Prof. Dr.

Joilson Dias 1
Programa de Mestrado em Economia
Universidade Estadual de Maringá
Maringá-PR
01/08/2005 jdias@uem.br

5. EQUAÇÕES SIMULTÂNEAS

5.1 – INTRODUÇÃO

Os modelos teóricos as vezes preconizam que determinadas variáveis são funções de

outras, que por sua vez são ainda função de outras exógenas. Esta relação entre variáveis
endógenas exige nas estimativas que tenhamos conhecimento de especificação do modelo
em função de variáveis exógenas. No entanto, existe determinadas técnicas que permite
especificarmos as variáveis ainda que tenhamos três variáveis endógenas em função de
duas exógenas, desde que sejam as mesmas para todas elas. Mais ainda, permite
considerarmos a correlação de erros existentes entre as equações quando da predição.
Aqui vamos nos concentrar primeiramente no método de regressão aparentemente não
relacionadas (SURE-Seemingly Unrelated Regression).

Hipótese: A nossa hipótese principal continua a mesma, mas agora podemos variar a
mesma e testar especificações alternativas que são contempladas nesta técnica. Vamos
admitir que a taxa de desemprego dos estados sejam função além das variáveis. Porém, o
atraso escolar é uma função da taxa de analfabetismo e da renda percapita dos estados
que são proxies da educação dos pais e de seus rendimentos. Neste caso temos um
sistema de equações onde as variáveis estão interligadas.

. reg pdes educemp txanalfa educempres

Source | SS df MS Number of obs = 130
-------------+------------------------------ F( 3, 126) = 17.92
Model | .023135199 3 .007711733 Prob > F = 0.0000
Residual | .054227074 126 .000430374 R-squared = 0.2991
-------------+------------------------------ Adj R-squared = 0.2824
Total | .077362273 129 .000599708 Root MSE = .02075

------------------------------------------------------------------------------
pdes | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
educemp | .0178423 .0031276 5.70 0.000 .0116528 .0240318
txanalfa | .1415187 .0349634 4.05 0.000 .0723272 .2107102
educempres | .0021594 .0019522 1.11 0.271 -.0017039 .0060227
_cons | -.0768141 .0247377 -3.11 0.002 -.1257692 -.027859

Nesta regressão o que fizemos foi tirar a variável atraso escolar e considerar a taxa de
analfabetismo para termos uma idéia da importância da taxa de analfabestimo. O seu
coeficiente é sgnificante e faz com que a educação dos empresarios não tenha mais
importância. É como se o nivel de educação dos empresarios selecionassem para
trabalhar as pessoas com um nivel de educação e, portanto, deixando de lado os
analfabetos. Ao considerarmos os analfabetos já não precisamos do nível educacional dos
empresários. Mas a interação entre as duas é esclarecedora do ponto de vista econômico.
 Prof. Dr. Joilson Dias 2
Programa de Mestrado em Economia
Universidade Estadual de Maringá
Maringá-PR
01/08/2005 jdias@uem.br
Portanto, a nossa idéia faz sentido econômico. Assim, vamos fazer duas regressoões para
serem comparativas.

. reg pdes educemp atraescol educempres

Source | SS df MS Number of obs = 130
-------------+------------------------------ F( 3, 126) = 26.11
Model | .02965348 3 .009884493 Prob > F = 0.0000
Residual | .047708794 126 .000378641 R-squared = 0.3833
-------------+------------------------------ Adj R-squared = 0.3686
Total | .077362273 129 .000599708 Root MSE = .01946
------------------------------------------------------------------------------
pdes | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
educemp | .0142859 .0022984 6.22 0.000 .0097374 .0188343
atraescol | .0231448 .0038662 5.99 0.000 .0154936 .030796
educempres | .0040665 .0018875 2.15 0.033 .0003312 .0078018
_cons | -.1259301 .0253414 -4.97 0.000 -.17608 -.0757802
------------------------------------------------------------------------------

. reg atraescol txanalfa pibrealpc

Source | SS df MS Number of obs = 130
-------------+------------------------------ F( 2, 127) = 163.86
Model | 37.6467266 2 18.8233633 Prob > F = 0.0000
Residual | 14.5893753 127 .114876971 R-squared = 0.7207
-------------+------------------------------ Adj R-squared = 0.7163
Total | 52.2361018 129 .404931022 Root MSE = .33894

------------------------------------------------------------------------------
atraescol | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
txanalfa | 4.328388 .4018316 10.77 0.000 3.533236 5.12354
pibrealpc | -.0000701 .0000211 -3.33 0.001 -.0001118 -.0000284
_cons | 2.943721 .1392972 21.13 0.000 2.668077 3.219365
------------------------------------------------------------------------------

O resultado da equação acima está em acordo com o esperado, ou seja parece que riqueza
dos estados e a condição de conhecimento de sua população influência a qualidade da
educação. O problema agora consiste em combinar estes dois resultados em um só.

