Aula 3

Econometria I
Danielle Carusi Machado
23 de setembro de 2020
 O que veremos na aula de hoje

1. O que estudamos em Econometria: Tentamos entender o processo de geração de dados. O que é isto?

2. Conceito de Regressão Linear

3. Como estimar parâmetros? Estimação por Mínimos Quadrados Ordinários (MQO)

 01.
Processo de
geração dos
dados
y = f(...)
Processo de geração do dado y

Medida de
y tendência
O dado está “dado” já central
A média ou a esperança
aconteceu”
que capta seu valor em
média
É uma variável
aleatória Desvio
padrão
Como entender seu
Medida que capta sua
processo de geração?
variabilidade
Como podemos
escrever o y?
Como uma função linear que
depende da sua média e da sua
variabilidade
 y = b0 + u

Função linear
 Modelo Como encontrar
econométrico esta função linear?

Modelo de regressão constante: Método para estimar a regressão

Existem vários métodos para

Separamos o y em duas partes: estimar uma regressão

Uma constante Usaremos o método de Mínimos

+ Quadrados Ordinários
Termo de erro aleatório
Alguns conceitos importantes!

Parâmetros Termo de erro

O que queremos 1. Variam de

estimar! unidade para
unidade.
2. Fazemos
hipóteses
sobre eles.
Alguns conceitos importantes!

Estimadores Estimativas

Função dos dados

de uma amostra Valor efetivo do
para estimar o estimador para
valor do uma dada
parâmetro amostra.
 02.
Regressão
Linear
Regressão linear

• Trata basicamente da estimação ou previsão do valor

médio da variável y.

• Por ser linear, significa que é uma estimação linear do

valor médio de y.
Modelo de regressão linear constante

• A variável y é escrita como função de uma constante e

de um termo de erro aleatório:
 Modelo de regressão constante

• No que consiste a regressão? Achar o valor médio dos

y´s da minha amostra:

constante
Igual a zero
 Exercício
Imagine que você quer descrever o comportamento da taxa de
desemprego? Dependerá de uma constante e do termo de erro
aleatório?

Termo Taxa de
média
+ de erro
= desemprego

Média amostral
 Gráfico da taxa
de desemprego

Cada pontinho da série está afastado

da média do desemprego:
𝑦 =𝛽 +𝑢
Estimativa para 𝛽 é a média!
𝑦 = 𝛽 + 𝑑𝑒𝑠𝑣𝑖𝑜
 03.
Mínimos
Quadrados
Ordinários
Método de estimação - MQO

• Lembrando que temos uma amostra de dados. Nunca

temos todos os dados populacionais.

• Estimamos parâmetros populacionais a partir de uma

amostra de dados.

• No nosso exemplo de desemprego, temos uma amostra

de dados trimestrais de desemprego, ou seja, {(yt): t=1,
…,t}, onde t = última informação temporal disponível.
Método de estimação - MQO

Para cada observação nesta amostra, temos que:

yt = b0 + ut

Ou seja, queremos escrever a taxa de desemprego de

cada trimestre como função de uma constante e um
termos de erro aleatório.
Método de estimação - MQO

Queremos ajustar da melhor forma possível a reta da

regressão aos dados.

Problema de minimização.

Iremos escolher o estimador do parâmetro beta de forma

que minimize a função abaixo:

 y 
T 2
t  b̂ 0
t 1
Matemática do MQO

 
T
Min
2
yt  bˆ0
t 1

bˆ0
Ver vídeo