1ª Lista de Exercícios

Prof. Elano Arruda

1ª Questão: Defina o modelo Logit. Forneça um exemplo de aplicação deste
Modelo, mostrando como calcular a razão de chances, as probabilidades e os
efeitos marginais.
Solução: O Modelo Logit é um modelo de probabilidade que utiliza uma função
de probabilidade logística acumulada. Exemplo. Participação feminina no
mercado de trabalho; Determinantes da aprovação em concurso público etc.
𝑃
- A função logit é dada por 𝐿 = ln = ln 𝑒 𝑋𝛽 = 𝑋𝛽;
1−𝑃
𝑃
- A razão de chances é dada por = 𝑒 𝑋𝛽 e a variação da razão de chance é
1−𝑃
𝑋𝛽
dada por (𝑒 − 1)*100;
- A probabilidade 𝑃 (𝑌 = 1)/(𝑋 = 𝑋 ∗ será estimada como:
∗෡
𝑒𝑋 𝛽
𝑃 (𝑌 = 1)/(𝑋 = 𝑋 ∗ ) = ∗෡
1+𝑒 𝑋 𝛽
- Os efeitos marginais do modelo Logit podem ser obtidos como a partir da derivação
𝜕𝑃
.
𝜕𝑋

𝑒𝑍
Seja 𝑍 = 𝑋𝛽 e 𝐹 𝑍 = , Nesse caso:
1+𝑒 𝑍

𝜕𝑃 𝜕𝐸(𝑌/𝑋) 𝜕𝐹(𝑍) 𝜕𝑍 𝜕𝑍 𝜕𝐹(𝑍) 𝑒 𝑍 1+𝑒 𝑍 −𝑒 2𝑍

= = ; = 𝛽 (∗) e = →
𝜕𝑋 𝜕𝑋 𝜕𝑍 𝜕𝑋 𝜕𝑋 𝜕𝑍 1+𝑒 𝑍 2

𝑒𝑍 𝑒𝑍 𝜕𝑍
1− → = 𝑃(1 − 𝑃) (**)
1+𝑒 𝑍 1+𝑒 𝑍 𝜕𝑋

𝝏𝑷
Portanto, os efeitos marginais serão dados por = 𝜷𝑷(𝟏 − 𝑷)
𝝏𝑿
2ª Questão: Defina o modelo Probit mostrando como calcular as probabilidades e
os efeitos marginais.
Solução: É um modelo de probabilidade que utiliza a Normal Padrão acumulada.
Sua popularidade está na possibilidade de ser construído a partir de um modelo
que envolve uma variável não observada, ou latente.

A probabilidade no modelo probit, 𝑃 (𝑌𝑖 = 1)/𝑋𝑖 , é dada pela área sob a curva
normal padrão de −∞ até 𝑋𝑖 𝛽.

𝑃 (𝜀𝑖 > −𝑋𝑖 𝛽)/𝑋𝑖 = 𝑃 (𝜀𝑖 ≤ 𝑋𝑖 𝛽)/𝑋𝑖 = 𝐹(𝑋𝑖 𝛽)

𝑍2
1 𝑋𝑖 𝛽 −2
𝐹 𝑋𝑖 𝛽 = ‫𝑒 ׬‬ 𝑑𝑍; 𝑍~𝑁(0,1)
2𝜋 −∞
Como 𝑃 (𝜀𝑖 > −𝑋𝑖 𝛽)/𝑋𝑖 = 𝑃 (𝜀𝑖 ≤ 𝑋𝑖 𝛽)/𝑋𝑖 = 𝐹(𝑋𝑖 𝛽) e

