Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 24
Prof. Moiss A. Resende Filho
Introduo Econometria (ECO 132497)
13 de junho de 2014
13/06/2014
1 / 28
Introduo
Porque investir no Modelo de Regresso Linear Mltipla (RLM) em
forma matricial?
1
2
13/06/2014
2 / 28
Introduo
13/06/2014
3 / 28
(1)
(2)
ou, equivalentemente
2 3 2
y1
x11
6y2 7 6x21
6 7 6
6 .. 7 = 6 ..
4.5 4 .
yn
x12
x22
..
.
xn1 xn2
..
.
32 3 2 3
x1k
1
u1
7
6
7
6
x2k 7 6 2 7 6u2 7
7
.. 7 6 .. 7 + 6 .. 7
. 54 . 5 4 . 5
xnk
(3)
un
13/06/2014
4 / 28
xik
13/06/2014
5 / 28
x11 x12
6 ..
..
X =4 .
.
xn1 xn2
x1k
.. 7 =
. 5
xnk
..
.
x1
xk
(n 1 )
(n 1 )
x10
6 (1 k ) 7
6 . 7
7
=6
6 .. 7
4 0 5
xn
(1 k )
= X
+ u
(n k ) (k 1 )
(n 1 )
13/06/2014
6 / 28
= E ((u
(n n )
E(ujX)) (u
que E(ujX) = 0 .
(n 1 )
2 3
u1
6 u2 7
6 7
Ou seja, = E [uu0 jX] = E [6 . 7 u1 u2
4 .. 5
(n n )
un jX], onde ui
un
o i-simo erro populacional do modelo de regresso mltipla.
13/06/2014
7 / 28
(n n )
2 3
u1
6 u2 7
6 7
= E [uu0 jX] = E [6 .. 7 u1 u2
4.5
2
un
u12
u1 u2
u22
..
.
3
u1 un
u2 un 7
7
.. 7 jX)
. 5
6 u2 u1
6
= E (6 ..
4 .
un u1 un u2
un2
2
Var (u1 jX)
Cov (u1 , u2 jX)
6Cov (u2 , u1 jX)
Var (u2 jX)
6
= 6
..
..
4
.
.
Cov (un , u1 jX) Cov (un , u2 jX)
Moiss Resende Filho (ECO/UnB)
un j X ]
3
Cov (u1 , un jX)
Cov (u2 , un jX)7
7
7
..
5
.
Var (un jX)
13/06/2014
8 / 28
e)
SQR (
u
e0 u
e, como u
ei
= (y
=
y0 y
(1 1 )
e ) 0 (y
X
e
y0 X
(1 1 )
yi
e)
X
e
X
(1 1 )
e0 0
e
xi0
e
o i-simo resduo sob
e
y+ X
e
X
(1 1 )
e + X X ,
e transposta de escalar
= yy 2 yX
0
(1 k )
(4)
(k k )
e)
SQR (
= 0
e
(K 1 )
13/06/2014
9 / 28
y2
z1
y1
zk
y2
zk
y
z
(k n )
z1
6 ..
4 .
1 e um vetor z de dimenso k
..
.
..
1,
yn 3
z1
.. 7
. 5
yn
zk
+ ak zk , ento
13/06/2014
10 / 28
y2
z1
y1
zk
y2
zk
y
z
(k n )
z1
6 ..
4 .
1 e um vetor z de dimenso k
..
.
..
1,
yn 3
z1
.. 7
. 5
yn
zk
32 3 2
3
a11
a1k
z1
a11 z1 +
+ a1k zk
6
7
.. 7 6 .. 7 = 6
..
..
Se y = Az = 4 ...
5,
.
. 54 . 5 4
.
ak 1
a
zk
ak 1 z1 +
+ akk zk 3
2 kk
2 y1
(ak 1 z1 + +akk zk )
(a11 z1 + +a1k zk )
yn 3
z1
z1
z1
z1
7
6 ..
.. 7 = 6
..
..
y
.
.
6
7=
.
.
4 .
.
.
. 5 4
.
.
z
5
(k n )
a11
6 ..
4 .
a1k
y1
zk
..
yn
zk
ak 1
.. 7 = A0 .
. 5
akk
(a11 z1 + +a1k zk )
zk
(ak 1 z1 + +akk zk )
zk
13/06/2014
11 / 28
y2
z1
y1
zk
y2
zk
y
z
(k n )
a11
6 ..
Considernado A = 4 .
ak 1
z1
6 ..
4 .
..
1 e um vetor z de dimenso k
..
.
3
a1k
.. 7 =
. 5
akk
..
