Escolar Documentos
Profissional Documentos
Cultura Documentos
SUMRIO PGINA
2. Consistncia de um Estimador 5
4. Heterocedasticidade 11
5. Multicolinearidade 17
Gabarito 30
Ol Pessoal! A ltima aula foi pesada no? Ento, hoje vou pegar bem mais leve
com vocs. Mas, neste caso, aproveitem para fazer revises e lembrara das partes
difceis j ensinadas!
Muitos vo terminar esta aula falando mas que fcil. Isso tem dois pontos.
Primeiro, isso proposital, dado que eu peguei pesado na ltima aula e vocs
precisam de um flego, vem coisa braba por a, acreditem! Segundo, esta matria
despenca nas provas, ento aproveite para saber bem sabido!
Porm, vamos terminar o assunto anterior, que tratou de inferncias sobre o modelo
de regresso linear mltipla. Assim vamos falar sobre mtodos de seleo entre
Este um problema do R que impede seu uso como critrio de escolha entre dois
modelos. Suponha que vocs estimem dois modelos:
Vocs perceberam que a ideia a mesma? Voc est avaliando a perda de graus
de liberdade ao serem acrescentadas novas variveis em um modelo. Perceba que
a comparao : ser que a perda de graus de liberdade foi mais que
compensada pela varincia explicada de variveis adicionais includas em um
modelo?
Dica de um concurseiro
Vamos para a prxima etapa da nossa aula e talvez um dos contedos mais
importantes para qualquer econometrista: a violao das hipteses bsicas do
modelo de regresso linear.
Vamos l.
2. Consistncia de um Estimador
Provavelmente, seu professor de Estatstica j te ensinou isso, mas eu vou dar uma
lembrada em vocs!
E:
assim amigos, olhem as expresses acima! O que elas esto dizendo que,
quando a amostra tende para o infinito, ou seja, para a populao, a mdia do
estimador tende para seu valor populacional, enquanto que a varincia desta
estimativa tende para zero.
Veja que esta uma excelente qualidade para um estimador, haja vista ser bastante
reconfortante que, ao aumentar a sua amostra, voc saiba que estar caminhando
para encontrar o real valor do seu parmetro.
Por que estou falando tudo isso? Pelo seguinte, quando vocs estiverem no
BACEN, avaliando as regresses que vocs estimaram, vocs tero que avaliar os
problemas estatsticos que estas podem conter, o que pode, inclusive, invalidar os
resultados que vocs encontraram. Mas, em alguns casos, voc pode encontrar
regresses que, apesar de possurem problemas, possuem propriedades desejveis
em grandes amostras. A voc tem a soluo: busque mais observaes! (Como se
fosse fcil assim...hehhehe).
Bom, sabendo isso tudo, vamos estudar os problemas economtricos mais comuns!
Bom, este pressuposto foi necessrio para que se possam realizar testes
estatsticos sobre os parmetros estimados, no caso da aula 00, para a utilizao do
teste F.
Resumindo.
O TLC nos ensina que uma varivel padronizada (varivel que tem seu valor
diminudo de sua mdia e divido pelo seu desvio padro) tem uma distribuio que
tende para a distribuio normal quando o tamanho da amostra cresce.
Gente pense um pouquinho, os erros de um modelo MQO tm, por definio, mdia
zero e desvio padro igual a 1, portanto, o seu valor igual sua verso
padronizada. Portanto, pode-se inferir que, se o tamanho da amostra tende
para o infinito (isso , fica muito grande), a distribuio dos erros tende para a
normal.
Entenderam? por isso que ningum costuma se preocupar muito com este
problema. Porque, se a amostra for muito grande, os erros tendero a ter
distribuio normal.
Continuando a aula!
Meus amigos, isso no uma coisa muito comum de cair em prova, portanto, um
assunto que no vou adentrar. Mas, saibam somente uma coisa, uma das formas de
se realizar tal procedimento por meio do teste de Jarque-Bera. Sob a hiptese
nula de resduos normalmente distribudos, a estatstica de teste para este
procedimento segue uma distribuio com dois graus de liberdade. No perca
(ANPEC 2003)
Considere o modelo de regresso linear mltipla para dados seccionais:
Questo 1
Para que os estimadores de MQO sejam os melhores estimadores lineares no
tendenciosos necessrio que os erros sejam normalmente distribudos.
Questo 2
A incluso de uma nova varivel explicativa no modelo reduzir o coeficiente
de determinao R.
Questo 3
Para que as estatsticas t e F sejam vlidas assintoticamente necessrio que
os erros sejam normalmente distribudos.
Resoluo
Questo 1
Esta de graa pessoal. J ensinei a vocs que a hiptese de erros normalmente
distribudos no afeta o Teorema de Gauss-Markov, portanto, o estimador no deixa
de ser o melhor estimador linear no tendencioso (BLUE).
Questo 2
Outra de graa, ANPEC vai ser fcil para vocs! R nunca diminui com novas
variveis explicativas.
Questo 3
Perfeito. Quando os erros no possuem distribuio normal, as estatsticas sobre os
parmetros no so confiveis.
