40

EconometriaSemestre2010.01

CAPTULO9MODELOSDEREGRESSOCOMVARIVEISBINRIAS

1OBJETIVOS

Considerar modelos em que uma ou mais variveis explicativas so variveis nominais (tambm
chamadasdeindicadores,variveisqualitativas,variveisbinriasouvariveisdummy).Ocaso
mais simples quando fazemos a varivel igual a 1 para uma categoria e 0 para a categoria
mutuamente exclusiva primeira. Por exemplo, podemos definir SEXO = 1 se feminino, e 0 se
masculino.
Osmodelosderegressoquecontmapenasvariveisbinriasouqualitativassochamadosde
modelosdeAnlisedeVarincia(modelosANOVA).

2CUIDADOSNOUSODEMODELOSCOMVARIVEISQUALITATIVAS

Suponha que desejamos inserir no modelo uma varivel qualitativa com m categorias.
importantenotarqueomodelodeverserespecificadodaseguinteforma:
1) Modelocomtermoconstantee(m1)variveisdummy
2) ModeloSEMtermoconstanteemvariveisdummy
Porque?Poderiaparecernatural,primeiravista,escreveromodelocomo:
Yi = + 1 .D1i + 2 .D2i + ... + m .Dmi + i

(1)

ondeDj=1ou0seaobservaopertencejsimacategoriadavarivelX,paraj=1,2,...,n.
Mas,qualamatrizdedesignXparaomodelodaequao(1)acima?VERIFIQUEqueaprimeira
colunadeXcompostaapenasde1s.Asegundacolunacontm1se0s,assimcomotodasas
demaiscolunas.Mas,asomadascolunas2atm+1igual1.coluna,poissomandotodasas
variveisdummyemtodososseusnveisencontramosumacolunade1s.
Logo, o modelo representado por (1) NO PODE ser ajustado, pois sua matriz de design exibe
colinearidadeperfeita.Asalternativassoasindicadasem1)e2)acima.
Comofuncionaomodelo1)?

ProfessoraMnicaBarros

ENCE

41

EconometriaSemestre2010.01

Escolheseumacategoriacomocategoriabase.Apenasattulodeexemplo,suponhaqueelaa
msimacategoriadanossavarivelqualitativa.Entoomodeloaserajustadoterconstantee
(m1)variveisdummy,cadaumacorrespondendoscategorias1,2,...,m1respectivamente.
Ouseja,aequaodomodelo:

Yi = + 1.D1i + 2 .D2i + ... + m1 .D( m1)i + i

(2)

Suponhaque,paraumadadaobservaoestamosna1.categoriadavarivelqualitativaeassim
D1i=0etodasasoutrasvariveisdummysozero.Entoovalorajustadonestaobservaoser:
Yi = + 1 .(1) = + 1

(3)

Suponhaagoraqueumaobservaocorrespondemsimacategoria(queacategoriabase).
Ento,osvaloresdeTODASasvariveisdummynestaobservaosozero,eovalorajustado:
Yi =

(4)

Apartirde(3)e(4)ficafcilinterpretarosignificadodoscoeficientesnaregresso(2). indicao
valormdionacategoriaomitida(nestecasoamsima).Cada iindicaadiferenaentreovalor
daisimacategoriaeamdiadacategoriaomitida.
Modelo2)
Aespecificaodomodelo2):

Yi = 1 .D1i + 2 .D2i + ... + m .D( m ) i + i

(5)

Noteque:

Naequao(5)noexistetermoconstante;
AgoraexistemvariveisdummyparaTODASasmcategorias.
Qualainterpretaodoscoeficientesnaequao(5)?Cada iindicaovalormdiodarespectiva
categoria.

Exemplo9.1.
Neste exemplo a varivel dependente o percentual de votos nulos e brancos (soma dos dois
percentuais)no1.TurnodaseleiesmunicipaisparaprefeitonomunicpiodoRiodeJaneiroem
2008.Avarivelexplicativaaregiodacidadeemqueestsituadaaseoeleitoral,divididaem
5categorias:Centro,Sul,Norte,Oeste,Subrbio.