5.2 – REGRESSÕES APRENTEMENTE NÃO RELACIONADAS -

SURE

O comando sureg permite estimarmos os dois modelos simultâneamente ao mesmo

tempo que consideramos suas potenciais correlações. Desta forma, obtemos coeficientes
e desvio padrões mais consistentes.
 Prof. Dr. Joilson Dias 3
Programa de Mestrado em Economia
Universidade Estadual de Maringá
Maringá-PR
01/08/2005 jdias@uem.br
. sureg (pdes educemp atraescol educempres) (atraescol txanalfa pibrealpc), corr
Seemingly unrelated regression
----------------------------------------------------------------------
Equation Obs Parms RMSE "R-sq" chi2 P
----------------------------------------------------------------------
pdes 130 3 .019171 0.3824 86.90 0.0000
atraescol 130 2 .3350023 0.7207 335.93 0.0000
----------------------------------------------------------------------

------------------------------------------------------------------------------
| Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
pdes |
educemp | .0148926 .0022605 6.59 0.000 .010462 .0193232
atraescol | .0247343 .0038026 6.50 0.000 .0172814 .0321873
educempres | .0041212 .0018562 2.22 0.026 .0004831 .0077594
_cons | -.1354237 .0249212 -5.43 0.000 -.1842684 -.0865791
-------------+----------------------------------------------------------------
atraescol |
txanalfa | 4.323229 .3968765 10.89 0.000 3.545366 5.101093
pibrealpc | -.0000706 .0000208 -3.39 0.001 -.0001114 -.0000299
_cons | 2.946537 .1375462 21.42 0.000 2.676952 3.216123
------------------------------------------------------------------------------

Correlation matrix of residuals:

pdes atraescol
pdes 1.0000
atraescol -0.0469 1.0000

Breusch-Pagan test of independence: chi2(1) = 0.286, Pr = 0.5926

Um dos resultados importantes aqui é o teste de Breusch-Pagan de independência dos

resíduos das duas equações (independência das mesmas). Segundo este teste as duas
equações podem ser consideradas independentes 59%, portanto acima dos 10% de
rejeição. Portanto, atraso escolar e desemprego são independentes. No entanto, atraso
escolar é determinante de taxa de desemprego. Portanto, temos um teste de exogeneidade
fraca simples, onde atraso escolar causa desemprego.

Uma forma alternativa e válida a considerar é que a economia determina primeiro o

atraso escolar e depois a taxa de desemprego. Para estimar este sistema endógeno
utilizamos outro comando.
 Prof. Dr. Joilson Dias 4
Programa de Mestrado em Economia
Universidade Estadual de Maringá
Maringá-PR
01/08/2005 jdias@uem.br
. reg3 (atraescol txanalfa pibrealpc) (pdes educemp atraescol educempres)
Three-stage least squares regression
----------------------------------------------------------------------
Equation Obs Parms RMSE "R-sq" chi2 P
----------------------------------------------------------------------
atraescol 130 2 .3350055 0.7207 335.50 0.0000
pdes 130 3 .0192645 0.3764 70.16 0.0000
----------------------------------------------------------------------

------------------------------------------------------------------------------
| Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
atraescol |
txanalfa | 4.310705 .3956294 10.90 0.000 3.535285 5.086124
pibrealpc | -.0000713 .0000207 -3.44 0.001 -.0001118 -.0000307
_cons | 2.951059 .1369156 21.55 0.000 2.68271 3.219409
-------------+----------------------------------------------------------------
pdes |
educemp | .0158838 .002432 6.53 0.000 .0111172 .0206505
atraescol | .0276005 .0055812 4.95 0.000 .0166615 .0385395
educempres | .0043005 .0019666 2.19 0.029 .0004461 .0081549
_cons | -.1525776 .0350308 -4.36 0.000 -.2212367 -.0839186
------------------------------------------------------------------------------
Endogenous variables: atraescol pdes
Exogenous variables: txanalfa pibrealpc educemp educempres
------------------------------------------------------------------------------

O sistema determina atraescolar que por sua vez ajuda explicar a taxa de desemprego dos
Estados brasileiros.

