Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 16/05/2014
16 de maio de 2014
(Wooldridge, captulo 5)
16/05/2014
1 / 19
+ k xk + u.
RLM.2 (amostragem aleatria): a amostra representa a populao.
RLM.3 (colinearidade imperfeita): variao amostral e colinearidade
imperfeita.
RLM.4 (mdia condicional zero): E (u jx1 , x2 , . . . , xk ) = 0.
As hipteses RLM.1 a RLM.4 so suciente para garantir
E (b
j ) = j , j = 0, ..., k ou no enviesamento dos estimadores MQO
em amostras de qualquer tamanho n < .
RLM.5 (homocedasticidade): Var (u jx1 , x2 , . . . , xk ) = 2 .
(Wooldridge, captulo 5)
16/05/2014
2 / 19
Normal (0, 2 ).
j
segue exatamente uma distribuio tn k 1 ;
ep (b
j )
(SQR SQR )/q
F = SQR r /(n kir 1 ) segue exatamente uma distribuio
ir
Fq,(n k 1 ) g.l. ; e
b
j , j = 0, ..., k so os melhores estimadores no viesados (BUE).
(Wooldridge, captulo 5)
16/05/2014
3 / 19
(Wooldridge, captulo 5)
16/05/2014
4 / 19
Convergncia em probabilidade; e
Convergncia em distribuio.
(Wooldridge, captulo 5)
16/05/2014
5 / 19
Convergncia em Probabilidade
Denition
Diz-se que um estimador b
converge em probabilidade para se
qualquer diferena arbitrria entre b
e torna-se improvvel a medida que
o tamanho da amostra aumenta, ou seja, Pr(jb
j > ) ! 0 quando
n ! , em que nmero arbitrrio positivo e pequeno.
Trs formas equivalentes de se expressar convergncia em
probabilidade:
b
converge em probabilidade para ;
o limite de probabilidade de b
; e
p lim(b
) = .
Denition
Um estimador b
dito consistente se p lim(b
) = .
Moiss Resende Filho (ECO/UnB)
(Wooldridge, captulo 5)
16/05/2014
6 / 19
Se p lim(b
) = , ento, a distribuio amostral de b
se torna cada vez
mais concentrada sobre a medida que n aumenta.
(Wooldridge, captulo 5)
16/05/2014
7 / 19
Consistncia de MQO
Theorem (Teorema 5.1.Consistncia de MQO)
sob RLM.1 a RLM.4 , o estimador MQO b
j um estimador consistente de
j , j = 0, 1, ..., k.
A seguir, utilizaremos a Propriedade PLIM.2 (p. 66): se
p lim(Tn ) = e p lim(Un ) = , em que Tn e Un so variveis
aleatrias, ento:
1
2
3
p lim(Tn + Un ) = + ;
p lim(Tn Un ) = ;
p lim(Tn /Un ) = /, desde que 6= 0.
(Wooldridge, captulo 5)
16/05/2014
8 / 19
Consistncia de MQO
Demonstrao.
[Prova para o caso da regresso simples] Substitua yi = 0 + 1 xi 1 + ui
no estimador b
1 de MQO admitindo RLM.1 a RLM.3 , tal que
i =1 (xi 1
n
i =1 (xi 1
n
b
1 = 1 +
x 1 ) ui / ( n
1)
)2 / (n
1)
x1
(1)
p lim(b
1 ) = p lim( 1 ) +
= 1 +
continua...
Moiss Resende Filho (ECO/UnB)
p lim
n
(x
i =1 i 1
d (x1 , u ))
p lim(Cov
d (x1 ))
p lim(Var
(Wooldridge, captulo 5)
x 1 ) ui / ( n
1))
x 1 )2 / (n
1)
(2)
16/05/2014
9 / 19
Consistncia de MQO
Demonstrao.
[Prova para o caso da regresso simples continuao]
d (x1 , u )) = Cov (x1 , u ) e p lim(Var
d (x1 )) = Var (x1 ) a
Aplicando p lim(Cov
(2):
Cov (x1 , u )
p lim(b
1 ) = 1 +
(3)
Var (x1 )
Finalmente, como sob a hiptese RLM.4, E (u jx1 ) = 0, ento
Cov (x1 , u ) = 0. Aplicando isto (3),
p lim(b
1 ) = 1
(Wooldridge, captulo 5)
16/05/2014
10 / 19
Consistncia de MQO
Demonstrao.
[Prova para beta zero chapu] Como
b
1 x 1 = ( 0 + 1 x 1 + u ) b
1 x 1 = ( 0 + u ) + x 1 ( 1
0 = y b
ento:
p lim(b
0 ) = p lim( 0 ) + p lim(u ) + p lim(x 1 )(p lim( 1 )
= 0 + 0 + x 1 ( 1
1 )
b
1 ),
p lim(b
1 ))
ou seja,
p lim(b
0 ) = 0
(Wooldridge, captulo 5)
16/05/2014
11 / 19
Consistncia de MQO
Note que E (u ) = 0 e Cov (x1 , u ) = 0 bastariam, juntamente com
RLM.1 a RLM.3, para garantir que p lim(b
1 ) = 1 .
(Wooldridge, captulo 5)
16/05/2014
12 / 19
Consistncia de MQO
(Wooldridge, captulo 5)
16/05/2014
13 / 19
(4)
d (x1 ,x2 )
Cov
d (x 1 ) ,
Var
p lim e
1 = 1 + 2 1 , com 1 =
(Wooldridge, captulo 5)
(5)
ento:
Cov (x1 , x2 )
Var (x1 )
16/05/2014
(6)
14 / 19
1
(+)
2
(+)(+)
(Wooldridge, captulo 5)
16/05/2014
15 / 19
ub2
b2 ) = 2 (necessita de homocedasticidade).
p lim(
r
(b
) a
b2
(erro-padro usual).
(Wooldridge, captulo 5)
b
r2
i 1 ij
16/05/2014
16 / 19
(Wooldridge, captulo 5)
(y n
)
py
/ n
de qualquer
ser assintoticamente
16/05/2014
17 / 19
(b
j j ) a
s
ep (b
)
N (0, 1).
(Wooldridge, captulo 5)
16/05/2014
18 / 19
(Wooldridge, captulo 5)
16/05/2014
19 / 19