Escolar Documentos
Profissional Documentos
Cultura Documentos
117 763 2 PB PDF
117 763 2 PB PDF
O ttulo desse artigo foi diretamente inspirado no trabalho de Beck e Katz (1995):
What to do (and not to do) with Times-Series Cross-Section Data publicado na
American Political Science Review. Os autores agradecem a Natalia Leito pelos
comentrios em verses preliminares e ao parecerista annimo da Revista Poltica Hoje
por suas valiosas contribuies. Lembrando sempre que omisses remanescentes so
integralmente creditas aos autores.
2
Os autores registram que esse trabalho consiste na superao de um desafio nada
trivial no contexto da produo cientfica. Como se trata de um trabalho coletivo, com
efetiva participao de todos os envolvidos, caracteriza-se como uma realizao nada
comum. No contexto de comunicao e cooperao necessrias sua concluso, para
alm do produto final, fica o saldo positivo do aprendizado coletivo e a certeza de que
vale a pena trabalhar em grupo. Para os cientistas polticos, esse resultado pode ser
resumido como um jogo de soma positiva. Contudo, vencer os problemas de ao
coletiva e a distncia exigem, alm de compromisso, apoio institucional. Nesse sentido,
importante registrar que essa atividade teve sucesso sobretudo em funo do apoio
recebido do Professor Enivaldo Rocha (UFPE) e Carlos Ranulfo Melo (UFMG)
respectivos coordenadores do convnio PROCAD/CAPES celebrado entre os
departamentos de Cincia Poltica da UFPE e da UFMG. Os recursos por eles
disponibilizados e a ateno pedaggica direta permitiram no apenas a nossa
mobilidade, como tambm a ao articulada entre professores e estudantes de ambas as
instituies.
44
45
1 INTRODUO
47
48
49
FIGURA 1
Funcionamento do Modelo de Regresso MQO
(o
fenmeno
que
pesquisador
quer
50
OS
PRESSUPOSTOS
DO
MODELO
DE
MNIMOS
51
Note que o requisito da linearidade nos parmetros e no nas variveis. Para Hair et
al (2009), um pressuposto implcito de todas as tcnicas de anlise multivariada com
base em medidas correlacionais de associao, incluindo regresso mltipla, regresso
logstica, anlise fatorial e modelagem de equaes estruturais, a linearidade. Porque
correlaes representam apenas a associao linear entre as variveis, os efeitos no-
52
53
homocedasticidade
quarto
pressuposto,
ou
seja,
12
Kennedy (2009) sugere trs principais remdios para superar problemas de erro de
mensurao: a) modelos de regresso generalizados; b) variveis instrumentais e c)
modelo de equaes estruturais.
54
regresso
de
mnimos
quadrados
ordinrios13.
Mas
que
propriedade
de
melhor
estimativa
dos
parmetros
55
Em
15
56
argumenta
que
estimador
OLS
na
presena
de
16
57
17
58
as estimativas dos
19
Para Kennedy (2009), alm de criar altas variaes nas estimativas dos coeficientes,
a multicolinearidade est associada a problemas indesejveis nos clculos com base na
matriz de dados que sejam instveis, ou seja, nos quais pequenas variaes na matriz de
dados, tais como a adio ou supresso de uma nica observao, pode levar a grandes
mudanas nas estimativas dos parmetros (Kennedy, 2009: 198/199).
60
Estgio
Procedimento
Interpretar os resultados
O modelo requer variveis discretas ou contnuas, mas alguns tipos dessas variveis
podem no ter o tratamento mais adequando com o modelo de Mnimos Quadrados
Ordinrios. Esse o caso de variveis censuradas e variveis de contagem. Para esses
casos modelos especficos (por exemplo Probit ou Tobit oferecem melhores resultados.
61
21
63
Todos os cdigos apresentados aqui tambm esto disponveis on-line. Alm disso, os
arquivos com os dados simulados tambm esto disponveis em
http://dvn.iq.harvard.edu/dvn/dv/felipenunes. A partir da publicao deste texto, os
comandos e os dados devem ser usados para fins acadmicos.
64
65
66
TABELA 1
Estatsticas Descritivas para as Variveis Usadas no Modelo de Regresso
67
FIGURA 3
Box-plot com a distribuio das variveis y, x1 e x2
68
FIGURA 4
Histogramas com a distribuio das variveis y, x1 e x2
respectivas
distribuies
formas.
Como
este
artigo
trata
Gostaramos de ressaltar, no entanto, que h outras formas funcionais que podem ser
usadas na estimao de um modelo de regresso. Os chamados modelos de mnimos
quadrados generalizados so bons exemplos de tcnicas que devem ser implementadas
quando se trabalha com eventos raros, ou distribuies assimtricas. Com isso queremos
chamar ateno para a importncia do pesquisador e das decises tomadas por ele. O
apropriado uso de tcnicas estatsticas de responsabilidade do investigador e requer
conhecimento dos limites e potenciais de cada ferramenta.
28
Como dados observacionais no nos permitem observar a operao de tratamentos
aleatrios, impossvel tirar concluses causais usando o desenho de pesquisa discutido
aqui. O melhor que ns podemos realizar incluir as variveis de controle relevantes no
modelo de forma a capturar a relao explicitada acima. Quando a idia do controle foi
introduzida nos modelos de regresso mltipla o objetivo era exatamente emular um
experimento usando dados observacionais. No entanto, pesquisas mais recentes
demonstram a incapacidade da referida ferramenta e apontam novas estratgias como o
uso de variveis instrumentais, modelos de matching e de regresso em descontinuidade
(ver Angrist e Pischke, 2009).
29
Outras especificaes sero testadas, como se pode ver na Tabela 4. Mas esse o
modelo que ns acreditamos se ajustar melhor aos dados que ns temos.
70
71
TABELA 3
Anlise de varincia (ANOVA) para modelo final
GL Graus de Liberdade
TABELA 4
Regresso Linear Mltipla (MQO)
73
Por exemplo, ao se utilizar o Produto Interno Bruto (PIB) per capita (varivel
independente) para explicar o nvel de democratizao de um determinado pas
(varivel dependente), o valor da constante expressa a mdia do grau de democratizao
quando o PIB per capita assume valor zero. Embora tecnicamente correta, essa
interpretao no condiz com a realidade da distribuio do PIB. Portanto, essa leitura
no nos auxilia na compreenso substantiva do modelo especificado. Um dos
procedimentos mais comuns para evitar esse problema centralizar as demais variveis
pela mdia.
75
32
77
FIGURA 5
Pontos estimados e intervalos de confiana para variveis analisadas
80
um
desses
problemas
de
forma
detalhada,
dentre
elas
84
85
FIGURA 7
QQ-plots para resduos padronizados numa distribuio t
86
88
E o que deve ser feito para lidar com os pontos destoantes? Temos 3 principais
recomendaes: (1) Excluir os casos desviantes (reportando o procedimento no paper);
(2) recodificar os casos destoantes a partir de valores menos extremos e (3) escrever
uma seo do artigo descrevendo e explicando os motivos pelos quais os casos so
destoantes (Geddes, 2003).
89
GRFICO 10
Distribuio dos Resduos da Regresso Linear
90
FIGURA 11
Distribuio dos pontos estimados em torno da reta de resduos
dos
nossos
dados.
Quanto
maior
FIGURA 12
Grfico de Correlao das Variveis Independentes
CONCLUSO
93
95
REFERNCIAS BIBLIOGRFICAS
99