4. Heterocedasticidade
Olhem bem! Vocs notaram que os erros tm maior disperso quanto maiores os
valores da renda das famlias? Isso tem todo o sentido. Quanto menor a renda de
uma pessoa, menos h espao para decidir o quanto poupar, pois a maior parte do
dinheiro destas pessoas gasto com suas necessidades bsicas, que so, na
mdia, iguais para as pessoas deste patamar de renda. Entretanto, quanto maior a
renda, mais espao existe para os indivduos implementarem suas prprias
escolhas, o que aumenta a diversidade da forma como as pessoas gastam ou
poupam suas rendas.
Este um modelo que tem heterocedasticidade, afetando uma das hipteses que
fizemos.
Isso deriva do fato que uma das hipteses necessrias para se demonstrar o
Teorema de Gauss-Markov que a varincia dos erros seja constante, sob pena de
o estimador no ser mais BLUE.
Um teste muito utilizado e o mais cobrado o teste de White. Este teste visa
entender se os erros de uma determinada regresso dependem do valor de suas
variveis explicativas, isso , se um fenmeno tal como descrito no grfico que eu te
mostrei l em cima est ocorrendo. Caso o valor das variveis explicativas
afetarem de maneira significativa os erros da regresso, h um indcio de
heterocedasticidade.
Por exemplo, dada uma regresso da poupana de uma famlia ( ) explicada por
sua renda ( ) e pela quantidade de pessoas nesta famlia ( ), tem-se que:
Na qual so os resduos.
Ou seja, estime uma regresso na qual os erros so uma varivel dependente das
variveis explicativas, em nvel, dos seus quadrados e, em alguns casos, dos
seus produtos cruzados.
Neste teste voc deve dividir a sua amostra em 2 e realizar um teste estatstico para
avaliar se a varincia igual em ambas. Entendem a lgica? A idia avaliar se a
A forma mais comum de dividir a amostra dividi-la entre a parte da amostra com
as observaes de menor valor da parte com maiores valores. H mtodos
estatsticos que sugerem retirar a parte central da amostra e s ficar com os pontos
extremos (s de valor muito baixo ou muito alto), mas vocs no precisam entender
isso, s foquem na idia do teste!
Mas antes precisamos pensar em uma coisa: como testar a igualdade entre
varincias? Eu j te disse e voc j aprendeu em Estatstica: por meio do teste F.
Este teste serve para comparar varincias, o que ser feito com a comparao da
soma dos quadrados dos resduos (SQR) da regresso em questo para as duas
parcelas da amostra (com os menores e com os maiores valores da amostra,
retirando-se as intermedirias).
Viram? Agora ns temos duas SQR, a das famlias que menos poupam ( )e
das famlias que mais poupam ( ). Vamos comparar estas varincias com o
teste F, desta forma:
S para vocs lembrarem, percebam que cada SQR deve ser divida pelo seu
respectivo grau de liberdade (gl), o que nos d a varincia dos erros para cada
seo da regresso, 1 e 2.
Sob a hiptese nula de que estas varincias so iguais, o teste F acima segue uma
distribuio F com ( gl no numerador e ( ) gl no denominador.
Maravilha galera! Ainda esto acordados? Que sono hein? Vamos acordar e
trabalhar!
Assim, a varincia dos erros no constante, pois ela depende de um fator varivel
, que pode depender de uma srie de fatores. No nosso exemplo de poupana
das famlias, a varivel pode ser uma funo positiva da renda das famlias, o que
aumentaria a varincia para observaes associadas com maiores valores de
renda.
Est dando para entender? meio complicado, tem que pensar mesmo! Usem o
frum, tirem dvidas!
Olhem s:
5. Multicolinearidade
Vamos ao ltimo tpico desta aula. Ento, fora a que est acabando!
Quando h multicolinearidade em um
modelo, suas estimativas ainda assim so
BLUE
Qual o problema ento? o seguinte, a varincia dos estimadores ser muito maior
quando h multicolinearidade, ento, por conseqncia, os testes de hipteses
sero afetados.
Vocs se lembram que eu disse que quando houver colinearidade perfeita a matriz
? Mais especificamente, o determinante desta matriz ser zero!
Com efeito, entendam uma coisa de forma intuitiva: quanto maior for a
correlao entre as variveis explicativas, menor ser o valor de .
Alm disso, devido alta varincia dos parmetros, os valores e sinais dos
coeficientes estimados ficam muito sensveis, podendo sofrer alteraes
significativas no caso de retirada ou colocao de alguma varivel.
Opa! Mas, como identificar este problema? Bom, no h uma metodologia bem
definida, pois a maioria tem falhas. Mas, uma alternativa observar os prprios
coeficientes estimados, bem como os testes t para seus parmetros. Olhe,
Multicolinearidade sinnimo de sensibilidade dos parmetros a novas
variveis e observaes.
