Q

81.7
56.9
64.1
65.4
64.1

PC
1.78
2.27
2.21
2.15
2.26

PB
1.11
0.59
0.78
0.79
0.84

R
24.1
27.1
26.2
26.4
26.9

y(5x1)
4.403054
4.0412953
4.1604444
4.1805223
4.1604444

X(5x4)
1
1
1
1
1

0.57661
0.81978
0.79299
0.76547
0.81536

X'(4x5)
1
1
1
1
0.5766134 0.81978 0.79299 0.76547
0.10436 -0.5276 -0.2485 -0.2357
3.1822118 3.29953 3.26576 3.27336
b
5.77066
-0.4623
0.32674
-0.3562

(X'X)-1(4x4)
34753.854 4715.46
4715.4597 734.806
-333.9796 -13.309
-11764.11
-1616

-333.98 -11764
-13.309
-1616
19.0395 106.705
106.705 3986.31

b'(1x4)
5.77066 -0.4623 0.3267387 -0.3562

b'(X'y)
87.8142

y'(1x5)
4.40305
ANOVA
Fonte
Reg
Res
Tot

Int
PC
PB
Renda

4.0413 4.1604444 4.18052 4.16044

gl

SQ
QM
F
p
3 0.0692692 0.02309 333.86 0.0402
1 0.000069 7E-005
4 0.0693384

Teste t
b
Sb
t
p
5.77066 1.55035 3.7221703 0.16709
-0.4623 0.22543 -2.050882 0.28882
0.32674 0.03629 9.0041998 0.07041
-0.3562 0.52507 -0.678424 0.62051

0.10436
-0.5276
-0.2485
-0.2357
-0.1744

3.18221
3.29953
3.26576
3.27336
3.29213
X'X(4x4)
5 3.77022 -1.0818 16.313
3.77022 2.88412 -0.892 12.3195
-1.0818 -0.892 0.43698 -3.5659
16.313 12.3195 -3.5659 53.2316

1
0.81536
-0.1744
3.29213

(X'y)(4x1)
20.9458
15.7434
-4.4174
68.3139
nYb2
87.745
y'y
87.8143
S2b=(X'X)-1QMRes
2.40358 0.32612 -0.0231
0.32612 0.05082 -0.0009
-0.0231 -0.0009 0.00132
-0.8136 -0.1118 0.00738

-0.8136
-0.1118
0.00738
0.27569

y(5x1)
0.5766
0.8198
0.793
0.7655
0.8154

X(5x3)
1
1
1
1
1

0.1044
-0.528
-0.248
-0.236
-0.174

3.1822
3.2995
3.2658
3.2734
3.2921

X'(3x5)
1
1
1
1
1
0.1044 -0.528 -0.248 -0.236 -0.174
3.1822 3.2995 3.2658 3.2734 3.2921

X'X(3x#)
5 -1.082 16.313
-1.082 0.437 -3.566
16.313 -3.566 53.232

X'X-1(3x3)
4493 -248.6 -1394
-248.6 18.798 77.435
-1394 77.435 432.3

b'
-6.417 0.0181 2.1992

b'(X'y)
2.8828

nYb2
2.8429

0.793 0.7655 0.8154

y'y
2.8841

y'
0.5766 0.8198

X'y(3x1)
3.7702
-0.892
12.319

R2(1)
0.967

b
-6.417
0.0181
2.1992

FIV
30.282

Y= a + b1ln(PC) + b2(PB) + b3ln(R ) + e

Q
81.7
56.9
64.1
65.4
64.1

PC
1.78
2.27
2.21
2.15
2.26

PB
1.11
0.59
0.78
0.79
0.84

X'(4x5)
1.00
0.58
0.10
3.18

1.00
0.82
-0.53
3.30

1.00
0.79
-0.25
3.27

(X'y)(4x1)
20.95
15.74
-4.42
68.31

1.00
0.77
-0.24
3.27

1.00
0.82
-0.17
3.29

5.0
3.8
-1.1
16.3

b(4x1) que (X'y)4x1 . (X'X)-1 4x4

5.77
-0.46
0.33
-0.36

ANOVA (teste F)
Fonte
Reg
Res
Total

gL

SQ
3
1
4

Sqreg = b'(X'y) - n
Sqres = y'y - b'(X'y)
SQTot = y'y - nYb2

QM
F
p
0.07 0.023089742 3.3463E+02 0.040158
6.9000E-05 6.9000E-05
0.0693383872

gl:k (indep)
gl: n -k-1
gl: soma

TESTE T
b
INTERC.
PC
PB
R

Sb
5.77
-0.46
0.33
-0.36

t
p
1.5485528589 3.726484888 0.166904358
0.2251701692 -2.05325893
#NAME?
0.0362453528 9.014637163
#NAME?
0.5244575134 -0.6792108
#NAME?

