Escolar Documentos
Profissional Documentos
Cultura Documentos
Referências
WOOLDRIDGE, J. Introdução à
econometria: uma abordagem
moderna. São Paulo: Cengage
Learning, 6a edição, 2017, capítulo
3.
b0 é a constante (intercepto)
b1 a bk são parâmetros de inclinação
u é o termo de erro
1
Exemplo 1
Equação de salários
salárioh=b 0 + b 1educ + b2exper + u
Outros fatores não incluídos encontram-
se no termo de erro (u)
Aptidão, por exemplo.
Aptidão
Esta variável não-observada é
relacionada com educ?
É válida a hipótese da média condicional
zero?
Exemplo 2
Interpretação da Regressão
Modelo estimado
yˆ bˆ0 bˆ1 x1 bˆ2 x2 bˆ3 x3 bˆk xk
2
Interpretação da Regressão
salárioh: salário-hora
educ: anos de educação formal
exper: anos de experiência
perm: anos no emprego atual
Interpretando a Equação de
Salários
3
Resíduos
Quiz 1
Quiz 1 (Continua)
4
Regressão Simples X Regressão
Múltipla
Relação Simples
Quiz 2
Considere que a verdadeira equação de
salários:
log(salarioh) = b0 + b1 educ + b2 aptid + u
5
Qualidade de Ajuste
Na regressão múltipla:
SQT = SQE + SQR
R2 é definido como:
R2= SQE/SQT = 1 – SQR/SQT
Qualidade de Ajuste
Qualidade de Ajuste
6
Regressão através da Origem
Hipóteses do Modelo de
Regressão Linear Múltipla (RLM)
Hipóteses da RLM
7
Hipóteses da RLM
Hipóteses da RLM
Hipóteses da RLM
8
Hipóteses da RLM
Inexistência de Viés
Superespecificação do modelo
Inclusão de variável que não exerce
efeito sobre y
Modelo verdadeiro (FRP): y=b0+b1x1+u
Modelo estimado (FRA):
y=b0+b1x1+b2x2+u
E(u│x2)=E(y│x2)=0
Consequências
Estimador MQO não viesado
Ineficiência
maior variância dos estimadores de MQO
9
Viés de Variável Omitida
Modelo verdadeiro :
y b 0 b1 x1 b 2 x2 u,
Mas se estima
~ ~ ~
y b b x u, 0 1 1
Então
xi1 x1 yi
b1
~
xi1 x1 2
28
0
Note que x i1 x1 0
29
~
E b1 b1 b 2
x x x i1 1 i2
x x
2
i1 1
30
10
Viés de Variável Omitida
Agora considere a regressão de x2 sobre x1
~ ~ ~
x x ,
2 0 1 1
Então :
xi1 x1 xi 2
1
~
xi1 x1 2
Assim :
~
~
E b1 b1 b 21
31
32
11
Exemplo do Direção do Viés
Tamanho do Viés
12
Mais uma Hipótese
Exemplo
Equação de salários
salárioh=b 0 + b 1educ + b2exper +
b3perm +u
Hipóteses de Gauss-Markov
RLM5: homocedasticidade
As hipóteses de Gauss-Markov do
modelo de regressão linear múltipla
13
Variância do Estimador MQO
Var bˆ j
s2
SQT j 1 R 2j
em que
SQT j xij x j e R 2j é o R 2
2
Componentes da Variância do
Estimador MQO
Variância do erro s2
Quanto menor s2, menor a variância do
estimador
A variação amostral total das
variáveis explicativas xj (SQTj)
Quanto maior SQTj, menor é a variância
do estimador
A relação entre as variáveis
explicativas x (Rj2)
Quanto menor Rj2, menor a variância do
estimador
Multicolinearidade
Definição
A relação linear entre as variáveis
explicativas (Rj2) no lado direito da
equação
Rj2 é diferente do R2 da regressão
múltipla
Rj2 é obtido da regressão de xj sobre as
outras variáveis explicativas
Quando Var ( bˆ j ) , então R j 1
2
14
Multicolinearidade é Problema?
Micronumerosidade
Problemas advindos em se trabalhar
com pequenas amostras
Pequeno SQTj
Baixa variação amostral em xj
Desconhecimento da variância do
erro (s2)
Erros não-observáveis
Mas observamos os resíduos
Erros estimados pela regressão
Uso dos resíduos para se estimar a
variância do erro
15
Estimando a Variância do Erro
ep bˆ j sˆ SQT j 1 R 2j
Teorema de Gauss-Markov
16