3/8/2020
SUMARIO
TEMA #2
Análise de Regressão Múltipla com
Informações Qualitativas
2.1 A Descrição da informação qualitativa
Factores qualitativos aparecem frequentemente na
forma de informação binaria.
 Uma pessoa é do genero feminino ou masculino; É
da religião A ou não; É de raça branca ou não; É da
região B ou não; É casada ou não; etc.
 Alguem possui ou não um computador pessoal;
 Uma empresa oferece ou não certo tipo de plano de
pensão a seus empregados;
 Uma pessoa tem idade entre 20-35 vs pessoas com
idade superior a 35, etc.;
2.2 Uma unica variável independente dummy
Consideremos o seguinte modelo de determinação de
salários por hora (salárioh):
saláriohi = β0 + δ0genero + β1educi + ui
Onde genero = 1 se é mulher e genero = 0 se é homem;
Somente dois factores observados afectam os salários:
genero e educação;
Como a variável genero = 1 se é mulher e genero = 0 se é
homem, a variável δ0 é a diferença no salário por hora
entre mulheres e homens, dado o mesmo grau de
educação;
2.1 Descrição da informação qualitativa
2.2 Uma unica variável independente Dummy
2.3 Mais que uma variável independente dummy
2.4 Uso de variáveis Dummy para várias categorias;
2.5 Interacções envolvendo variáveis Dummy;
2.6 Uma variável dependente binária: O Modelo de
probabilidade linear;
2.1 A Descrição da informação qualitativa
O método de “quantificar” tais variáveis é construindo
variáveis artificiais que toma valores 1 ou 0;
Tais variáveis binarias são em geral chamadas variáveis
dummy;
Atenção à arbitrariedade na atribuição dos valores 0 e
1 com o beneficio real de permitirem uma
interpretação bastante natural dos parametros;
2.2 Uma unica variável independente dummy
Assumindo a hipotese de média condicional zero,
E(u/genero, educ) = 0, ent ão:
δ0 = E(salárioh|genero=1,educ) – E(salário|genero=0,educ)
Sendo genero = 1 se é mulher e genero = 0 se é homem,
podemos escrever a expressão acima de forma mais
simples:
δ0 = E(salárioh|mulher,educ) – E(salárioh|homem,educ)
O importante aqui é que o nivel de educação é o mesmo
em ambas as expectativas; a diferenç a δ0 deve-se
somente ao género;
1

2.2 Uma unica variável independente dummy
A situação pode ser descrita graficamente como um
deslocamento do intercepto entre as linhas que representam
homens e mulheres
A Figura mostra δ0 < 0, o que significa que os homens ganham um
montante fixo por hora a mais que as mulheres. Ja que a diferença
não depende do nivel de educação. Isso explica os perfis salário-
educação das mulheres e dos homens serem paralelos.
2.3 Mais que uma variável independente dummy
Nada mais muda quando mais variáveis explicativas são
incluidas. Considerando os homens como o grupo base
(genero=1 se mulher), um modelo que controla a
experiência alem da educação seria:
saláriohi = β0 + δ0genero + β1educi + β2experi + ui
Se educ e exper forem todas caracteristicas da
produtividade, a hipotese nula de não-existência de
diferença entre homens e mulheres será H0: δ0 = 0. A
hopotese alternativa de que existe discriminação contra
mulheres será : H1: δ0 < 0.
2.3 Mais que uma variável independente dummy
Assim, se compararmos uma mulher e um homem com os
mesmos niveis de educação e experiência, a mulher ganha,
em média, 1,81 dolares por hora a menos que um homem.
As restantes variáveis tem uma interpretação normal de uma
regressão multipla envolvendo variáveis quantitativas.
3/8/2020
2.2 Uma unica variável independente dummy
saláriohi = β0 + δ0genero + β1educi + ui
Na equação acima, o grupo contra o qual as comparações
são feitas é conhecido por grupo base ou de referência. Neste
caso é homem (genero = 0).
Esta é a razão pela qual β 0 é o intercepto para os homens e δ0
é a diferença dos interceptos entre mulheres e homens.
Poderiamos ter escolhido as mulheres como grupo base
atribuindo genero = 1 se homens e genero = 0 se mulher;
2.3 Mais que uma variável independente dummy
Utilizando os dados contidos no arquivo WAGE1.RAW foi
estimado o modelo anterior que forneceu os seguintes
resultados:
salárioh = -1,607 - 1,813genero + 0,575educ + 0,026exp
(0,727) (0,266) (0,0495) (0,012)
n = 526 R2 = 0,364
O intercepto negativo (-1,607) – o intercepto para os
homens, neste caso – não tem significado economico.
O coeficiente associado ao genero (-1,813) regista a
diferença média no salário por hora entre uma mulher e um
homem, dados os mesmos niveis de educ e exper.
2.4 Interpretação dos coeficientes de variáveis Dummy
explicatvas quando a variável dependente é
expressa como log(y)
Consideremos agora os resultados de estimação da
equação salarial, usando log(salárioh) como a variável
dependente e adicionando termos quadraticos em exper:
Log(salárioh) =0,417 - 0,297genero + 0,080educ + 0,029exp -0,00058exp2
(0,099) (0,036) (0,007) (0,005) (0,00010)
n = 526 R2 = 0,441
2
 3/8/2020

