Capitulo 07 Dummy 02

Regresso Linear Mltipla: informaes qualitativas e
variveis binrias, dicotmicas ou "dummy"- Parte 2

Aula 21
Prof. Moiss A. Resende Filho
Introduo Econometria (ECO 132497)
02 de junho de 2014
Moiss Resende Filho (ECO/UnB)
(Wooldridge, cap. 7)
02/06/2014
1 / 27
Categorias mltiplas
Considere o modelo
log(salarioh ) = 0 + 0 feminino + 1 casado + 1 educ +
+ 2 exper + 3 exper 2 + 4 perm + 5 perm2 + u
(1)
onde a varivel binria feminino recebe o valor um se o indivduo do

sexo feminino e zero, caso contrrio; e a varivel binria casado recebe o
valor um se o indivduo casado e zero, caso contrrio.
Qual a categoria base desse modelo?
Fazendo feminino = casado = 0, obtm-se a categoria base:
"homem solteiro".
Vamos estimar esse modelo no Stata.
02/06/2014
2 / 27
No Stata: digite na janela de comandos

ssc install bcuse
bcuse wage1, clear
drop wage nonwhite numdep smsa northcen south west construc ndurman trcommpu
trade services profserv profocc clerocc servocc
*Traduz os nomes da variveis para o portugus

rename female feminino
rename tenure perm
rename married casado
rename lwage lsalarioh
rename tenursq permsq
*Estima o modelo (1)

reg lsalarioh feminino casado educ exper expersq perm permsq
eststo modelo1
esttab modelo1, star(* 0.10 ** 0.05 *** 0.01) se r2 ar2 label
02/06/2014
3 / 27
Resultados
(1)
lsalarioh
feminino
-0.290***
(0.0361)
casado
0.0529
(0.0408)
educ
0.0792***
(0.00680)
exper
0.0270***
(0.00533)
expersq
-0.000540***
(0.000112)
perm
0.0313***
(0.00685)
permsq
-0.000574**
(0.000235)
Constant
0.418***
(0.0989)
Observations
R-squared
Adjusted R-squared
526
0.443
0.435
Standard errors in parentheses

* p<0.10, ** p<0.05, *** p<0.01
O prmio do casamento 5, 3% de aumento no salrio estimado ou,

exatamente, (exp(0.0529) 1) 100 = 5.4324%.
Ser mulher deprime o salrio estimado em 2, 9%.
02/06/2014
4 / 27
Problema
Considere o modelo
log(salarioh ) = 0 + 0 feminino + 1 casado + 1 educ +
+ 2 exper + 3 exper 2 + 4 perm + 5 perm2 + u

Assumindo RLM.4 (mdia condicional zero),
E (u jfeminino, casado, educ, ...) = 0, temos que:
E (log(salarioh )jfeminino = 1, casado =
1, educ, ...) E (log(salarioh )jfeminino = 1, casado = 0, educ, ...) = 1
E (log(salarioh )jfeminino = 0, casado =
1, educ, ...) E (log(salarioh )jfeminino = 0, casado = 0, educ, ...) = 1
A especicao do modelo impe que o prmio do casamento seja o
mesmo (1 ) para homens e mulheres.
Como dar maior exibilidade ao modelo?
02/06/2014
5 / 27
Soluo
Alternativa 1: utilize as interaes entre feminino e casado, o que gera
quatro categorias:
"homens solteiros"(hsolteiros ).
"homens casados"(hcasados ).
"mulheres solteiras"(msolteiras ).
"mulheres casadas"(mcasadas ).
Por exemplo, dena a categoria "homens solteiros"(hsolteiros ) como a
categoria base e gere trs variveis binrias para as outras categorias.
A especicao do modelo que permite prmios diferentes para o
casamento segundo o gnero
log(salarioh ) = 0 + 0 hcasados + 1 mcasadas + 2 msolteiras +
+ 1 educ + 2 exper + 3 exper 2 + 4 perm + 5 perm2 + u

