Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 13
Sumrio
1
Introduo ........................................................................................................................ 2
1.1.1
1.2
1.3
1.4
1.5
Gabarito .................................................................................................................................. 15
1
www.pontodosconcursos.com.br | Prof. Alexandre Lima
1.1
Introduo
(2)
O painel de dados da Tabela 1 foi extrado do estudo seminal sobre a teoria do investimento de
autoria de Grunfeld. Ele estava interessado em investigar como o investimento bruto (INV) depende
do valor da empresa (V) e do estoque de capital (K). Este painel de dados tem dois membros (ou
unidades): a GM e a Westinghouse. Este um exemplo de dados de corte. Alm disso, para cada
empresa, temos dados para vinte anos dessas variveis.
2
www.pontodosconcursos.com.br | Prof. Alexandre Lima
Westinghouse
INV
INV
1935
317,6
3.078,5
2,8
12,93
191,5
1,8
36
391,8
4.661,7
52,6
25,90
516,0
0,8
37
410,6
5.387,1
156,9
35,05
729,0
7,4
38
257,7
2.792,2
209,2
22,89
560,4
18,1
39
330,8
4.313,2
203,4
18,84
519,9
23,5
40
461,2
4.643,9
207,2
28,57
628,5
26,5
41
512,0
4.551,2
255,2
48,51
537,1
36,2
42
448,0
3.244,1
303,7
43,34
561,2
60,8
43
499,6
4.053,7
264,1
37,02
617,2
84,4
44
547,5
4.379,3
201,6
37,81
626,7
91,2
45
561,2
4.840,9
265,0
39,27
737,2
92,4
46
688,1
4.900,9
402,2
53,46
760,5
86,0
47
568,9
3.526,5
761,5
55,56
581,4
111,1
48
529,2
3.254,7
922,4
49,56
662,3
130,6
49
555,1
3.700,2
1.020,1
32,04
583,8
141,8
50
642,9
3.755,6
1.099,0
32,24
635,2
136,7
51
755,9
4.833,0
1.207,7
54,38
723,8
129,7
52
891,2
4.924,9
1.430,5
71,78
864,1
145,5
53
1.304,4
6.241,7
1.777,3
90,08
1.193,5
174,8
54
1.486,7
5.593,6
2.226,3
68,60
1.188,9
213,5
1.1.1
3
www.pontodosconcursos.com.br | Prof. Alexandre Lima
X ki1 1it i1
... X ki 2 2it i 2
X 3i1 ...
X 3i 2
...
X 3in
em que (1it , 2it ,..., kit )' (1i1, 2i1,..., ki1 )' para t = 1, (1it , 2it ,..., kit )' (1i 2 , 2i 2 ,..., ki 2 )'
para t = 2, e assim sucessivamente.
(*) n = 20 para os dados da Tabela 1, pois a tabela possui 20 linhas.
1it 1i
2it 2i kit ki
(5)
4
www.pontodosconcursos.com.br | Prof. Alexandre Lima
(6)
Yi1 1 X 2i1
Y 1 X
2i 2
i2
... ... ...
Yin 1 X 2in
X ki1 1i i1
... X ki 2 2i i 2
X 3i1 ...
X 3i 2
...
X 3in
(a)
ii.
iii.
1.3
1it 1i
2it 2
kit k
(9)
O modelo de efeitos fixos estimado usando MQO, haja vista que o modelo
pressupe que os erros possuem distribuio normal, varincia constante e
no so correlacionados.
1.4
1i 1 i
i 1,2,..., n
E (i ) 0
Var (i ) 2
8
www.pontodosconcursos.com.br | Prof. Alexandre Lima
que
vit i it .
O termo
de erro
vit i it
consiste em
dois
I.
II.
III.
so correlacionados; h autocorrelao.
IV.
Cov(vit , v js ) 0
10
www.pontodosconcursos.com.br | Prof. Alexandre Lima
X ki1 1it i1
... X ki 2 2it i 2
X 3i1 ...
X 3i 2
...