2
1 𝑋𝑖 𝛽 −𝑍
𝐹 𝑋𝑖 𝛽 = ‫׬‬ 𝑒 2 𝑑𝑍; com 𝑍~𝑁(0,1)
2𝜋 −∞

𝜕𝑃 𝜕𝐹 𝑋𝛽
O efeito marginal, = , será dado por:
𝜕𝑋 𝜕𝑋

𝜕𝑃 𝜕𝐹 𝑋𝛽
= = 𝑓 𝑋𝛽 . 𝛽
𝜕𝑋 𝜕𝑋

Em que 𝑓 𝑋𝛽 é valor na função densidade de probabilidade para o indivíduo

em análise.
3ª Questão: Quais as principais diferenças entre os modelos Logit e Probit?
Solução: Os modelos são semelhantes. A principal diferença está na
distribuição Logística acumulada que tem caudas ligeiramente mais pesadas; ou
seja, a probabilidade condicional Pi aproxima-se de 0 ou 1 com um ritmo mais
lento no Logit do que no Probit.
4ª Questão: Quais os principais problemas observados no modelo de
probabilidade linear?
Solução: Problemas do MPL:
1. Não garante probabilidade entre 0 e 1;
2. Os efeitos marginais na probabilidade são lineares, qualquer que seja
o valor de X;
3. Os erros, 𝜀 = 𝑌 − 𝑋𝛽, seguem uma distribuição Bernoulli, com média
P e variância P(1-P).
4. Os erros serão heterocedásticos; ou seja, V𝑎𝑟 𝜀 = 𝑃 1 − 𝑃 =
𝑋𝛽(1 − 𝑋𝛽);
5. O valor do 𝑅2 torna-se questionável como medida de ajustamento do
modelo.
4. Os erros serão heterocedásticos; ou seja, V𝑎𝑟 𝜀 = 𝑃 1 − 𝑃 =
𝑋𝛽(1 − 𝑋𝛽);
5. O valor do 𝑅2 torna-se questionável como medida de ajustamento do
modelo.
• 5ª Questão: Defina o modelo de regressão de Poisson. Mostre que seu
coeficiente estimado pode ser interpretado como uma semi-
elasticidade.

Solução: É um modelo de escolha discreta em que a variável dependente

é de característica contável, como, por exemplo, demanda por serviços
médicos (número de consultas), número de prisões, número de filhos,
número de patentes por empresa de um país, número de meses
desempregado etc. Uma distribuição usualmente empregada para tratar
com esse tipo de variável é a Poisson, cuja FDP é dada por:

𝜆𝑌 𝑒 −𝜆
𝑓 𝑌 = , 𝑐𝑜𝑚 𝑌 = 0, 1, 2, 3, 4, …
𝑌!
• O modelo Poisson assumirá a forma:
𝜆 = 𝑒 𝑋𝛽
• Em que:
𝐸 𝑌/𝑋 = 𝑉 𝑌/𝑋 = 𝑒 𝑋𝛽
• E o efeito marginal no número médio de ocorrências será dado por:

𝜕𝐸 𝑌/𝑋
= 𝑒 𝑋𝛽 . 𝛽 e ainda:
𝜕𝑋

𝜕𝐸 𝑌/𝑋 1 𝜕𝐸 𝑌/𝑋 1 𝜕𝑙𝑛𝐸 𝑌/𝑋

𝛽= = =
𝜕𝑋 𝑒 𝑋𝛽 𝜕𝑋 𝐸 𝑌/𝑋 𝜕𝑋
Portanto, cada 𝛽መ pode ser visto como uma semi-elasticidade; ou seja, para cada
aumento unitário em Xi, o número médio de ocorrências do fenômeno analisado irá
variar 100 𝛽መ𝑖 %.
• 6ª Questão: Um estudo sobre os determinantes do desemprego de longa duração no
Brasil em 2013 foi realizado com dados de 7600 indivíduos desempregados na PNAD
e a aplicação de um modelo Probit com as seguintes variáveis: Desemprego: 1 – se o
indivíduo estiver entre 13 e 60 meses desempregado; 0 – se o indivíduo estiver
desempregado até 12 meses (variável dependente); Idade: Id1 – 1 se tiver entre 15 e
25 anos; 0, caso contrário; Id2 – 1 se tiver de 26 a 35 anos de idade; 0, caso
contrário; Id3 – 1 se tiver de 36 a 45 anos de idade; 0, caso contrário; Id4 – 1 se tiver
de 46 a 65 anos; 0, caso contrário; Instrução Formal: E1 – Sem Instrução Formal; E2 –
Ensino Fundamental Incompleto ou Completo; E3 – Ensino Médio Incompleto ou
Completo; E4 – Ensino Superior Incompleto ou Completo; Negro: 1 – se auto declarar
negro, 0 – se declarar não negro; Urbana: 1 – se o entrevistado morar em zona
urbana; 0 – se o entrevistado morar em zona rural; Chefe; 1 – no caso do
entrevistado ser o chefe da família, , 0 – se o entrevistado não for o chefe da família;
Gênero: 1 – Masculino, 0 – Feminino; Região: NE – 1 se reside no NE; 0, caso
contrário; NO – 1 se reside no NO; 0, caso contrário; CO – 1 se reside no CO; 0, caso
contrário; SUL – 1 se reside no SUL; 0, caso contrário; SE – 1 se mora no SE; 0, caso
contrário.
• 6ª Questão:

