Escolar Documentos
Profissional Documentos
Cultura Documentos
● O que é?
- Invalida as fórmulas da variância dos estimadores de MQO, uma vez que essas
dependem de sigma.
- Os testes F e t passam a ser inválidos, uma vez que essas dependem também
do erro padrão, que por sua vez depende de sigma.
- MQO não é mais o melhor estimador linear não viciado (BLUE), pode haver
estimadores mais eficientes, uma vez que no MQO não haverá mais variância
mínima.
Esse teste parte do pressuposto que os erros têm de seguir distribuição normal.
Quando não estamos trabalhando com erros que seguem distribuição normal, podemos
fazer o teste de White.
Esse teste segue a princípio a mesma estrutura que o teste BP, porém a diferença
crucial é que não vamos regredir o erro padrão ao quadrado apenas ao regressores
originais, mas também aos regressores ao quadrado e aos termos de interações entre
os regressores.
Da mesma forma, o teste é feito com a hipótese nula formulando que todos os
coeficientes de regressão são iguais a 0, logo os erros seguiram homocedasticidade.
- Variância robusta:
Através da estimativa de uma variância do beta que variância seja robusta, ou seja,
válida mesmo na presença de heterocedasticidade.
Fórmula da variância robusta de White. Pode ser aplicada a raiz para obter o erro
padrão robusto de White, possibilitando o cálculo das estatísticas de teste t usuais.
Podemos estimar:
Porém, mesmo que não especifiquem de forma correta a forma funcional da
heterocedasticidade, o MQP ainda será consistente, porém os erros padrões não serão
ideais, sendo necessária a correção destes, por meio, por exemplo, do erro padrão
robusto.
No modelo matricial dado por homocedasticidade, temos a variância do erro dada por
2
E[ƐƐ’] = Var [Ɛ] = σ I, assim temos uma matriz onde a diagonal principal é formada por
2
σ e os outros valores são todos 0. Podemos entender que esses valores que estão fora
da diagonal principal representam as covariâncias entre os erros, no caso da ausência
de correlação entre os erros, eles são 0, mas na presença de correlação entre os erros,
esse números assumirão valores distintos.
2
Em um contexto de heterocedasticidade, a variância do erro dado X será dada por σ Ω
2
ao invés de σ I, onde Ω≠ I, e os valores da diagonal principal não assumem valores
iguais.
O traço de uma matriz é a soma dos elementos da diagonal principal, no caso da matriz
em heterocedasticidade, teremos que o traço Ω= n, onde Ω é uma matriz nxn. Então
teremos que como fazer uma ‘normalização’ para impedir indeterminações na matriz Ω,
2 2
dessa forma, tr(σ I) = nσ .
Onde todos os valores exceto Ω são não-estocásticos, então para provar a consistência
dividimos por n, logo dependemos apenas de Ω, que se este for uma constante e n
subir ao infinito, teremos consistência.
White desenvolveu uma forma de estimar a variância de beta, por meio do uso do
2
termo do erro como uma proxy para σ :
Questões extras: