Você está na página 1de 12

A preciso das estimativas MQO

Quando estudamos a estimao dos parmetros do modelo de regresso simples vimos que a maneira de combinar a informao
disponvel sobre Y (varivel dependente) e X (varivel independente) para calcular os parmetros era a seguinte:
Clculo da constante :
ou sea:

Clculo da Inclinao:
ou sea:
!odemos notar que a estimao dos coeficientes do modelo depende da informao contida na nossa amostra" ou sea" dos valores
das variveis Y (dependente) e X (e#plicativa ou independente)$
%ssim" & fcil inferir que" embora a maneira de calcular sea a mesma" os valores de Y e X sero diferentes para amostras
diferentes' em conseq()ncia" os valores dos coeficientes calculados tamb&m sero diferentes para cada amostra$ %ssim"
precisamos de uma medida de confiabilidade ou preciso dos resultados obtidos com a nossa amostra$
*embrar que com a nossa amostra fa+emos infer)ncias para a populao$
,m estatstica" a preciso de uma estimativa & medida pelo seu erro padro$
-
*embrar do clculo do desvio padro da m&dia: que foi visto na primeira aula e calculado na primeira pratica:
Na amostra a varincia calculada da seguinte maneira:
-
) (
-
.
.

=
N
X X
N
i

E o desvio padro:
-
) (
-
.

=
N
X X
N
i

i!erena entre desvio padro e erro padro


/ desvio padro & uma medida da disperso dos dados em torno da m&dia$
a) ,#tramos uma amostra de uma populao (amostra -) e calcularmos a m&dia e o desvio padro da m&dia dessa amostra'
b) ,#tramos outras amostras da mesma populao (amostras -"."0"1"etc) e calculamos as m&dias e os desvios padr2es de
todas essas amostras$ %gora temos uma distribuio das m&dias amostrais$ 3e calcularmos a m&dia dessa distribuio (ou
sea" a m&dia de todas essas m&dias) e o desvio padro dessa nova m&dia" esse desvio padro & o erro padro$
c) 4a maioria das ve+es em econometria" temos somente uma amostra e temos que calcular o seu erro padro$ / erro padro
& importante para obter o intervalo de confiana da m&dia na populao$ /u sea" dada a sua amostra" voc) quer calcular
a m&dia da populao de onde veio aquela amostra$ !ara isso voc) constr5i um intervalo de confiana que provavelmente
conter a media populacional" usando a m&dia e o desvio padro obtidos com a sua amostra$ 6omo obter o erro padro 7
partir do desvio padro8
,rro padro 9 desvio padro :
;esvio padro:
-
) (
.

=

N
X X

6lculo dos erros padr2es dos estimadores <Q/ para a constante" e para a inclinao $
.
Clculo da varincia e do erro padro para a constante:
o erro padro & a rai+ quadrada da varincia:
=
ep
-
=

Clculo da varincia e do erro padro para a inclinao:


=
ep
.
=


/bs: esses clculos e f5rmulas no sero cobrados em prova:aula$ > preciso somente saber interpretar os resultados obtidos com a
aplicao das f5rmulas$
/ smbolo
2
nas f5rmulas significa a varincia m&dia dos erros e o smbolos o erro padro ou desvio padro dos erros do
modelo$
> fcil observar nas f5rmulas que quanto maior s varincia (e o desvio padro) dos erros do modelo" maior ser a varincia e o
erro padro dos coeficientes estimados$
/s valores de
2
e na nossa amostra so obtidos com os resduos do modelo estimado" da seguinte forma:
4o livro" depois dessa parte vem o clculo do coeficiente de determinao" mas n5s veremos agora como testar a significncia dos
coeficientes da regresso estimada$
"este da signi!icncia dos coe!icientes estimados:
/bs: cap$ ? item ?$@ do livro do Auarati
*embrar que o termo de erro do modelo & aleat5rio e variveis aleat5rias normalmente seguem uma distribuio de probabilidade$
!ara testar Bip5teses sobre os coeficientes" assumimos que o termo de erro populacional segue uma distribuio normal$
A distri#uio normal:
0
A distri#uio normal padroni$ada
:
<as" lembramos novamente que no conBecemos os erros e sim os resduos do modelo estimado$ ,nto na prtica usamos a
distribuio t de student que & mais rigorosa para pequenas amostras e relacionada 7 normal da seguinte maneira:
3e + & uma varivel normal padroni+ada" isto & +4 CD"-E e # & uma varivel que segue uma distribuio de cBiFquadrado" isto &
# . CnE" independente de +" a ra+o: (importante" + e # tem que ser independentesG)

n
x
z
n t = E C
t [n]
A distri#uio de t
1
?
% distribuio de t & muito usada em amostras cua m&dia & usada como estimativa da m&dia da populao e cuo desvio padro da
populao no & conBecido$ 4este caso:
n
s
X
t

=
% onde X & normal pois & uma combinao linear de uma normal e
n
s
& a rai+ quadrada de uma .
ponderada pelos graus de liberdade' s & o desvio padro da amostra porque desconBecemos a varincia populacional$
% parte em negrito a seguir apresenta uma e#posio mais completa sobre as distribui2es e no vai ser cobrada$ > somente para os
interessados$
FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF
As distri#ui&es de '( ) e t
*o derivadas da normal+
' % ,til para testes estat-sticos. o trio de testes assint/ticos( 0M( 01 e 2ald( seguem uma '+ 3sado tam#m para testar
4ip/teses so#re varincias+
E5: com uma varivel
*e $ N 67( 89
Ento:
: ; $
'
' 689 grau de li#erdade
Ao invs de mdia e varincia( uma varivel ' tem associada a ela graus de li#erdade+
E5: com mais de uma varivel
a< *e $8( $' ++++ $n so n variveis independentes normalmente distri#u-das( ento:

=
n
i
i
z
-
.
' 6n9 graus de li#erdade
#< *e 58 e 5' so variveis independentes =ue seguem uma '( ento:
58 > 5' ' 6n8>n'9 graus de li#erdade
O#serva&es:
8< ' para testes estat-sticos: Cada estat-stica tem um estimador( uma !/rmula para ser calculada( por e5emplo( teste 01:
01 ; ?' 6 ln0@ ? ln0 9 % segue uma ' Aso# B7<
O valor dessa estat-stica vai ser di!erente para cada amostra( ento a estat-stica uma varivel aleat/ria =ue tem mdia e
varincia+
*o# B7( essa estat-stica deveria ter alguns valores permitidos( C =ue segue uma distri#uio( ou seCa( somente alguns valores da
estat-stica so permitidos para =ue se possa di$er =ue o valor se encai5a numa distri#uio de '+ Calculo o valor para a
min4a amostra e veCo se ele se encai5a numa distri#uio de ' com o au5-lio de uma ta#ela+ Isso vlido para =ual=uer
testeDdistri#uio+
'< Eraus de li#erdade % *e $8( $' ++++ $n so n variveis independentes e5tra-das de uma populao com mdia F e varincia

