Escolar Documentos
Profissional Documentos
Cultura Documentos
Introduo
Teoria
Econmica
Inferncia
Estatstica
Matemtica
Fenmenos
Econmicos
Teoria
Econmica
Teoria
Microeconmica
Preo
Demanda
Mas quanto????
Teoria
Econmica
Economia
Matemtica
Estatstica
Econmica
Estatstica
Matemtica
O mtodo Economtrico
1. Exposio da teoria ou hiptese
renda
consumo
Inclinao = PMC
Despesa de
consumo
2= PMC
1
Renda
O mtodo Economtrico
3. Especificao do modelo estatstico ou economtrico
Modelo
Economtrico
Distrbio
Termo de erro
Var. aleatria (estocstica)
Representa todos os fatores
que afetam o consumo
mas no so levados
em conta explicitamente
O mtodo Economtrico
4. Obteno dos dados
Y
O mtodo Economtrico
5. Estimao dos parmetros do modelo economtrico
O mtodo Economtrico
6. Testes de hipteses
7. Projeo ou previso
Uma reduo de impostos => aumento da renda das famlias => quanto
aumentar o consumo?
Captulo 1
A natureza da anlise de regresso
Fonte: GUJARATI; D. N. Econometria Bsica: 4 Edio.
Rio de Janeiro. Elsevier- Campus, 2006
Origem Histrica
Altura de filhos de pais altos e de pais baixos tendem
para a altura mdia da populao
Lei da regresso universal de Galton
Confirmada por Karl Pearson
regresso a mediocridade
Estatsticas
Rendimento das lavouras = f (temperatura, pluviosidade, luz solar,
fertilizantes)
Um agrnomo consegue prever com exatido o rendimento se ele
conhecer os valores das varives direita da equao?
No. Por que?
Erros de medio
Influncia de outros fatores
Regresso x Causao
Kendall e Stuart: as ideias de causao devem se
originar de alguma teoria
Rendimento causa chuva ou chuva causa rendimento?
O que o faz acreditar na segunda?
Senso comum
No poder controlar a pluviosidade por meio de uma variao
no rendimento da lavoura
Regresso x Correlao
Tentamos prever o
valor mdio de uma
varivel com base nos valores
fixos de outras variveis
Correlao
No h diferena entre varivel dependente e explanatria
As duas variveis so aleatria
Correlao entre notas de estatstica e matemtica
Regresso
H uma assimetria no tratamento das variveis
Dependente: estatstica, aleatria, estocstica, tem distribuio de
probabilidade
Independente: tem valores fixos em amostras repetidas (ex: alturas)
Terminologia e Notao
Ver quadro da pag. 18
Anlise de regresso simples:
Terminologia e Notao
Varivel aleatria: (ou estocstica) aquela que pode
assumir qualquer valor, + ou - , dentro de um conjunto
de valores com uma dada probabilidade.
Y
Varivel dependente
Xk
N
T
n
t
Tipos de Dados
Sries Temporais
A varivel assume valores em diferentes momentos do tempo
Cotaes intra-dirias de aes, receitas mensais, lucros
anuais
Estacionria: quando a mdia e a varincia no variam
sistematicamente ao longo do tempo
Corte Transversal
Variveis coletadas em um mesmo momento no tempo
Lucro lquido das empresas siderrgicas em 2010
Heterogeneidade pode ser um problema (ver tab. 1.1 e fig.
1.6)
Tipos de Dados
Dados combinados
Ver tab. 1.2 do exerccio 1.1
O IPC de cada pas no perodo 73-97 uma srie temporal
Os dados dos 7 pases em cada ano um corte transversal
Fontes de Dados
Economtica
Thomson Reuters
CVM
BM&FBovespa
IBGE
Banco Central
Sites de empresas
Escala ordinal
Classe de renda, nvel educacional
possvel ordenar
Escala de intervalo
possvel ordenar e comparar
Os intervalos so iguais
Ex.: latitude e longitude
Escala de razo
Stevens (1946)
Stevens (1946)
Tabela 2.1
Grupos de renda => valores fixos de X
Y varia para cada valor fixo de X
O valor mdio de Y aumenta com o aumento da renda
Para a renda mensal de $80 => consumo mdio de $65
So 10 valores mdios para as 10 classes de renda
Tabela 2.1
Valor esperado incondicional
E(Y) = soma dos 60 dados de consumo dividido por 60
Incondicional pois no leva em considerao os diferentes
nveis de renda
Qual o valor esperado das despesas de consumo semanais mdias
de uma famlia? $ 121,20
Qual o valor esperado das despesas de consumo semanais de uma
famlia cuja renda mensal , digamos, de $140? $ 101
LRP
LRP = Linha de Regresso Populacional
Uma curva de regresso populacional o lugar geomtrico das
mdias condicionais da varivel dependente para os valores
fixados da varivel explanatria.