02/06/2014
(2)
6 / 27

ssc install bcuse
bcuse wage1, clear
drop wage nonwhite numdep smsa northcen south west construc ndurman trcommpu
trade services profserv profocc clerocc servocc
rename tenure perm
rename married casado
rename lwage lsalarioh
rename tenursq permsq
*Gera as variveis binrias

gen hcasados=(1-feminino)*casado
gen hsolteiros=(1-feminino)*(1-casado)
gen msolteiras=feminino*(1-casado)
gen mcasadas=feminino*casado
02/06/2014
7 / 27
*Estima o modelo (2)

reg lsalarioh hcasados mcasadas msolteiras educ exper expersq perm permsq
eststo modelo1
esttab modelo1, star(* 0.10 ** 0.05 *** 0.01) se label
02/06/2014
8 / 27
Resultados e interpretao
(1)
lsalarioh
hcasados
0.213***
(0.0554)
mcasadas
-0.198***
(0.0578)
msolteiras
-0.110**
(0.0557)
educ
0.0789***
(0.00669)
exper
0.0268***
(0.00524)
expersq
-0.000535***
(0.000110)
perm
0.0291***
(0.00676)
permsq
-0.000533**
(0.000231)
Constant
0.321***
(0.100)
Observations
526
Standard errors in parentheses

* p<0.10, ** p<0.05, *** p<0.01
Cada coeciente estatisticamente signicante ao nvel de 1%.

02/06/2014
9 / 27
log(salarioh ) = 0.321 + 0.213hcasados 0.198mcasadas
0.110msolteiras + 0.079educ + 0.027exper 0.00053 exper 2 +
+0.029perm 0.0005perm2
Categoria base: homens solteiros.
A estimativa do prmio do casamento para os homens 21,3% ou,
exatamente, (exp(0.213) 1) 100 = 23, 738%.
Estima-se que mulheres casadas recebam 19,8% a menos que homens
solteiros ou, exatamente,(exp(0.198) 1) 100 = 21, 896%.
Estima-se que mulheres solteiras recebam 11% a menos que homens
solteiros ou, exatamente, (exp(0.110) 1) 100 = 11, 628%.
A estimativa do prmio do casamento para mulheres
( 0.198 ( 0.110)) 100 = 8, 8% ou, exatamente,
(21.896 11.628) = 10.268% a menos.
02/06/2014
10 / 27
log(salarioh ) = 0.321 + 0.213hcasados 0.198mcasadas
0.110msolteiras + 0.079educ + 0.027exper 0.00053 exper 2 +
+0.029perm 0.0005perm2
Para testar se o prmio do casamento para mulheres signicante,
1/2
d (b
d (b
d (b
utilize ep (b
1 b
2 ) = Var
1 ) + Var
2 ) 2Cov
1 , b
2 )
.
Alternativa, poder-se-ia especicar o modelo com mulheres solteiras
como categoria base e efetuar um teste t para o coeciente da varivel
mcasadas, no modelo
log(salarioh ) = 0 + 0 hcasados + 1 mcasadas + 2 hsolteiros +
+ 1 educ + 2 exper + 3 exper 2 + 4 perm + 5 perm2 + u

Regra: se existem g grupos ou categorias, inclui-se (g
dummy de intercepto no modelo.
1) variveis
02/06/2014
11 / 27
Interao entre dummies
Alternativa 2: equivalentemente, estime o modelo

log(\
salarioh ) = 0.321
0.110feminino + 0.213 casado
(0.100 )
(0.56 )
0.301 feminino
(0.072 )
(0.055 )
casado + b
1 educ
+b
2 exper + b
3 exper 2 + b
4 perm + 5 perm2
Fazendo feminino = casado = 0, obtem-se a equao para a categoria

base, no caso, "homens solteiros".
Como antes, estima-se que homens casados ganham,
aproximadamente, 21.3% a mais que os homens solteiros.
02/06/2014
12 / 27
Interao entre dummies
log(\
salarioh ) = 0.321
0.110feminino + 0.213 casado
(0.100 )
(0.56 )
0.301 feminino
(0.072 )
Ainda, como antes:
(0.055 )
casado + b
1 educ
+b
2 exper + b
3 exper 2 + b
4 perm + 5 perm2
Mulheres casadas recebem 19,8%

