econometria I Instrucoes Utilize o software R para responder a s questoes abaixo Os arquivos para o trabalho estao disponibilizados no Classroom Coloque os resultados das equacoes estimadas e dos testes como sa o apresentados no programa de econometria Envie o trabalho em PDF e os scripts dos códigos do R Questao 2 Considere o modelo de serie de tempo os dados estao em T2dadosxls para calcular o repasse cambial para a inflacao escolha o setor que você preferir analisar As variaveis sao setorXX variacao percentual mensal de precos dos setores da economia cambio variacao percentual mensal da taxa de caˆmbio Reais por Dolar EUA fechamento compra e ibcbr variacao percentual mensal da atividade do Banco Central do Brasil Rode a regressao 𝑆𝑒𝑡𝑜𝑟𝑋𝑋𝑡 𝛼 𝛽1𝑐𝑎𝑚𝑏𝑖𝑜𝑡 𝛽2𝑖𝑏𝑐𝑏𝑟𝑡 c Interprete os coeficientes Os sinais dos coeficientes estao corretos Qual e o repasse cambial para os precos d Teste a presenca de autocorrelacao utilizando o teste LjungBox Quais as hipoteses nula e alternativa Qual a sua conclusao para o teste e Reestime o modelo incluindo dummies sazonais 𝑆𝑒𝑡𝑜𝑟𝑋𝑋𝑡 𝛼 𝛽1𝑐𝑎𝑚𝑏𝑖𝑜𝑡 𝛽2𝑖𝑏𝑐𝑏𝑟𝑡 𝛿𝑗𝑆𝑎𝑧𝑜𝑛𝑎𝑙𝑗 𝑗 f Interprete os coeficientes das dummies sazonais e compare a mudanca nos demais coeficientes do item c g Teste a presenca de autocorrelacao utilizando o teste LjungBox Qual a sua conclusao para o teste h Reestime o modelo incluindo a variavel dependente defasada t1 e a variavel caˆmbio defasada t1 𝑆𝑒𝑡𝑜𝑟𝑋𝑋𝑡 𝛼 𝛽1𝑐𝑎𝑚𝑏𝑖𝑜𝑡 𝛽2𝑖𝑏𝑐𝑏𝑟𝑡 𝛽3𝑆𝑒𝑡𝑜𝑟𝑋𝑋𝑡1 𝛽4𝑐𝑎𝑚𝑏𝑖𝑜𝑡1 𝛿𝑗𝑆𝑎𝑧𝑜𝑛𝑎𝑙𝑗 𝑗 e responda qual e o impacto total do repasse cambial para os precos i Teste a presenca de autocorrelacao utilizando o teste LjungBox e teste a presenca de heterocedasticidade utilizando o teste BreushPagan Qual a sua conclusao para os testes j Independente dos resultados dos testes no item h reestime o modelo usando o erro robusto a heterocedastcidade e autocorrelacao HAC Com relacao ao item h a significˆancia dos parˆametros mudaram TRABALHO 2 DE ECONOMETRIA 1 Primeiramente será identificado se o modelo de regressão linear múltiplo é significativo para isso vamos usar o teste F com as seguintes hipóteses H0 βi0 modelonãoé significativo H1 βi0 modeloé significativo i12 Como o pvalor da estatística do teste F foi menor que 005 com 5 de significância a hipótese nula é rejeita indicando que o modelo é significativo ou seja pelo menos uma das variáveis independentes é capaz de explicar as variações da variável dependente Sendo assim a regressão linear múltipla estimada para o setor de metalurgia indica que o repasse cambial para os preços foi de aproximadamente 1164 desse modo um aumento de 1 na variação do câmbio resulta em média em um acréscimo de 01164 nos preços do setor Esse coeficiente é estatisticamente significativo com o pvalor do teste t menor que 005 e possui sinal positivo coerente com a teoria econômica já que a desvalorização cambial encarece insumos importados pressionando os preços O coeficiente da atividade econômica IBCBr embora positivo não é estatisticamente significativo a nível de 5 de significância sugerindo que a atividade econômica não exerce influência clara sobre os preços da metalurgia neste modelo O coeficiente de determinação R 2 indica que o modelo explica cerca de 1363 da variação do preço do setor o que é esperado em dados econômicos mensais As hipóteses do teste são H 0 Resíduos Independentes H1 Resíduos Dependentes Como o pvalor do teste foi maior que 005 com 5 de significância não há evidências suficiente para rejeitar a hipótese nula indicando que o modelo satisfaz o pressuposto de independência dos resíduos Ao incluir as dummies sazonais no modelo observase que nenhuma delas apresentou significância estatística sugerindo ausência de efeitos sazonais relevantes nos preços do setor de metalurgia em relação ao mês de referência janeiro Ainda assim as estimativas revelam variações mensais que embora