Introduo Econometria

Anlise de Regresso Simples

Estimativa dos parmetros
Estimativa dos parmetros
Estimativa precisa
Processo de inferncia
Mtodos
Mtodo dos mnimos quadrados
Ordinrios
Generalizados
Heterocedasticidade
Mxima verossimilhana
Estimativa dos parmetros amostrais desconhecidos de tal
forma que a probabilidade de se observarem os valores da
varivel dependente dada a mais alta (mxima) possvel
Mnimos quadrados ordinrios (MQO)
Minimizao da soma dos quadrados dos
resduos
Objetivo
Estimar a FRP com base na FRA


Como determinar a FRA?
i i i i i
i i i
u Y u X Y
u X Y

2 1
2 1
+ = + + =
+ + =
| |
| |
i i i i i
X Y Y Y u
2 1

| | = =
Mnimos quadrados ordinrios (MQO)
Deseja-se determinar a FRA para que esta
esteja mais prxima possvel do Y observado

Resduos com pesos iguais
( ) 0

= =
i i i
Y Y u
Mnimos quadrados ordinrios (MQO)
Minimizao da soma dos quadrados dos
resduos

Atribui maior peso aos resduos mais distantes
funo dos parmetros

Fornece estimativas dos parmetros que geram o
menor valor possvel da soma dos quadrados dos
resduos
( ) ( )

= =
2
2 1
2
2

i i i i i
X Y Y Y u | |
( )

=
2 1
2

,

| | f u
i
MQO
Estimativa dos parmetros
( )( )
( )
n
X
X
n
Y X
XY
X Y
2
2
2
2 1

=
=
|
| |
MQO
Propriedades estatsticas
I. Os estimadores por MQO so expressos em
quantidades observveis
II. So estimadores de ponto
III. Obtidas as estimativas, pode-se gerar a reta de
regresso da amostra que tem as seguintes
propriedades:
I. Passa pelas mdias da amostra de X e Y
II. O valor mdio do Y estimado igual ao valor mdio
do Y observado
MQO
III. O valor mdio dos resduos zero
IV. Os resduos no tm correlao com o Y previsto
V. Os resduos no tm correlao com as variveis
explicativas (X
i
)
MCRL: hipteses subjacentes ao
mtodo dos MQO
1. O modelo de regresso linear nos
parmetros
2. Os valores de X so fixados em amostragem
repetida
3. Valor mdio zero da perturbao
( ) 0 =
i i
X u E
MCRL: hipteses subjacentes ao
mtodo dos MQO
4. Homoscedasticia ou varincia igual de u
i
( ) ( ) | | ( )
2 2
var o = = =
i i i i i i i
X u E X u E u E X u
MCRL: hipteses subjacentes ao
mtodo dos MQO
5. Nenhuma autocorrelao entre as
perturbaes




( ) ( ) | | ( ) | |
( )( ) 0
, , cov
= =
=
j j i i
j j j i i i j i j i
X u X u E
X u E u X u E u E X X u u
MCRL: hipteses subjacentes ao
mtodo dos MQO
6. Covarincia zero entre o resduo e a varivel
explicativa ou

= 0




7. O nmero de observaes deve ser maior que o
nmero de parmetros
8. Variabilidade nos valores X
9. O modelo est corretamente especificado
10. No existe multicolinearidade perfeita
( ) ( ) | | ( ) | |
( ) ( ) | | ( ) ( ) ( )
( ) 0
, cov
= =
= = =
=
i i
i i i i i i i
i i i i i i
X u E
u E X E X u E X E X u E
X E X u E u E X u
Preciso das estimativas
Os resultados dependem da amostra
As estimativas esto em funo da amostra
Medida de confiabilidade ou de preciso dos
estimadores
Erro-padro
( ) ( )
( ) ( )
( )

= =

=
= =
= =
2
2
2 2 2 2
2
2 2
2
2
2
2
1
2
2
2
1
2
2
2
2
2
ou

;
2

var

var
i
i i
i i i i i
i
i
i
i
i
i
i
x
y x
y u x y u
n
u
x n
X
ep
x n
X
x
ep
x
| o
o | o |
o
|
o
|
Propriedade dos estimadores de mnimos
quadrados: o teorema de Gauss- Markov
Propriedade do melhor estimador linear no-
viesado (MELNV)
1. linear ( uma funo linear de uma varivel
aleatria)
2. no-viesado (seu valor mdio ou esperado
igual ao verdadeiro valor
3. Tem mnima varincia. Um estimador no-
viesado com a menor varincia conhecido
como um estimador eficiente
( )
2 2

| | = E
Propriedade dos estimadores de mnimos
quadrados: o teorema de Gauss- Markov
Os estimadores por MQO so MELNV
Teorema de Gauss-Markov
Dadas as hipteses do MCRL, os estimadores por
mnimos quadrados, na classe dos estimadores lineares
no-viesados, tm mnima varincia, isto , so MELNV
Coeficiente de determinao
Definio
Medida do grau de ajuste da reta ao conjunto dos
dados
Verifica quo bem a reta de regresso se ajusta aos
dados
Indica o percentual de explicao da variao da varivel
explicativa na variao da varivel dependente

Coeficiente de determinao
Clculo



SQT = SQE + SQR


+ =
+ = + + =
+ = + =
2 2 2
2
2
2 2 2 2 2

2
y desvio de forma na ou

i i i
i i i i i i i
i i i i i i
u x y
u y u y u y y
u y u Y Y
|
( )
( )

= =
=
2
2 2
2
2
2
2
2

:
:
i
i i i
i i
u SQR
x Y Y y SQE
Y Y y SQT
|
Coeficiente de determinao
SQT = SQE + SQR
( )
( ) ( )
( )
( )
1 0

1
2
2
2
2
2
2
2
2
2
2
2
2
2
s s
|
|
.
|

\
|
=
= =

= + =

r
y
x
r
SQT
SQR
SQT
SQE
Y Y
Y Y
r
Y Y
u
Y Y
Y Y
SQT
SQR
SQT
SQE
i
i
i
i
i
i
i
i
|
Coeficiente de determinao
Geometricamente
Coeficiente de correlao
Definio
uma medida do grau de associao linear entre
duas variveis
( )( )
( )( )
( ) | | ( ) | |
2
2
2
2
2 2
2

= =
=
i i i i
i i i i
i i
i i
Y Y n X X n
Y X Y X n
y x
y x
r
r r
Coeficiente de correlao
Exemplos grficos