Você está na página 1de 34

ANP, 2013

A hiptese de homocedasticidade importante para demonstrar


que os estimadores de MQO so no viesados e consistentes.
(Analistadoscorreios Economista, CESPE, 2011) Uma
empresadetransportedecargasdesejaexpandir seus
negcioseparaissofezumlevantamentoacercadas48
empresasconcorrentes. Foi consideradoummodelode
regressolinearmltipla, emqueavarivel dependente
Yrepresentaofaturamentodessasempresas, havendo
trs variveis explicativas - X1, X2 e X3 - que
representamumperfil dessasconcorrentes. Oajustefoi
efetuado por mnimos quadrados ordinrios e os
resultados so mostrados na tabela acima. Combase
nessasinformaes,julgueositenssubsecutivos.
[118]Ceterisparibus, oacrscimode1unidade
doproduto3incrementaofaturamentomdio
em3,2492unidadesmonetrias.
Informaes importantes
Sigma2 e b so no viesados e independentes.
Pergunta
Quo bom o nosso modelo?
Modelos restritos e irrestritos
O que ganhamos ao usar o modelo restrito ao
invs do modelo no restrito?
Coeficiente de Determinao
Objetivo: medir o poder de explicao do
modelo.
SST =SSR +SSE
R2 =SSR/SST =1 SSE/SST
Fato 1:
0 <=R2 =SSR/SST <=1
Fato 2:
R2 uma proporo: A proporo da variabilidade
total de y que explicada pelo modelo.
Fato 3:
R2 =(Coeficiente de correlao linear entre yt e
y^t)2
m
Comentrios:
C1: Quando o modelo no possui intercepto.
Use R2 no centrado.
C2 no decrescente no nmero de
regressores.
R2 ajustado.
R2 =1 SSE/(T-k)/SST/(T-1)
R2 =1 (T-1)/(T-K) *(1-R2)
C3 no uma proporo.
Quebra das hipteses do modelo
Regresso Linear Mltipla
Aula 15
[S2]
Comoafirmado, bcontinuasendonoviesado.
Almdisso, b tende, emprobabildiade a , ou
seja, oparmetroestimadoaindaconsistente.
Contudo, b no mais eficiente, ou seja, no
possui varincia mnima. Nesse caso, o teorema
deGaussMarkovnomaisvlido.
Para resolver esse problema, os
econometricistas indicam utilizar o mtodo
dos Mnimos Quadrados Generalizados, que
produzemumestimador linear, noviesado,
consistente e eficiente, fazendo com que o
TeoremadeGaussMarkovvolteaser vlido.
Testes
[Teste1]TestedeGoldfeld-Quandt
A imposio desse teste que devemos ordenar
as observaes de acordo comas varincias. Ou
seja, essasdeveriamestar emordemcrescente
importante notar que para realizar o teste, a
suposio[S5] temqueser vlida.
Uma vez as observaes ordenadas, deve-se
separar as r observaes centrais e fazer os
seguintesprocedimentos:
(Passo 1): Reordene as observaes em ordem crescente de
varincias;
(Passo2):Removaasrobservaescentrais;
(Passo3): Rodeasobservaescomaprimeirapartedaordenao
ecomaltimapartedasobservaes;
(Passo 4): Obtenha a Soma dos quadrados dos resduos das duas
regresses.
(Passo5):Aestatsticadetesteserdadapor:
!"
#
$%&
'
Ovalor encontrado comas estimaes deveser comparado como
valor crtico de uma distribuio F
(T-r)/2, (T-r)/2
, sob a suposio de
normalidade.
(Passo6):RejeiteH
0
se:
GQ>F
(T-r)/2, (T-r)/2
Exerccios
(Cincias Econmicas, EMBASA, 2010, Cespe)
Combasenametodologiaeconomtrica, julgue
osprximositens.
[117] H heteroscedasticidade quando as
perturbaesaleatriasdeumaregressolinear
possuemamesmavarincia.
(Cincias Econmicas, EMBASA, 2010, Cespe) O grfico
abaixomostraosparesdeobservaesdeduasvariveisXe
Yrelacionadaspelaregressolinear simplesY=a+bX+u,
(ondeaebso coeficientesaseremestimadoseuso os
errosaleatrios).
Oexamedogrficosugereque
a) YeXnoserelacionam.
b) arelaonolinear.
c) o nmero de observaes insuficiente para a estimao
doscoeficientes.
d) pode haver problemas de heterocedasticidade na
estimao.
e) hautorrelaodosresduos.
(BANCOCENTRALDOBRASIL, Analistarea2, Cesgranrio, 2010)Seja
ummodelolinear y=X + , ondeyumvetor (nx1); Xuma
matriz (nxk) deposto k<n; umvetor colunacomposto dek
parmetros desconhecidos e umvetor (nx1) deperturbaes
aleatrias. Considere as seguintes hipteses sobre as perturbaes
aleatrias :
i.E( | X)=0
ii.V( | X)=I
2
ondeEooperadordeexpectncia(esperanamatemtica), V( | X)
=I
2
amatrizdevarincia-covarinciadasperturbaesaleatrias,