Modelo Probit Estimado

Erro Erro
Efeitos Estat. Efeitos Estat.
Var Coef. Padrão Var Coef. Padrão
Marginais Z Marginais Z
Robusto Robusto
Gênero -0.57 -0.084 0.04 -12.69 Id1 -0.08 -0.011 0.06 -1.21
Negro -0.19 -0.024 0.08 -2.50 Id2 -0.36 -0.046 0.07 -5.10
Urb 0.05 0.007 0.06 0.75 Id3 -0.45 -0.052 0.07 -5.84
Chefe -0.41 -0.055 0.04 -8.37 NO 0.32 0.054 0.06 4.79
E1 0.46 0.086 0.11 4.06 NE 0.30 0.047 0.05 5.49
E2 0.34 0.051 0.07 4.66 SUL -0.15 -0.020 0.07 -2.04
E3 0.21 0.031 0.06 3.11 CO -0.014 -0.002 0.07 -0.12
Constante -1.12 - 0.11 -9.91 - - - - -
• 6ª Questão:
a) Interprete os resultados do modelo estimado.
b) Calcule a probabilidade de um homem, não negro, residente em área rural e
no Nordeste, não chefe de família, entre 46 e 65 anos e sem instrução formal
passar mais de um ano desempregado.
Resposta:

𝑃ሾ(𝑌 = 1)/𝑋 ∗ (𝐺𝑒𝑛 = 1; 𝑁𝑒𝑔𝑟𝑜 = 0; 𝑈𝑟𝑏 = 0; 𝐶ℎ𝑒𝑓𝑒 = 0; 𝐼𝑑1 = 𝐼𝑑2 = 𝐼𝑑3 = 0; 𝐸1

= 1; 𝐸2 = 𝐸3 = 0; 𝑁𝐸 = 1; 𝑁𝑂 = 𝑆𝑈𝐿 = 𝐶𝑂 = 0ሿ

𝐼 𝑋 = 𝑋 ∗ = −1.12 − 0.57 ∗ 1 − 0.19 ∗ 0 + 0.05 ∗ 0 − 0.41 ∗ 0 + 0.46 ∗ 1 + 0.3 ∗ 1

= −0.93

𝑃 −∞ ≤ 𝑍 ≤ −0.93 = 0.5 − 𝑃 −0.93 ≤ 𝑍 ≤ 0 = 0.5 − 0.32381 = 0.17619 = 𝟏𝟕. 𝟔𝟐%

c) Calcule a probabilidade de uma mulher, negra, em área urbana da Região
Sudeste, entre 15 e 25 anos, Nível Superior e não chefe passar mais de 12 meses
no desemprego.
Resposta:

𝑃ሾ(𝑌 = 1)/𝑋 ∗ (𝐺𝑒𝑛 = 0; 𝑁𝑒𝑔𝑟𝑜 = 1; 𝑈𝑟𝑏 = 1; 𝐶ℎ𝑒𝑓𝑒 = 0; 𝐼𝑑1 = 1; 𝐼𝑑2 = 𝐼𝑑3

= 0; 𝐸1 = 𝐸2 = 𝐸3 = 0; 𝑁𝐸 = 𝑁𝑂 = 𝑆𝑈𝐿 = 𝐶𝑂 = 0ሿ

𝐼 𝑋 = 𝑋∗
= −1.12 − 0.57 ∗ 0 − 0.19 ∗ 1 + 0.05 ∗ 1 − 0.41 ∗ 0 − 0.08 ∗ 1 = −1.34

𝑃 −∞ ≤ 𝑍 ≤ −1.34 = 0.5 − 𝑃 −1.34 ≤ 𝑍 ≤ 0 = 0.5 − 0.40988 = 0.09 = 𝟗%

d) Sabendo que LR = -2415.985 e LIR = -2195.116, mostre, através da estatística
de razão de verossimilhança, se o modelo é globalmente significante e calcule o
R2 de Mcfadden.
Resposta:
2
𝐿𝐼𝑅 −2195.116
𝑅𝑀𝐹 =1− =1− = 0.09
𝐿𝑅 −2415.985

𝑅𝑉 = 2 𝐿𝐼𝑅 − 𝐿𝑅 = 2 ∗ −2195.116 − −2415.985 = 441.74 → 𝜒 2 14𝑔𝑙

= 23.7.

