9.

Inferncia em RLM
Introduo
A partir de propriedades do MCRL, podemos fazer inferncias aos coeficientes e
esperanas no modelo de RLM. Devemos estimar a varincia dos estimadores de MQO, que sob o
teorema de Gauss-Markov, MENRLV (no viesados e varincia mnima). Em segundo, sob a
premissa de normalidade dos erros, os estimadores estaro distribudos normalmente. Por
ltimo, faremos os testes de hiptese para os desconhecidos parmetros da populao.
8.1.Matriz de varincia e covarincia e teste t para Bk
Com o teste F e ANOVA ns analisvamos a contribuio conjunta
do modelo para explicar a variabilidade de Y, o teste t verificar a
significncia do efeito parcial de cada varivel X sobre Y. Isto ,
verificar se a contribuio marginal de X1, desconsiderando-se a
contribuio marginal de X2, estatisticamente diferente de zero,
conforme o diagrama esquerda.

Para testar o efeito isolado de X sobre Y, testaremos as hipteses

. Bj o
efeito isolado de Xj sobre Y, depois de controlados os efeitos dos demais X. Rejeitar H0 significa
afirmar que Xj apresenta relao linear isolada com Y ou que Xj contribui isoladamente para
explicar a variabilidade de Y.

Para os estimadores teremos a distribuio normal de

probabilidade, conforme esquerda. Tudo isso sob a premissa
de normalidade dos erros, MCRL e que ^bj de MQO funo
linear dos erros.

Agora devemos conhecer

covarincia dos estimadores ^bj.

ou

atravs da matriz de varincias e

=>

PODE ser estimado no tendenciosamente pelo QMRES da ANOVA.

Isto , no final, a matriz dos estimadores de

ser dada por:

Tirar raiz quadrada do Sb da matriz das varincias e covarincias e assim obter Sb como
denominador no clculo de t.
O valor p obtido representar a probabilidade mnima de erro que estaramos sujeitos caso
rejeitssemos H0. Caso seu valor seja inferior ao erro mximo tolerado pelo pesquisador. Na
ausncia de nvel de significncia (alfa), fica a critrio do pesquisador considerar se o valor p
suficientemente pequeno para rejeitar H0. Usualmente trabalha-se com uma chance mxima de
erro de 5%.
Exemplo 1:

Assim, a probabilidade de erro ao afirmarmos

que a varivel anos de estudo do responsvel
(X1) pela famlia tenha relao linear isolada
com a renda familiar de 26,8%, valor muito
elevado, no sendo apropriado rejeitar H0.
Resultado semelhante ocorre para o teste do
coeficiente associado varivel idade do
responsvel (X2). No podemos afirmar que a
idade tenha relao linear isolada com a renda familiar, pois estaramos sujeitos a uma chance
de erro de 63%.

9.1.Inferncia para combinao linear dos parmetros

Como inferncias para dois ou mais parmetros podem ser realizados conhecendo-se uma
propriedade simples dos estimadores.

Agora suponha que, ao invs de desejarmos analisar o parmetro jisoladamente,

interessemo-nos em estudar uma combinao linear dos mesmos. Uma combinao linear dos
parmetros, onde cada parmetro j seja
multiplicado por uma constante cj, seria dado
por:

Propriedade da combinao linear: Uma combinao linear dos estimadores de MQO ser
tambm um estimador no viesado da combinao dos parmetros. Em outras palavras:

A varincia dessa combinao linear:

Como a varincia da regresso na populao

desconhecida, o estimador com base nas

informaes da amostra ser dado por:

9.1.2. Teste de hipteses para combinao linear dos parmetros

* Uma das aplicaes da combinao linear dos parmetros a
realizao de testes de hipteses para mais de um parmetro populacional.
Por exemplo, Poderamos estar interessados em testar a hiptese da
igualdade entre os parmetros B1 e B2:

Testar H0 o mesmo que testar a nulidade da seguinte

combinao linear ( direita), ou, matricialmente (em
baixo ----)

A estatstica
dada por:

t ser

a seguinte distribuio para a estatstica de teste:

Exemplo 1:
Suponha o modelo: rendimento familiar (Y) e as variveis independentes anos de estudo (X1) e
idade do responsvel pela famlia (X2). Poderamos testar H0 de que o efeito isolado de um ano
adicional de escolaridade sobre a renda familiar seja igual ao efeito isolado de um ano adicional
de idade (B1 = B2), contra H1 de que o efeito isolado dos anos de escolaridade seja maior que o
da idade (B1 > B2). Nesse caso, as hipteses seriam dadas por:

a H0.

A estatstica de teste ser, por sua vez, dada por:

quadrada da varincia mesmo. Ento so 2 passos):

1.

(o denominador a raiz

(numerador)

2.

a varincia estimada. Tirar raiz

quadrada dela.

Como se trata de um teste unicaudal, a regio de rejeio estar associada a valores

positivos de:

O valor da estatstica observada na amostra (0,94) estaria 1,75 erro padro afastado do
centro da distribuio e a probabilidade de erro associada a esse valor seria de 16,5%. Em
outras palavras, se afirmarmos que o efeito isolado da escolaridade seja superior ao da
idade da pessoa responsvel, estaremos sujeitos a um erro de 16,5%. Como se trata de
uma chance de erro relativamente elevada, haveria poucas evidncias estatsticas para
afirmarmos que o efeito parcial da escolaridade sobre a renda seja superior ao da idade.