não significativas indicam certa oscilação nos preços ao longo do ano Em relação aos demais coeficientes o efeito do câmbio se manteve positivo e estatisticamente significativo com leve redução no valor estimado indicando que o repasse cambial persiste mesmo após o controle sazonal Já o coeficiente do IBCBr permaneceu não significativo e praticamente inalterado sugerindo que a atividade econômica continua sem efeito claro sobre os preços do setor A inclusão das dummies aumentou o coeficiente de determinação R 2 para 1976 embora o ajuste do modelo Rajustado 2 de 877 permaneça modesto Como o pvalor da estatística do teste continua sendo maior que 005 com 5 de significância o modelo permanece atendendo o pressupostos de independência dos resíduos Com a inclusão da variável dependente defasada e do câmbio defasado o modelo apresentou um ajuste perfeito R 21 indicando que a defasagem de setor de metalurgia explica quase toda a variação atual da variável o que pode sugerir superajuste overfitting especialmente se os dados forem estacionários ou altamente autocorrelacionados Com base nos testes aplicados e considerando um nível de significância de 5 os resultados indicam que o modelo satisfaz os pressupostos de homoscedasticidade dos resíduos o que demonstra que as variâncias dos erros permanecem constantes ao longo das observações bem como o pressuposto de independência dos resíduos indicando ausência de autocorrelação Sendo assim o modelo atende aos principais requisitos estabelecidos pela literatura econométrica para que os estimadores obtidos por Mínimos Quadrados Ordinários MQO sejam insesgados consistentes e eficientes Além disso o cumprimento desses pressupostos reforça a confiabilidade das inferências estatísticas realizadas a partir do modelo Após a reestimação do modelo utilizando erros robustos à heterocedasticidade e autocorrelação HAC observase que a significância dos parâmetros sofreu alterações relevantes em relação à estimativa anterior com erros padrão convencionais O coeficiente do câmbio permaneceu estatisticamente significativo ao nível de 5 porém com aumento no valor do erro padrão refletindo maior incerteza na estimativa Já o parâmetro da atividade econômica IBCBr que anteriormente não era significativo passou a ser estatisticamente significativo com pvalor menor que 005 sugerindo que quando corrigimos para possíveis violações dos pressupostos clássicos a atividade econômica exerce influência relevante sobre os preços do setor Os demais coeficientes incluindo as dummies sazonais mantiveramse não significativos Essa mudança evidencia a importância de utilizar erros robustos para obter inferências mais confiáveis especialmente em modelos de séries temporais sujeitos a autocorrelação e heterocedasticidade TRABALHO 2 DE ECONOMETRIA 1 Primeiramente será identificado se o modelo de regressão linear múltiplo é significativo para isso vamos usar o teste F com as seguintes hipóteses 𝐻0 𝛽𝑖 0 𝑚𝑜𝑑𝑒𝑙𝑜 𝑛ã𝑜 é 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝐻1 𝛽𝑖 0 𝑚𝑜𝑑𝑒𝑙𝑜 é 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝑖 12 Como o pvalor da estatística do teste F foi menor que 005 com 5 de significância a hipótese nula é rejeita indicando que o modelo é significativo ou seja pelo menos uma das variáveis independentes é capaz de explicar as variações da variável dependente Sendo assim a regressão linear múltipla estimada para o setor de metalurgia indica que o repasse cambial para os preços foi de aproximadamente 1164 desse modo um aumento de 1 na variação do câmbio resulta em média em um acréscimo de 01164 nos preços do setor Esse coeficiente é estatisticamente significativo com o pvalor do teste t menor que 005 e possui sinal positivo coerente com a teoria econômica já que a desvalorização cambial encarece insumos importados pressionando os preços O coeficiente