Capitulo 04 P02

Análise de Regressão Múltipla: Teste t
Aula 13, Introdução à Econometria
Prof. Moisés A. Resende Filho
Capítulo 04, parte 2
20 de julho de 2022
Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 1 / 33

1. Distribuição Amostral do Estimador MQO Padronizado
Teorema 4.2. A Distribuição t do Estimador Padronizado: sob

RLM.1 a RLM.6 e condicional em f(xi 1 , xi 2 , ..., xik ) : i = 1, 2, ..., n g na
amostra, o estimador MQO padronizado
β̂j βj
tβ̂ tn (k +1 ) , j = 0, 1, ..., k (1)
j ep ( β̂j )
com ep ( β̂0 ) = ∑n σ̂ br 2 , ep ( β̂j ) = p σ̂

, j = 1, 2, ..., k,
i =1 i 0 SQT j (1 R j2 )
r
n
ub2
σ̂ = n∑i(=k1+1i ) , (k + 1) o número de parâmetros estimados por MQO no
modelo y = β0 + β1 x1 + . . . + βk xk + u e n (k + 1) o número de graus
de liberdade da distribuição t de student.

Distribuição Amostral do Estimador MQO Padronizado
Leia tβ̂ tn = 0, 1, ..., k como "a estatística tβ̂ tem

(k +1 ) , j
j j
distribuição t com n (k + 1) graus de liberdade para j variando de
zero a k".
Como ep ( β̂j ) é uma estimativa de dp ( β̂j ), a razão tβ̂ mede em
j
quantos erros-padrão β̂j se afasta de βj .

Lembremos que erro-padrão é o desvio-padrão estimado.
De forma simpli…cada, foi porque substituímos dp ( β̂j ) por ep ( β̂j ), ou
seja, substituímos
r σ, que é uma constante de valor desconhecido, pela
∑=
n
ubi
estimativa σ̂ = n (ik +
1
1)
em cada amostra, que a distribuição
normal padrão foi substituída pela distribuição t.

2. A Distribuição t
Apesar de tβ̂ tn (k +1 ) , obtemos uma estimativa de dp ( β̂j ) ou
j
erro-padrão ep ( β̂j ) em cada amostra.

Como estimamos σ com σ̂, ao usarmos ep ( β̂j ) no lugar de dp ( β̂j ),
β̂j βj
temos menos certeza sobre tβ̂ do que teríamos sobre zβ̂ dp ( β̂j )
.
j j
Função densidade de probabilidade normal padrão:

1 z 2 /2
f (z ) = p e
2π
Função densidade de probabilidade t de student:
gl + 1
t2 2
f (t; gl ) = c 1+
gl
em que c é uma constante determinada de modo a garantir que a
área sob a curva de probabilidade seja 1.
A Distribuição t
A distribuição t tem média zero e formato de sino, como a

distribuição normal padrão, mas a distribuição t é mais espalhada,
pois tem variância maior que 1:
gl
Var (t ) = > 1, gl > 2 (2)
gl 2
gl
Como lim = 1, assintoticamente, t tem distribuição normal
gl !∞ gl 2
padrão.
3
Por exemplo, se gl = 3, Var (tgl ) = 3 2 = 3, ou seja, 300% maior
que a variância da Normal (0, 1).
120
Já se gl = 120, Var (tgl ) = 120 2 = 1, 0169, ou seja, apenas 1, 69%
maior que a variância da normal padrão.

