ECONOMETRIA 2023

Estatística para Econometria

Ricardo da Silva Souza

Universidade Estadual do Norte do Paraná

18 de abril de 2023

1/22
Introdução

Nesta aula, serão apresentados os seguintes temas:

• Distribuição t de Student
• Distribuiçao F de Snedecor
• Inferência Estatística
• Teste de Hipótese
• Estimativas do Modelo de Regressão Linear

2/22
Principais Distribuições: t de Student

Utiliza-se a distribuição t de Student quando não se sabe a

variância populacional. A fórmula é:

X − µx
t= √
Sx / n

Em econometria, esta distribuição tem relação ao teste estatístico de

validade dos parâmetros.

3/22
Principais Distribuições: t de Student

Propriedades:
• A distribuição t é simétrica em torno da média
• A média da distribuição é zero, para certa padronização
• Como a variância desta distribuição é maior que a variância da
população (normal), as caudas são mais "altas".

4/22
Principais Distribuições: t de Student

Figure: Distribuição t de Student

5/22
Principais Distribuições: F de Snedecor

A distribuição F, também conhecida como distribuição de razões de

variâncias, é útil na comparação das variâncias amostrais de duas
variáveis aleatórias normalmente distribuidas que são independentes
uma da outra.

Em econometria, esta distribuição tem relação ao teste estatístico de

validade do modelo.

6/22
Principais Distribuições: F de Snedecor

Propriedades:
• A distribuição F é assimétrica para direita e varia entre zero e
infinito.
• Da mesma forma da distribuição t, a distribuição F se aproxima
da normal a medida que os graus de liberdade no numerdador e
do denominador.
• O quadrado de uma variável aleatória distribuida por t tem
distribuição F.

7/22
Principais Distribuições: F de Snedecor

Figure: Distribuição F de Snedcor

8/22
Sobre a Inferência Estatística

A inferência estatística é o ramo em que as conclusões populacionais

são realizadas com base em uma amostra aleatória desta população.
A tarefa requer formular hipóteses e estimar parâmetros.

9/22
Exemplo

Suponha que a premissa de que a altura média de uma mulher em

uma população é de 165 cm e coletar uma amostra aleatória de
mulheres desta mesma população para verificar se a altura média
desta amostra é ou não estatisticamente diferente de 165cm.
Essa é a base do teste de hipóteses.

10/22
Teste de Hipóteses

Se estivermos testando essa hipótese, podemos determinar a hipótese

nula (H0 ) e a hipótese alternativa (H1 ), como segue:

H0 : µx = 165 cm
̸ 165 cm
H0 : µ x =

11/22
Regra de Decisão

Se:
• |tcal | > |ttab | ⇒ Aceita H0
• |tcal | < |ttab | ⇒ Rejeita H0

12/22
Exemplo

Suponha, por exemplo, que se coletamos informações sobre a altura

de uma amostra aleatória de 21 mulheres e constatamos que a altura
média é 162 cm, com desvio-padrão amostral de 2 cm, podemos
testar a hipótese bicaudal acima usando um nível de significância de
5% ou confiança de 95%. O valor crítico de t é de 2,086 para 20
graus de liberdade.

13/22
Intervalos de confiança

Calculando o valor de t (t calculado), temos:

X −µ 162−165
t= √x
Sx / n
= √
2/ 20
= -6,708

Como o valor de -6,708 é maior em termos absolutos (teste bicaudal)

que 2,086, podemos rejeitar a hipótese nula (no nível de confiança de
95% de que a média populacional é de 165 cm a favor da hipótese
alternativa de que a média populacional não é de 165 cm.

14/22
Intervalo de confiança

Na estimação de intervalo, determinamos um intervalo em torno

de X̄, no qual o verdadeiro valor (populacional) da média deve ficar.
O intervalo criado é chamado intervalo de confiança, sendo que a
nossa confiança se baseia na probabilidade de cometer o erro de Tipo
1, ou a probabilidade de rejeitar a hipótese nula quando for
verdadeira.

15/22
Intervalo de Confiança amostral

Como na econometria clássica utiliza-se dados amostrais aleatórias é

sugerido a distribuição t-student. O intervalo é formalizado da
seguinte forma: dado a fixação nível significância α, deve-se saber os
parâmetros de média e variância dos dados.

P (X̄ − t α2 √Sxn ≤ µx ≤ X̄ + t α2 √Sxn )

Basicamente, se o intervalo de confiança proporcionar uma medida

que não contém o valor referenciado na hipótese, esta será rejeitada,
dado o nível de significância α. Se estiver contido no intervalo, a
hipótese será aceita.

16/22
Intervalos de confiança para dados amostrais

P (161,067 ≤ µx ≤ 162,933) = 0,95

Note que 165 está fora do intervalo de confiança. Desse modo, com
base no intervalo de confiança de 95%, podemos rejeitar a hipótesese
nula de que a verdadeira altura da população seja igual a 165 cm a
favor da hipótese alternativa de que a verdadeira altura da população
não seja igual a 165 cm.

17/22
Valor p ou Nível de Significância Exato

Na estatística clássica, o valor-p (também chamado de nível

descritivo ou probabilidade de significância), é a probabilidade de se
obter uma estatística de teste igual ou mais extrema que aquela
observada em uma amostra, sob a hipótese nula.

18/22
Valor p ou Nível de Significância Exato

Quando é fixado um nível de confiança α, o valor p pode assumir três

condições:
• α<p
• α=p
• α>p
Para validade ou satisfação da hipótese espera-se que o nível de
significância exato seja maior que o nível de confiança fixado.

19/22
TOMEM CUIDADO EM ECONOMETRIA

A chave da estatística em relação a interpretação dos testes está na

formulação de hipóteses. Geralmente, em estatística as condições
favoráveis das análises ocorrem quando a hipótese nula for satisfeita.
Em econometria é diferente !!!!!!!!

Guardem este paragráfo: Quando um modelo econométrico é

computacionalmente realizado, para que os parâmetros e o modelo
seja validado, o valor p deverá ser menor que o nível de significância
fixado (Usualmente α = 0, 05) !!!!!!!!!!!!

20/22
Exemplo da relação Escolaridade e Salário (Última aula)

Figure: Relação Salário x Escolaridade

21/22
Exemplo da relação Escolaridade e Salário (Última aula)

• O coeficiente relacionado a escolaridade é estatisticamente

significante ? Por quê ?

• O termo independente é estatisticamente significante ? Por quê

?

• O modelo é estatisticamente significante ? Por quê ?

22/22