(( 0.110 + 0.213 0.301) 100 = 19.8 ) a menos que homens solteiros.
Mulheres solteiras recebem 11% a menos que homens solteiros.
A estimativa do prmio do casamento para mulheres
( 0.198 ( 0.110)) 100 = 8.8%.
02/06/2014
13 / 27
Inclinaes diferentes
At aqui, as especicao do modelo s permitiam diferentes interceptos
para diferentes grupos.
Utilizando a interao entre variveis explicativas e variveis
dummy possibilita diferentes inclinaes no modelo de regresso.
Considere o modelo de regresso
log(salarioh ) = ( 0 + 0 feminino ) + ( 1 + 1 feminino ) educ + u
= 0 + 0 feminino + 1 educ + 1 feminino educ + u(3)

Para homens: E [log(salarioh )jfeminino = 0, educ ] = 0 + 1 educ
Para mulheres:
E [log(salarioh )jfeminino = 1, educ ] = ( 0 + 0 ) + ( 1 + 1 ) educ
Hipteses testveis:
H0 : 1 = 0 (teste t), o efeito ceteris paribus da educao o mesmo
para homens e mulheres;
H0 : 0 = 1 = 0 (teste F ), salrios mdios so iguais para homens e
mulheres (discriminao inexistente);
02/06/2014
14 / 27
Diferentes retornos educao para mulheres e homens

Modelo economtrico
log(salarioh ) = 0 + 0 feminino + 1 educ + 1 feminino
educ + u
Em (b): fazendo 0 + 1 educ = ( 0 + 0 ) + ( 1 + 1 ) educ, obtm-se

educ = 10 .
02/06/2014
15 / 27
Incorporando informao ordinal

Suponha que desejssemos estimar o efeito da qualidade da dvida do
governo municipal (CR) sobre a taxa de juros paga pelos ttulos
municipais (TTM).
Considere um esquema que classica a qualidade da dvida do
governo segundo uma escala ordinal, tal que: CR 2 f0, 1, 2, 3, 4g, onde
CR = 0 (pior qualidade) e 4 (mais alta qualidade).
Uma possvel especicao do modelo
TTM = 0 + 1 CR + outros fatores
(4)
onde 1 mede a mudana percentual em TTM quanto CR aumenta em

uma unidades, ou seja, quando a dvida do governo sobe para a classe
imediatamente superior.
Limitao: impede que a variao em TTM possa ser diferente entre
classes.
02/06/2014
16 / 27
Incorporando informao ordinal

A especicao alternativa que permite que a variao em TTM possa
ser diferente entre classe
TTM = 0 + 1 CR1 + 2 CR2 + 3 CR3 + 4 CR4 + outrosfatores
(5)
onde CR1 = 1 se CR = 1, caso contrrio, CR1 = 0; CR2 = 1 se CR = 2 ,

caso contrrio, CR2 = 0; CR3 = 1 se CR = 3, caso contrrio, CR3 = 0;
CR4 = 1 se CR = 4, caso contrrio, CR4 = 0.
j , j = 1, .., 4 a diferena em TTM de um municpio com classicao
CR = j em relao ao municpio com CR = 0 (categoria base).
Para testar o modelo restrito (4) onde as trs restries sob
H0 : 2 = 21 , 3 = 31 , 4 = 41 esto impostas contra o modelo
irrestrito (5), efetua-se um teste F .
02/06/2014
17 / 27
Diferenas da regresso entre grupos
Objetivo: testar se duas populaes ou grupos seguem a mesma funo

de regresso.
Considere o modelo restrito
aumfGPA = 0 + 1 SAT + 2 emperc + 3 tothrs + u
(6)
onde, para atletas, aumfGPA nota mdia nal em curso superior; SAT
a nota de ingresso no curso superior; emperc o percentil de classicao
no curso mdio; tothrs o total de horas do curso superior.
O modelo o mesmo para homens e mulheres?
02/06/2014
18 / 27
Diferenas da regresso entre grupos