intercepto
coeficiente angular
So lineares nos
parmetros
No
Sim
MRL
MRL
No
MRNL
MRNL
(1)
ui = Yi E(Y|Xi)
- Desvio de um Yi individual em torno de seu valor
esperado
- Distrbio estocstico
- Termo de erro estocstico
(1)
Elemento aleatrio ou no
sistemtico = representa ( uma
proxy) de todas as variveis
omitidas ou negligenciadas que
podem afetar Y mas no foram
includas nos modelos de
Regresso.
=> E(ui|Xi) = 0
A pressuposio de que a linha de regresso passa pelas mdias
condicionais de Y => que os valores mdios condicionais de ui
(condicionais a um dado X) so iguais a zero.
Estimador de 2
Estimador de 1
Estimador de E(Y|Xi)
Estimador de ui
2. sugesto: usar
=
=
1 + 2
2 = 1 , 2
2
1
2
2
1 2
= 2
1 2 = 0
(1)
= 2
1 2 = 0
(2)
=
2
1 = 2
=
2
aplicando o somatrio
e dividindo por n
1 2 = 0
= 0
=0
= 1 + 2
(2)
ou
FRA: = 2 +
= 2 (x ) e somatrio
= 2
= 2
= 22
= 0
2
22
2 22
mas 2 =
= 0 a covarincia de com
1 2 = 0
= 0
2
2
1 =
2
=
2
2 = SQR = soma dos quadrados dos resduos
=
2
2
Teorema de Gauss-Markov
2 dito o melhor estimador linear no tendencioso de
2 se:
1. linear, por exemplo, em Y
Qualidade do ajustamento
r2 no caso de regresso com duas variveis
R2 no caso de regresso mltipla = coeficiente de determinao
Y
Yi
2
SQR = (Yi - Yi )
_
SQReg = (Yi - Y)2
_
Y
Xi
_
Y
Qualidade do Ajustamento
= +
( )2 = ( )2 +( )2
= +
1=
+
( )2
2
=
=
( )2
( )2
( )2
=
=
( )2
2
1=
Qualidade do Ajustamento
=1
Qualidade do Ajustamento
No modelo de regresso linear simples, o R2 igual ao
quadrado do coeficiente de correlao entre X e Y
2
2 =
0 2 1
Sem relao linear
entre Y e X
=
Ajuste perfeito
=
At aqui...
Com o auxlio do mtodo MQO conseguimos estimar
1, 2, 2.
Sob as premissas do MRLC vimos que os estimadores
desses parmetros 1 , 2 e 2 apresentam propriedades
estatsticas desejveis tais como no tendenciosidade,
varincia mnima etc...
Falta agora fazer os testes de hipteses necessrios s
inferncias sobre a FRP.
Quo longe 1 , 2 e 2 esto dos parmetros
populacionais 1, 2, 2?
Para isso precisamos descobrir as distribuies de
probabilidade de 1 , 2 e 2 .
2 =
Do numerador:
=
Da: 2 =
1 + 2 +
A premissa de normalidade de ui
Normalidade de ui => MNRLC
~ 0, 2
Mdia: E(ui) = 0
Varincia: ( )
= 2 = 2
Covarincia: , : , = 0
e se distribuem independentemente
~ 0, 2
Distribudo de maneira normal e independente
1. So no tendenciosos.
2. So eficientes tm varincia mnima.
3. So consistentes medida que n aumenta
indefinidamente, os estimadores convergem para os
verdadeiros valores da populao.
4.
1 ~(1 , 2 )
1
5.
2 ~(2 , 2 )
2
6. (
onde
2
1
onde
2
2
2
2) 2 ~22
=
=
2
2
7. A distribuio de (1 , 2 ) independente de 2 .