ProfessoraMnicaBarros

ENCE

42

EconometriaSemestre2010.01

Existem 10702 observaes na amostra, cada uma corresponde a uma seo eleitoral, ou seja,
umaurnadevotao.
Inicialmenteajustamosomodelo:

Yi = + 1 .CENTROi + 2 .NORTEi + 3 .SULi + 4 .OESTEi + i

Ouseja,acategoriabaseSUBURBIO.Osresultadosdestaregressoestoabaixo:
Coefficients(a)
Unstandardized
Coefficients

Model

Sig.

B
13,405

Std. Error
,037

B
360,889

Std. Error
,000

,696

,125

5,565

,000

indicador zona norte

-2,423

,096

-25,262

,000

indicador zona sul

-3,529

,073

-48,395

,000

-,190
,055
-3,479
a Dependent Variable: soma dos percentuais de nulos e brancos

,001

(Constant)
indicador centro da
cidade

indicador zona oeste

Model Summary

Model
1

R
,472(a)

R Square
,223

Adjusted R
Square
,222

Std. Error of
the Estimate
2,43974

a Predictors: (Constant), indicador zona oeste, indicador centro da cidade, indicador zona norte, indicador zona sul
ANOVA(b)

Model
1

df

Regression

Sum of
Squares
18244,922

Mean Square
4561,230

Residual

63671,940

10697

5,952

F
766,295

Sig.
,000(a)

Total

81916,862
10701
a Predictors: (Constant), indicador zona oeste, indicador centro da cidade, indicador zona norte, indicador zona sul
b Dependent Variable: soma dos percentuais de nulos e brancos
Descriptive Statistics

perc_nulos_brancos

Mean
12,6959

Std. Deviation
2,76678

N
10702

Queestriavocpodecontarapartirdestesdados?

Omodelo,emgeral,altamentesignificante(vejaaestatsticaF),ouseja,ospercentuais
denulos+brancosvariamdeacordocomaregiodacidade.Apesardisso,oR2domodelo
baixo.QuetalinvestigararelaoentreaestatsticaFeoR2edescobrirporque?

ProfessoraMnicaBarros

ENCE

43

EconometriaSemestre2010.01

No SUBURBIO (categoria base, varivel dummy omitida), o percentual mdio de votos

brancos+nulos13,405%,quesuperiormdiageraldomunicpio(12,696%).
NoCENTRO,opercentualmdiodebrancos+nulos13,405+0,696=14,101%.
Na zona NORTE, o percentual mdio de brancos + nulos 13,405 2,423= 10,982%, o
SEGUNDOMENORdetodasasregiesdacidade.
NazonaSUL,opercentualmdiodebrancos+nulos13,4053,529=9,876%,oMENOR
detodasasregiesdacidade.
Na zona OESTE, o percentual mdio de brancos + nulos 13,405 0,190= 13,215%,
superiormdiageraldomunicpio.

Para comparao ajustamos o modelo que emprega todas as categorias da varivel regio da
cidadeenocontmtermoconstante.

Yi = 1 .CENTROi + 2 .NORTEi + 3 .SULi + 4 .OESTEi + 5 .SUBURBIOi + i

Osresultadosseguemabaixo.
ANOVA(c,d)
Sum of
Squares
df
Mean Square
F
Sig.
Regression
1743244,3
5
348648,867 58573,634
,000(a)
36
Residual
63671,940
10697
5,952
Total
1806916,2
10702
76(b)
a Predictors: indicador suburbio, indicador zona oeste, indicador zona sul, indicador zona norte, indicador centro da
cidade
b This total sum of squares is not corrected for the constant because the constant is zero for regression through the
origin.
c Dependent Variable: soma dos percentuais de nulos e brancos
d Linear Regression through the Origin
Model
1

Coefficients(a,b)

Model

Unstandardized
Coefficients

Sig.

Std. Error

Std. Error

indicador centro da
cidade

14,102

,119

118,030

,000

indicador zona norte

10,982

,088

124,174

,000

indicador zona sul

9,877

,063

157,413

,000

indicador zona oeste

13,215

,040

329,390

,000

13,405
,037
360,889
a Dependent Variable: soma dos percentuais de nulos e brancos
b Linear Regression through the Origin

,000

indicador suburbio

ProfessoraMnicaBarros

ENCE

44

EconometriaSemestre2010.01

Note que os coeficientes da regresso estimada por este modelo so exatamente os mesmos
obtidosnomodeloanterior.