'
:
H
.
- .
) (

=
n
i
i
x
z
' 6n9 graus de li#erdade
Mas se eu ten4o a mdia da amostra:
.
-
) (

X x
n
i
i
=

' 6n?89 graus de li#erdade


Quando eu seleciono n itensDvariveis de uma populao( ten4o n graus de li#erdade de escol4a+ Mas se devo considerar uma
amostra com mdia !i5a
X
ten4o graus de li#erdade at a ,ltima varivel( por=ue na ,ltima devo me suCeitar G mdia( ten4o
na verdade n?8 graus de li#erdade de escol4a+ Quando =ueremos =ue os valores da amostra satis!aam H rela&es lineares(
como o caso dos parmetros do modelo linear( temos( n?H graus de li#erdade de escol4a+
O#servar =ue para n;8 a !uno densidade in!inita e para n;' a densidade a mesma da distri#uio e5ponencial negativa+
I medida =ue aumenta o n,mero de graus de li#erdade a mdia se move para a direita+ Quando n % J a !orma se apro5ima
da normal( de acordo com o teorema do limite central( porm com uma varincia #em grande+
????????????????????????????????????????????????????????????????????????????????????????????????????
Ioltando ao nosso modelo linear populacional:
K ; 8 > ' :' > u
e amostral:
*embrar que utili+amos a amostra para fa+er infer)ncias sobre a populao$
In!erLncia Estat-stica
In!erLncia estat-stica J compreende os testes de Bip5teses e a estimao de parmetros$
@
Estimao J temos as estimativas de ponto e estimativas de intervalo
Em econometria as estimativas de ponto so as mais importantes e sero as abordadas nesse curso$ / obetivo das estimativas de
ponto & usar informa2es da amostra (principalmente" mas em alguns casos podemos combinar com outras informa2es ) para obter
as melBores estimativas possveis dos verdadeiros valores dos parmetros na populao$ Ksso foi o que fi+emos at& agora" estimando os
coeficientes do modelo de regresso simples$ %gora precisamos saber se as estimativas obtidas se apro#imam ra+oavelmente dos
valores dos verdadeiros parmetros populacionais$ /u sea" precisamos saber se as estimativas so suficientemente precisas$
Iimos que uma medida da preciso dos resultados obtidos com a nossa amostra & o erro padro" que & a rai+ quadrada da varincia dos
coeficientes estimados$
% varincia & a variabilidade e & fcil intuir que uma estimativa com uma maior variabilidade & menos confivel$ ,nto" um desvio
padro muito alto significa uma maior variabilidade e uma menor preciso$
<as" como testar estatisticamente se os meus coeficientes so precisos o suficiente para representar os valores da populao usando o
erro padro8
!ara isso temos duas maneiras" a construo dos intervalos de confiana e os testes de Bip5teses$
4esse curso utili+aremos a abordagem dos testes de Bip5teses$

/ problema do testes de Bip5teses pode ser resumido 7 seguinte questo:
L 3er que eu possuo evidencias suficientes com a minBa amostra para aceitar ou reeitar uma Bip5tese feita com o meu modelo
populacional8L
!ara isso trabalBamos com duas Bip5teses" a Bip5tese nula e a Bip5tese alternativa" representadas por H0 e H1 . % Bip5tese nula" H0" &
aquela que acontece se eu no tiver evidencias suficientes para reeitFla$ 3e eu a reeito" a Bip5tese alternativa" H1" & a mais provvel
de estar acontecendo com os meus dados$
,#emplo: funo de consumo estimada em aula com os dados das HD famlias$ Iamos supor que essas HD famlias so uma amostra
representativa de uma populao e queremos testar se podemos di+er que essas famlias tem uma !<6 (propenso marginal a
consumir) igual a -" ou sea se elas consomem tudo o que ganBam$
Modelo 1: MQO, usando as observaes 1-60
Varivel dependente: Y
coeficiente erro padro ra!o-t p-valor
----------------------------------------------------------
const 1",0000 #,661$" %,6#" 0,0006 &&&
' 0,600000 0,0()#$1% (%,)# (,%0e-0%1 &&&
----------------------------------------------------------
<odelo linear populacional:
Consumo ; 8 > ' 1enda > u
Queremos testar a Bip5tese que a !<6 na populao & igual a -" ou sea:
M
H0 : ' = 1
H1 : ' 1
% Bip5tese & sempre estabelecida em termos populacionaisG
Nsamos o teste de t porque no conBecemos a varincia (e o erro padro) dos erros populacionais:
/bs: podemos usar a ra+o t porque se assumirmos os erros normais" os populacionais sero normais tamb&m" isso porque:
Lfun2es lineares de variveis normalmente distribudas so normais tamb&mL$
n
s
X
t

=
% onde X & normal pois & uma combinao linear de uma normal e
n
s
& a rai+ quadrada de uma .
ponderada pelos graus de liberdade' s & o desvio padro da amostra porque desconBecemos a varincia populacional$
Clculo da varincia e do erro padro para a inclinao:
=
ep
.
=


, a estimativa para o erro padro populacional & na verdade a rai+ quadrada de uma cBiFquadrado ponderada pelos graus de liberdadeG
6omo testar8
H0 : ' = 1
H1 : ' 1
/ nosso valor estimado para a !<6 & igual a D"H" e o erro padro fornecido pelo programa (e n5s vamos acreditar nele) & igual a
0,0()#$1%
coeficiente erro padro ra!o-t p-valor
----------------------------------------------------------
const 1",0000 #,661$" %,6#" 0,0006 &&&
' 0,600000 0,0()#$1% (%,)# (,%0e-0%1 &&&
O
,nto" usando a f5rmula para a distribuio de t:
Pemos:
HO " -?
D.?1O-0 " D
1 " D
D.?1O-0 " D
- H " D
=

