ECONOMETRIA

Prof. Victor Azambuja Gama

Nenhuma parte deste material poderá ser reproduzida para
fins comerciais. Este material foi desenvolvido com o propósito
de auxiliar as aulas da disciplina de Econometria do curso de
Ciências Econômicas da Universidade Estadual de Mato
Grosso do Sul (UEMS).
 EMENTA
 Análise de Regressão (com duas variáveis, com regressão
múltipla);
 O modelo clássico de regressão linear e suas hipóteses básicas;
 Estimadores de mínimos quadrados ordinários e suas
propriedades;
 Intervalos de confiança e teste de hipóteses;
 Regressão com variável “dummy”;
 Regressão com variáveis binárias;
 Violação das hipóteses básicas do modelo clássico de regressão

linear: testes de diagnóstico e procedimentos de correção;

 Modelos auto-regressivos e de defasagens distribuídas;
 Modelos de equações simultâneas;
 Introdução a modelos de séries de tempo: Modelos
autoregressivos, de médias móveis e mistos;
 Tendência determinística e estocástica; raízes unitárias e
cointegração.
 OBJETIVOS

 Demonstrar ao aluno as técnicas e métodos

econométricos básicos, capacitando-o a entender
e analisar trabalhos empíricos na área de
economia. Possibilitando a utilização deste
instrumental em análises econômicas e no próprio
trabalho de conclusão de curso.
 REFERÊNCIA

GUJARATI, Damodar N.; PORTER, Dawn

C. Econometria Básica. 5 ed., Amgh Editora,
2011.
Capítulo 2 - A Natureza da Análise
de Regressão
1.1 Origem histórica do termo regressão

• Galton verificou que, embora existisse

uma tendência de que pais altos tivessem
filhos altos e pais baixos tivessem filhos
baixos, a estatura média das crianças
nascidas de pais com uma dada altura
tendia a mover-se ou "regredir" à altura
média da população como um todo
(GALTON, 1886).
 1.1 Origem histórica do termo regressão

• A lei da regressão universal de Galton foi

Confirmada por seu amigo Karl Pearson, que coletou
mais de mil registros de altura de membros de
grupos familiares. Ele constatou que a altura média
dos filhos de um grupo de pais altos era menor do
que a de seus pais e que a altura média de um grupo
de filhos de pais baixos era maior do que a de seus
pais (PEARSON, 1886).

• Nas palavras de Galton, isso era uma "regressão à

mediocridade".
 1.2 A interpretação moderna da regressão

• A análise de regressão diz respeito ao estudo da

dependência de uma variável, a variável
dependente, em relação a uma ou mais variáveis,
as variáveis explanatórias, visando estimar e/ou
prever o valor médio (da população) da primeira
em termos dos valores conhecidos ou fixados (em
amostragens repetidas) das segundas.

• Exemplos (p. 39-42).

 1.2 A interpretação moderna da regressão

Variável Dependente (Y); Variáveis Explicativas (X’s).

1. Y = Altura dos filhos; X = Altura dos pais

2. Y = Altura dos meninos; X = Idade dos meninos
3. Y = Despesas de consumo pessoal
X = Renda pessoal disponível
4. Y = Demanda; X = Preço
5. Y = Taxa de variação dos salários
X = Taxa de desemprego
6. Y = Moeda/Renda; X = Taxa de Inflação
7. Y = % variação na demanda; X = % variação nas
despesas com publicidade
8. Y = Produção do milho; X’s = temperatura, chuva, sol
1.2 A interpretação moderna da regressão
1.2 A interpretação moderna da regressão
1.2 A interpretação moderna da regressão
1.2 A interpretação moderna da regressão
1.3 Relações estatísticas versus determinísticas

• Na análise de regressão, estamos preocupados com o

que é conhecido como dependência estatística, e não
funcional ou determinística, entre as variáveis, como
aquelas da física clássica.

• Nas relações estatísticas entre variáveis, lidamos

essencialmente com variáveis aleatórias ou estocásticas,
isto é, variáveis que têm distribuições probabilísticas.

• Exemplo: a dependência do rendimento das lavouras em

relação à temperatura, pluviosidade, luz solar ou
fertilizante.
1.4 Regressão versus causação

• Regressão não implica necessariamente uma causação. Uma

relação estatística, por mais forte e sugestiva que seja, nunca
pode estabelecer uma conexão causal: nossas ideias de
causação devem vir de fora da estatística, em última análise,
de alguma teoria.

• O fato de tratarmos o rendimento da lavoura como

dependente (dentre outras coisas) da chuva decorre de
considerações não estatísticas: o senso comum sugere que a
relação não pode ser invertida.

• Uma relação estatística por si própria não implica logicamente

uma causação. Para atribuir causação, devemos recorrer a
considerações a priori ou teóricas.
1.5 Regressão versus correlação

• Correlação: o principal objetivo é medir a força

ou o grau de associação linear entre duas
variáveis (admite-se que ambas são aleatórias)

• Regressão: estimar ou prever o valor médio de

uma variável (dependente, admite-se que ela é
aleatória) com base nos valores fixos de outras
variáveis (independentes, e não aleatória).
1.6 Terminologia e notação
 1.6 Terminologia e notação

• Análise de regressão simples ou de duas

variáveis: a dependência de uma variável em
relação a uma única variável explanatória. Ex.:
despesas de consumo em relação à renda real.

• Análise de regressão múltipla: dependência

de uma variável a mais de uma variável
explanatória. Ex.: relação entre rendimento da
lavoura e chuva, temperatura, luz do sol e
fertilizantes.
1.7 Natureza e fonte dos dados para a
análise econômica

1) Tipos de dados
a) Séries temporais;
b) Corte transversal;
c) Combinados;
d) Dados em painel, longitudinais ou de
micropainel.

2) Fontes de dados
3) A precisão dos dados