Escolar Documentos
Profissional Documentos
Cultura Documentos
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:
(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):
(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:
Model
Sig.
B
13,405
Std. Error
,037
B
360,889
Std. Error
,000
,696
,125
5,565
,000
-2,423
,096
-25,262
,000
-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
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
Para comparao ajustamos o modelo que emprega todas as categorias da varivel regio da
cidadeenocontmtermoconstante.
Coefficients(a,b)
Model
Unstandardized
Coefficients
Sig.
Std. Error
Std. Error
indicador centro da
cidade
14,102
,119
118,030
,000
10,982
,088
124,174
,000
9,877
,063
157,413
,000
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
Notequeasestatsticastsopequenas,indicandoqueosfatoressazonaisnososignificantes
nestecaso.Oqueomodelonosdizqueestasrie,noperodoindicado,nosazonal,oupelo
menos,quenoconseguimosidentificarascomponentessazonaismensais.
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
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
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
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
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