Especique o modelo irrestrito
aumfGPA = 0 + 0 feminino + 1 SAT + 1 feminino
SAT +
+ 2 emperc + 2 feminino emperc + 3 tothrs +

+3 tothrs feminino + u
(7)
onde a varivel binria feminino recebe um se o indivduo do sexo
feminino e zero, caso contrrio.
Qual a categoria base desse modelo?
A hiptese de que o modelo que explica aumfGPA o mesmo para
homens e mulheres
H0 : 0 = 1 = 2 = 3 = 0
F =
(Rir2 Rr2 )/(k + 1)

(1 Rir2 )/(n 2 (k + 1))
F(k +1 ),(n
(8)
2 (k +1 ))
em que k o nmero de variveis no modelo restrito.

02/06/2014
19 / 27

ssc install bcuse
bcuse gpa3, clear
*Elimina as observaes referentes ao primeiro semestre (fall, term=1)

drop if term <2
*Elimina variveis desnecessrias

drop season frstsem frstsem crsgpa verbmath trmgpa hssize hsrank spring black white
ctrmgpa ctothrs ccrsgpa ccrspop cseason football term id

rename cumgpa aumfGPA
rename hsperc emperc
*Gera variveis
gen femSAT= feminino* sat
gen fememperc= feminino* emperc
gen femtothrs= feminino* tothrs
02/06/2014
20 / 27
No Stata: digite na janela de comando

*Executa um teste F indireto
*Passo 1: Estima o modelo irrestrito e armazena SQRir e g.l.
reg aumfGPA feminino sat femSAT emperc fememperc tothrs femtothrs
scalar r2_ir = e(r2)
scalar gl_ir = e(df_r)
* Passo 2: Estima o modelo restrito e armazena SQRr e g.l.

reg aumfGPA sat emperc tothrs
scalar r2_r = e(r2)
scalar gl_r = e(df_r)
scalar q = gl_r - gl_ir
*Calcula a estatstica F
scalar Festatistica = ((r2_ir - r2_r)/q)/((1-r2_ir)/gl_ir)
*Obtm o F crtico a 5%, p-valor e lista tudo

scalar Fcrit5 = invFtail(q,gl_ir,.05)
scalar pvalor = Ftail(q,gl_ir,Festatistica)
scalar list r2_ir r2_r gl_r gl_ir q Festatistica pvalor Fcrit5
02/06/2014
21 / 27
. reg aumfGPA feminino sat femSAT emperc fememperc tothrs femtothrs
Source
SS
df
MS
Model
Residual
53.5391809
78.3545051
7
358
7.64845442
.218867333
Total
131.893686
365
.361352564
aumfGPA
Coef.
feminino
sat
femSAT
emperc
fememperc
tothrs
femtothrs
_cons
-.3534862
.0010516
.0007506
-.0084516
-.0005498
.0023441
-.0001158
1.480812
Std. Err.
.4105293
.0001811
.0003852
.0013704
.0031617
.0008624
.0016277
.2073336
t
-0.86
5.81
1.95
-6.17
-0.17
2.72
-0.07
7.14
Number of obs
F( 7,
358)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
0.390
0.000
0.052
0.000
0.862
0.007
0.943
0.000
=
=
=
=
=
=
366
34.95
0.0000
0.4059
0.3943
.46783
[95% Conf. Interval]