2.4 Interpretação dos coeficientes de variáveis Dummy

2.4 Variável dependente é expressa como log(y) - contin
explicatvas quando a variável dependente é
expressa como log(y) Log(salárioh) =0,417 - 0,297genero + 0,080educ + 0,029exp - 0,00058exp2
Log(salárioh) =0,417 - 0,297genero + 0,080educ + 0,029exp - 0,00058exp2 (0,099) (0,036) (0,007) (0,005) (0,00010)
(0,099) (0,036) (0,007) (0,005) (0,00010) n = 526 R2 = 0,441
n = 526 R2 = 0,441 A partir dos resultados da regressão anterior, teremos:
O coeficiente do genero implica que, para os mesmos niveis de Log(saláriohM) – log(saláriohH) = 0,297
educ e exper, as mulheres ganham cerca de 100(0,297) = 29,7% a
menos que os homens. Fazendo a exponênciação e a subtração temos:
(salárioM – salárioH) / saláriohH = exp(-0,297) – 1 ≈ -0,257
Podemos fazer melhor que isso se computarmos a diferença
percentual exacta nos salários previstos. A diferença percentual
Esta estimativa mais exacta implica que o salário de uma mulher
exacta nos salários entre mulheres e homens, mantendo fixos
é, em média, 25,7% menor que o salário de um homem nas
todos os outros factores: (saláriohM – saláriohH) / saláriohH
mesmas condições.

2.5 Uso de variáveis dummy para várias categorias 2.5 Uso de variáveis dummy para várias categorias

Podemos usar diversas variáveis dummy independentes na A estimação da equação anterior forneceu os seguintes
mesma equação. resultados:
Podemos, por exemplo, adicionar a variável dummy estado Log(salárioh) = 0,123 – 0,290genero+0,079educ+0,027exper
civil (estdciv) na equação anterior com estdciv = 1 se casado (0,106) (0,036) (0,007) (0,005)
e estdciv = 0 caso contrario:
– 0,00054exper2 + 0,053estdciv
Log(salárioh) = β0 + δ0genero + β1educ + β2exper + β3exper2 (0,00011) (0,041)
+ δ1estdciv + u n = 526 R2 = 0,461

O coeficiente da variável estdciv fornece o diferêncial

proporcional (aproximado) nos salários entre aqueles que Assim, o “prémio” por ser casado é estimado em torno de
são, ou não casados, mantendo fixos o genero, educ e 5,3%. Porém, é estatisticamente insignificante (t=1,29).
exper;

2.5 Uso de variáveis dummy para várias categorias 2.5 Uso de variáveis dummy para várias categorias

Uma limitação importante do modelo anterior é de que o Colocando as tres variáveis na equação e eliminando a variável
prémio por ser casado é assumido como o mesmo para genero (ja que passa a ser redundante) produz os seguintes
homens e mulheres. Podemos relaxar esta limitação resultados:
considerando agora diferenças salariais entre quatro grupos: Log(salárioh) = 0,321 + 0,213hcasados - 0,198mcasadas - 0,110msolteiras
homens casados, mulheres casadas, homens solteiros e (0,100) (0,055) (0,058) (0,056)
mulheres solteiras.
+ 0,079educ + 0,027exper – 0,00054exper2
Para fazermos isso, temos que seleccionar um grupo base. (0,007) (0,005) (0,00011)
Seja homens solteiros. n = 526 R2 = 0,461
De seguida devemos definir as variáveis dummy para cada
Todos os coeficientes, excepto o de msolteiras, têm estatisticas t
um dos demais grupos. Vamos chama-los hcasados,
superiores a 2 em termos absolutos. A estatistica t de msolteiras
mcasadas, e msolteiras.
esta em torno de -1,96, que é significante apenas ao nivel de 5%.

