analise econometrica de dados em STATA

1. Econometria
Análise de Regressão linear múltipla - Extensão à outras formas funcionais
Parte II: Prática II
Ariano Milhares Matino;
Fernando Amaral Filipe Junior;
Pinto Fernando Mudumbe;
Ornelle Joel Nhaca
UNIVERSIDADE EDUARDO MONDLANE
Maputo, Março de 2015
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 1 / 10

2. Conteúdo
1 ParteII: Prática
Novas variáveis a acrescentar no modelo
Modelo múltiplo acrescido a novas variáveis
Modelo múltiplo acrescido a variáveis logaritimizadas
Modelo acrescido de variáveis quadráticas
Modelo múltiplo acrescido de interações
Conclusão
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 2 / 10

3. Novas variáveis a acrescentar no modelo
Ao modelo construido na parte prática I, procurou-se acrescentar mais
variáveis de modo a determinar os possíveis factores relevantes para
determinar o preço de vendas. As novas variáveis acrescidas foram:
Área ocupada pela casa no Terreno (area);
Área do terreno (land);
Distância até ao próximo estado (inst)
Deste modo as possivéis hipóteses relativas as novas variáveis serão:
Hióteses
As variáveis "area"e "land", aumenta aquilo que é o preço das casas;
A variável "inst"está inversamente relacionada com a variável preço de
venda das casas.
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 3 / 10

4. Modelo múltiplo acrescido a novas variáveis
Conhecidas as novas variáveis e a devida razão de adição das mesmas, o
novo modelo será:
price Coef. Std. Err. t P>t
age -429.2203 55.78029 -7.69 0.000
cbd 2.295184 1.18388 1.94 0.053
rooms 6374.915 2267.626 2.81 0.005
area 35.2205 2.85925 12.32 0.000
land .1098898 .0470527 2.34 0.020
inst -2.717934 1.185775 -2.29 0.023
_cons -8333.525 12526.53 -0.67 0.506
Tabela: Modelo acrescido as novas variáveis
Não menos importante há que salientar que a um nível de signicância de
0.05, o modelo apresenta um valor sigicativo para o valor da estat±ticca F
=60.10, e um valor de 0.5257 (52.57%) para o valor do coeciente de
determinação.
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 4 / 10

5. Modelo múltiplo acrescido a variáveis logaritimizadas
A escolha das variáveis inste cbd, sustenta-se no facto de que elas
podem ser expressas em termos percentuais e pela existência de valores
discrepantes nas mesmas.
price Coef. Std. Err. t Pt
age -371.6722 56.77605 -6.55 0.000
cbd 1.905114 1.198874 1.59 0.113
inst -2.941704 1.228652 -2.39 0.017
rooms 5339.715 2357.121 2.27 0.024
lnarea 64033.72 6190.891 10.34 0.000
lnland 13436.45 3436.136 3.91 0.000
_cons -539045.8 43905.33 -12.28 0.000
Tabela: Modelo acrescido as novas variáveis(logaritimizadas)
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 5 / 10

6. Uma posível interpretação dos coecientes das variáveis logaritimzadas em
Tabela 5, seria:
64033.72 ⇒ a cada variação percentual da area oucupada pela casa
no terreno espera-se em média um aumento de 64033.72$ no preço de
venda da casa;
13436.45 ⇒ a cada variação percentual do tamanho do terreno
esoera-se em média um aumento de 13436.45$ no preço de venda da
casa;
Fazendo uma comparação dos coecientes das variáveis logaritimizadas
com o primeiro modelo é de notar que os coecientes logaritimizados dão
uma referência mais apurada no que tange a contribuição das variáveis na
previsão do preço de venda das casas.
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 6 / 10

7. Modelo acrescido de variáveis quadráticas
Dado que o preço de venda de cada casa varia com o tempo existe então
possibilidade de alteração do coeciente das variáveis' isto é supondo que
uma variável contribua de modo positivo (negativo) existe uma
possibilidade de que com o passar do tempo, a contribuição da mesma
altere quer em peso assim como em sinal.
price Coef. Std. Err. t Pt
age -891.8359 175.6633 -5.08 0.000
newage 3.442221 1.127136 3.05 0.002
cbd 2.766497 1.181668 2.34 0.020
rooms 2886.798 2332.108 1.24 0.217
area 31.75522 2.870299 11.06 0.000
land .0905755 .0461842 1.96 0.051
inst -1.073888 1.331575 -0.81 0.421
newinst -.0000665 .0000259 -2.57 0.011
_cons 15191.3 15599.77 0.97 0.331
Tabela: Modelo acrescido as novas variáveis(quadráticas)
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 7 / 10

8. variável (age) ⇒ A cada variação unitária da idade da casa é de
esperar que o preço médio da casa inicialmente decresça em 891.8359$
mas provavelmente com o passar do tempo cresça em 3.442221$;
variável (inst) ⇒ A cada variação unitária da distância da casa até o
outro estado é de esperar em média que o preço de venda das casas
diminua e 1.073888$ e o mesmo com o passar do tempo volte a
diminuir em .0000259$;
Pontos de inexão
Pela formula | ˆβ1(2 ∗ ˆβ2)|, teriamos | ˆ−891.8359(2 ∗ 3.442221)| = 6139.7925
para a variável agee | − 1.073888(2 ∗ −0.0000665)| = 0.0001428 para a
variável inst.Deste modo os valores que maximizam o preço de vendas
paar ads variáveis agee inst são 6139.7925$ e
0.0001429$respectivamente.
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 8 / 10

9. Modelo múltiplo acrescido de interações
O acréscimo de interrações faz com que a interpretação dos coecientes
dependa não unicamente da variável (singularmente), mas sim do grau de
dependência da mesma com uma outra (em conjunto).
price Coef. Std. Err. t Pt
age -416.0253 55.00916 -7.56 0.000
cbd 4.479155 1.24349 3.60 0.000
rooms 4964.598 2207.161 2.25 0.025
area 22.39694 3.63135 6.17 0.000
land -.3228171 .0979983 -3.29 0.001
inst -1.69966 1.18518 -1.43 0.153
instcbd -.0000896 .0000247 -3.62 0.000
arealand .0002142 .0000458 4.68 0.000
_cons 5153.703 12638.56 0.41 0.684
Tabela: Modelo acrescido as novas variáveis(interações)
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 9 / 10

10. Conclusão
Conclusão
Das especicações feitas é de mais valia usar o modelo múltiplo se
manipulação das variáveis, pois a abordagem aqui feita é de uma situação
que a prior não existe informação quer do lugar assim como de todas
variáveis que possivelmente poderão inuenciar o preço de venda das casas.
Deste modo o modelo livre de manipulação das variáveis é de certa forma
mais viável por ser conservativo (menos expeculativo).
(Licenciatura em Estatística - UEM/DMI) Trabalho prático I: Prática II Diurno 10 / 10