As variações são enormes sob estes dois comandos. Por exemplo no resultado acima
utilizamos mínimos quadrados em três estágios, mas podemos utilizar também o método
sure ou

. reg3 (atraescol txanalfa pibrealpc) (pdes educemp atraescol educempres), sure

Seemingly unrelated regression
----------------------------------------------------------------------
Equation Obs Parms RMSE "R-sq" chi2 P
----------------------------------------------------------------------
atraescol 130 2 .3350023 0.7207 335.93 0.0000
pdes 130 3 .019171 0.3824 86.90 0.0000
----------------------------------------------------------------------
------------------------------------------------------------------------------
| Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
atraescol |
txanalfa | 4.323229 .3968765 10.89 0.000 3.545366 5.101093
pibrealpc | -.0000706 .0000208 -3.39 0.001 -.0001114 -.0000299
_cons | 2.946537 .1375462 21.42 0.000 2.676952 3.216123
-------------+----------------------------------------------------------------
pdes |
educemp | .0148926 .0022605 6.59 0.000 .010462 .0193232
atraescol | .0247343 .0038026 6.50 0.000 .0172814 .0321873
educempres | .0041212 .0018562 2.22 0.026 .0004831 .0077594
_cons | -.1354237 .0249212 -5.43 0.000 -.1842684 -.0865791
------------------------------------------------------------------------------
 Prof. Dr. Joilson Dias 5
Programa de Mestrado em Economia
Universidade Estadual de Maringá
Maringá-PR
01/08/2005 jdias@uem.br
. reg3 (atraescol txanalfa pibrealpc) (pdes educemp atraescol educempres), ols
Multivariate regression
----------------------------------------------------------------------
Equation Obs Parms RMSE "R-sq" F-Stat P
----------------------------------------------------------------------
atraescol 130 2 .3389351 0.7207 163.86 0.0000
pdes 130 3 .0194587 0.3833 26.11 0.0000
----------------------------------------------------------------------

------------------------------------------------------------------------------
| Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
atraescol |
txanalfa | 4.328388 .4018316 10.77 0.000 3.537027 5.119749
pibrealpc | -.0000701 .0000211 -3.33 0.001 -.0001116 -.0000286
_cons | 2.943721 .1392972 21.13 0.000 2.669392 3.218051
-------------+----------------------------------------------------------------
pdes |
educemp | .0142859 .0022984 6.22 0.000 .0097595 .0188123
atraescol | .0231448 .0038662 5.99 0.000 .0155306 .0307589
educempres | .0040665 .0018875 2.15 0.032 .0003493 .0077837
_cons | -.1259301 .0253414 -4.97 0.000 -.1758371 -.0760231

Este último sistema foi estimado usando OLS equação por equação. A conclusão que
tiramos está com relação a estabilidade do modelo. As diferentes técnicas produzem os
mesmos coeficientes do ponto de vista estatístico o que reforça a hipótese de
especificação correta do modelo.
 Prof. Dr. Joilson Dias 6
Programa de Mestrado em Economia
Universidade Estadual de Maringá
Maringá-PR
01/08/2005 jdias@uem.br

5.3 – REGRESSÕES MULTIVARIADAS

Este método deve ser emrpegado sempre que o conjunto de equações possuem as mesmas
variáveis independentes, ou seja temos várias endógenas em função das mesmas
exógenas. Vamos admitir como exemplo que no nosso modelo exista duas variáveis
endógenas a serem explicadas pdes e atrasaescol. Como acreditamos que as variáveis são
funções básicamente dos diferentes niveis educacionais, ou seja educemp, educempres,
pibrealpc e gini, podemos fazer o seguinte teste:

. mvreg txanalfa pdes = educemp educempres pibrealpc gini

Equation Obs Parms RMSE "R-sq" F P
----------------------------------------------------------------------
txanalfa 130 5 .0440898 0.8167 139.2349 0.0000
pdes 130 5 .020987 0.2883 12.66065 0.0000

