Econo Me Tria

ECONOMETRIA
Prof. Victor Azambuja Gama

Nenhuma parte deste material poder ser reproduzida para
fins comerciais. Este material foi desenvolvido com o propsito
de auxiliar as aulas da disciplina de Econometria do curso de
Cincias Econmicas da Universidade Estadual de Mato
Grosso do Sul (UEMS).
EMENTA
Anlise de Regresso (com duas variveis, com regresso
mltipla);
O modelo clssico de regresso linear e suas hipteses
bsicas;
Estimadores de mnimos quadrados ordinrios e suas
propriedades;
Intervalos de confiana e teste de hipteses;
Regresso com variveis dummy;
Regresso com variveis binrias;

Violao das hipteses bsicas do modelo clssico de
regresso linear: testes de diagnstico e procedimentos de
correo;
Modelos auto-regressivos e de defasagens distribudas;
Modelos de equaes simultneas;
Introduo a modelos de sries de tempo: Modelos
OBJETIVOS
Demonstrar ao aluno as tcnicas e

mtodos economtricos bsicos,
capacitando-o a entender e analisar
trabalhos empricos na rea de economia.
Possibilitando a utilizao deste
instrumental em anlises econmicas e no
prprio trabalho de concluso de curso.
Captulo 1
Uma Introduo Econometria
1.1 Por que se estuda Econometria?
Econometria: um conjunto de ferramentas de pesquisa;
Econometria, resultado de um certo ponto de vista sobre o papel da

economia, consiste na aplicao da estatstica matemtica aos dados
econmicos para dar suporte aos modelos construdos pela economia
matemtica e para obter resultados numricos (TINTNER, 1968).
[] econometria pode ser definida como a anlise quantitativa de

fenmenos concretos, baseada no desenvolvimento simultneo de teoria
e observao, relacionadas por mtodos de inferncia adequados
(SAMUELSON, KOOPMANS E STONE, 1954).
Econometria pode ser definida como a cincia social na qual as

ferramenta da teoria econmica, matemtica e inferncia estatstica
so aplicadas anlise dos fenmenos econmicos (GOLDBERG,
1964).
A econometria se ocupa da determinao

emprica das leis econmicas (THEIL, 1971).
A arte do econometrista consiste em achar o

conjunto de hipteses que sejam tanto
suficientemente especficas quanto realistas, para
lhe permitir tirar o mximo de proveito possvel
dos dados a sua disposiao (MALINVAUD, 1966).
Quais disciplinas empregam a

econometria?
- Contabilidade;
- Finanas;
- Marketing;
- Sociologia;
- Cincia poltica.
Porque estudar econometria?
Economista terico X Anlise emprica

A econometria se ocupa da determinao

emprica das leis econmicas (THEIL, 1971).
A arte do econometrista consiste em achar o

conjunto de hipteses que sejam tanto
suficientemente especficas quanto realistas, para
lhe permitir tirar o mximo de proveito possvel
dos dados a sua disposiao (MALINVAUD, 1966).
1.2 O que Econometria?
As relaes entre variveis econmicas, so expressas pelas

funes;
Por exemplo, para expressarmos uma relao entre renda i e

consumo c, podemos escrever
c f (i )
A demanda para um bem individual, digamos um carro Renault
Clio, pode ser expressa como
q d f ( p, p s , p c , i )
A quantidade demandada de Clios, qd, uma funo de quais

variveis? :
1.2 O que Econometria?
A oferta de um bem agrcola como a carne bovina pode

ser escrita como:
q f ( p, p , p )
s c f
OBS: Econometria diz respeito a como ns podemos

utilizar a teoria econmica, as teorias da administrao ou
da cincia social e dados, junto com as ferramentas da
estatstica, para responder questes do tipo quanto.
1.2.1 Alguns Exemplos
Uma questo enfrentada pelo presidente do Banco Central

Quanto ns deveramos aumentar a taxa de redesconto para
segurar a inflao e ainda manter uma economia estvel e em
crescimento?
A resposta depender da reao das firmas e dos indivduos

ao crescimento da taxa de juros e dos efeitos da reduo
dos investimentos no produto interno bruto;
As elasticidades e os multiplicadores so chamados de

parmetros. Os valores dos parmetros econmicos no so
conhecidos e precisam ser estimados utilizando uma amostra
de dados econmicos quando formuladas as polticas
econmicas.
Em que consiste a econometria?

a) Como melhor estimar os parmetros
econmicos.
b) Dadas as informaes que possumos.
Qual a importncia da econometria?

R: Erros nas estimaes utilizadas pelos
formuladores de polticas, podem levar
a correes muito altas ou muito baixas
na taxa de juros;
Outros exemplos:
a) Um conselho municipal avalia quanto a violncia ser reduzida se um

milho de reais adicionais forem gastos no enfardamento da polcia na
rua.
b) Como questes de um candidato presidencial do tipo: quantos

eleitores adicionais de So Paulo votaro em mim se for gasto um
milho de reais a mais em propaganda no estado?
c) O dono de uma franquia da Pizza Hut precisa decidir quanto de

espao de propaganda no jornal local precisa comprar. Assim, ele
precisa estimar a relao entre propaganda e vendas.
d) Uma universidade precisa estimar quanto as matrculas cairo se a

taxa for elevada para $100 por semestre e, portanto, se a receita
proveniente desta taxa subir ou cair.
Outros exemplos:
e) Uma empresa precisa estimar a demanda que haver de um

determinado detergente em dez anos, no momento em que ela
avalia quanto investir em uma nova fbrica e em equipamentos;
f) Um agente imobilirio deve prever em quanto a populao e a

renda aumentaro nos prximos anos ao sul de Santa Catarina e se
ser lucrativo iniciar a construo de um novo complexo de lojas.
g) Voc precisa decidir quanto de suas economias vai aplicar em

um fundo de aes e quanto no mercado financeiro. Isso exige
previses sobre o nvel de atividade econmica, sobre a taxa de
inflao e sobre a taxa de juros, no seu horizonte de
planejamento.
1.3 O modelo economtrico
Modelo: representao matemtica de

algum fenmeno econmico;
Por que utilizar um modelo?

