Escolar Documentos
Profissional Documentos
Cultura Documentos
MARKOV
Profa. Samira Schatzmann
Uso de
informações
estatística afirmações
sobre as
características
populacionais.
Desconhecemos os parâmetros
populacionais
Estimadores de Mínimos
Estimadores Quadrados
Estimadores de Máxima
Verossimilhança
Estimadores ■ Um dos procedimentos mais usados para obter
estimadores é aquele que se baseia no princípio
Regressão
afetam a variável dependente.
■ Importante para testar teorias econômicas e
avaliar efeitos da política
Linear ■ Como os modelos de RLM acomodarem
muitas variáveis explicativas que podem
Regressão
explicar Y, então mais da variação de Y pode
ser explicadas. Permite, portanto, a
construção de modelos melhores.
Múltipla
popularmente mais usado para estimar os
parâmetros do modelo de RLM
Modelo de Regressão Linear Múltipla
𝑌 = 𝛽 +𝛽 𝑋 + 𝛽 𝑋 + ⋯ + 𝛽 𝑋 + 𝑢
Assim como na regressão simples, temos que fazer hipóteses sobre 𝑢 – termo de erro ou
perturbação. Contém outros fatores, além de X1, X2..., Xk , que afetam Y. Não importa
quantas variáveis explicativas incluímos em nosso modelo, pois sempre haverá fatores que
não podemos incluir, e estão contidos, coletivamente, em 𝑢.
Estimativas de MQO
Interpretação:
Sobre o significado de “manter outros
fatores fixos” na RLM
■ A interpretação de efeito parcial dos
coeficientes de inclinação na análise de RM
pode causar alguma confusão
■ O poder da análise de RLM é que ele
proporciona uma interpretação ceteris paribos
mesmo que os dados não sejam coletados de
uma maneira ceteris paribus (ou seja, fixos)
■ Ideia de “controlar” pelos fatores observáveis
Propriedades Estatísticas dos
Estimadores de MQO
■ Lembrando que propriedades estatísticas não têm nada a ver com
uma amostra particular, mas sim, com a propriedade dos
estimadores quando a amostragem aleatória é feita
repetidamente.
Propriedades Estatísticas dos
Estimadores de MQO
RLM1 – Linear nos parâmetros Hipóteses de
RLM2 – Amostragem aleatória Não Gauss-Markov
Viesado para regressão
RLM3 – Colinearidade não perfeita de corte
transversal
RLM4 – Média condicional zero
RLM5 – Homocedasticidade Menor Hipóteses
RLM6 – Ausência de correlação serial Variância adicionais para
séries temporais
RLM7 – Normalidade dos erros
Teorema de Gauss-Markov
Modelo populacional, ou verdadeiro, implica que todos os fatores relevantes (X) para
entender Y estão listados
são os parâmetros desconhecidos (constantes) de interesse e é um erro
aleatório não observável ou um termo de perturbação aleatória
Os são lineares – e as variáveis independentes podem ser funções de variáveis de
interesse, como quadrados e logaritmos naturais.
RLM2 – Amostragem aleatória
■ Condicional em , os erros
em duas observações
diferentes não são
correlacionados
RLM7 – Erro normalmente distribuído
𝐸 𝛽 = 𝛽 , 𝑗 = 0, 1, … , 𝑘
, onde
Então vejamos...
Estimadores de
MQO
Para efeito das
demonstrações que
faremos acerca das
violações dos
pressupostos,
utilizaremos as
definições dos
estimadores da RLS.