condicionada a X. Utilizando-se o mtodo de mnimos quadrados
simples(OLS)estimam-seosparmetros porb=(XX)1Xy.
Nessascondies, analiseasproposiesaseguir.
I - Seas hipteses i eii so vlidas, conclui-sequeos estimadores b so no
tendenciososeeficientes.
II - A identificao de
(
)*+
,-.
como estimador de mnimos quadrados de
2
, ondeeo vetor de resduos de mnimos quadrados, no estritamente
correto, umavezqueessemtodospermiteestimar .
III - SeopostodamatrizXfor menor doquek, ahipteseii nosesustentar
ehaverproblemasdeheterocedasticidade.
IV - Se V( | X) = , onde
/
, o mtodo de mnimos quadrados
generalizados (GLS) fornecer estimadores para com melhores
propriedadesdoqueosestimadoresdemnimosquadradossimples.
Socorretasasproposies
(A) I eII, apenas.
(B) III eIV, apenas.
(C) I, II eIV, apenas.
(D) I, III eIV, apenas.
(E) I, II, III eIV.
(ANPEC, 2008) Julgue as afirmativas:
Na presena de heterocedasticidadenos erros
de um modelo de regresso linear, os estimadores
de mnimos quadrados ordinrios so ineficientes.
(ANPEC, 2007)Julgue as afirmativas:
Heterocedasticidadeocorre quando o erro
aleatrio em um modelo de regresso
correlacionado com uma das variveis explicativas.
Na presena de heterocedasticidade, estimadores de
mnimos quadrados ordinrios s
!Os testes t e F usuais no so vlidos na presena de
heterocedasticidade.oineficientes
"Na presena de heterocedasticidade, estimadores de
mnimos quadrados ordinrios so no viesados, mas so
inconsistentes.
O mtodo dos mnimos quadrados ordinrios foi
empregado para estimar o modelo de regresso
abaixo, cujo objetivo explicar as variaes de
renda entre 526 indivduos de uma amostra
aleatria:
ln(renda) =0,362+0,094 educ+0,014 exper 0,178 sexo 0,010 exper x sexo +u
(0,128) (0,008) (0,002) (0,058) (0,002)
R
2
=0,368 n =526
! Pela inspeo dos resultados da estimao fica claro
que os erros do modelo so heterocedsticos
Autocorrelao
Aula 17
24
Cortededadosoucrosssection: dadosemqueo
tempo fixado. H uma variao dos indivduos
ou unidades ( o caso daanlise dos gastos com
alimentao das famlias). Emgeral, nesse caso,
humaviolaodasuposio[S2];
Srie Temporal: nesse caso, o indivduo ou
unidadefixado evariamapenasasobservaes
no tempo. Emgeral, nessecaso, humaviolao
dasuposio[S3].
Dados em Painel/longitudinal: Nesse caso, os
indivduoseotempovariam.
25
Autocorrelao
[S3], os erros so no correlacionados, ou seja,
.
26
Emseu formato mais comum, a autocorrelao
existe emprimeira ordem, ou seja, o erro de
hoje est relacionado ao erro do perodo
anterior.
Em termos matemticos:
No que diz respeito a , por definio | | <1,
isto , -1< <1.
27
FATO: se | | <1, ento, os dois primeiros
momentos de so constantes ao longo do
tempo, isto, estacionrio.
28
E o que acontece com o coeficiente b?
Assim como no caso da heteroscedasticidade,
paraaautocorrelao, ouaquebradasuposio
[S3], onossoestimador bcalculadopelomtodo
dos mnimos quadrados ordinrios continua
sendo no viesado, linear e constante e
assintoticamente normal, mas deixa de ser
eficiente, exatamente como no caso da
heteroscedasticidade.
29
Soluo?
30
Como identificar a autocorrelao?
Oteste(clssico) deDurbin-Watsonrespondeisso.
Esse teste possui duas hipteses:
H
0
: =0, no h autocorrelao
H
1
: >0, h autocorrelaopositiva.
Para verificar a hiptese nula, utiliza-se a seguinte estatstica
de teste:
Vejaque, paradefinir esseteste, ashiptesse[S5] edequea
matrizXnoestocsticasonecessrias.]
Sed 4, -1, hautocorrelaonegativa;
d 2, 0, nohautocorrelao;
d 0, 1, hautocorrelaopositiva.
31
Verso alternativa
H
0
: =0, no h autocorrelao
H
1
: <0, h autocorrelaonegativa.
Se d <4 d
UC
, no rejeite H
0
;
Se d >4 d
LC
, rejeite H
0
;
Se 4 d
UC
<d <4 d
LC
, o teste incoclusivo.
32
Exerccios
(ANP, 2013) A hiptese de autocorrelao serial dos
resduos no relevante para a demonstrao de que
os estimadores de MQO so no viesados e
consistentes.
(ANP, 2013) Na presena de autocorrelao dos
resduos, os estimadores de MQO sero eficientes,
pormviesadoseinconsistentes.
33
Anpec, 2004
34