R: So simplificaes da realidade, mas
transmitem grandes percepes acerca do
funcionamento do mundo.
Restries
Modelo
Hipteses
Exemplo: modelo para explicar as vendas do carro gol;
Passo 1: especificao do modelo;
As vendas do carro Gol so determinadas por dois

componentes:
a) Componente sistemtico.
b) Componente aleatrio (erro aleatrio).
Um modelo economtrico representando as vendas dos

Clios :
q d f ( p, p s , p c , i ) e
Passo 2: determinar a forma algbrica da relao entre as as

variveis econmicas.
Por exemplo: nos cursos de economia a quantidade demandada

era descrita como uma funo linear do preo.
Nesse caso, admiti-se que a parte sistemtica da relao de

demanda linear:
f ( p, p s , p c , i) 1 2 p 3 p s 4 p c 5i
O modelo economtrico correspondente
q d 1 2 p 3 p s 4 pc 5i e
1.4 Como obtemos os dados?
1.4.1 Dados Experimentais
Modelo Descrio do Observaes Evidncias

Pesquisador Mundo ideal econmico experimento e sobre os
informaes parmetros
Repetindo o experimento T vezes, criaramos uma amostra de T

observaes.
Vamos demonstrar um experimento controlado.
Objetivo: compreender como se determina a quantidade de

automveis Renault Clio adquiridos.
Em um mundo ideal para pesquisa, experimentos controlados

podem ser conduzidos para investigar a relao entre essas
variveis explanatrias e a varivel dependente qd.
No experimento controlado, o grupo que o realiza fixa o nvel

das variveis explanatrias, realiza o experimento e obtm uma
observao sobre a varivel dependente.

A teoria microeconmica do comportamento do consumidor sugere que a
quantidade adquirida (qd) depende:
p = preo dos Clios = $25.000

ps = preo dos Gols = $25.000
pc = preo do litro da gasolina = $1,65
i = renda dos indivduos na amostra = $42.000
No fim do ms, ns observamos que o nmero de Clios vendidos por um

comerciante igual a qd = 37.
Repetindo esse processo diversas vezes, uma amostra de dados econmicos

criada.
O resultado experimental que ns observamos a soma do componente

sistemtico, que depende das variveis explanatrias de controle, e desse
rudo aleatrio. Conseqentemente, o resultado do experimento aleatrio
tambm.

Tabela 1.1 Vendas Mensais de Clios
OBS 1: Se repetirmos o
Ms qd p ps pc i experimento algumas
1 37 25 25 1,35 42 vezes, ns obtemos
2 28 23 25 1,35 32 observaes tais quais
3 30 23 25 1,35 32 figuram na Tabela 1.1.
4 35 20 25 1,35 35
5 40 25 27 1,35 42 OBS 2: p, ps ,pc e i so
6 46 25 30 1,35 52
dados em $ 1.000.
7 52 25 32 1,35 55
8 55 25 25 1,40 60
9 60 25 25 1,45 70
10 65 25 25 1,55 100
Importante: Os econometristas, desejam Teoria

determinar a relao entre cada varivel econmica
explanatria (p, pc, ps, i) e a varivel

dependente qd , utilizando uma amostra
de T observaes dos valores das
variveis explanatrias e das
Econometria
quantidades vendidas observadas.
Cincia da
Especificamente, os econometristas computao Estatstica
querem estimar o efeito () de uma

mudana em uma varivel explanatria
sobre a quantidade esperada de Renault
Clio vendidos.

1.4.2 Dados No Experimentais
Os dados podem ser coletados na forma de:

a) Sries temporais dados coletados ao longo de intervalos
discretos de tempo.
b) Corte tranversal dados coletados sobre unidades da amostra
em determinado perodo de tempo.
c) painel de dados dados que seguem microunidades individuais ao
longo do tempo.
Esses dados podem ser coletados em diversos nveis de

agregao:
a) micro dados coletados sobre decises econmicas individuais
feitas por unidades, como indivduos, domiclios ou firmas.
b) macro dados resultantes de um agregado de indivduos,
domiclios ou firmas, a nvel municipal, estadual ou nacional.
Os dados coletados podem representar tambm um fluxo

ou estoque:
a) fluxo resultado mensurado ao longo de um perodo de
tempo, tal como o consumo de gasolina durante o ltimo
trimestre de 1999.
b) estoque resultado medido em um ponto de tempo

particular, tal como a quantidade de petrleo bruto mantido nos
reservatrios da Petrobrs no primeiro dia do ms de abril de
1999.
Os dados coletados podem ser quantitativos ou qualitativos:
a) quantitativos resultados como o preo ou a renda que

podem ser expressos como nmeros ou por alguma transformao
deles, tal como o preo real e a renda per capita.
b) qualitativos resultados que traduzem uma situao ou,ou.

Por exemplo, um consumidor pode ou no comprar um particular
bem, ou uma pessoa pode tanto casar como no casar.
1.5 Inferncia Estatstica
Inferncia estatstica: essa expresso significa que ns

queremos inferir ou aprender algo sobre o mundo real atravs
da anlise da amostra de dados. O modo como a inferncia
estatstica conduzida inclui:
a) Estimar parmetros econmicos, tal como elasticidades,

utilizando mtodos economtricos.
b) Predizer resultados econmicos, tal como a taxa de matrcula

em faculdades no Brasil nos prximos dez anos.
c) Testar hiptese econmicas.