Quemodelousar?
Nofundoumaquestodegosto...
Amaioriadospesquisadorestendeausaromodelorepresentadopelaequao(2),queincluio
termoconstante.Issoacontecepoisnestaformapossvelverificarfacilmenteseacategorizao
fazdiferena(emrelaocategoriabase).
Nota
possvel combinar no mesmo nodelo mais de uma varivel qualitativa. O nico ponto a
considerar que cada varivel qualitativa deve ser expressa com o seu nmero de categorias
menosUM.Tambm,nestecaso,otermoconstanteindicaramdiaquandoaobservaoestiver
nosnveisdascategoriasbaseparaasduasvariveisqualitativas.

Exemplo9.2.
Usodevariveisdummypararepresentarasazonalidadedeumasrietemporal.
ConsidereasriedeconsumomensaldeenergiaeltricanaregioSudesteapartirdejaneirode
2003mostradanogrficoaseguir.
Consumo de Energia Eltrica na Regio Sudeste em GWh
19000

18000

17000

16000

15000

14000

13000

20
03
.0
1
20
03
.0
20 3
03
.0
20 5
03
.0
20 7
03
.0
20 9
03
.1
20 1
04
.0
20 1
04
.0
20 3
04
.0
20 5
04
.0
20 7
04
.0
20 9
04
.1
20 1
05
.0
20 1
05
.0
20 3
05
.0
5
20
05
.0
20 7
05
.0
20 9
05
.1
20 1
06
.0
20 1
06
.0
20 3
06
.0
20 5
06
.0
20 7
06
.0
20 9
06
.1
1
20
07
.0
20 1
07
.0
20 3
07
.0
20 5
07
.0
7
20
07
.0
20 9
07
.1
20 1
08
.0
20 1
08
.0
20 3
08
.0
20 5
08
.0
20 7
08
.0
20 9
08
.1
20 1
09
.0
1
20
09
.0
20 3
09
.0
20 5
09
.0
20 7
09
.0
20 9
09
.1
20 1
10
0

12000

Vamos calcular os fatores sazonais mensais para esta srie usando o primeiro mtodo descrito
neste captulo. As variveis INDIC_01 a INDIC_12 so, respectivamente, as dummies para os
mesesdeJaneiroaDezembro.
Mtodo1modelocomconstantecategoriaomitida=janeiro
Omodeloajustado:

ProfessoraMnicaBarros

ENCE

45

EconometriaSemestre2010.01
Coefficients(a)
Unstandardized
Coefficients

Model

(Constant)
indic_02

Sig.

B
15688,000

Std. Error
604,355

B
25,958

Std. Error
,000

-398,571

884,684

-,451

,654

indic_03

57,571

884,684

,065

,948

indic_04

133,286

884,684

,151

,881

indic_05

-49,000

884,684

-,055

,956

indic_06

-159,286

884,684

-,180

,858

indic_07

-347,429

884,684

-,393

,696

indic_08

18,714

884,684

,021

,983

indic_09

262,571

884,684

,297

,767

indic_10

463,714

884,684

,524

,602

indic_11

739,143

884,684

,835

,406

indic_12

468,143

884,684

,529

,598

a Dependent Variable: consumo_ee_sudeste

Notequeasestatsticastsopequenas,indicandoqueosfatoressazonaisnososignificantes
nestecaso.Oqueomodelonosdizqueestasrie,noperodoindicado,nosazonal,oupelo
menos,quenoconseguimosidentificarascomponentessazonaismensais.

As estatsticas do modelo tambm indicam que apenas os fatores sazonais no conseguem

explicaroconsumodeenergianotequeaestatsticaFnaprximatabelamuitopequena,eo
modelocomoumtodonosignificativo.

ANOVA(b)
Sum of
Squares
df
Mean Square
F
Sig.
Regression
8832858,9
11
802987,178
,275
,989(a)
61
Residual
213302712
73
2921954,963
,286
Total
222135571
84
,247
a Predictors: (Constant), indic_12, indic_11, indic_10, indic_09, indic_08, indic_07, indic_06, indic_05, indic_04,
indic_03, indic_02
b Dependent Variable: consumo_ee_sudeste
Model
1

Naverdade,provvelqueoculpadoporissosejaonveldasrie,queestaumentando,eno
estsendoconsideradonamodelagem.Vamosadicionarumatendncialinearaomodelo,atravs
deumavarivelqueassumeosvalores1,2,3,...85.Estavarivelserchamadadetempono
modeloaseguir.