------------------------------------------------------------------------------
| Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
txanalfa |
educemp | -.0460822 .0054097 -8.52 0.000 -.0567888 -.0353757
educempres | -.0037948 .0042883 -0.88 0.378 -.0122819 .0046923
pibrealpc | -.0000122 2.88e-06 -4.25 0.000 -.0000179 -6.54e-06
gini | .864164 .126775 6.82 0.000 .6132606 1.115067
_cons | .0396841 .0866765 0.46 0.648 -.1318596 .2112277
-------------+----------------------------------------------------------------
pdes |
educemp | .0134275 .0025751 5.21 0.000 .0083311 .0185239
educempres | .0028763 .0020413 1.41 0.161 -.0011636 .0069162
pibrealpc | -4.30e-06 1.37e-06 -3.14 0.002 -7.01e-06 -1.58e-06
gini | .1562534 .0603455 2.59 0.011 .0368222 .2756846
_cons | -.1031751 .0412584 -2.50 0.014 -.1848306 -.0215195
------------------------------------------------------------------------------

-O resultado deste modelo é extremamente interessante. A distribuição de renda, como se

esperava, afeta a taxa de analfabetismo, mas o PIB per capita está negativamente
correlacionado, ou seja ao aumentarmos a produtividade reduzimos a taxa de
analfabetismo.
-Na equação pdes temos que tudo parece estar completamente correto. A exceção está
com relação a educação dos empresários que não afetam mais a taxa de desemprego.
Provavelmente, existe alguma relação desta variável e educemp. Como educação do
empresário determina a educação dos empregados, portanto, maior educação dos
empresários leva a uma maior educação dos empregados, colinearidade.

Para verificar o resultado anterior queremos verificar o resultado da economia, como

aprendemos em macro y=f(n). Assim usando pibrealpc para proxy de y e desemprego
para proxy (n) verificamos quais variáveis do capital humano determinam o que.

. mvreg pibrealpc pdes = educemp educempres txanalfa gini, corr

 Prof. Dr. Joilson Dias 7
Programa de Mestrado em Economia
Universidade Estadual de Maringá
Maringá-PR
01/08/2005 jdias@uem.br
Equation Obs Parms RMSE "R-sq" F P
----------------------------------------------------------------------
pibrealpc 130 5 1280.45 0.5747 42.23472 0.0000
pdes 130 5 .0208222 0.2995 13.35845 0.0000

------------------------------------------------------------------------------
| Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
pibrealpc |
educemp | 205.4752 196.6573 1.04 0.298 -183.734 594.6844
educempres | 366.7277 120.547 3.04 0.003 128.1503 605.3051
txanalfa | -10323.54 2427.925 -4.25 0.000 -15128.71 -5518.376
gini | 15663.14 4078.193 3.84 0.000 7591.896 23734.39
_cons | -7401.961 2430.811 -3.05 0.003 -12212.84 -2591.085
-------------+----------------------------------------------------------------
pdes |
educemp | .0176773 .003198 5.53 0.000 .0113481 .0240064
educempres | .0021755 .0019603 1.11 0.269 -.0017042 .0060552
txanalfa | .136626 .039482 3.46 0.001 .0584863 .2147657
gini | .0179344 .066318 0.27 0.787 -.1133171 .149186
_cons | -.0851319 .0395289 -2.15 0.033 -.1633645 -.0068993
------------------------------------------------------------------------------

Correlation matrix of residuals:

pibrealpc pdes
pibrealpc 1.0000
pdes -0.1847 1.0000

Breusch-Pagan test of independence: chi2(1) = 4.436, Pr = 0.0352

O conhecimento médio dos empresários é muito importante para determinação da

produtividade da economia. A distorção da distribuição de renda parece favorecer de
alguma forma uma maior produtividade. Enquanto que a educação dos empregados é
fator importante para o aumento do desemprego. O analfabetismo contribui para reduzir a
produtividade e aumentar o desemprego, esta é a principal conclusão econômica. A taxa
de desemprego parece ser indepedente estatisticamente do nível de produtividade.

Refaça os resultados anteriores usando atraso escolar e outras variáveis da sua livre
escolha. Lembre de fazer uma hipótese a priori a ser testada.