1.6 Um Modelo de Pesquisa
A pesquisa econmica emprica segue um padro ordenado.

Os passos so:
a) Tudo comea com um problema ou uma questo.
b) A teoria econmica nos d um modo de pensar sobre o

problema: Quais variveis econmicas esto envolvidas e qual a
possvel direo da relao(es) entre elas?
c) O trabalho com o modelo econmico conduz a um modelo

economtrico. Ns devemos escolher uma forma funcional e fazer
algumas hipteses sobre a natureza do termo de erro.
d) A amostra de dados obtida e um mtodo de anlise

estatstica escolhido, baseado nas nossas hipteses iniciais e no
nosso entendimento de como os dados foram coletados.
1.6 Um Modelo de Pesquisa
e) As estimativas dos parmetros desconhecidos so obtidas com a

ajuda de um pacote estatstico, previses so feitas e testes de
hipteses so efetuados.
f) Fazem-se diagnsticos do modelo para conferir a validade das

hiptese que ns fizemos. Por exemplo, todas as variveis explanatrias
do lado direito da equao so relevantes? Foi escolhida a forma
funcional correta?
g) As conseqncias econmicas e as implicaes dos resultados

empricos so analisadas e avaliadas. Quais so as implicaes da
alocao e distribuio dos recursos econmicos, e quais so as
implicaes das suas polticas de escolha? Quais as questes
remanescentes que podem ser respondidas com estudos futuros ou uma
nova e melhor base de dados?
Captulo 3
O Modelo de Regresso Linear Simples:
Especificao e Estimao
Introduo
A teoria econmica sugere muitas relaes entre as variveis

econmicas;
Microeconomia:
a) Modelos de demanda;
b) Modelos de oferta;
c) Funes de produo;
d) Curvas de produto total.
Macroeconomia:
a) Funes investimento.
b) Funes consumo.
Introduo
Objetivo: como utilizar uma amostra de dados econmicos

para obter informaes sobre tais relacionamentos;
Importante: se uma medida varia de uma certa maneira,

de quanto oscilar outra varivel?
Essas questes sero respondidas com o auxlio de um

modelo de regresso;
Como todos os modelos, o modelo de regresso baseia-se

em pressupostos.
3.1 Um Modelo Econmico
Exemplo econmico: estudar a relao entre renda familiar e

despesas com alimentao.
Supe-se que nos interessa apenas residncias com renda familiar de

R$ 480 por semana.
Nesse experimento, selecionamos aleatoriamente certo nmero de

residncias de uma populao e passamos a entrevistar os seus
moradores.
Pergunta: quanto foi gasto com alimento na semana passada?
A despesa semana com alimentao, que chamaremos de y, uma

varivel aleatrio (VA);
A varivel aleatria contnua y tem funo densidade de

probabilidade, f(y);
A f.d.p descreve as probabilidades dos diversos valores

da despesa com alimentao.
Espeficicamente, temos uma funo de densidade de

probabilidade condicional;
Condicional, pois a f.d.p est condicionada renda da

famlia.
Uma anlise economtrica do relacionamento da despesa pode

dar resposta a algumas questes importantes, como:
a) Se a renda semanal aumenta $ 20, de quanto em mdia,

aumentaro as despesas com alimentao?
b) possvel a despesa semanal com alimentao cair quando a
renda aumenta?
c) Qual seria nossa previso da despesa mensal com alimentao
de uma famlia com renda semanal de $ 800?
Para pesquisar a relao entre despesa e renda, devemos

construir um modelo econmico e, a seguir, um modelo
economtrico que constitua a base de uma anlise econmica
quantitativa.
A funo de regresso linear simples:
E ( y | x) y|x 1 2 x (3.1.1)
Inclinao da reta de regresso
E ( y | x) dE ( y | x) (3.1.2)
2
x dx
denota mudana em
3.2 Um Modelo Economtrico
Hipteses do Modelo de Regresso Linear Simples -I

a) O valor mdio de y, para cada valor de x, dado pela regresso
linear
E ( y) 1 2 x
b) Para cada valor de x, os valores de y se distribuem em torno

do seu valor mdio, seguindo distribuies de probabilidade que
tm todas a mesma varincia,
var( y) 2
c) Os valores de y so todos no correlacionados e tem
covarincia zero. A implicao disso que no existe qualquer
associao linear entre eles.
cov( yi , y j ) 0
Hipteses do Modelo de Regresso Linear Simples -I
OBS: A hiptese que a covarincia seja zero, pode se tornar

mais forte se assumirmos que os valores de y so todos
estatisticamente independentes.
d) A varivel x no aleatria e deve assumir pelo menos dois

valores diferentes
e) (opcional) Os valores de y so normalmente distribudos em

torno de sua mdia para cada valor de x,
y ~ N [(1 2 x), 2 ]
3.2.1 Introduzindo o Termo de Erro
O termo de erro aleatrio

e y E ( y) y 1 2 x (3.2.1)
Rearranjando, temos
y 1 2 x e (3.2.2)
y a varivel dependente;
x a varivel explanatria ou independente
Hipteses do Modelo de Regresso Linear Simples -II