X 3in
em que (1it , 2it ,..., kit )' (1i1, 2i1,..., ki1 )' para t = 1, (1it , 2it ,..., kit )' (1i 2 , 2i 2 ,..., ki 2 )'
para t = 2, e assim sucessivamente.
Modelo de regresses aparentemente no relacionadas (SUR) para a i-sima
unidade de um corte transversal:
Yit 1i 2i X 2it 3i X 3it ... ki X kit it
X ki1 1i i1
... X ki 2 2i i 2
X 3i1 ...
X 3i 2
...
X 3in
(a) YAt 1 A 2 A X 2 At 3 A X 3 At At
(b) YBt 1B 2 B X 2 Bt 3 B X 3 Bt Bt
em que A e B denotam os membros do corte.
Premissas do modelo SUR:
11
www.pontodosconcursos.com.br | Prof. Alexandre Lima
1. E ( Gt ) E (Wt ) 0 ;
2. Cov( Gt , Gs ) Cov(Wt , Ws ) 0 ;
3. Var ( Gt ) G2 , Var (Wt ) W2 , sendo que G2 W2 ; e
4. Cov( Gt , Wt ) GW 0
Modelo de efeitos fixos: Yit 1i 2 X 2it 3 X 3it ... k X kit it
Todas as diferenas de comportamento entre unidades e no decorrer do tempo
so modeladas pelo intercepto. Este modelo trata o intercepto 1i como um
parmetro que fixo e desconhecido, enquanto que o modelo de efeitos
aleatrios trata o intercepto 1i como varivel aleatria.
O modelo de efeitos fixos estimado usando MQO.
Intercepto aleatrio: 1i 1 i
i 1,2,..., n
Var (i ) 2
so correlacionados; h autocorrelao.
IV.
Cov(vit , v js ) 0
13
www.pontodosconcursos.com.br | Prof. Alexandre Lima
Exerccios de Fixao
ela
o ao
odelo de
de
mnimos
14
www.pontodosconcursos.com.br | Prof. Alexandre Lima
4
1
2
3
4
5
6
Gabarito
E
E
E
E
C
C
15
www.pontodosconcursos.com.br | Prof. Alexandre Lima
ela
o ao
odelo de
17
Resoluo
A inclinao da regresso pela origem pode ser calculada pelos seguintes
estimadores:
X iYi
1. 1 2 1 o estimador no viesado de MQO.
2. 2
Y
2 um estimador viesado e no o de MQO.
X
de
mnimos
Resoluo
O fato de o modelo de regresso ser heterocedstico (isto , quando o modelo
permite que a varincia seja diferente para diferentes observaes) e de os
resduos serem correlacionados no elimina as propriedades de inexistncia de
vis e de consistncia do estimador de mnimos quadrados ordinrios (MQO).
Mas esse estimador deixa de ter mnima varincia e eficincia. Ou seja ele no
Melhor Estimador Linear No Viesado (MELNV). O estimador MELNV ser
fornecido pelo mtodo de Mnimos Quadrados Generalizados (MQG).
Portanto, correto afirmar que, havendo autocorrelao dos resduos, os
estimadores de mnimos quadrados ordinrios sero no viesados (justos) e
ineficientes (porque no sero os estimadores de varincia mnima). Item
certo.
GABARITO: C
6. Nas estimativas por mnimos quadrados ordinrios, se a varivel
dependente for multiplicada por uma constante
, o intercepto e a
inclinao da regresso tambm sero multiplicados por .
18
www.pontodosconcursos.com.br | Prof. Alexandre Lima
Resoluo
Sejam e
as variveis dependente e independente do modelo de regresso
linear
, respectivamente ( e
so os parmetros e denota o
erro aleatrio do modelo). Os estimadores de mnimos quadrados ordinrios
(MQO) de (intercepto) e (inclinao) so dados por:
Inclinao:
Intercepto:
, em que
O coeficiente de correlao
linear
(*).
entre
Inclinao:
Intercepto:
so dados por:
20
www.pontodosconcursos.com.br | Prof. Alexandre Lima