Cintos de segurança ajudam ou atrapalham? Análise econométrica da lei em um exemplo de livro-texto

Este artigo de 2003 é um dos melhores que já li sobre o tema. Pena que só o descobri agora. Nunca é tarde, não é? Recomendo sua leitura porque aquele que deseja trabalhar com econometria encontrará ali um texto muito bem escrito. O cuidado com os eventuais problemas econométricos é sempre citado e explicado de forma clara e detalhada no nível ótimo para o entendimento. Em especial, as duas primeiras seções do texto são um belo exemplo de como justificar seu modelo (e apontar possíveis correlações, ao menos em nível teórico) antes de partir para o enfrentamento com os dados.

Agora a parte legal da história. O livro de econometria do Stock e Watson [Stock, James H. & Watson, Mark W. (2012) Introduction to Econometrics (global edition), Pearson, 3rd edition, 827p] usa parte da base de dados deste artigo fazer um exercício de painel (o exercício empírico E10.2) que é bem interessante porque nos dá a chance de responder, com um exercício empírico, uma pergunta importante: quantas mortes foram evitadas pela adoção da lei de uso obrigatório de cinto de segurança?

Este é um exercício que vale a pena ser feito porque mostra a importância de usar efeitos fixos quando você tem um painel de dados. Claro, há outra discussão sobre se você deveria usar efeitos fixos ou variáveis (não tratada neste excelente livro-texto, infelizmente, pelo menos nesta edição que tenho) e há também a questão de endogeneidade que é muito bem detalhada no artigo original (e é alvo do cap.12 do livro-texto).

Como um incentivo ao leitor que gosta de econometria, desta vez, deixo o código para o exercício E10.2 (Stata). Com ele você resolve a parte quantitativa do exercício sem muita dificuldade. Entretanto, a compreensão do problema discutido não estará completa se você não der uma espiada no texto original que é o Einav, Liran & Cohen, Alma. The Effects of Mandatory Seat Belt Laws on Driving Behavior and Traffic Fatalities. The Review of Economics and Statistics, 2003, 85(4), p.828-843.

Vale lembrar: a leitura do texto, inclusive, aponta vários problemas importantes com os quais você deveria ser preocupar após terminar este exercício. Acho até que farei um estudo dirigido do mesmo para quem tiver interesse (ou mesmo como material de estudo para os alunos).

use “C:\seudiretorio\SeatBelts.dta”, clear
gen lincome=log(income)
sum fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome age vmt
reg fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome age
xtset fips
xtreg fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome age, fe vce(cluster fips)
tab year, gen(year_dum)
areg fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome age year_dum2 year_dum3 year_dum4 year_dum5 year_dum6 year_dum7 year_dum8 year_dum9 year_dum10 year_dum11 year_dum12 year_dum13 year_dum14 year_dum15, absorb(fips) r cluster(fips)
test year_dum2 year_dum3 year_dum4 year_dum5 year_dum6 year_dum7 year_dum8 year_dum9 year_dum10 year_dum11 year_dum12 year_dum13 year_dum14 year_dum15
areg sb_useage primary secondary speed65 speed70 ba08 drinkage21 lincome age year_dum2 year_dum3 year_dum4 year_dum5 year_dum6 year_dum7 year_dum8 year_dum9 year_dum10 year_dum11 year_dum12 year_dum13 year_dum14 year_dum15, absorb(fips) r cluster(fips)

* Adicionais

* para a letra e: 0.00372 x0.38 = 0.0014 mortes por “million traffic miles”.
* A média de million traffic miles na amostra (vimos lá no alto): 41447. Logo,
* para um estado médio, evita-se 0.0014 x 41447 = 58 mortes.

* letra g: similar. A mudança de lei nos dá 0.206 – 0.109 = 0.094 (9.4%).
* a reduçao de mortes estimada: 0.00372 x 0.094 = 0.00035 por million traffic miles.
* Olhando a base de dados, em 1997, 63000 million traffic miles. Este é o ano final
* do painel. Suponha, então, que este número seja o mesmo em 2000. Evitaram-se, neste
* caso, 0.00035 x 63000 = 22 mortes. Este seria o efeito da mudança da lei.

panel_seatbelts

Pois é. Muito legal, não é? Textos didáticos nos ajudam sempre. Fosse eu um aluno, faria o fichamento deste artigo. Ajuda a pensar em diversos problemas econométricos interessantes das aplicações cotidianas, sem falar no exercício do Stock & Watson (2012) que é um belo treino para alguém que não tenha medo de econometria.

Anúncios

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair / Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair / Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair / Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair / Alterar )

Conectando a %s