3
 3/8/2020

2.5 Uso de variáveis dummy para várias categorias 2.5 Uso de variáveis dummy para várias categorias

Log(salárioh) = 0,321 + 0,213hcasados - 0,198mcasadas - 0,110msolteiras • Assim, estima-se que, ceteris paribus, os homens casados
(0,100) (0,055) (0,058) (0,056) ganhem cerca de 21,3% mais que os homens solteiros;
+ 0,079educ + 0,027exper – 0,00054exper2 • Ceteris paribus,uma mulher casada ganha 19,8% menos
que um homen solteiro, com os mesmos niveis das outras
(0,007) (0,005) (0,00011)
variáveis;
n = 526 R2 = 0,461
• Como o grupo base é representado pelo intercepto,
Sendo o grupo base o de homens solteiros, as estimativas das incluimos variáveis dummy para apenas tres dos grupos para
tres variáveis dummy medem a diferença proporcional nos não cair na armadilha da variável dummy;
salários relativamente aos homens solteiros; • Embora os homens solteiros sejam o grupo base no nosso
exemplo, podemos usar a equação para obter a diferença
estimada entre dois grupos quaisquer;

2.5 Uso de variáveis dummy para várias categorias 2.5 Interacções envolvendo variáveis dummy
Log(salárioh) = 0,321 + 0,213hcasados - 0,198mcasadas - 0,110msolteiras
(0,100) (0,055) (0,058) (0,056) Em regressão multipla, para alem de permitir diferentes
+ 0,079educ + 0,027exper – 0,00054exper2 interceptos para qualquer numero de grupos, tambem
(0,007) (0,005) (0,00011) n = 526 R2 = 0,461 existem casos de interação de variáveis dummy com
variáveis explicativas que não são dummy para permitir
uma diferença nas inclinações.
Como o intercepto global é comum a todos os grupos, podemos
ignora-lo quando procuramos diferenças; Suponha que queiramos verificar se o retorno da
educação é o mesmo para homens e mulheres,
• Assim, a diferença proporcional estimada entre as mulheres considerando um diferêncial de salários constante entre
solteiras e as casadas é:
homens e mulheres.
-0,110 – (-0,198) = 0,088
Para simplificar, incluimos somente educação e genero no
Significa que as mulheres solteiras ganham cerca de 8,8% mais modelo:
que as muheres casadas;

2.5 Interacções envolvendo variáveis dummy 2.5 Interacções envolvendo variáveis dummy

O grafico (a - δ0<0 e δ1<0) mostra o caso em que o intercepto das

Consideremos o seguinte modelo:
mulheres esta abaixo do intecepto dos homens enquanto que a
inclinação da linha é menor para as mulheres do que para os
Log(salárioh) = β0 + δ0genero + β1educ + δ1genero*educ + u homens em todos os niveis da educação.
Isso significa que as mulheres ganham menos que os homens em
Se fizermos genero = 0, veremos que o intercepto de todos os niveis da educação e a diferenca aumanta conforme
homens é β 0, enquanto a inclinação na educação dos educ se torna maior.
homens é β1.
Para as mulheres, usamos genero = 1; Assim, o intercepto
para mulheres sera β0 + δ0 e a inclinação sera β1 + δ1;
Assim, δ0 mede a diferença nos interceptos entre homens e
mulheres, enquanto que δ1 mede a diferença no retorno
da educação entre mulheres e homens;