RS1. y 1 2 x e
RS2. E (e) 0 E ( y) 1 2 x
RS3. var( e) 2
var( y)
RS4. cov(ei , e j ) cov( yi , y j ) 0
RS5. A varivel x no aleatria e deve assumir pelo menos

dois valores diferentes.
RS6. (opcional) Os valores de e so normalmente distribudos

em torno de sua mdia
e ~ N (0, 2 )
No exemplo da despesa com alimentao, que fatores podem resultar em

uma diferena entre a despesa y e a sua mdia E(y):
a) Inclumos a renda como a nida varivel explanatria do modelo. Quaisquer

outros fatores econmicos que afetam as despesas com alimentao so captados
pelo erro aleatrio;
b) O erro aleatrio absorve qualquer erro de aproximao que surja, porque a

forma funcional linear admitida no nada mais do que uma aproximao da
realidade;
c) O erro aleatrio capta quaisquer elementos de comportamento aleatrio que

possam estar presentes em cada indivduo. O conhecimento de todas as variveis
que influenciam a despesa de um indivduo com alimentao pode no ser suficiente
para prever perfeitamente a despesa. O valor de e tambm pode conter um
componente comportamental aleatrio imprevisvel.
3.3 Estimao dos Parmetros para a Relao
de Despesas
Modelos Base para a

econmicos e utilizao de Estimar os
estatsticos uma amostra parmetros
de dados
Tabela 3.1: valores da despesa com alimentao e a renda semanal para uma amostra
aleatria de 40 residncias;
Suposio: Vamos admitir que os dados de despesas so valores observados da varivel

aleatria yt, t = 1,,40, que satisfazem as hipteses RS1-RS5.
Pergunta: como utilizar nossa informao amostral yt e xt para estimar os parmetros

desconhecidos;
Representando por (yt, xt), t = 1,40 os 40 pontos de dados e assinalando-os em um

grfico, obteremos o diagrama de disperso;
de Despesas
de Despesas
de Despesas
Objetivo: estimar a posio da reta de despesa mdia:
E ( y) 1 2 x
Seria de esperar que essa reta estivesse no meio de

todos os pontos, j que representa um comportamento
mdio;
Como traar uma reta para determinar o coeficiente

angular e o intercepto?
de Despesas
3.3.1 O Princpio de Mnimos Quadrados

Importante: Para estimar os parmetros, necessrio
uma regra, ou frmula;
Princpio dos mnimos quadrados: para ajustar uma

reta aos valores dos dados, devemos procurar a reta tal
que a soma dos quadrados das distncias verticais de
cada ponto reta seja a menor possvel.
Por que utilizar a soma dos quadrados?

R: para evitar que grandes distncias positivas sejam
cancelas pelas negativas;
de Despesas

A reta ajustada da regresso
yt b1 b2 xt (3.3.1)
O resduo de mnimos quadrados
et yt yt yt b1 b2 xt (3.3.2)
Qualquer outra reta ajustada
yt* b1* b2* xt (3.3.3)
A reta de mnimos quadrados tem a menor soma de

resduos ao quadrado
t t t t t t)

e 2
( y
y ) 2

e*2
( y
y * 2
de Despesas

de Despesas

de Despesas
As estimativas de mnimos quadrados so obtidas pela

minimizao da funo da soma de quadrados
T
S (1 , 2 ) ( yt 1 2 xt ) 2 (3.3.4)
t 1
Obtenha as derivadas parciais

S
2T 1 2 yt 2 xt2
1
(3.3.5)
S
2 xt22 2 xt yt 2 xt1
2
de Despesas
Iguale as derivadas a zero
2( yt Tb1 xt b2 ) 0
(3.3.6)
2( xt yt xt b1 xt2b2 ) 0
de Despesas
Rearranjando a equao 3.3.6, temos duas equaes

usualmente conhecidas como equaes normais,
Tb1 xt b2 yt (3.3.7a)
t 1 t b2 xt yt
x b x 2
(3.3.7b)
Frmulas para as estimativas de mnimos quadrados

de Despesas
T xt yt xt yt (3.3.8a)
b2
T x xt
2 2
t
b1 y b2 x (3.3.8b)
Como essas frmulas funcionam para qualquer dos valores da

amostra de dados, elas so os estimadores de mnimos
quadrados.
3.3 Estimao dos Parmetros para a Relao de
Despesas
b2
T x xt
2 2
t
b1 y b2 x (3.3.8b)
Como essas frmulas funcionam para qualquer dos valores da

amostra de dados, elas so os estimadores de mnimos
quadrados.
3.3.2 Estimativas para a Funo de Despesa com
Alimentao
3.3.2 Estimativas para a funo despesa com alimentao
T xt yt xt yt (40)(3834936, 497) (27920)(5212,520)

b2 (3.3.9a)
T x xt (40)(21020623,02) (27920) 2
2 2
t
0,1283
b1 y b2 x 130,313 (0,1282886)(698,0) 40,7676 (3.3.9b)
Um modo conveniente de mostrar os valores de b1 e b2

escrever a reta de regresso estimada ou ajustada:
yt 40,7676 0,1283xt (3.3.10)

3.3.2 Estimativas para a Funo de Despesa com
Alimentao
3.3.2 Estimativas para a funo despesa com alimentao
3.3.3 Interpretao das estimativas
O valor b2 = 0,1283 uma estimativa de 2, a quantidade que a

despesa com alimentao cresce semanalmente quando a renda
semanal aumenta em $1. Assim, ns estimamos que se a renda
subir $100, as despesas semanais com alimentao aumentaro
aproximadamente $12,83.
Estritamente falando, a estimativa de intercepto b1 = 40,7676

uma estimativa do gasto semanal com alimentao para uma
famlia com renda nula.
3.3.3a Elasticidades
A elasticidade renda da demanda um modo til de

caracterizar a resposta da despesa do consumidor mudanas
na renda. Dos princpios microeconmicos, a elasticidade de
qualquer varivel y em relao a outra varivel x
variao percentual em y y / y y x
(3.3.11)
variao percentual em x x / x x y
Elasticidade o tamanho do impacto que a alterao em uma