ProfessoraMnicaBarros

ENCE

46

EconometriaSemestre2010.01

Onovomodelo(queincluiatendncialinear)temosseguintesdiagnsticos:

Coefficients(a)
Unstandardized
Coefficients

Model

Sig.

B
13054,619

Std. Error
233,489

B
55,911

Std. Error
,000

indic_02

-92,364

300,804

-,307

,760

indic_03

302,537

300,704

1,006

,318

indic_04

317,010

300,626

1,054

,295

indic_05

73,483

300,570

,244

,808

indic_06

-98,044

300,537

-,326

,745

indic_07

-347,429

300,526

-1,156

,251

indic_08

-42,527

300,537

-,142

,888

indic_09

140,089

300,570

,466

,643

indic_10

279,990

300,626

,931

,355

indic_11

494,177

300,704

1,643

,105

indic_12

161,936

300,804

,538

,592

61,241

2,587

23,677

,000

(Constant)

tempo

a Dependent Variable: consumo_ee_sudeste

ANOVA(b)
Sum of
Squares
df
Mean Square
F
Sig.
Regression
197858692
12 16488224,389
48,901
,000(a)
,664
Residual
24276878,
72
337178,869
583
Total
222135571
84
,247
a Predictors: (Constant), tempo, indic_07, indic_08, indic_06, indic_05, indic_09, indic_10, indic_04, indic_11, indic_03,
indic_12, indic_02
b Dependent Variable: consumo_ee_sudeste
Model

Model Summary(b)
Adjusted R
Std. Error of
Square
the Estimate
R Square
,891
,872
580,671
a Predictors: (Constant), tempo, indic_07, indic_08, indic_06, indic_05, indic_09, indic_10, indic_04, indic_11, indic_03,
indic_12, indic_02
b Dependent Variable: consumo_ee_sudeste
Model

Oquepodemosconcluir?
Os fatores sazonais so ainda no significantes, mas a qualidade do ajuste melhorou
sensivelmente. O modelo agora , como um todo, significativo (veja a estatstica F). As

ProfessoraMnicaBarros

ENCE

47

EconometriaSemestre2010.01

estatsticastdosfatoressazonaissonosignificantes,massomaiores(emmdulo)que
nasituaoanterior.Talvezoprocedimentomaisadequado(seoobjetivoencontrarum
modelo parcimonioso) seja empregar apenas alguns dos fatores sazonais, e no todos,
escolhendoos,porexemplo,atravsdeumprocedimentostepwise.

Aestruturadomodeloajustado:

(Consumo _ estimadot ) = 13054,62 + 61,24 * t 92,36 * Indic _ 02t + 302,54 * Indic _ 03t + 317,01* Indic _ 04t +
+ 73,48 * Indic _ 05t 98,04 * Indic _ 06 t 347,43 * Indic _ 07 t 42,53 * Indic _ 08t +
+ 140,09 * Indic _ 09 t + 279,99 * Indic _ 10 t + 494,18 * Indic _ 11t + 161,94 * Indic _ 12 t

Exemplo9.3.
Considere a srie de Vendas nominais no varejo (hipermercados e supermercados) nmero
ndice (mdia 2003 = 100), fornecida pela Pesquisa Mensal do Comrcio (PMC) do IBGE e
mostradanoprximogrfico.
Vendas nominais - varejo - hipermercados e superm. - ndice (mdia 2003 = 100) - IBGE/PMC
250
230
210
190
170
150
130
110
90
70

ja

n/
00
ai
/0
0
se
t/0
0
ja
n/
01
m
ai
/0
1
se
t/0
1
ja
n/
02
m
ai
/0
2
se
t/ 0
2
ja
n/
03
m
ai
/0
3
se
t/0
3
ja
n/
04
m
ai
/0
4
se
t/0
4
ja
n/
05
m
ai
/0
5
se
t/0
5
ja
n/
06
m
ai
/0
6
se
t/0
6
ja
n/
07
m
ai
/0
7
se
t/0
7
ja
n/
08
m
ai
/0
8
se
t/0
8
ja
n/
09
m
ai
/0
9
se
t/0
9
ja
n/
10

50

AsazonalidadenasrieficaparticularmentebviaporcontadomsdeDezembro,ondeocorre
umpiconasvendasdoano.Noentanto,devesenotartambmqueasrietemumatendncia
muito expressiva, e modelala sem levar em conta esta tendncia pode nos levar a encontrar
fatores sazonais que no fazem sentido, pois esto capturando tambm a componente da
tendncia,almdasazonalidade.