da atividade econômica IBCBr embora positivo não é estatisticamente significativo a nível de 5 de significância sugerindo que a atividade econômica não exerce influência clara sobre os preços da metalurgia neste modelo O coeficiente de determinação 𝑅2 indica que o modelo explica cerca de 1363 da variação do preço do setor o que é esperado em dados econômicos mensais As hipóteses do teste são 𝐻0 𝑅𝑒𝑠í𝑑𝑢𝑜𝑠 𝐼𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑒𝑠 𝐻1 𝑅𝑒𝑠í𝑑𝑢𝑜𝑠 𝐷𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑒𝑠 Como o pvalor do teste foi maior que 005 com 5 de significância não há evidências suficiente para rejeitar a hipótese nula indicando que o modelo satisfaz o pressuposto de independência dos resíduos Ao incluir as dummies sazonais no modelo observase que nenhuma delas apresentou significância estatística sugerindo ausência de efeitos sazonais relevantes nos preços do setor de metalurgia em relação ao mês de referência janeiro Ainda assim as estimativas revelam variações mensais que embora não significativas indicam certa oscilação nos preços ao longo do ano Em relação aos demais coeficientes o efeito do câmbio se manteve positivo e estatisticamente significativo com leve redução no valor estimado indicando que o repasse cambial persiste mesmo após o controle sazonal Já o coeficiente do IBCBr permaneceu não significativo e praticamente inalterado sugerindo que a atividade econômica continua sem efeito claro sobre os preços do setor A inclusão das dummies aumentou o coeficiente de determinação 𝑅2 para 1976 embora o ajuste do modelo 𝑅𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 2 de 877 permaneça modesto Como o pvalor da estatística do teste continua sendo maior que 005 com 5 de significância o modelo permanece atendendo o pressupostos de independência dos resíduos Com a inclusão da variável dependente defasada e do câmbio defasado o modelo apresentou um ajuste perfeito 𝑅2 1 indicando que a defasagem de setor de metalurgia explica quase toda a variação atual da variável o que pode sugerir superajuste overfitting especialmente se os dados forem estacionários ou altamente autocorrelacionados Com base nos testes aplicados e considerando um nível de significância de 5 os resultados indicam que o modelo satisfaz os pressupostos de homoscedasticidade dos resíduos o que demonstra que as variâncias dos erros permanecem constantes ao longo das observações bem como o pressuposto de independência dos resíduos indicando ausência de autocorrelação Sendo assim o modelo atende aos principais requisitos estabelecidos pela literatura econométrica para que os estimadores obtidos por Mínimos Quadrados Ordinários MQO sejam insesgados consistentes e eficientes Além disso o cumprimento desses pressupostos reforça a confiabilidade das inferências estatísticas realizadas a partir do modelo Após a reestimação do modelo utilizando erros robustos à heterocedasticidade e autocorrelação HAC observase que a significância dos parâmetros sofreu alterações relevantes em relação à estimativa anterior com erros padrão convencionais O coeficiente do câmbio permaneceu estatisticamente significativo ao nível de 5 porém com aumento no valor do erro padrão refletindo maior incerteza na estimativa Já o parâmetro da atividade econômica IBCBr que anteriormente não era significativo passou a ser estatisticamente significativo com pvalor menor que 005 sugerindo que quando corrigimos para possíveis violações dos pressupostos clássicos a atividade econômica exerce influência relevante sobre os preços do setor Os demais coeficientes incluindo as dummies sazonais mantiveramse não significativos Essa mudança evidencia a importância de utilizar erros robustos para obter inferências mais confiáveis especialmente em modelos de séries temporais sujeitos a autocorrelação e heterocedasticidade