A Distribuição t
De fato, as distribuições normal padrão e t praticamente se sobrepõem a
partir de gl > 120. Por curiosidade, o grá…co abaixo apresenta os grá…cos
da normal padrão e t de Student com 6 gl.
.4
.3
.2
.1
0
-4 -2 0 2 4
Normal
Normal Padrão t com 6 gl

A Distribuição t no Stata
* Plota uma distribuição t e normal padrão em um mesmo grá…co

#delimit;
graph twoway (function y=normalden(x), range(-4 4) lw(medthick))
(function y=tden(6,x), range(-4 4) lw(medthick)),
title("Distribuição Normal Padrão versus t com 6 gl")
xtitle("Normal", size(medlarge)) ytitle()
xlabel(-4(2)4)
xscale(lw(medthick)) yscale(lw(medthick))
legend(on)
graphregion(fcolor(white));
#delimit cr

3. Teste de Hipótese sobre um Parâmetro da RLM
Empregaremos o Teorema 4.2 para testar a hipótese nula de que xj

da RLM em RLM.1 não tem efeito sobre y , ou seja,
H0 : βj = 0.
A hipótese nula deve sempre ser formulada em relação ao

parâmetro populacional.

3.1. Terminologia de Testes de Hipótese
Hipótese alternativa bilateral,
H1 : βj 6= 0
o que caracteriza um teste bicaudal.

Hipótese alternativa unilateral à direita,
H1 : β j > 0
ou, à esquerda,
H1 : β j < 0
o que caracteriza um teste monocaudal.

3.2. Execução de um Teste de Hipótese
Por exemplo, no modelo
lsalarioh = β0 + β1 educ + β2 exper + β3 perm + u
estamos interessados na taxa de retorno da escolaridade, 100β1 .

Ou seja, estamos interessados em testar se escolaridade (educ) não
afeta lsalarioh,
H0 : β 1 0 ou , simplesmente, H0 : β1 = 0
contra
H1 : β 1 > 0
Isto porque esperamos que, se escolaridade afeta salário, tal efeito é
positivo.
Os primeiros dois passos para executar um teste de hipótese
consistem em de…nir a hipótese nula e a hipótese alternativa.
Execução de um Teste de Hipótese
Como a hipótese alternativa unilateral
H1 : β j > 0
implica a hipótese nula
H0 : β j 0,
se rejeitamos βj = 0 também rejeitamos βj < 0.

Na prática, estabelecemos simplesmente
H0 : βj = 0,
procedendo como se não nos importássemos com possíveis valores

negativos de βj .

O terceiro passo na execução de um teste de hipótese consiste em

estabelecermos a estatística do teste, no caso de H0 : βj = 0 no
MCRL,
β̂j
tβ̂ =
j ep ( β̂j )
r
n
ub2
com ep ( β̂j ) = r σ̂n e σ̂ = n∑i(=k1+1i ) .
∑= r2
b
i 1 ij
Faremos assim porque sabemos pelo Teorema 4.2 que, sob RLM.1 a
RLM.6,
tβ̂ tn (k +1 ) .
j

Passos na execução de um teste de hipótese

1 De…na a hipótese nula, por exemplo, H0 : βj = 0.
2 De…na a hipótese alternativa, H1 : βj 6= 0 (bilateral) ou H1 : βj > 0
(unilateral à direita) ou H1 : βj < 0 (unilateral à esquerda).
3 Estabeleça a estatística do teste e sua distribuição amostral, por
β̂j
exemplo, tβ̂ = ep ( β̂j )
tn (k +1 ) .
j
4 Estabeleça o nível de signi…cância do teste ou probabilidade de

rejeitar H0 quando H0 é verdadeira, erro tipo I.
5 Obtenha o valor crítico tc tal que, ao nível de signi…cância
pré-estabelecido, possamos aplicar a regra de rejeição, por examplo,
tβ̂ > tc .
j

Por exemplo, consideremos H0 : βj = 0 contra H1 : βj > 0, um teste

monocaudal à direita com 28 graus de liberdade e nível de
signi…cância de 5%.
Sabemos que o valor crítico da distribuição tc a 5% é
t5%;28gl . = 1, 701, consultando a Tabela G.2, p. 652 em
Wooldridge (2011) ou obtendo com o comado Stata di
invttail(28,0.05)
. di invttail(28,0.05)
1.7011309