-1.160838
.0006955
-6.88e-06
-.0111465
-.0067676
.0006482
-.0033169
1.073067
.4538659
.0014078
.0015081
-.0057566
.0056681
.0040401
.0030852
1.888557
Nenhum dos termos envolvendo a varivel dummy feminino

estatisticamente, individualmente signicante a 5%.
(R 2 R 2 ) / (k +1 )
(0.40592679 0.35163639 )/4
Como F = (1 Rir2 )/(rn 2 (k +1 )) =
= 8.1791 >
(1 0.40592679 )/358
ir
F5%;4,358 = 2.40, ento, rejeita-se H0 : 0 = 1 = 2 = 3 = 0.
A varivel dummy e suas interaes so conjuntamente
signicantes.
02/06/2014
22 / 27

*Executa o teste F direto da hiptese conjunta
H0 : 0 = 1 = 2 = 3 = 0
quietly reg aumfGPA feminino sat femSAT emperc fememperc tothrs femtothrs
test feminino femSAT fememperc femtothrs
.
test feminino femSAT fememperc femtothrs

(
(
(
(
1)
2)
3)
4)
feminino = 0
femSAT = 0
fememperc = 0
femtothrs = 0
F(
4,
358) =
Prob > F =
8.18
0.0000
A varivel dummy feminino e suas interaes so conjuntamente

signicantes.
Ou,os modelos para homens e mulheres so diferentes.
02/06/2014
23 / 27
Teste de Chow: equivalente a abordagem anterior

Passo 1: estime, separadamente, para a categoria (homens e
mulheres) o modelo
e com base em SQRh e SQRm , calcule a SQR do modelo irrestrito,
SQRir = SQRh + SQRm .
Passo 2: estime, para todos os dados juntos, o modelo
obtendo a SQR do modelo restrito, SQRp .
Passo 3: calcule a estatstica do teste
(SQRp (SQRh + SQRm ))/(k + 1)

Fb =
(SQRh + SQRm ) /(n 2 (k + 1))
F(k +1 ),(n
2 (k +1 ))
e efetue o teste.
Como todo teste F , s vlido sob homocedasticidade.
02/06/2014
24 / 27

ssc install bcuse
bcuse gpa3, clear
*Elimina as obseraes referentes ao primeiro semestre (fall, term=1)

drop if term <2
*Elimina variveis desnecessrias

drop season frstsem frstsem crsgpa verbmath trmgpa hssize hsrank spring black white
ctrmgpa ctothrs ccrsgpa ccrspop cseason football term id

rename cumgpa aumfGPA
rename hsperc emperc
*Executa um teste F indireto

*Passo 1A: Estima o modelo para mulheres
reg aumfGPA sat emperc tothrs if feminino==1
scalar sqr_m = e(rss)
scalar gl_m = e(df_r)
02/06/2014
25 / 27

* Passo 1B: Estima o modelo para homens
reg aumfGPA sat emperc tothrs if feminino==0
scalar sqr_h = e(rss)
scalar gl_h = e(df_r)
scalar sqr_ir = sqr_m + sqr_h
scalar gl_ir = gl_m+gl_h
* Passo 2: Estima o modelo com dados para homens e mulheres

reg aumfGPA sat emperc tothrs
scalar sqr_p = e(rss)
scalar gl_p = e(df_r)
scalar q = gl_p - gl_ir
*Calcula a estatstica F, obtm o F crtico a 5%, p-valor e lista tudo

scalar Festatistica = ((sqr_p - sqr_ir)/q)/(sqr_ir/gl_ir)
scalar Fcrit5 = invFtail(q,gl_ir,.05)
scalar pvalor = Ftail(q,gl_ir,Festatistica)
scalar list sqr_p sqr_ir gl_ir q Festatistica pvalor Fcrit5
02/06/2014
26 / 27
Resultados e discusso
scalar list sqr_p sqr_ir gl_ir q Festatistica pvalor Fcrit5

sqr_p = 85.515067
sqr_ir = 78.354505
gl_ir =
358
q =
4
Festatistica = 8.1791117
pvalor = 2.545e-06
Fcrit5 = 2.3968824
Os modelos para mulheres e homens so diferentes.