4

2.5 Interacções envolvendo variáveis dummy
O grafico (b - δ0<0 e δ1>0) ) o intercepto das mulheres esta abaixo
do intecepto dos homens, mas a inclinação da educação é maior
para as mulheres. Isso significa que as mulheres ganham menos
que os homens em baixos niveis da educação mas a diferenca
diminui conforme educ aumenta. Em algum ponto, uma mulher
ganhara mais que um homem, dado o mesmo nivel da educação
(qual é esse ponto?)
2.5 Interacções envolvendo variáveis dummy
O retorno estimado da educação dos homens nesta equação é
0,082, ou 8,2%.
Para muheres, o retorno é 0,082 – 0,0056 = - 0,0764, ou cerca de
7,6%;
A diferenca (-0,56%) ou pouco mais de meio pp a menos para as
mulheres, não é economicamente grande nem estatisticamente
significativo: a estatistica t = -0,0056/0,0131 = -0,43.
Assim, podemos concluir não haver evidência contra a hipotese
de que o retorno da educação seja o mesmo para homens e
mulheres;
2.6 Uma variável dependente binária: O Modelo de
probabilidade linear (MPL)
Existem três abordagens de modelos probabilísticos de
variável dependente binária:
1.Os Modelos de probabilidade linear (MPL)
2.Os Modelos logit
3.Os Modelos Probit
Por causa da sua comparativa simplicidade, e porque
podemos também estimar usando o método dos MQO,
vamos considerar primeiro os MPL.
3/8/2020
2.5 Interacções envolvendo variáveis dummy
Adicionando os termos quadraticos de experiência e
permanência e estimando a equação, obtem-se os seguintes
resultados:
Log(salárioh) = 0,389 - 0,227genero + 0,082educ + 0,0056genero*educ
(0,119) (0,168) (0,008) (0,0131)
+ 0,029exper – ,00058exper2
(0,005) (0,00011)
n = 526 R2 = 0,441
2.5 Interacções envolvendo variáveis dummy
Tambem podemos estar interessados na hipotese de que os
salários medios são identicos para homens e mulheres que
tenham os mesmos niveis da educação;
Significa que δ0 e δ1 devem ambos ser zero sob a hipotese
nula. Para isso, precisamos usar o teste F para testar H0: δ0 = 0,
δ1 = 0;
Sob a H0, a estatistica F = 34,33 que e um valor muito superior
comparativamente a variável aleatoria F com glnumerador = 2 e
gldenominador = 518 pelo que a hipotese nula é rejeitada.
2.6 Uma variável dependente binária: O Modelo de
probabilidade linear (MPL)
Para perceber melhor, considere o seguinte modelo de
regressão linear:
(2.6.1)
Yi= β0 + β1Xi1 + ... + βkXik + u
O modelo (2.6) parece-se a um modelo de regressão linear
típico, mas porque a variável dependente é uma variável
binaria que assume somente um de dois valores: zero e um,
é chamado de modelo de probabilidade linear (MPL);
Como Y pode assumir simente dois valores, os coeficientes
de regressão (βk) não podem ser interpretados como
mudanca em Y devido ao aumento em Xi mantendo fixos
todos os outros factores;
5
 3/8/2020

2.6 Uma variável dependente binária: O Modelo de 2.6 Uma variável dependente binária: O Modelo de
probabilidade linear (MPL) probabilidade linear (MPL)
Se assumirmos que a hipotese de media condicional zero é Se Pi = probabilidade de que y =1 (isto é, o evento ocorre),
valida, isto é, E(u|x1 ,..., xk) = 0, entao teremos, como e (1−Pi) = a probabilidade de que y = 0 (isto é, de que o
sempre: E(y|x) = β0 + β1X1 + ... + βkXk evento não ocorre), a variável y
terá a seguinte distribuição (de probabilidade).
Onde x é uma forma abreviada que representa todas as Yi Probabilidade
0 1-Pi
variáveis explicativas. 1 Pi
Total 1

Quando y é uma variável binaria assumindo os valores zero
e um, é sempre verdade que: P(y=1|x) = E(y|x) - a
probabilidade de “sucesso” – isto é, a probabilidade de que
y = 1 é a mesma do valor esperado de y.
Assim,, temos a importante equação
(2.6.2)
P(y=1|x) = β0 + β1X1 + ... + βkXk
Que mostra a probabilidade de sucesso, digamos p(x) =
P(y=1|x) tambem chamada de probabilidade de resposta

2.6 Uma variável dependente binária: O Modelo de 2.6 Uma variável dependente binária: O Modelo de
probabilidade linear (MPL) probabilidade linear (MPL)

Pela definição do valor esperado ou esperança matemática Uma vez que a probabilidade P deve estar entre 0 e 1,
da distribuição Binomial, se obtêm: temos a seguinte restrição:

E(y|x) = 0(1-P) + 1(P) = P (2.6.3) 0 <= E(y|x) <= 1

Isto é, a probabilidade condicional deve estar entre 0 e 1.
Comparando (5.2) com (5.3), podemos igualar
A regressão linear multipla com variável dependente binária
E(y|x) = β0 + β1X1 + ... + βkXk = P (2.6.4) é chamado de Modelos de Probabilidade Linear (MPL)
porque a resposta probabilística é linear nos parâmetros β i.
Isto é, a esperança condicional do modelo (2.6.2) pode, de
facto, ser interpretado como a probabilidade condicional de
y.