varivel (ex.: preo) exerce sobre outra varivel (ex.: demanda);
Em sentido genrico, a alterao percentual de uma varivel,
dada a alterao percentual em outra, coeteris paribus.
Assim, elasticidade sinnimo de sensibilidade, resposta,
reao de uma varivel, face de mudanas em outras variveis;
Em um modelo econmico linear dado pela equao 3.1.1,

ns mostramos que
E ( y ) (3.3.12)
2
x
A elasticidade da despesa mdia em relao renda
E ( y ) / E ( y ) E ( y) x x (3.3.13)
2
x / x x E ( y ) E ( y)
Um modo alternativo freqentemente utilizado mostrar

a elasticidade no ponto das mdias
j que um ponto representativo da reta de regresso.
x 698,00

b2 0,1283 0,687 (3.3.14)
y 130,31
Interpretao do coeficiente: uma variao de 1% na

renda semanal da famlia acarrete, em mdia, um aumento
de aproximadamente 0,7% na despesa semanal com
alimentao quando (x,y) = ( x , y ) (698,00, 130,31)
Classificao da elasticidade-renda:
a) Er > 1 : bem superior (ou bem de luxo): dada uma variacao

da renda, o consumo varia mais que proporcionalmente;
b) Er > 0: bem normal: o consumo aumenta quando a renda

aumenta;
c) Er < 0: bem inferior: a demanda cai quando a renda aumenta;
d) ERp = 0 : bem de consumo saciado: variacoes na renda nao

alteram o consumo do bem. Ou seja, a variavel renda nao e
importante para explicar o comportamento da demanda desse
bem.
3.3.3b Previso
Suponha que ns queremos prever a despesa semanal com

comida para um domiclio com uma renda semanal de $750.
Essa previso conduzida pela substituio de x = 750 na
nossa equao estimada para obter
yt 40,7676 0,1283xt 40,7676 0,1283(750) $130,98 (3.3.15)
Ns prevemos que um domiclio com uma renda semanal

de $750 gastar $130,98 por semana em comida.
3.3.4 Outro Modelo Econmico
Modelo de regresso linear simples muito mais flexvel, porque as

variveis x e y podem ser transformaes que envolvem logaritmos,
quadrados, cubos ou inversos das variveis econmicas bsicas;
O modelo linear nos parmetros, contudo, o modelo de

regresso linear simples pode aplicar-se a relaes no lineares
entre variveis;
Uma transformao usual na economia o logaritmo natural;
Uma importante caracterstica desse modelo se as hipteses

do modelo de regresso se verificam que o coeficiente
angular a elasticidade de y em relao a x.
3.3.4 Outro Modelo Econmico
O modelo log-log ln( y) 1 2 ln( x)
A derivada de ln(y) em relao a x
d [ln( y )] 1 dy

dx y dx
A derivada de 1 2 ln( x) em relao a x
d [1 2 ln( x)] 1
2
dx x
Colocando esses dois pedaos em igualdade um com o
outro e resolvendo para 2:
dy x
2 (3.3.16)
dx y
Captulo 4
Propriedades dos Estimadores de
Mnimos Quadrados
Introduo
Modelo de regresso linear simples: modelo economtrico para o

estudo de relaes entre variveis econmicas;
Hipteses do Model de Regresso Linear Simples:
RS1. yt 1 2 xt et
RS2. E (et ) 0 E ( yt ) 1 2 xt
RS3. var(et ) 2 var( yt )
RS4. cov(ei , e j ) cov( yi , y j ) 0
RS5. xt no aleatria e assume pelo menos dois valores
RS6. et ~ N (0, 2 ) yt ~ N [(1 2 xt ), 2 ] (opcional)

4.1 Os Estimadores de Mnimos Quadrados
como Variveis Aleatrias
O estimador de mnimos quadrados b2 do parmetro de

inclinao 2, baseado em uma amostra de T observaes,
b2
T xt xt
2 2
O estimador de mnimos quadrados b1 do parmetro

intercepto 1
b1 y b2 x (3.3.8b)
onde y yt / T e x xt / T so mdias amostrais

das observaes sobre y e x, respectivamente.
Quando as frmulas de b1 e b2, so tomadas para serem

utilizadas como regras, qualquer que seja a amostra de
dados extrada, ento b1 e b2 so variveis aleatrias.
Nesse contexto, ns chamamos b1 e b2 de estimadores de
mnimos quadrados.
Quando os valores reais da amostra, nmeros, so

substitudos nas frmulas, ns obtemos nmeros que so
valores das variveis aleatrias. Nesse contexto, ns
chamamos b1 e b2 de estimativas de mnimos quadrados.
Podemos agora estudar as propriedades dos estimadores

aleatrios b1 e b2 e abordar as seguintes importantes
questes:
a) se os estimadores de mnimos quadrados b1 e b2, so

variveis aleatrias, quais sero suas mdias, varincias,
covarincias e distribuies de probabilidade?
b) o princpio dos mnimos quadrados apenas uma forma de

utilizar os dados para obter estimativas. Como se comparam
os estimadores de mnimos quadrados com outras regras que
poderiam ser usadas, e como podemos comparar estimadores
alternativos? Por exemplo, haver outro estimador que tenha
maior probabilidade de produzir uma estimativa prxima?
4.2 As Propriedades Amostrais dos
Estimadores de Mnimos Quadrados
Os estimadores de mnimos quadrados b1 e b2 so variveis

aleatrias e tm distribuies de probabilidade que podemos
estudar antes da coleta de quaisquer dados;
Se essas funes so conhecidas, podem ser usadas para fazer