2
yn 3
z1
.. 7
. 5
yn
zk
3
a10
6 .. 7
4 . 5 e a forma quadrtica
ak0
y = z0 Az = i =1 l =1 ai ,l zi zl = i =1 ai ,l zi2 + i =1 l 6=i ai ,l zi zl
2
3
k
k
2 0 3
2 03
(
a
z
z
)
i
i
,l
l
i =1 l =1
2a1 z
a1
6
7
z1
6
7 6 . 7
6
.
y
6
7 = 4 .. 5 = 2 4 ... 7
..
5 z =2Az.
z
6
7
k
k
5
(k n ) 4
0
0
2ak z
ak
(
ai ,l zi zl )
k
i =1
1,
l =1
zk
13/06/2014
12 / 28
k de
z0 a
=a
z
= A0
= (A + A0 )z =2Az, se A = A0
13/06/2014
13 / 28
e)
SQR (
e
= 2 X0 X
e
X0 y =
(K 1 )
=>
(5)
(K 1 )
b = X0 u
b o vetor n
Da X0 y X
b = 0, onde u
b y X
resduos de MQO: X e os resduos de MQO so ortogonais.
O estimador de MQO
b =
(k 1 )
e)
2 SQR (
e =b
e
e j
1 de
X0 X
(k k )
X0 y
(k 1 )
13/06/2014
14 / 28
2
6
4
Note que:
2 0 3
x1
6 (n 1 ) 7
6 . 7
7
X0 X = 6
6 .. 7
(k k ) 4 0 5
xk
(n 1 )
n
2
x
i =1 i 1
..
.
i =1 xik2xi 1
n
x1
(n 1 )
xk
(n 1 )
i =1 xi 1 xik
n
..
.
7
5.
n i =1 xik2 3
i =1 yi xi 1
n
..
.
x10 y
6
7 6
7
..
X0 y = 4 ... 5 = 4
5.
.
n
0
xk y
i =1 yi xik
13/06/2014
15 / 28
b
A matriz de varincia-covarincia de
b
b jX) = E
Var (
X0 X
X0 X
= 2 X0 X
3
b2 = u
Estimando
b0 u
b / (n
X0 X
= E
= E
b jX)
E (
1
X0 u
b jX)
E (
X0 X
X0 uu0 X X0 X
X0 u
i
1
jX
X0 E (uu0 jX)X X0 X
1
0
0
jX
b jX)=
d(
b 2 (X0 X )
k ), obtemos Var
13/06/2014
16 / 28
0
in=1 i 2
X X=
n
x
(k k )
i =1 i 2 i =1 xi22
(X0 X )
X0 y =
(k 1 )
(k 1 )
=
"
1
n ni=1 (xi 2 x 2 )2
" #
n
yi
n i =1
yx
i =1 i i 2
ni=1 x2i
n
= b 1 = (X0 X )
ni=1 x2i2
ni=1 x2i
X0 y =
"
b
2 x 2
ni (xi 2 x 2 )yi
ni (xi 2 x 2 )2
13/06/2014
17 / 28
Para o modelo
" yi = 1 + 2 xi 2 + ui , note que,
# neste caso, k = 2.
b
b
b
Var ( 1 jX)
Cov ( 1 , 2 jX)
b jX) =
Var (
b
b
Cov ( 2 , 1 jX)
Var (b
2 jX)
(k k )
b j X ) = 2 (X0 X )
Var (
2
n ni=1 (xi 2 x 2 )2
ni=1 x2i2
ni=1 x2i
que:
2 n x 2
Var (b
1 jX) = n n (ix=1 2ix 2 )2 , Var (b
2 j X ) = n
i =1
Cov (b
1 , b
2 jX) =Cov (b
2 , b
1 jX) =
i =1 (x i 2
i2
2 ni=1 x2i
.
n
i =1 (x i 2 x 2 )2
x 2 )2
ni=1 x2i
n
tal
13/06/2014
18 / 28
b = (X0 X )
Calcule a estimativa MQO de ,
1 X0 y.
Obtenha Var (u1 jX),Var (u2 jX),Var (u3 jX),Var (u4 jX),Var (u5 jX) e
Cov (ui , uj jX), i 6= j.
d (b
Obtenha Var (b
jX) e Var
jX).
1
13/06/2014
19 / 28
b = (X0 X )
Simples aplicao do estimador de MQO:
X0 y:
i =1
1
d (b
b 2 (X0 X ) 1 =
Var (b
1 jX) = 2 (X0 X) = 2 n 1 e Var
1 jX) =
ub
i
2
i
n (n k )
= 2, 26.
