Escolar Documentos
Profissional Documentos
Cultura Documentos
Referência
WOOLDRIDGE, J. Introdução à
econometria: uma abordagem
moderna. São Paulo: Cengage
Learning, 6a edição, 2017, capítulo
5.
Consistência
1
Distribuições Amostrais quando n
f b̂1
n3
n1 < n2 < n3
n2
n1
b1 b̂1
4
Consistência do MQO
2
Consistência do MQO
x i1 x yi x i1 x b 0 b1 xi1 ui
bˆ1 i 1
n
i 1
n
x
i 1
i1 x
2
x
i 1
i1 x
2
Demonstrando a Consistência...
x x1 xi1 xi1 x1
2
i1
Demonstrando a Consistência...
porque Cov x1 , u 0
3
Uma Hipótese Mais Fraca
Consistência
A propriedade assimptótica da
consistência precisa de hipóteses
mais fracas
Hipótese de Correlação Zero
O termo de erro u não pode ter
correlação linear com nenhuma
variável explicativa
Violações dessa hipótese
omissão de variável relevante,
simultaneidade, erro de medida de variável e
viés de seleção amostral
4
Omissão de Variável Relevante
Derivando a inconsistência do
estimador quando existe omissão de
variável relevante:
Modelo verdadeiro : y b 0 b1 x1 b 2 x2 v
Você pensa : y b 0 b1 x1 u ,
de modo que
u b 2 x2 v
Tirando o limite da probabilidade :
~
plimb1 b1 b 2
em que Cov x1 , x2 Var x1 13
5
Quiz
6
Teorema do Limite Central
Um estimador é assimptoticamente
normal quando a distribuição tende
a aproximar-se da distribuição
normal à medida que o tamanho da
amostra n aumenta indefinidamente
Normalidade Assimptótica
Sob as hipóteses de Gauss - Markov,
(i) n bˆ j b j ~ Normal 0, 2 a 2j ,
a
a
(iii) bˆ j b j ep bˆ j ~ Normal0,1
20
Normalidade Assimptótica
bˆbj a
j
ep bˆ
~ t n k 1
j
7
Normalidade Assimptótica
Se u não é normalmente
distribuído, em grandes amostras,
chama-se o erro-padrão de erro-
padrão assimptótico:
ep bˆ j
ˆ 2
SQT j 1 R 2j ,
ep bˆ j c j n
Seja o modelo:
y = b 0 + b 1x1 + b 2x2 + . . . b kxk + u
8
Estatística LM para q Restrições
1º passo:
Regrida y sobre o conjunto restrito de
variáveis independentes e salve os
resíduos, u~.
2º passo:
Regrida sobre todas as variáveis
u~
independentes e obtenha o R-quadrado
2
desta regressão auxiliar, Ru
3º passo:
Calcule LM nRu2 , ou seja, o tamanho
da amostra vezes o R-quadrado, obtido
no passo anterior.
4º passo:
Compare o LM com o valor crítico
apropriado (c), de uma distribuição
qui-quadrado (c) com q graus de
liberdade para um certo nível de
significância
4º passo (cont.):
Se LM ≥ c, rejeita-se H0
Se LM < c, não se rejeita (aceita-se) H0
Observação
Pode-se usar o p-valor para se tomar a
decisão sobre o teste
Se o p-valor for menor que o nível de
significância (a), rejeita-se H0
Se o p-valor for maior que o nível de
significância, não se rejeita (aceita-se) H0
9
Exemplo do teste LM
Exemplo do Teste LM
Exemplo do Teste LM
1o passo
Regredir npre86 sobre pcond, ptemp86
~
e empr86 e salve os resíduos (u )
2o passo
~
Regredir u sobre pcond, ptemp86,
empr86, sentmed e temptot
10
Exemplo do Teste LM
3o passo
Pegar o Ru2, que é igual a 0,0015
Computar a estatística LM = n.Ru2
LM=2725*(0,0015)=4,09
4o passo
O valor crítico (c) de 10% numa
distribuição qui-quadrada com q=2
graus de liberdade é cerca de 4,61
Como LM < c, não se rejeita H0
4,09 < 4,61
11