S2b = (X'X)-1.QMRes(
2.40
0.33
-0.02
-0.81

A partir dos resultados obtidos em (a), haveria evidncias para suspeitar de multicol

Sim, pois as estatsticas t e F, em geral, esto conflitantes. Apenas a varivel PB poderia ser considerada
para afirmar que seja significativa), para as demais o valor p muito grande para que H0 fosse rejeitado
revela que o modelo contribui significativamente para explicar a variabilidade de Y. Logo, poderia estar h

mbora o ajuste seja significativo no conjunto (teste F), no est conseguindo estimar os efeitos
as variveis independentes.

suas estimativas estariam sendo insignificantes pois essas variveis representariam apenas um
Em outras palavras, o efeito conjunto das independentes representaria a maior parcela de variabilidade

Em outras palavras, h fortes indcios para suspeitar que a relao de colinearidade entre
Pop esteja comprometendo a significncia de seus estimadores na regresso para o

y(5x1)
4.40
4.04
4.16
4.18
4.16

24.1
27.1
26.2
26.4
26.9
X'X(4x4)
3.8
2.9
-0.9
12.3

-1.1
-0.9
0.4
-3.6

1
1
1
1
1

0.58
0.82
0.79
0.77
0.82

X(5x4)
0.10
-0.53
-0.25
-0.24
-0.17

3.18
3.30
3.27
3.27
3.29

(X'X)-1(4x4)
34753.85 4715.46
-333.98 -11764.11
4715.46
734.81
-13.31 -1616.02
-333.98
-13.31
19.04
106.70
-11764.11 -1616.02
106.70 3986.31

16.3
12.3
-3.6
53.2

'X)-1 4x4
a) Estime os coeficientes por MQO: ln(Q) = 5,77 -0,46ln(PC) + 0,33ln(PB) - 0,36ln(R ) + e

b'(1x4)
5.77

-0.46

0.33

X'y(4x1)
20.9
15.7
-4.4
68.3

b = (X'X)-1.QMRes(4x4)
0.33
-0.02
0.05
0.00
0.00
0.00
-0.11
0.01

-0.36

nYb2
87.74498

-0.81
-0.11
0.01
0.28

eitar de multicolinearidade?

y'(1x5)
4.403054 4.041295 4.160444

SQReg = b'(X'y) - nYb2

0.07

deria ser considerada significativa (Pois, ao fazer tal afirmao, estaramos sujeitos a um erro de 7,03%, ento h
ue H0 fosse rejeitado (no rejeitamos a hiptese de que essas demais no sejam significativas estatisticamente
Logo, poderia estar havendo uma contribuio conjunta que no foi captada pelo teste t, o que sugere a existn

estimar os efeitos isolados de cada varivel independente sobre Y (teste t). Estes resultados sugerem

ntariam apenas uma pequena parcela da variabilidade total explicada pelo ajuste. representaria a mai

cela de variabilidade explicada pelo ajuste

aridade entre PIB e

para o CO2.

(PB) - 0,36ln(R ) + e

4.180522 4.160444

y'y(1x1)
87.81431

b'(X'y)
87.81424

m erro de 7,03%, ento h evidncias estatsticas

ficativas estatisticamente). Por outro lado, o teste F
t, o que sugere a existncia de multicolinearidade.

es resultados sugerem a presena de multicolinearidade entre

te. representaria a maior parcela da variabilidade explicada pelo ajuste.

Exerccio ln(Q) = a + b1ln(PC) + b2ln(PB) + b3ln(R ) + e

ln(PC) = ln(PB) + ln( R ) + e (foi pedido pra ser reescrito assim no exerccio)
Y

PB
1.78
2.27
2.21
2.15
2.26

R
1.11
0.59
0.78
0.79
0.84

y(5x1)
0.576613
0.81978
0.792993
0.765468
0.815365

24.1
27.1
26.2
26.4
26.9

(X'X)-1(3x3)
4493.399 -248.5725 -1393.668
-248.5725 18.79845 77.43511
-1393.668 77.43511 432.3002

X'y(3x1)
3.770218
-0.891995
12.31946

Importante calcular SQReg e SQTot

Sqreg = b'(X'y) - nYb2
SQTot = y'y - nYb2
R(PC) = SQReg / SQTot

b = (X'X)-1.X'y
-6.417286
0.018112
2.199243
b'
-6.417286 0.018112

y'y
2.88412
R(PC)
0.966977

FIV
30.28176

c. Estime o FIV associado ao estimador do coeficiente para a varivel ln(

R(PC) significa que existe uma relao muito forte de PC com os demais regressores (96,6%). As varinc
Este FIV alto est sendo suficiente para fazer com que as estimativas se tornem insignificantes dada a b
A soluo ideal seria aumentar a amostra suficientemente, pois excluir variveis poderia viesar (o valor

A partir dos resultados obtidos em (c), haveria evidncias para suspeitar que a signifi

ANOVA
REG
RES
TOT

gl

sq
qm
f
p
2 0.03985 0.019925 29.28176 0.033023
2 0.001361 0.00068
4 0.041211

1
1
1
1
1

X(5x3)
0.10
-0.53
-0.25
-0.24
-0.17

X'(3x5)
3.182212
3.299534
3.265759
3.273364
3.292126

(X'X)-1.X'y

2.199243

1
1
1
1
0.10436 -0.527633 -0.248461 -0.235722
3.182212 3.299534 3.265759 3.273364

ANOVA

X'y
3.770218
-0.891995
12.31946

nYb2
2.842909

SQReg
0.03985
SQTot
0.041211

vel ln(PC).

ores (96,6%). As varincias dos estimadores b1, b2 e b3 so de mais de 30 vezes superiores ao que poderiam s
insignificantes dada a baixa representatividade da amostra.
s poderia viesar (o valor esperado do estimador igual ao parmetro) as estimativas dos coeficientes (no tere

uspeitar que a significncia da varivel ln(PC) esteja sendo afetada pela multicolinearidade

B'(X'y)
2.882759

1
-0.174353
3.292126

X`X(3X3)
5 -1.08181
16.313
-1.08181 0.436984 -3.56586
16.313 -3.56586 53.23159

y'
0.576613

0.81978 0.792993 0.765468 0.815365

riores ao que poderiam ser na ausncia de relao linear entre as variveis independentes.

os coeficientes (no terem mnima varincia)

a multicolinearidade?