= t
3er que aceitamos (ou no reeitamos) a Bip5tese nula8 Pemos que recorrer ao au#lio da tabela t$ 6om um nvel de probabilidade de
?Q (cBance de estar errado) e com nF. graus de liberdade" o valor limite do t tabelado para no reeitar RD & igual a ."DD$ 3e o nosso
valor calculado for maior que o tabelado podemos reeitar RD " e nesse caso reeitamos com ?Q de cBance de estar errado$ 3e
quis&ssemos reeitar a um nvel de -Q (- Q de cBance de estar errado) o valor de t seria de ."HH e ainda assim reeitaramos RD$ /u
sea" D"H & estatisticamente diferente de -GGG /u ainda a !<6 no & igual a -$ / valor negativo da nossa estatstica no tem nenBuma
interfer)ncia porque a distribuio & sim&trica (igual para os dois lados)
/utros e#emplos'
-) %gora queremos testar se a !<6 & diferente de +ero$
H0 : ' = 0
H1 : ' 0
?1 " .0
D.?1O-0 " D
H " D
D.?1O-0 " D
D H " D
= =

= t
-D
/u sea a !<6 & diferente de +ero tamb&m$ /bserve que esse & o valor fornecido pelo programa$
.) %gora queremos testar se a ta#a de desemprego afeta o nvel de assassinatos por -D$DDD Babitantes
H0 : ' = 0
H1 : ' 0
@O0 " -
00@ " D
HD1 " D
00@ " D
D HD1 " D
= =

= t
!ara 1O graus de liberdade o valor de t tabelado est entre ."D.- e ."DD a ?Q de significncia$ <as como eu tenBo poucas observa2es
& melBor escolBer um nvel de significncia maior" ou ento testar com uma Bip5tese unilateral ou unicaudal$

Nm e#emplo de Bip5tese unicaudal ou unilateral para o modelo acima & a seguinte:
H0 : ' = 0
H1 : ' > 0
4esse caso as contas so as mesmas" ou sea o valor da estatstica & o mesmo" s5 muda a maneira de olBar na tabela$
%gora" a ?Q de significncia eu tenBo que os valores da tabela esto entre -"HM1 e -"H@- e portanto no reeitamos a Bip5tese que a
ta#a de desemprego afeta positivamente e significativamente os Bomicdios por -D$DDD Babitantes e eu tenBo ?Q de cBance de estar
errada (& a margem de erro do teste)$
0) Nsando os resultados do modelo para peso ao nascer e cigarros" vamos testar as seguintes Bip5teses:
<odelo .: <Q/" usando as observa2es -F-0MM
Iarivel dependente: pesoSnasc
Coeficiente Erro Padro razo-t p-valor
const 00O?"1@ -H"..?H .DO".HHM TD"DDDD- UUU
cigs F-1"?H?. ."?H?0@ F?"H@@H TD"DDDD- UUU
a)
H0 : ' = 0
H1 : ' 0
--
H@@H " ?
?H? " .
?H? " -1
?H? " .
D ?H? " -1
=

=

= t
b)
H0 : ' = -15
H1 : ' < -15
-HO? " D
?H? " .
10? " D
?H? " .
) -? ( ?H? " -1
= =

= t
E5erc-cios para a pr/5ima semana:
-) Nsando o arquivo 6KA%VV/3$#ls teste com um nvel de significncia de -DQ" num teste unilateral" que a escolaridade afeta
negativamente o consumo de cigarros$
.) idem para a idade e o preo dos cigarros$
0) usando todos os dados dos arquivos 6VK%46%3$#ls que cont&m os dados para a ta#a de fertilidade e os anos de escolaridade" teste
de a escolaridade das mulBeres afeta negativamente e significativamente o nWmero de crianas nascidas$ Peste para todos os anos e
interprete as mudanas nas significncias do coeficiente para educ ao longo dos anos$
-.