2.6 Uma variável dependente binária: O Modelo de 2.6 Uma variável dependente binária: O Modelo de
probabilidade linear (MPL) probabilidade linear (MPL)
Nos MPL, os βi medem a variação na probabilidade de
sucesso pela variação do Xi mantendo outros factores Exemplo
constantes. Tecnicamente:
∆P(y = 1|x) = βj∆xj Considere os dados sobre a
(2.6.5) posse de casa (y=1 se possui e y
Se escrevermos a equação estimada como = 0 se não possui) e renda familiar
Y^ = β^0 + β^ 1x1 + ... + β^ kxk de 40 familias. Com base nos
dados, foi ajustado o seguinte
Temos que nos lembrar que y^ é a probabilidade de MPL:
sucesso prevista.
O coeficiente de inclinação β^1 mede a mudança prevista y = β0 + β1x1 + ɛ
na probabilidade de sucesso quando x1 aumenta em uma
unidade.

6
 3/8/2020

2.6 Uma variável dependente binária: O Modelo de 2.6 O Modelo de probabilidade linear (MPL): Exemplo
probabilidade linear (MPL)
O coeficiente de inclinação de 0.1021 significa que por uma
Tendo fornecido os seguintes resultados: variação na renda (aumento em $1000) em média a
probabilidade de possuir uma casa aumenta em 0.1021 ou 10,2%.
Yi  0.9457  0.10213 X i
Também, a partir dos resultados de regressão obtidos, podemos
(0.123) (0.0082 ) R 2  0.805 estimar a probabilidade actual de possuir casa para um dado
nível da renda.
Interpretação:
O intercepto de −0.9457 fornece a “probabilidade’’ de que Assim, para x = 12 ($12000), a probabilidade estimada de possuir
uma familia com rendimento zero possua casa. Dado que casa é de:
é negativo, e dado que a probabilidade nunca pode ser E (Yi | X  12)  0.9457  0.10213 * (12)
negativa, considera-se este valor como zero, o que é  0.2795
plausivel no presente caso.
Isto é, a probabilidade de que uma familia com renda de $12 000
possua casa é de cerca de 28%.

2.6 Características dos MPL 2.6 Problemas dos MPL

• Funciona como um modelo de regressão linear normal, mas
muda a interpretação porque agora Y é binária.
• Um valor previsto de Y (Y-chapeu) é a previsão da
probabilidade de que a variável dependente é igual a um,
dado X.
• Um coeficiente é a variação na probabilidade de que Y =1
para uma variação unitária da variável independente de
interesse, mantendo tudo o resto constante.
• Não normalidade do termo erro: Porque, tal como Y, o termo
erro toma somente dois valores, ou seja, tambem seguem a
distribuição binomial;
• Heteroscedasticidade dos termos erro: porque para a
distribuição binomial, a média e variância são respectivamente
nP e np(1− p), o que mostra que a variância é uma função da
média. Por conseguinte, o termo erro é heteroscedastico;
• Possibilidade de não satisfazer a restrição: Dado que E(Yi|X) nos
MPL mede a probabilidade condicional de Y dado X, se
encontre entre 0 e 1, não ha garantias de que isso possa
necessaraimente ocorrer;
• Os MPL assumem dependência linar entre Y e X;
O problema fundamental com os MPL é de que não serem
logicamente muito atractivos, porque assumem que Pi = E(Y =
1|X) aumenta linearmente com X, isto é, o efeito ou incremento
marginal de X mantem-se constante.

2.6 Problemas dos MPL: Medidas Correctivas

• Usa MQ ponderados (WLS) para resolver o problema de

heteroscedasticidade;

• Aumenta o tamanho da amostra para minimizar o

problema de não-normalidaade;

• Usa a técnica dos mínimos quadrados restritos (RLS) ou

programação matemática para forçar que a probabilidade
estimada se encontre no intervalo de 0 e 1;

• Usa os modelos Logit e Probit para resolver o problema de

dependência liner;