afirmaes probabilisticas sobre b1 e b2: mdias (valores
esperados) e varincias das variveis aleatrias;
As mdias e as varincias de b1 e b2 informam-nos sobre os

intervalos de valores que b1 e b2 provavelmente tomaro;
O conhecimento desses intervalos importante porque nosso

objetivo obter estimativas prximas dos verdadeiros valores dos
parmetros.
Objetivo: determinar as mdias e as varincias dos

estimadores de mnimos quadrados b1 e b2.
Essas caractersticas pr-dados de b1 e b2, so

chamadas propriedades amostrais, porque a
aleatoriedade dos estimadores decorre da extrao de
amostras de uma populao.
4.2.1 Os Valores Esperados de b1 e b2
Ns comeamos reescrevendo a frmula da equao 3.3.8a

na seguinte frmula que mais conveniente para propsitos
tericos,
b2 2 wt et (4.2.1)
onde wt um constate (no aleatria) dada por
xt x
wt (4.2.2)
t
( x x ) 2
O valor esperado de uma soma a soma dos valores

esperados (ver Seo 2.5.1):
E (b2 ) E 2 wt et E (2 ) E ( wt et )
2 wt E (et ) 2 [como E (et ) 0] (4.2.3)


Quando o valor esperado de qualquer estimador de um parmetro
igual ao verdadeiro valor do parmetro, o estimador se diz no
tendencioso (ou no viesado).
O significado intuitivo da no-tendenciosidade decorre da

interpretao da esperana matemtica de um processo de amostragem
repetida;
Se coletarmos muitas amostras de tamanho T e aplicarmos a frmula

(3.3.8a) de b, para estimar B2, ento o valor mdio das estimativas b2,
obtidas de todas essas amostras, ser B2, desde que as suposies do
modelo estatstico sejam corretas;
Se, entretanto, as suposies feitas no estiverem corretas, o

estimador de mnimos quadrados poder ser tendencioso.
4.2.1a O Contexto da Amostragem Repetida
A Tabela 4.1 contm as estimativas de mnimos quadrados do modelo de despesa
com alimentao extradas de 10 amostras aleatrias de tamanho T=40 da mesma
populao.
Tabela 4.1 Estimativas de Mnimos Quadrados
de 10 amostras aleatrias de tamanho T=40
N b1 b2
1 51,1314 0,1442
2 61,2045 0,1286
3 40,7882 0,1417
4 80,1396 0,0886
5 31,0110 0,1669
6 54,3099 0,1086
7 69,6749 0,1003
8 71,1541 0,1009
9 18,8290 0,1758
10 36,1433 0,1626
4.2.1a O Contexto da Amostragem Repetida
A propriedade da no-tendenciosidade diz respeito mdia dos valores

de b1 e b2 se muitas amostras de mesmo tamanho forem extradas da
mesma populao;
O valor mdio de b1 nessas 10 amostras b1= 51,43859. O valor mdio

de b2 b2 = 0,13182;
Se tomarmos as mdias das estimativas a partir de muitas amostras,

essas mdias devero se aproximar dos verdadeiros valores dos
parmetros B1e B2.
Importante: A no-tendenciosidade no diz que uma estimativa a

partir de uma amostra qualquer est prxima do verda-deiro valor do
parmetro, e, assim, no podemos dizer que uma estimativa no
tendenciosa. Podemos dizer que o processo de estimao de mnimos
quadrados (ou o estimador de mnimos quadrados) no tendencioso.
4.2.1b Deduo da Equao 4.2.1
Objetivo: mostrar que (4.2.1) correta;
1
t
( x x ) 2
t t
x 2
2x x T x 2
tx 2
2 x T
T
xt

T x 2
(4.2.4a)
xt2 2T x 2 T x 2 xt2 T x 2
x
2
( xt x ) x T x x x xt x (4.2.4b)
2 2 2 2 2 t
t t t
T
Para a obteno desse resultado, ns levamos em

considerao que x xt / T ento xt T x
( x x )( y y ) xt yt Tx y xt yt
x y
t t
(4.2.5)
t t
T
b2, na forma de desvios em relao mdia, :
b2
( x x )( y y )
t t (4.2.6)
(x x ) t
2
Lembre-se que ( xt x ) 0 (4.2.7)
Ento, a frmula para b2 se torna
b2
( x x )( y y ) ( x x ) y y ( x x )
t
t t t t
(x x ) t (x x )
2
t
2

(x x ) y
t (x x )

y wt yt (4.2.8)
2 t
t t
(x x )t ( x x )
2
t
onde wt a constante dada na equao 4.2.2.

Para obter a equao 4.2.1, substitua yt por
yt 1 2 xt et e simplifique:
b2 wt yt wt (1 2 xt et ) 1 wt 2 wt xt wt et (4.2.9a)
w 0
t , isso elimina o termo 1 wt
w x t t 1 ento 2 wt xt 2 e (4.2.9a) se torna a equao
4.2.1.
b2 2 wt et (4.2.9b)
O termo wt 0 , porque
( xt x )
wt ( x x )2
1
2
( xt x ) 0 usando ( x x ) 0
t ( xt x )
t

Para mostrar que w x t t 1 ns novamente utilizamos

( x x ) . Outra expresso para ( x x ) 0
t
2
t
( x x ) ( x x )( x x ) ( x x )x x ( x x ) ( x x )x
t
2
t t t t t t t
Conseqentemente,
wt xt
(x x )x (x x) x
t
t t t
1
(x x ) (x x) x
t
2
t t
4.2.2 A Varincia e Covarincia de b1 e b2
Varincia: a varincia de uma

varivell aleatria uma
medida de sua disperso
estatstica, indicando o quo
longe em geral os seus valores
se encontram do valor esperado.
Covarincia: uma medida

do grau de interdependncia
(ou inter-relao) numrica entre
duas variveis aleatrias.
var(b2 ) E[b2 E (b2 )]2
Se as hipteses do modelo de regresso RS1-RS5 so

corretas (RS6 no necessria), ento as varincias e
covarincia de b1 e b2 so:
var(b1 )
2
xt
2