ProfessoraMnicaBarros

ENCE

48

EconometriaSemestre2010.01

Vamosexperimentardiversosmodelosecomentarosresultados.
Modelo1SEMTENDNCIA,apenascomponentessazonais
Estrutura: Yi = + 1.D1i + 2 .D2i + ... + m1 .D( m1)i + i onde ajustamos m1 = 11 variveis
dummy.Escolhemosnestecasoomsdejaneirocomovarivelomitida,eassimseroajustadas
asdummiesparafevereiroadezembro.Osresultadosdoajusteso:
Coefficients(a)
Unstandardized
Coefficients

Model

Sig.

(Constant)

B
116,116

Std. Error
11,144

B
10,419

Std. Error
,000

indic_02

-11,697

16,150

-,724

,470

indic_03

-,141

16,150

-,009

,993

indic_04

-1,389

16,150

-,086

,932

indic_05

-1,876

16,150

-,116

,908

indic_06

-5,106

16,150

-,316

,752

indic_07

-,095

16,150

-,006

,995

indic_08

2,284

16,150

,141

,888

indic_09

-,199

16,150

-,012

,990

indic_10

5,858

16,150

,363

,718

indic_11

4,647

16,150

,288

,774

indic_12

39,735
16,150
2,460
,015
a Dependent Variable: Vendas nominais - varejo - hipermercados e superm. - ndice (mdia 2003 = 100) - IBGE/PMC PMC12_VNSUPT12
ANOVA(b)
Sum of
Squares
df
Mean Square
F
Sig.
Regression
17236,646
11
1566,968
1,147
,333(a)
Residual
148909,93
109
1366,146
7
Total
166146,58
120
2
a Predictors: (Constant), indic_12, indic_11, indic_10, indic_09, indic_08, indic_07, indic_05, indic_04, indic_03,
indic_02, indic_06
b Dependent Variable: Vendas nominais - varejo - hipermercados e superm. - ndice (mdia 2003 = 100) - IBGE/PMC PMC12_VNSUPT12
Model

Note como o ajuste do modelo ruim. A estatstica F muito pequena, indicando que os
regressoresso,emconjunto,nosignificantes.Dentreosfatoressazonais,apenasorelativoao
ms de dezembro significativo (veja as estatsticas t). O R2 desde modelo terrvel, apenas
10,4%,eoR2ajustado1,3%.

ProfessoraMnicaBarros

ENCE

49

EconometriaSemestre2010.01

Vamos tentar melhorar este resultado incorporando uma tendncia linear ao modelo. Criamos
uma varivel tempo definida como 1, 2, ..., 121, que apenas um indicador do instante de
tempo. Esta varivel poderia ter sido criada de outra forma, qualquer transformao linear da
variveltempodefinidaacimaserviria.Aestruturadomodeloagora:
Modelo2TENDNCIALINEARecomponentessazonais
Estrutura: Yi = + .t + 1 .D1i + 2 .D2i + ... + m1 .D( m1)i + i ondeajustamosm1=11variveis
dummy.Escolhemosnestecasoomsdejaneirocomovarivelomitida,eassimseroajustadas
asdummiesparafevereiroadezembro.Osresultadosdoajusteso:
Coefficients(a)
Unstandardized
Coefficients

Model

Sig.

(Constant)

B
56,560

Std. Error
3,155

B
17,927

Std. Error
,000

indic_02

-6,816

4,044

-1,685

,095

indic_03

3,764

4,043

,931

,354

indic_04

1,540

4,043

,381

,704

indic_05

,076

4,042

,019

,985

indic_06

-4,130

4,042

-1,022

,309

indic_07

-,095

4,042

-,024

,981

indic_08

1,307

4,042

,323

,747

indic_09

-2,152

4,042

-,532

,596

indic_10

2,929

4,043

,724

,470

indic_11

,741

4,043

,183

,855

indic_12

34,853

4,044

8,619

,000

,976

,024

40,397

,000

tempo

a Dependent Variable: Vendas nominais - varejo - hipermercados e superm. - ndice (mdia 2003 = 100) - IBGE/PMC PMC12_VNSUPT12
ANOVA(b)
Sum of
Squares
df
Mean Square
F
Sig.
Regression
156903,55
12
13075,296
152,778
,000(a)
0
Residual
9243,032
108
85,584
Total
166146,58
120
2
a Predictors: (Constant), tempo, indic_07, indic_08, indic_06, indic_09, indic_05, indic_10, indic_04, indic_11, indic_03,
indic_12, indic_02
b Dependent Variable: Vendas nominais - varejo - hipermercados e superm. - ndice (mdia 2003 = 100) - IBGE/PMC PMC12_VNSUPT12
Model
1