Ou seja, temos que

Portanto, a regra de rejeição de H0 : βj = 0 em favor de H1 : βj > 0 é
β̂j
tβ̂ = > 1, 701,
j ep ( β̂j )
ou seja, se a estatística tβ̂ for maior que 1, 701, consideramos que há

j
evidências su…cientemente fortes contra H0 , o que nos leva a rejeitar
H0 em favor de H1 .
Por outro lado, se tβ̂ 1, 701, não rejeitamos H0 .
j

Mantendo gl = 28, mas considerando outros níveis de signi…cância, temos
1.3125268
1.7011309
2.4671401

Ou seja, se há 28 graus de liberdade, os t críticos a 10%, 5% e 1%

são:
t10%;28gl = 1, 313
t5%;28gl = 1, 701
t1%;28gl = 2, 467
tal que quanto menor o nível de signi…cância, maior o valor crítico tc .

Sendo assim, se rejeitamos H0 a 1%, também rejeitamos a 5% e 10%.
Se não rejeitamos H0 a 10%, também não rejeitamos a 5% e 1%.

Para amostras de tamanho grande com gl > 120, podemos usar os

valores críticos da distribuição normal padrão a 10%, 5% e 1% de
signi…cância.
Estes valores críticos podem também ser obtidos com os comandos
Stata di invnormal(0.90); di invnormal(0.95); di invnormal(0.99),

Esses mesmos valores estão na linha gl = ∞ da Tabela G.2 de

Wooldridge (2011), utilizando o nível de signi…cância da linha "1-
Monocaudal", tal que
z10% = 1, 282
z5% = 1, 645
z1% = 2, 326
Estes valores podem ser arredondados para 1, 28, 1, 65 e 2, 36, sendo

que o valor crítico 1, 65 é muito comum em testes unicaudais.

Como a distribuição t é simétrica, deve-se testar
H0 : βj = 0
contra
H1 : βj < 0,
utilizando o valor crítico tc , rejeitando H0 se
β̂j
tβ̂ = < tc
j ep ( β̂j )
ou
tβ̂ > tc .
j

Por exemplo, como para gl = 18 e ao nível de 5% para um teste unilateral

à esquerda tc = 1, 734 - vide Tabela G.2, p. 652 do Wooldridge ou
comando Stata, a regra de rejeição é tβ̂ < 1, 734 ou tβ̂ > 1, 734:
j j

4. Exercício 1
Exemplo 4.1 em Wooldridge (2011) - Na equação do salário-hora

com o modelo econométrico
lsalario = β0 + β1 educ + β2 exper + β3 perm + u,
é conveniente escrever
H0 : βeduc = 0
contra
H1 : βeduc > 0
Na prática, é conveniente apresentar as hipóteses com os parâmetros
tendo como subscritos os nomes das variáveis.

Exercício 1
O modelo estimado (vide próximo slide) com base nos comandos

Stata: bcuse wage1, clear; ren lwage lsalario; ren tenure perm; reg
lsalario educ exper perm, cformat(%9.3f) pformat(%5.4f)
sformat(%8.3f) é
\ = 0, 284 + 0, 092educ + 0, 004exper + 0, 022perm

lsalario
(0,104 ) (0,007 ) (0,002 ) (0,003 )
n = 526, R 2 = 0, 316

Exercício 1
. bcuse wage1, clear

. ren lwage lsalario
. ren tenure perm
. reg lsalario educ exper perm, cformat(%9.3f) pformat(%5.4f) sformat(%8.3f)
Source SS df MS Number of obs = 526

F(3, 522) = 80.39
Model 46.8741805 3 15.6247268 Prob > F = 0.0000
Residual 101.455581 522 .194359351 R-squared = 0.3160
Adj R-squared = 0.3121
Total 148.329762 525 .28253288 Root MSE = .44086
lsalario Coef. Std. Err. t P>|t| [95% Conf. Interval]
educ 0.092 0.007 12.555 0.0000 0.078 0.106

exper 0.004 0.002 2.391 0.0171 0.001 0.008
perm 0.022 0.003 7.133 0.0000 0.016 0.028
_cons 0.284 0.104 2.729 0.0066 0.080 0.489
.
Exercício 1
Os números entre parênteses abaixo das estimativas MQO são os

erros-padrão, tal que
0, 092
tbβ = 12, 555
educ 0, 007
e, como tbβ > t1%;522gl = 2, 326, rejeitamos H0 : βeduc = 0 em
educ
favor de H1 : βeduc > 0 ao nível de signi…cância de 1%.