2
t
T ( x x )
2
var(b2 ) (4.2.10)
t
( x x ) 2
x
cov(b1 , b2 )
2
2
t
( x x )
Vamos considerar os fatores que afetam as varincias e

covarincia na equao 4.2.10.
1. A varincia do termo de erro aleatrio, 2 , aparece em
cada uma das expresses.
2. A soma dos quadrados dos valores de x em relao mdia
amostral, ( xt x )2 , aparece em cada uma das varincias e na
covarincia.
3. Quanto maior for o tamanho da amostra T, menores sero
as varincias e a covarincia dos estimadores de mnimos
quadrados; quanto maior a amostra de dados, melhor .
4. O termo x2 aparece na var(b1).
5. A mdia amostral dos valores de x aparecem na cov(b1,b2).

Deduo da varincia de b2: O ponto de partida a equao

4.2.1.
var(b2 ) var 2 wt et var wt et [como 2 uma constante]

= wt2 var(et ) [usando cov(ei , e j ) 0]
=2 wt2 [usando var(et ) 2 ]
2

( xt x )2 (4.2.11)
O ltimo passo se baseia no fato de que

( x x ) 2
1
t
w 2
t
( xt x )
2
2
( xt x ) 2
(4.2.12)
4.2.3 Estimadores Lineares
O estimador de mnimos quadrados b2 uma soma

ponderada das observaes de yt,
b2 wt yt
Estimadores como b2 so chamados de estimadores

lineares por serem combinaes lineares de uma varivel
aleatria observvel.
Com base em tudo quanto sabemos at agora, podemos
descrever b2 como um estimador linear no tendecioso de
B2, com varincia dada por (4.2.10).
Da mesma maneira, podemos descrever b1, como um

estimardor linear, no tendencioso de B1 com varincia
dada por (4.2.10).
4.3 O Teorema de Gauss-Markov
O Teorema de Gauss-Markov: Satisfazendo as

hipteses RS1-RS5 do modelo de regresso linear, os
estimadores b1 e b2 tm a menor varincia de todos os
estimadores lineares e no tendenciosos de 1 e 2.
Eles so os melhores estimadores lineares no
tendenciosos (the Best Linear Unbiased Estimators
BLUE) de 1 e 2
1. Os estimadores b1 e b2 so melhores quando comparados

com estimadores similares, aqueles que so lineares e no
tendenciosos. O Teorema no diz que b1 e b2 so os
melhores de todos possveis estimadores
2. Os estimadores b1 e b2 so os melhores dentro de sua

classe porque eles possuem a menor varincia.
3. Para o Teorema de Gauss-Markov ser vlido, as hipteses

(RS1-RS5) devem ser satisfeitas. Se qualquer uma das
hipteses de 1-5 no forem satisfeitas, ento b1 e b2 no
so os melhores estimadores lineares no tendenciosos de
1 e 2.
4. O Teorema de Gauss-Markov no depende da hiptese de

normalidade.
5. No modelo de regresso linear simples, se ns queremos

utilizar um estimador linear e no tendencioso, ento ns no
precisamos efetuar novas procuras.
6. O Teorema de Gauss-Markov aplicado aos estimadores de

mnimos quadrados. Ele no se aplica s estimativas
extradas de uma amostra individual.
Prova do Teorema de Gauss-Markov:
Seja b2* kt yt (onde os kt so constantes) qualquer

outro estimador linear de 2.
Suponha que kt wt ct , onde ct outra constante e wt

dado na equao 4.2.2.
Nesse novo estimador, substitua kt e simplifique,

utilizando as propriedades de wt na equao 4.2.9.
b2* kt yt ( wt ct ) yt ( wt ct )(1 2 xt et )
( wt ct ) 1 ( wt ct ) 2 xt ( wt ct ) et
1 wt 1 ct 2 wt xt 2 ct xt ( wt ct ) et
1 ct 2 2 ct xt ( wt ct ) et (4.3.1)
desde que wt = 0 e wt xt = 1. (4.3.2)
E (b2* ) 1 ct 2 2 ct xt ( wt ct )E (et )
1 ct 2 2 ct xt
Para o estimador linear b2 kt yt ser no tendencioso,

*
deve ser verdade que ct 0 e ct xt 0 (4.3.3)
Essas condies devem ser satisfeitas para b2 kt yt

*
estar na classe dos estimadores lineares e no

tendenciosos.
Ento assumamos as condies (4.3.3) e, as utilizando,

simplifique a expresso (4.3.1):
b2* kt yt 2 ( wt ct ) et (4.3.4)
Ns podemos agora encontrar a varincia do estimador

linear no tendencioso b2* , seguindo os passos da equao
4.2.11 e utilizando uma informao adicional que diz
ct ( xt x ) 1 x
ct wt ( x x )2 ( x x )2 ct xt ( x x )2 ct 0
t t t
Use as propriedades da varincia para obter
var(b2* ) var 2 ( wt ct ) et ( wt ct ) var(et )

2
2 ( wt ct ) 2 wt2 2 ct2
2
(4.3.5)
var(b2 ) 2 ct2
var(b2 ) como c2
t 0
4.4 Distribuio de Probabilidade dos
Se ns assumirmos a hiptese de normalidade, hiptese RS6

sobre o termo de erro, ento os estimadores de mnimos
quadrados so normalmente distribudos.
2 xt2
b1 ~ N 1 ,
T ( x x ) 2
t
(4.4.1)
2
b2 ~ N 2 , 2