13/06/2014
20 / 28
1 0 0
60 3 0
6
Como E (uu0 jX) = 6
60 0 4
40 0 0
0 0 0
2
Var (u1 jX)
Cov (u1 , u2 jX)
6Cov (u1 , u2 jX)
Var (u2 jX)
6
6
..
..
4
.
.
0
0
0
6
0
3
0
07
7
07
7=
05
8
3
Cov (u1 , u5 jX)
Cov (u2 , u5 jX)7
7
7, ento, sabemos
..
5
.
13/06/2014
21 / 28
1, X n
K, K
1eun
1.
X0 X = ni=1 1 = n e X0 y = ni=1 yi .
Usando os resultados do item (a), mostre que o estimador MQO de
1 no modelo 1
b
1 = n
yi = y .
i =1
13/06/2014
22 / 28
X0 y = 1 1
Como
(X0 X ) 1
2 3
y1
6 y2 7
6 7
1 6 . 7 = ni=1 yi .
4 .. 5
=n
yn
e X0 y = ni=1 yi , ento
b
1 = (X0 X ) 1 X0 y
ni=1 yi
=
n
= y
13/06/2014
23 / 28
Modelo 2: yi = 1 + 2 xi 2 + i , i = 1, .., n.
2
2
3
3
1 x12
1 x12
61 x22 7
6
7
1
1
1 61 x22 7
6
7 0
X = 6.
,XX=
=
6
7
.
.
.
.. 5
.. 7
x12 x22
xn2 4 ..
4 ..
5
1 xn2
1 xn2
2 3
y1
"
#
n
6
7
n
1 6y2 7
in=1 xi 2 , X0 y = 1 1
6
7=
n
.
x12 x22
xn2 4 .. 5
i =1 xi 2 i =1 xi22
yn
"
#
n
n i =1 yi .
i =1 xi 2 yi
13/06/2014
24 / 28
1
[
jAj
Assim,
1l +k
]0 .
1
jAj
jAjlk
= jX10 Xj [ 1l +k [X0 X]lk ]0 => (X0 X)
i xi22
i xi 2 , pois
n
i xi 2
(X0 X ) 1
1
n ni=1 (xi 2 x 2 )2
jX0 Xj =n i xi22
i xi 2
Adjunta de
= n ni=1 (xi 2
n 1 (ni=1 xi 2 )2 .
que
x2)
x2)
i xi22
i xi 2 i yi
n
i xi 2
i xi 2 yi
i xi22 i yi i xi 2 i xi 2 yi
n i xi 2 yi i xi 2 i yi
n i xi 2 yi i xi 2 i yi
=
n ni=1 (xi 2 x 2 )
i =1 (xi 2 x 2 )(yi
n
i =1 (xi 2 x 2 )2
n
y)
13/06/2014
25 / 28
3
80
1007
7
1207
7.
1405
160
3
1 80
61 1007
7
600
1
1
1
1
1 6
0
61 1207 = 5
.
XX=
7
600
76000
80 100 120 140 160 6
41 1405
1 160
(X0 X) 1 = jX10 Xj [ 1l +k [X0 X]lk ]0 =>
2
3
1
70
61
6 65 7
6
6
7
7; X = 61
90
Exemplo com y = 6
6
6
7
41
4 95 5
1
110
2
2
(X0 X )
76000
600
600
=
5
19
5
3
100
3
100
1
4000
13/06/2014
26 / 28
3
70
6 65 7
7
1
1
1
1
1 6
0
6 90 7 = 430 .
Xy=
7
53800
80 100 120 140 160 6
4 95 5
110
" #
19
3
b
430
20
5
100
b = 1 = (X0 X ) 1 X0 y =
=
.
3
1
b
53800
0.55
2
100
4000
2
b j X ) = 2 (X0 X )
Var (
= 2
19
5
3
100
3
100
1
4000
; e quanto a 2 ?
13/06/2014
27 / 28
2
3
80
6
1007
6
7 20
7
1207
=6
u
b y
6
0.55
4
1405
160
2
3
6
6 107
6
7
0
7
10 4
2 2 6
u
bu
b= 6
6 4 7 = 160.
4 25
2
"
#
b
d (b
d (b
Var
j
X
)
Cov
j
X
)
1
1
2
b jX) =
d(
Var
d (b
d (b
Cov
,b
jX)
Var
jX)
3
70
6 65 7
7
6
b
7
X = 6
6 90 7
4 95 5
110
2
u
b0 u
b
n k
(X0 X )
160
5 2
1
61
6
61
6
41
1
2
1
19
5
3
100
3
100
1
4000
3
6
107
7
4 7
7.
25
2
b 2 (X0 X )
=
202.67
1.6
.
1.6 0.013
13/06/2014
28 / 28