O resultado do modelo bem superior ao anterior. Agora o modelo significante (veja a

estatsticaF)eambosoR2eoR2ajustadosoaltos(94,4e93,8%respectivamente).Noentanto,
apenasosfatoressazonaisparafevereiroedezembrososignificantesaonvel10%.

ProfessoraMnicaBarros

ENCE

50

EconometriaSemestre2010.01

O que fazer? Podemos tentar mudar a cara da tendncia e tentar ajustar, por exemplo, uma
tendnciaquadrtica.Issonoslevaaoprximomodelo.

Modelo3TENDNCIAQUADRTICAecomponentessazonais
Estrutura: Yi = + 1 .t + 2 .t 2 + 1 .D1i + 2 .D2i + ... + m1.D( m1) i + i Ajustamos m1 = 11
variveisdummy.Escolhemosnestecasoomsdejaneirocomovarivelomitida,eassimsero
ajustadasasdummiesparafevereiroadezembro.Osresultadosdoajusteso:
Coefficients(a)
Unstandardized
Coefficients

Model

Sig.

(Constant)

B
71,441

Std. Error
2,115

B
33,775

Std. Error
,000

indic_02

-5,335

2,369

-2,252

,026

indic_03

5,304

2,369

2,239

,027

indic_04

3,125

2,369

1,319

,190

indic_05

1,694

2,369

,715

,476

indic_06

-2,493

2,369

-1,052

,295

indic_07

1,549

2,369

,654

,515

indic_08

2,945

2,369

1,243

,217

indic_09

-,534

2,369

-,225

,822

indic_10

4,514

2,369

1,905

,059

indic_11

2,281

2,369

,963

,338

indic_12

36,334

2,369

15,335

,000

,180

,057

3,169

,002

tempo
tempo_quadrado

,007
,000
14,429
,000
a Dependent Variable: Vendas nominais - varejo - hipermercados e superm. - ndice (mdia 2003 = 100) - IBGE/PMC PMC12_VNSUPT12

Osfatoressazonaisparafevereiro,maro,outubroedezembrososignificantesagora.Tambm
existem outros fatores quase significantes (com 79% ou 80% de significncia, que so os
relativosaAbrileAgosto).

Notetambmqueosparmetrosquecaracterizamatendnciasoaltamentesignificantes.

Para tentar ainda mais amortecer esta tendncia, poderamos ajustar o modelo srie
logaritmadadevendas.

ProfessoraMnicaBarros

ENCE

51

EconometriaSemestre2010.01

Modelo 4 TENDNCIA QUADRTICA e componentes sazonais aplicada srie do logaritmo de

Vendas
Coefficients(a)
Unstandardized
Coefficients

Model

Sig.

B
4,239

Std. Error
,014

B
296,004

Std. Error
,000

indic_02

-,048

,016

-3,001

,003

indic_03

,049

,016

3,039

,003

indic_04

,028

,016

1,741

,085

indic_05

,013

,016

,790

,431

indic_06

-,022

,016

-1,369

,174

indic_07

,013

,016

,822

,413

indic_08

,024

,016

1,503

,136

indic_09

-,003

,016

-,213

,832

indic_10

,036

,016

2,262

,026

indic_11

,021

,016

1,287

,201

indic_12

,270

,016

16,815

,000

tempo

,006

,000

16,171

,000

5,322

,000

(Constant)

tempo_quadrado

1,63E-005
,000
a Dependent Variable: log_vendas_varejo_hipermercados

Em vermelho esto indicados os coeficientes das dummies significantes. Note que as dummies
paraJunhoeAgostososignificantesanvel17%,eNovembrosignificantea20%.Omodelo
altamente significante, como indicado na tabela ANOVA a seguir. O R2 e o R2 ajustado so,
respectivamente,99,4e98,5%.
ANOVA(b)