Exercício 1
O p-valor do teste é a estimativa do erro tipo I, ou seja, da

probabilidade de H0 ser verdadeira e, mesmo assim, ser
rejeitada.
Assim, se o p-valor do teste é menor que o nível de signi…cância
pré-estabelecido, rejeitamos H0 em favor de H1 .
O Stata reporta na coluna "P > j t j"o p-valor dos testes t de
H0 : βj = 0, j = 0, 1, ..., k contra suas respectivas hipóteses
alternativas bilaterias H1 : βj 6= 0, j = 0, 1, ..., k.

Exercício 1
R ∞ o p-valor de H0 : βeduc = 0 é
Por exempo, como
0, 000 = 2 12,555
f (t )dt, com f (t ) a fdp de t com 522 gl.e,
portanto, menor que 1%, rejeitamos H0 : βeduc = 0 em favor de
H1 : βeduc 6= 0.
Note que, como o p-valor do teste de H0 : βeduc = 0 contra
H1 : βeduc > 0 é 0,000
2 = 0, 000, as conclusões do teste bicaudal e
monocaudal são idênticas.

Exercício 1
No caso de
H0 : βexper = 0
contra
H1 : βexper > 0
O p-valor do teste de H0 : βexper = 0 contra H1 : βexper 6= 0 é 1, 71%,
R∞
sendo 0, 0171 = 2 2.391
f (t )dt, com f (t ) a fdp de t com 522 gl.

Exercício 1
Como se trata de um teste unicaudal, devemos dividir o p-valor

reportado pelo Stata por dois, obtendo
p-valor = 0, 0171 2 = 0, 0085 ou 0,85%
que, como é menor que o nível de signi…cância de 1%, nos leva a

rejeitar H0 em favor de H1 .
Contudo, note que, como 1, 71% > 1%, não rejeitaríamos H0 no
teste bicaudal H0 : βexper = 0 contra H1 : βexper 6= 0.

5. Exercício 2
O número de faltas afeta "negativamente"o desempenho dos

alunos no exame …nal? Ou seja, considerando o modelo
econométrico
…nal = β0 + β1 skipped + β2 priGPA + β3 ACT + u,
qual a conclusão do teste de
H0 : βskipped = 0
contra
H1 : βskipped < 0 ?

Exercício 2
Com os comandos Stata bcuse attend, clear ; reg …nal skipped priGPA
ACT, cformat(%9.3f) pformat(%5.4f) sformat(%8.3f), obtemos
. bcuse attend, clear
. reg final skipped priGPA ACT, cformat(%9.3f) pformat(%5.4f) sformat(%8.3f)
Source SS df MS Number of obs = 680

F(3, 676) = 56.79
Model 3032.09408 3 1010.69803 Prob > F = 0.0000
Residual 12029.853 676 17.7956405 R-squared = 0.2013
Adj R-squared = 0.1978
Total 15061.9471 679 22.1825435 Root MSE = 4.2185
final Coef. Std. Err. t P>|t| [95% Conf. Interval]
skipped -0.079 0.035 -2.252 0.0247 -0.149 -0.010

priGPA 1.915 0.373 5.140 0.0000 1.184 2.647
ACT 0.401 0.053 7.535 0.0000 0.297 0.506
_cons 12.373 1.172 10.558 0.0000 10.072 14.674

Exercício 2
Como tβ̂ = 2, 252 e os valores críticos para amostras grandes,

skipped
como é o caso para gl = 676, são t5%;676gl = 1, 65 e
t1%;676gl = 2, 36, rejeitamos H0 ao nível de 5%, mas não ao nível
de 1%, pois tβ̂ > t5%;676gl , mas tβ̂ < t1%;676gl .
skipped skipped
De fato, como o p-valor do teste é 0, 0247 2 = 0, 01235, ou seja,