Como 𝑅𝑉 = 441.74 > 𝜒 2 14𝑔𝑙 = 23.7, rejeita-se a hipótese nula de que

os coeficientes são conjuntamente iguais a zero; logo, o modelo é globalmente
significante.
• 7ª Questão: Um modelo Poisson para explicar o número de casos extraconjugais foi
estimado como função das seguintes variáveis: idade; Educação (anos de estudo);
Filhos (1, se tem filhos, 0, caso contrário); Homem (1, se homem, 0, caso contrário);
TaxaFelic (5 – muito feliz no casamento, 4 – feliz no casamento, 3 – felicidade média,
2 – Infeliz no casamento, 1 – Muito Infeliz no casamento); TaxaRelig (5 - Muito
Religioso, 4 – Religioso, 3 - Pouco Religioso, 2 – Não religioso, 1 – Antirreligioso);
Anoscasado (Tempo de casamento, em anos) Os resultados estão sintetizados na
tabela abaixo.

Modelo Poisson Estimado

Coeficiente Erro Estatística Coeficiente Erro Estatística
Var. Var.
Estimado Padrão Z Estimado Padrão Z
Idade -0.032 0.005 -5.37 TaxaFelic -0.415 0.027 -14.88
Educação 0.022 0.015 1.48 TaxaRelig -0.357 0.030 -11.54
Filhos -0.035 0.102 -0.35 Anoscasado 0.118 0.010 10.93
Homem 0.143 0.070 2.00 Constante 2.47 0.28 8.63
• 7ª Questão:
a) Explique detalhadamente os resultados do modelo estimado. Qual a intuição desses achados?
b) Calcule a probabilidade de um homem ter até dois casos extraconjugais dado que possui 37 anos de
idade, 18 de estudo, 10 anos de casado, sem filhos, feliz no casamento e pouco religioso.
Resposta:
𝑃 (𝑌 ≤ 2)/𝑋 ∗ (𝐼𝑑 = 37; 𝐸𝑑𝑢𝑐 = 18; 𝐹𝑖𝑙ℎ𝑜𝑠 = 0; 𝐻𝑜𝑚𝑒𝑚 = 1; 𝐹𝑒𝑙𝑖𝑐 = 4; 𝑅𝑒𝑙𝑖𝑔 = 3; 𝑇𝐶𝑎𝑠𝑎𝑚 = 10)

𝜆መ (𝑋 ∗ ) = 𝑒𝑥𝑝(2.47 + 0.118 ∗ (10) − 0.357 ∗ (3) − 0.415 ∗ (4) +

0.143 ∗ (1) − 0.035 ∗ (0) + 0.022 ∗ (18) − 0.032 ∗ (37)) → 𝜆መ (𝑋 ∗ ) = 𝒆𝒙𝒑(𝟎. 𝟐𝟕𝟒) = 𝟏. 𝟑𝟏𝟓𝟐

𝑃 (𝑌 ≤ 2)/𝑋 ∗ = 𝑃 (𝑌 = 0)/𝑋 ∗ + 𝑃 (𝑌 = 1)/𝑋 ∗ + 𝑃 (𝑌 = 2)/𝑋 ∗

෡ መ 𝑋 ∗ 1 𝑒 −𝜆෡ 𝑋 ∗
𝑋∗ መ 𝑋 ∗ 2 𝑒 −𝜆෡ 𝑋 ∗
𝜆መ 𝑋 ∗ 0 𝑒 −𝜆 𝜆 𝜆
𝑃 (𝑌 ≤ 2)/𝑋 ∗ = + +
0! 1! 2!
2
1.3152 . 𝑒 −1.3152
=𝑒 −1.3152 + 1.3152. 𝑒 −1.3152 + = 0.2684 + 0.3530 + 0.2321 = 0.8536 = 𝟖𝟓. 𝟑𝟔%
2
• 7ª Questão:
c) Calcule a probabilidade de uma mulher, com 32 anos de idade, 12 de estudos, 15 anos de
casada, com filhos, feliz no casamento e antirreligiosa contrair mais de um caso extraconjugal.