( xt x )

Se as hipteses RS1-RS5 forem mantidas e se o tamanho da
amostra T for suficientemente grande, ento os estimadores
de mnimos quadrados tm uma distribuio que se aproxima
das distribuies normais mostradas na equao 4.4.1
4.5 Estimao da Varincia do Termo de Erro
A varincia da varivel aleatria et
var(et ) 2 E[et E (et )]2 E (et2 ) (4.5.1)
se a hiptese E(et)=0 for correta.
Como a esperana um valor mdio, ns podemos

estimar 2 pela mdia dos erros ao quadrado,
2
t
e 2
(4.5.2)
T
Lembre-se que os erros aleatrios so
et yt 1 2 xt
4.5 Estimao da Varincia do Termo de Erro
Os resduos de mnimos quadrados so obtidos pela

substituio dos parmetros desconhecidos pelos seus
estimadores de mnimos quadrados,
et yt b1 b2 xt
2
e 2
t
(4.5.3)
T
Existe uma modificao simples que produz um estimador no
tendencioso:
2
e 2
t
(4.5.4)
T 2
E (
2 ) 2 (4.5.5)
4.5.1 Estimao das Varincias e Covarincias dos
Substitua a varincia do erro desconhecida na equao 4.2.10

pelo seu estimador. Obtm-se:
b1 )
xt
2

ep(b1 ) var(
b1 )
2
2
var( ,
T ( xt x )
2
b2 )
var( , ep(b2 ) var(
b2 ) (4.6.6)
( xt x ) 2
x
b1 , b2 )
cov( 2
2
t
( x x )
4.6.2 As Varincias e Covarincias Estimadas
para o Exemplo da Despesa com Alimentao
b1 )

xt2

21020623
490,1200
2
2
var( 1429, 2456
T ( xt x ) 40(1532463)
ep(b1 ) b1 )
var( 490,1200 22,1387
2 1429, 2456
var(b2 )
0,0009326
( xt x ) 1532463
2
ep(b2 ) b2 ) 0,0009326 0,0305

var(
x 698
b1 , b2 )
cov(
2
2
1429, 2456 0,6510
( xt x ) 1532463

Econo Me Tria

Enviado por

Dados do documento

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

Econo Me Tria

Enviado por

Direitos autorais:

Formatos disponíveis

ECONOMETRIA

Prof. Victor Azambuja Gama

Regresso com variveis binrias;

Demonstrar ao aluno as tcnicas e

Econometria: um conjunto de ferramentas de pesquisa;

Econometria, resultado de um certo ponto de vista sobre o papel da

[] econometria pode ser definida como a anlise quantitativa de

Econometria pode ser definida como a cincia social na qual as

A econometria se ocupa da determinao

A arte do econometrista consiste em achar o

Quais disciplinas empregam a

Porque estudar econometria?

Economista terico X Anlise emprica

A econometria se ocupa da determinao

A arte do econometrista consiste em achar o

As relaes entre variveis econmicas, so expressas pelas

Por exemplo, para expressarmos uma relao entre renda i e

A quantidade demandada de Clios, qd, uma funo de quais

A oferta de um bem agrcola como a carne bovina pode

OBS: Econometria diz respeito a como ns podemos

Uma questo enfrentada pelo presidente do Banco Central

A resposta depender da reao das firmas e dos indivduos

As elasticidades e os multiplicadores so chamados de

Em que consiste a econometria?

Qual a importncia da econometria?

a) Um conselho municipal avalia quanto a violncia ser reduzida se um

b) Como questes de um candidato presidencial do tipo: quantos

c) O dono de uma franquia da Pizza Hut precisa decidir quanto de

d) Uma universidade precisa estimar quanto as matrculas cairo se a

e) Uma empresa precisa estimar a demanda que haver de um

f) Um agente imobilirio deve prever em quanto a populao e a

g) Voc precisa decidir quanto de suas economias vai aplicar em

Modelo: representao matemtica de

Por que utilizar um modelo?

Exemplo: modelo para explicar as vendas do carro gol;

Passo 1: especificao do modelo;

As vendas do carro Gol so determinadas por dois

Um modelo economtrico representando as vendas dos

Passo 2: determinar a forma algbrica da relao entre as as

Por exemplo: nos cursos de economia a quantidade demandada

Nesse caso, admiti-se que a parte sistemtica da relao de

1.4.1 Dados Experimentais

Modelo Descrio do Observaes Evidncias

Repetindo o experimento T vezes, criaramos uma amostra de T

1.4.1 Dados Experimentais

Vamos demonstrar um experimento controlado.

Objetivo: compreender como se determina a quantidade de

Em um mundo ideal para pesquisa, experimentos controlados

No experimento controlado, o grupo que o realiza fixa o nvel

1.4.1 Dados Experimentais

p = preo dos Clios = $25.000

No fim do ms, ns observamos que o nmero de Clios vendidos por um

Repetindo esse processo diversas vezes, uma amostra de dados econmicos

O resultado experimental que ns observamos a soma do componente

1.4.1 Dados Experimentais

1.4.1 Dados Experimentais

Importante: Os econometristas, desejam Teoria

explanatria (p, pc, ps, i) e a varivel

querem estimar o efeito () de uma

1.4.1 Dados Experimentais

1.4.2 Dados No Experimentais

Os dados podem ser coletados na forma de:

Esses dados podem ser coletados em diversos nveis de

1.4.2 Dados No Experimentais