Exercícios do Wooldridge: Crimes no Campus

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

No nosso Curso de Introdução à Econometria usando o R, os alunos aprendem a estimar modelos lineares a partir de Mínimos Quadrados Ordinários, tendo uma prática constante com o R. Para ilustrar como aprender econometria é divertido, podemos replicar um exemplo do livro clássico do Wooldridge, de Introdução à Econometria. Escolhemos aqui o exemplo 4.4, que avalia a relação entre quantidade de alunos em um campus e criminalidade nele.

[/et_pb_text][/et_pb_column][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2018/09/Copy-of-Copy-of-Turmas-de-setembro.png" show_in_lightbox="off" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="left" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"]

 

[/et_pb_image][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Podemos traçar um paralelo intuitivo entre número de alunos em uma universidade e criminalidade no seu campus, especialmente pensando no contexto americano onde é comum morar no ambiente universitário. Mais jovens juntos provavelmente cometem mais, crimes, afinal. É verdade? Se sim, em que medida? Isso é importante para um gestor de políticas públicas, afinal ele precisa alocar policiais de maneira racional.

Vamos carregar a base de dados "campus", do pacote "wooldridge" e estimar o seguinte modelo,  onde C é o número de crimes e M é o número de matrículas.

(1)   \begin{equation*} \log(C) = \beta_0 + \beta_1 \log(M) + \mu \end{equation*}


library(wooldridge)
data(campus)
summary(lm(lcrime ~ lenroll, data = campus))

O leitor que replicar o código acima irá encontrar uma estimativa alinhada com nossa intuição. O parâmetro é positivo, significante e estimado em algo em torno de 1.2. O que nos sugere que um aumento de 1\% nas matrículas de uma universidade leva a um aumento de 1.2\% no número de crimes nela cometidos.

Quer aprender mais sobre econometria? Conheça nossos Cursos Aplicados de R! Membros do Clube do Código têm acesso aos códigos desse e de outros exercícios do capítulo 4 do Wooldridge. Assine o Clube aqui


[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Retropolando a série do desemprego no Brasil

Nosso objetivo neste exercício será estender a taxa de desemprego fornecida pela Pesquisa de Nacional por Amostra de Domicílios Contínua (PNAD Contínua) através daquela fornecida pela Pesquisa Mensal de Emprego (PME). Serão construídas duas séries: uma normal, outra dessazonalizada. Faremos todo o exercício utilizando o Python.

Variáveis Instrumentais no R: qual o impacto do gasto de segurança no crime?

Diversos métodos econométricos têm como principal finalidade melhorar o processo de investigar o efeito de uma variável sobre a outra, e um importante método encontra-se no uso de Variáveis Instrumentais na análise de regressão linear. Mas como podemos utilizar essa ferramenta para auxiliar no estudo da avaliação de impacto?

Neste post, oferecemos uma breve introdução a esse importante método da área de inferência causal, acompanhado de um estudo de caso para uma compreensão mais aprofundada de sua aplicação. Os resultados foram obtidos por meio da implementação em R, como parte integrante do nosso curso sobre Avaliação de Políticas Públicas utilizando esta linguagem de programação.

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.