Model
1

Regression
Residual
Total

Sum of
Squares
10,957

df
13

Mean Square
,843

,144

107

,001

11,100

120

F
627,171

Sig.
,000(a)

a Predictors: (Constant), tempo_quadrado, indic_07, indic_08, indic_06, indic_09, indic_05, indic_10, indic_04, indic_11,
indic_03, indic_12, indic_02, tempo
b Dependent Variable: log_vendas_varejo_hipermercados

Eoqueestesfatoressazonaisrepresentamnestecaso?Asrie(naescalalog)menosatendncia
deveserestacionria,ouquaseisso,ouseja,nodevesubirnemdescer.Ento,oquedeve
ficaraparentenestasrieemqueatendnciafoieliminadasoosfatoressazonais.
Vamoscalcular:

ProfessoraMnicaBarros

ENCE

52

EconometriaSemestre2010.01

Z t = Yt 4,2385 - 0,0062336 * t - (1,62883e - 005) * t 2

Onde Yt ologaritmodasriedevendasdevarejoemhipermercados.Ztasriesemtendncia.
OgrficodeZtestaseguir.Notequeosfatoressazonaistornamsebastanteclaroseasrie
estacionrianamdia,ouseja,notemtendncia.
Srie sem Tendncia

0,4000
0,3500
0,3000
0,2500
0,2000
0,1500
0,1000
0,0500

0
/1
ja
n

t/0
9

ju
l/0

ou

/0

r/0

ja
n

ab

t/0
8

ju
l/0

ou

/0

r/0

ja
n

ab

t/0
7

ju
l/0

ou

/0

r/0

ja
n

ab

t/0
6

ju
l/0

ou

/0

r/0

ja
n

ab

t/0
5

ju
l/0

ou

/0

r/0

ja
n

ab

t/0
4

ju
l/0

ou

/0

r/0

ja
n

ab

t/0
3

ju
l/0

ou

/0

r/0

ja
n

ab

t/0
2

ju
l/0

ou

/0

r/0

ja
n

ab

t/0
1

ju
l/0

ou

/0

r/0

ja
n

ab

t/0
0

ju
l/0

ou

0
r/0

ja
n

ab

/0

0,0000
-0,0500
-0,1000
-0,1500

Qualainterpretaodosfatoressazonais?
Se olharmos para o modelo da varivel logaritmada, notamos que o nvel em Janeiro (categoria
omitida)dadopor:
Yt = 4,2385 + 0,0062336 * t + (1,62883e - 005) * t 2

IstoocorrepoisemJaneiroosvaloresdetodasasvariveisdummysozero.Aequaoacimanos
permiteencontrarovalorajustadoparat=1(Jan/2000),t=13(Jan/2001),t=25(Jan/2002)eetc,
bastandosubstituirovalordetapropriado.
EasprevisesdosvaloresdeDezembro?Sodadaspor:
Yt = 4,2385 + 0,0062336 * t + (1,62883e - 005) * t 2 + 0,2697 * INDIC_DEZEMBRO t

OndeINDIC_DEZEMBROt=1setummsdeDezembroe0setnoummsdeDezembro.
Porexemplo,aprevisoparaDezembrode2000(t=12)ser:
Yt = 4,2385 + 0,0062336 * (12) + (1,62883e - 005) * (12) 2 + 0,2697

ProfessoraMnicaBarros

ENCE

53

EconometriaSemestre2010.01

EmDezembrode2008(t=108),apreviso:
Yt = 4,2385 + 0,0062336 * (108) + (1,62883e - 005) * (108) 2 + 0,2697

Notequeoltimotermodestaequao(0,2697)safetaosmesesdeDezembro,ouseja,sse
aplicaequaonosinstantestquecorrespondemaummsdeDezembro.
Paracasa:
UseoExcel(oualgoparecido)paracalcularosvaloresajustadospelomodeloparacadams.
ParacasaII:
Considereasplanilhas:
Dados_mensais_exemplos_capitulo_9.xls
Exemplo_taxa_desemprego_RMSP.xls
PIB_trimestral.xls
Exercite o que voc aprendeu neste captulo sobre fatores sazonais, tendncias lineares,
quadrticas, etc... e ajuste modelos para as sries nestas planilhas que no foram usadas nos
exemplosdestetexto.
Oquemudaquandoprecisamosestimarfatoressazonaistrimestrais?

ProfessoraMnicaBarros

ENCE