𝑃ሾ(𝑌 > 1)/𝑋 ∗ (𝐼𝑑 = 32; 𝐸𝑑𝑢𝑐 = 12; 𝐹𝑖𝑙ℎ𝑜𝑠 = 1; 𝐻𝑜𝑚𝑒𝑚 = 0; 𝐹𝑒𝑙𝑖𝑐 = 4; 𝑅𝑒𝑙𝑖𝑔
= 1; 𝑇𝐶𝑎𝑠𝑎𝑚 = 15)ሿ

𝜆መ (𝑋 ∗ ) = 𝑒𝑥𝑝(2.47 + 0.118 ∗ (15) − 0.357 ∗ (1) − 0.415 ∗ (4) +

0.143 ∗ (0) − 0.035 ∗ (1) + 0.022 ∗ (12) − 0.032 ∗ (32)) → 𝜆መ (𝑋 ∗ ) = 𝒆𝒙𝒑(𝟏. 𝟒𝟐𝟖)
= 𝟒. 𝟏𝟕𝟎𝟑𝟓

෡ 𝑋∗ ෡ 𝑋∗
𝜆መ 𝑋 ∗ 0 𝑒 −𝜆 𝜆መ 𝑋 ∗ 1 𝑒 −𝜆
𝑃 (𝑌 > 1)/𝑋 ∗ =1− + = 1 − 𝑒 −4.17035 + 4.17035𝑒 −4.17035
0! 1!

𝑃 (𝑌 > 1)/𝑋 ∗ = 1 − 0.015447 + 0.064419 = 𝟎. 𝟗𝟐𝟎𝟏 = 𝟗𝟐, 𝟎𝟏%

• 8ª Questão: Uma pesquisa estimou um modelo Logit para analisar os determinantes da
participação feminina no mercado de trabalho. As variáveis utilizadas foram: Var. Dependente:
Part.: 1, se a mulher participou do mercado de trabalho no último ano e 0, caso contrário; Var.
Explicativas: Kidslt6: número de filhos com menos de 6 anos; Age: Idade; Educ: Anos de Estudo;
Exper: Experiência.

Modelo Logit: Participação Feminina na Força de Trabalho (Part.)

Var. Coeficiente estimado Estatística Z Razão de Chances Efeito Marginal
kidslt6 -1.45 -7.25 0.24 -0.35
age -0.10 -10 0.90 -0.02
educ 0.19 4.75 1.21 0.05
exper 0.12 12 1.13 0.03
Constante 1.31 1.79 - -
• 8ª Questão:
a) Interprete os resultados, detalhando a razão de chances e o efeito marginal.
Resposta: Análise da Razão de chances
𝐾𝑖𝑑𝑠𝑙𝑡6 → 0.24 − 1 . 100 = −76%; Age → 0.90 − 1 . 100 = −10%
Educ → 1.21 − 1 . 100 = 21%; Exper → 1.13 − 1 . 100 = 13%
- Kidslt6 – Um aumento unitário no número de filhos com menos de 6 anos reduz em
76% a razão de chances em favor da participação feminina no mercado de trabalho;
- Educ – Um aumento unitário nos anos de estudo aumenta em 21% a razão de
chances em favor da participação feminina no mercado de trabalho.
- Age – Um aumento unitário na idade reduz em 10% a razão de chances em favor da
participação feminina no mercado de trabalho.
- Exper – Um aumento unitário nos anos de experiência aumenta em 13% a razão de
chances em favor da participação feminina no mercado de trabalho.
• 8ª Questão:
b) Calcule a probabilidade de uma mulher com 35 anos de idade, 15 anos de estudo e 10 de
experiência e que não possui filhos participar do mercado de trabalho.
Resposta:
𝑃
ln = 𝐿෠ = 1.31 − 1,45𝐾𝑖𝑑𝑠𝑙𝑡6 − 0,10𝐴𝑔𝑒 + 0,19𝐸𝑑𝑢𝑐 + 0,12𝐸𝑥𝑝𝑒𝑟
1−𝑃

𝐿෠ 𝑋 = 𝑋 ∗ = 1.31 − 1,45 0 − 0,10 35 + 0,19 15 + 0,12 10 → 𝑳

෡ 𝑿 = 𝑿∗ = 𝟏, 𝟖𝟔

𝑋 ෡
∗𝛽
𝑒 𝑒1,86 6,423737
𝑃 (𝑌 = 1)/(𝑋 = 𝑋 ∗ ) = ෡
∗𝛽
= 1,86
= = 𝟎, 𝟖𝟔𝟓𝟑 = 𝟖𝟔, 𝟓𝟑%
1 + 𝑒𝑋 1+𝑒 7,423737
• 8ª Questão:
c) Se a mulher do exemplo anterior tivesse um filho na primeira infância, de que
forma a probabilidade de participação no mercado de trabalho seria afetada?

Resposta:

𝜕𝑃
= 𝛽𝑃 1 − 𝑃 = −1,45 0,8653 0,1347 = −0,1690 = −16,90%
𝜕𝑋