2.2.3.

2- Teste de RESET
Para Amaral (2010), na análise de regressão, especificação do modelo é
o processo de desenvolvimento de um modelo de regressão. Este processo
consiste em seleccionar uma apropriada forma funcional para o modelo e
escolher quais as variáveis a incluir. O teste de erro de especificação da
regressão (RESET) é útil para detectar a má especificação da forma funcional.

Supõe-se o seguinte modelo:

y = β0 + β1 x1 + ⋯ βk xk + u (2.11)

Se testar-se todas possibilidades de termos quadráticos das variáveis

explicativas para testar problemas de forma funcional, teremos a desvantagem
de gastar muitos graus de liberdade se houver muitas variáveis independentes.
Além disso, certos tipos de não-linearidades (logaritmo, por exemplo) não serão
detectados por termos quadráticos.

O teste RESET adiciona polinómios na equação para detectar má

especificação de formas funcionais. Para realizar o teste, tem-se que decidir
quantas funções dos valores estimados devem ser incluídas. Não há resposta
certa para isto, mas os termos quadráticos e cúbicos têm demonstrado utilidade
nestas aplicações:

 Primeiro estimamos a equação original (restrita);

 Depois, salvamos os valores preditos e geramos seus termos quadráticos
e cúbicos;
 Em seguida, estimamos esta equação (irrestrita) para testar se a equação
original têm não-linearidades importantes ausentes:
𝑦 = 𝛽0 + 𝛽1 𝑥1 + ⋯ 𝛽𝑘 𝑥𝑘 + 𝑢 + 𝛿1 𝑦̂ 2 + 𝛿2 𝑦̂ 3 + 𝑒𝑟𝑟𝑜 (2.12)
Por fim, gera-se a estatística do teste RESET que é a estatística F para testar,
H0 : δ1 = 0, δ2 = 0.

Segundo Ramsey (1969), pode-se testar se existem problemas de especificação

na forma funcional (ausências de não-linearidades importantes):

H0 : δ1 = δ2 = 0,

Ha : H0 é falsa.

Sob H0, o modelo foi especificado correctamente. Então, sob H0, o teste RESET
nada mais é do que implementação de um teste de restrição nos coeficientes,
que usa a estatística F para testar H0 : δ1 = δ2 = 0, no modelo expandido. A
significância desta estatística sugere algum problema com não-linearidades no
modelo original.

2.2.3.3- Teste de homocedasticidade de Breuch-Pagan

O teste de Breusch-Pagan, foi desenvolvido por Trevor Breusch e Adrian
Pagan em 1979. Em estatística o teste de Breusch-Pagan serve para verificar se
a variância nos termos de erro num modelo de regressão linear é constante.

Gujarati (2000), pressupõe que quando se detecta a violação do

pressuposto de homocedasticidade, deve se proceder um tipo de correlação no
modelo para tornar os resíduos homocedásticos e poder fazer inferência e testes.
Dá-se o nome de heteroscedasticidade ao problema causado pela violação do
pressuposto de homocedasticidade.

Esta pressuposição de homocedasticidade é fundamental para a

construção dos intervalos de confiança e para os testes de hipóteses, e sem ela
não se pode assegurar que o método dos mínimos quadrados produza os
melhores estimadores lineares não tendenciosos. De facto, na presença de
heteroscedasticidade, os estimadores de mínimos quadrados dos parâmetros do
modelo continuam a ser lineares e não tendenciosos, mas os estimadores dos
parâmetros são tendenciosos.

O multiplicador de Lagrange (LM) produz a estatística de deste para o

teste de Breusch-Pagan, neste caso é dado do seguinte modo:

Ajustando o modelo de regressão encontra-se os resídous 𝑒𝑖 = (𝑒𝑖 , … , 𝑒𝑛 ) e os

valores de 𝑌̂𝑖 = (𝑌̂1 , … , 𝑌̂𝑛 ). Em seguida, considera-se os resíduos ao quadrado
e os padronizamos de modo que a média do vector de resíduos padronizados,
que denota-se por u.

Park (1966) citado pelo Vasconcellos e Portela (2001), formalizou a

análise de resíduos em um teste que pressupõe que a variância dos erros
aleatórios, 𝜎𝑖2 , é uma função das variáveis explicativas do tipo:

𝑣𝑎𝑟(𝑒𝑖 ) = 𝜎 2