Uma primeira possibilidade que voc consiga, por meio dos testes efetuados,
identificar entre quais variveis est a alta correlao e, a partir da, retirar ou
transformar as variveis problemticas. Por exemplo, no nosso exemplo de
poupana, algo que resolveria o problema seria a criao de uma nova varivel:
renda domiciliar per capita. Esta seria criada a partir da diviso da renda pelo
nmero de familiares na casa.
Outra possibilidade seria no fazer nada! Isso porque o estimador ainda BLUE e
permite previses. Olha, tem muitos autores que nem costumam valorizar o
problema de multicolinearidade, quando no exata. Segundo estes autores,
multicolinearidade de valor muito alto seria derivada, em muitas das vezes, de uma
amostra pequena, na qual a varincia tende a ser maior.
Questo 4
(PETROBRAS ECONOMISTA/2005) Heterocedasticidade refere-se situao
onde a varincia dos erros :
a) constante e igual a 1
b) constante
c) varivel
d) varivel entre 0 e 1
e) infinita sempre
Resoluo
Bem fcil hein pessoal? Nem pense, letra (c).
Questo 5
(ESTATSTICO MPE/2006) No modelo de regresso mltipla
Resoluo
Bom gente, j falamos sobre isso, sob heterocedasticidade, o estimador no
viesado, mas no mais BLUE, bem como no podemos confiar nos testes de
hipteses sobre estes. Ah, os teste mais comuns so os que eu te mostrei, esquece
o Glesjer!
Questo 6
provvel que haja multicolinearidade devido escolaridade do pai e da me.
Questo 7
A varivel sexo do filho binria
Questo 8
Ainda que o R possua um valor baixo, as variveis independentes podem ter
influncia significativa sobre a varivel dependente.
Resoluo Questo 6
Sim , pois de se esperar que a educao do pai esteja correlacionada com a
educao da me.
Resoluo Questo 7
Ns j estudamos isso. Sexo um tipo de caracterstica qualitativa. Assim, s pode
ser captada por uma varivel dummy (binria).
Resoluo Questo 8
Claro, o R nada tem a ver com o teste t aplicado aos coeficientes individualmente.
Questo 9
BACEN (2006) Uma das principais aplicaes da Econometria tem sido a sua
utilizao na obteno de modelos que explicam a procura de produtos nos
diversos setores da economia. Por exemplo, em determinado pas, adotou-se
o modelo para avaliar a demanda per capita de um
determinado produto, com base e, observaes nos ltimos 10 anos.
Dados:
o erro aleatrio
Resoluo
Vamos construir a ANOVA.
Soma dos
Graus de Liberdade Quadrados Mdios F
Quadrados
Explicados
2 0,308 154
0,6160
Resduos
7 0,002
0,0140
Totais
9 0,07
0,63
R = 97,77
Questo 10
De acordo com o Teorema de Gauss-Markov, se todas as hipteses bsicas
forem satisfeitas, os estimadores sero os melhores estimadores lineares no
tendenciosos
Questo 11
X e W no devem ser correlacionados, caso contrrio ocorrer
multicolinearidade
Resoluo Questo 10
Resoluo Questo 11
(ANPEC 2003)
Considere o modelo de regresso linear mltipla para dados seccionais:
Questo 1
Para que os estimadores de MQO sejam os melhores estimadores lineares no
tendenciosos necessrio que os erros sejam normalmente distribudos.
Questo 2
A incluso de uma nova varivel explicativa no modelo reduzir o coeficiente
de determinao R.
Questo 3
Para que as estatsticas t e F sejam vlidas assintoticamente necessrio que
os erros sejam normalmente distribudos.
Questo 4
(PETROBRAS ECONOMISTA/2005) Heterocedasticidade refere-se situao
onde a varincia dos erros :
a) constante e igual a 1
b) constante
c) varivel
d) varivel entre 0 e 1
e) infinita sempre
Questo 5
(ESTATSTICO MPE/2006) No modelo de regresso mltipla
Questo 6
provvel que haja multicolinearidade devido escolaridade do pai e da me.
Questo 7
A varivel sexo do filho binria
Questo 8
Ainda que o R possua um valor baixo, as variveis independentes podem ter
influncia significativa sobre a varivel dependente.
Questo 9
BACEN (2006) Uma das principais aplicaes da Econometria tem sido a sua
utilizao na obteno de modelos que explicam a procura de produtos nos
diversos setores da economia. Por exemplo, em determinado pas, adotou-se
o modelo para avaliar a demanda per capita de um
determinado produto, com base e, observaes nos ltimos 10 anos.
Dados:
o erro aleatrio
Questo 10
De acordo com o Teorema de Gauss-Markov, se todas as hipteses bsicas
forem satisfeitas, os estimadores sero os melhores estimadores lineares no
tendenciosos
Questo 11
X e W no devem ser correlacionados, caso contrrio ocorrer
multicolinearidade
Gabarito
1F
2F
3V
4c
5c
6V
7V
8V
9c
10 V
11 V
Boa Pessoal! A Aula hoje foi bem mais tranquila! Ento, caprichem e aprendam tudo
dela! E, to importante quanto, descansem! A prxima aula ser pesada! O
contedo ser bem mais denso.
jeronymo@estrategiaconcursos.com.br