1, 235%, não rejeitamos H0 a 1% de signi…cância, mas rejeitamos a
qualquer nível de signi…cância maior que 1, 235%, por exemplo, a 5%.
Já se o teste é bicaudal, também não rejeitamos H0 a 1%, pois
2, 47% é maior que 1%.
Em termos práticos, o efeito de faltar aulas não é grande, deixar de
faltar 10 aulas em um total de 32 aulas aumenta a nota prevista no
exame …nal em apenas 0, 79 pontos, ou seja, em menos que um
ponto.

Capitulo 04 P02

Enviado por

Dados do documento

Descrição original:

Título original

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

Capitulo 04 P02

Enviado por

Direitos autorais:

Formatos disponíveis

Análise de Regressão Múltipla: Teste t

Aula 13, Introdução à Econometria

Prof. Moisés A. Resende Filho

Capítulo 04, parte 2

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 1 / 33

Teorema 4.2. A Distribuição t do Estimador Padronizado: sob

com ep ( β̂0 ) = ∑n σ̂ br 2 , ep ( β̂j ) = p σ̂

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 2 / 33

Leia tβ̂ tn = 0, 1, ..., k como "a estatística tβ̂ tem

quantos erros-padrão β̂j se afasta de βj .

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 3 / 33

erro-padrão ep ( β̂j ) em cada amostra.

Função densidade de probabilidade normal padrão:

A distribuição t tem média zero e formato de sino, como a

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 5 / 33

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 6 / 33

* Plota uma distribuição t e normal padrão em um mesmo grá…co

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 7 / 33

Empregaremos o Teorema 4.2 para testar a hipótese nula de que xj

A hipótese nula deve sempre ser formulada em relação ao

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 8 / 33

Hipótese alternativa bilateral,

o que caracteriza um teste bicaudal.

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 9 / 33

Por exemplo, no modelo

lsalarioh = β0 + β1 educ + β2 exper + β3 perm + u

estamos interessados na taxa de retorno da escolaridade, 100β1 .

Como a hipótese alternativa unilateral

implica a hipótese nula

se rejeitamos βj = 0 também rejeitamos βj < 0.

procedendo como se não nos importássemos com possíveis valores

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 11 / 33

O terceiro passo na execução de um teste de hipótese consiste em

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 12 / 33

Passos na execução de um teste de hipótese

4 Estabeleça o nível de signi…cância do teste ou probabilidade de

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 13 / 33

Por exemplo, consideremos H0 : βj = 0 contra H1 : βj > 0, um teste

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 14 / 33

Ou seja, temos que

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 15 / 33

Portanto, a regra de rejeição de H0 : βj = 0 em favor de H1 : βj > 0 é

ou seja, se a estatística tβ̂ for maior que 1, 701, consideramos que há

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 16 / 33

Mantendo gl = 28, mas considerando outros níveis de signi…cância, temos

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 17 / 33

Ou seja, se há 28 graus de liberdade, os t críticos a 10%, 5% e 1%

tal que quanto menor o nível de signi…cância, maior o valor crítico tc .

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 18 / 33

Para amostras de tamanho grande com gl > 120, podemos usar os

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 19 / 33

Esses mesmos valores estão na linha gl = ∞ da Tabela G.2 de

Estes valores podem ser arredondados para 1, 28, 1, 65 e 2, 36, sendo

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 20 / 33

Como a distribuição t é simétrica, deve-se testar

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 21 / 33

Por exemplo, como para gl = 18 e ao nível de 5% para um teste unilateral

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 22 / 33

Exemplo 4.1 em Wooldridge (2011) - Na equação do salário-hora

lsalario = β0 + β1 educ + β2 exper + β3 perm + u,

Moisés Resende Filho (ECO/UnB) RLM e Teste t, capítulo 4 20/07/2022 23 / 33

O modelo estimado (vide próximo slide) com base nos comandos