Limitao: se H0 rejeitada no se sabe se devido a diferenas nos
interceptos, inclinaes ou nos dois.
02/06/2014
27 / 27

Capitulo 07 Dummy 02

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Capitulo 07 Dummy 02

Enviado por

Direitos autorais:

Formatos disponíveis

Regresso Linear Mltipla: informaes qualitativas e

variveis binrias, dicotmicas ou "dummy"- Parte 2

Moiss Resende Filho (ECO/UnB)

+ 2 exper + 3 exper 2 + 4 perm + 5 perm2 + u

onde a varivel binria feminino recebe o valor um se o indivduo do

Moiss Resende Filho (ECO/UnB)

No Stata: digite na janela de comandos

*Traduz os nomes da variveis para o portugus

*Estima o modelo (1)

Moiss Resende Filho (ECO/UnB)

Standard errors in parentheses

O prmio do casamento 5, 3% de aumento no salrio estimado ou,

+ 2 exper + 3 exper 2 + 4 perm + 5 perm2 + u

+ 1 educ + 2 exper + 3 exper 2 + 4 perm + 5 perm2 + u

No Stata: digite na janela de comandos

*Gera as variveis binrias

Moiss Resende Filho (ECO/UnB)

No Stata: digite na janela de comandos

*Estima o modelo (2)

Moiss Resende Filho (ECO/UnB)

Standard errors in parentheses

Cada coeciente estatisticamente signicante ao nvel de 1%.

+ 1 educ + 2 exper + 3 exper 2 + 4 perm + 5 perm2 + u

Interao entre dummies

Alternativa 2: equivalentemente, estime o modelo

0.110feminino + 0.213 casado

Fazendo feminino = casado = 0, obtem-se a equao para a categoria

Moiss Resende Filho (ECO/UnB)

Interao entre dummies

0.110feminino + 0.213 casado

Ainda, como antes:

Mulheres casadas recebem 19,8%

= 0 + 0 feminino + 1 educ + 1 feminino educ + u(3)

Diferentes retornos educao para mulheres e homens

Em (b): fazendo 0 + 1 educ = ( 0 + 0 ) + ( 1 + 1 ) educ, obtm-se

Incorporando informao ordinal

onde 1 mede a mudana percentual em TTM quanto CR aumenta em

Incorporando informao ordinal

onde CR1 = 1 se CR = 1, caso contrrio, CR1 = 0; CR2 = 1 se CR = 2 ,

Moiss Resende Filho (ECO/UnB)

Diferenas da regresso entre grupos

Objetivo: testar se duas populaes ou grupos seguem a mesma funo

Moiss Resende Filho (ECO/UnB)

Diferenas da regresso entre grupos

+ 2 emperc + 2 feminino emperc + 3 tothrs +

(Rir2 Rr2 )/(k + 1)

em que k o nmero de variveis no modelo restrito.

No Stata: digite na janela de comandos

*Elimina as observaes referentes ao primeiro semestre (fall, term=1)

*Elimina variveis desnecessrias

*Traduz os nomes da variveis para o portugus

No Stata: digite na janela de comando

* Passo 2: Estima o modelo restrito e armazena SQRr e g.l.

*Obtm o F crtico a 5%, p-valor e lista tudo

[95% Conf. Interval]

Nenhum dos termos envolvendo a varivel dummy feminino

No Stata: digite na janela de comando

test feminino femSAT fememperc femtothrs

A varivel dummy feminino e suas interaes so conjuntamente

Moiss Resende Filho (ECO/UnB)

Teste de Chow: equivalente a abordagem anterior

(SQRp (SQRh + SQRm ))/(k + 1)

No Stata: digite na janela de comandos