Escolar Documentos
Profissional Documentos
Cultura Documentos
Universidade Pungue
Chimoio
2021
2
Universidade Pungue
Chimoio
2021
3
Índice
1. Introdução............................................................................................................................4
1.1. Objectivos........................................................................................................................4
1.1.1. Geral.............................................................................................................................4
1.1.2. Específicos...................................................................................................................4
1.2. Metodologia.....................................................................................................................4
2. Revisão bibliográfica...........................................................................................................5
3. Conclusão..............................................................................................................................13
4. Referências bibliográficas.................................................................................................14
4
1. Introdução
O presente trabalho é de carácter avaliativo abandeira de econometria básica. Far-se-á
abordagem sobre intervalo de confiança, testes de hipóteses, modelo clássico de regressão
linear e fórmulas de aplicação deste modelo. Em aspectos organizacionais o trabalho esta
constituído por: introdução, objectivos gerais e específicos, metodologia, revisão
bibliográfica, conclusão e as referências bibliográficas.
1.1. Objectivos
1.1.1. Geral
Compreender intervalo de confiança, testes de hipóteses, modelo clássico de regressão
linear e fórmulas de aplicação deste modelo.
1.1.2. Específicos
Definir intervalo de confiança, testes de hipóteses, modelo clássico de regressão linear;
Identificar os pressupostos básicos do modelo clássico de regressão linear;
Aplicar os conhecimentos de intervalo de confiança, testes de hipóteses, modelo clássico
de regressão linear e fórmulas de aplicação deste modelo na resolução de exercícios.
1.2. Metodologia
Para a materialização deste trabalho recorreu-se ã revisão bibliográfica.
5
2. Revisão bibliográfica
2.1. Intervalo de confiança
É uma maneira de calcularmos uma estimativa de um parâmetro desconhecido.
Obs: α é o nível de significância, isto é, o erro que estaremos cometendo ao afirmarmos que,
por exemplo, 95% das vezes o intervalo θ^ 1 <θ< θ^ 2contém θ . Nesse caso, o erro seria de 5%.
Ex: A seguinte amostra: 9, 8, 12, 7, 9, 6, 11, 6, 10, 9 foi extraída de uma população normal.
Construir o intervalo de confiança, de 95%, para μ .
Solução:
pelo fato de π se um parâmetro e não uma v.a. o intervalo acima deve ser interpretado da
seguinte maneira: 95% dos intervalos assim construídos conterão a verdadeira média.
Onde x 2maior e x 2menor são obtidos na tabela de x 2 com n-1 graus de liberdade e nível de
significância.
Exemplo: Entre 500 pessoas inquiridas a respeito de suas preferências eleitorais, 260
mostraram-se favoráveis ao candidato B. Calcular o intervalo de confiança ao nível de 90%
para a percentagem (ou proporção) dos eleitores favoráveis a B.
Hipótese estatística: pode ser definida como uma afirmação sobre a distribuição de uma
variável aleatória (no geral sobre seus parâmetros).
7
Exemplos: Em uma população com média e variância 2, possíveis hipóteses seriam
H:=0; H:>50; H:0; H:2=100; H:2<10.
Teste de hipóteses: Como o próprio nome diz, são critérios estatísticos que permitem
rejeitar ou não hipóteses testadas, com determinado grau de confiança, baseados em valores
amostrais.
Os testes de hipóteses, no geral, apresentam duas hipóteses:
Hipótese nula (ou da nulidade), geralmente representada por H0, que é a hipótese natural
colocada à prova.
Passo 2. Obter uma estatística, com distribuição conhecida, que fique completamente
definida sob H0.
Erro tipo II: Erro que se comete ao não rejeitar H0, dado que ela é falsa.
O critério mais comum em testes de hipóteses é fixar o erro Tipo I (nível de
significância do teste).
32,42 32,26 30,75 33,78 33,90 31,96 31,93 33,42 30,41 34,13
=0,025 =0,025
p-valor=0,0125 p-valor=0,0125
tc=2,70
Como tc pertence à região crítica do teste (p-valor < ), rejeita-se H0 em favor de H1, ao nível
de 5% de probabilidade.
9
Os resultados dos testes geralmente apresentam o p-valor dos testes, que é a área limitada
pelo valor da estatística calculada. Se o p-valor for menor que o nível de significância do
teste, o teste é significativo e rejeita-se H0 em favor de H1 a esses nível de significância.
O termo regressão foi criado por Francis Galton. Em um artigo famoso de 1886, Galton
verificou que os filhos de pais mais altos e os filhos de pais mais baixos tendiam a apresentar
uma altura que se assemelhava a altura média da população. Em outras palavras, a estatura
dos filhos de pais com certa altura tendia a “regredir” para a altura média da população como
um todo.
A análise de regressão tornou-se a base da econometria e, actualmente, refere-se ao estudo
da dependência de uma variável (dependente), em relação a outras variáveis (explicativas).
A análise de regressão é uma ferramenta interessante, pois consegue aproximar a Função de
Esperança Condicional (Conditional Expectation Function – CEF) ou Função de Regressão
Populacional (RFP) ou ainda Função de Média Condicional. A partir disso, ela é utilizada
para estimar e/ou prever o valor médio da variável dependente em termos dos valores
conhecidos ou fixados (em amostras repetidas) das variáveis explicativas.
A teoria ou a estrutura básica da análise de regressão é o Modelo Clássico de Regressão
Linear (MCRL), que trata das hipóteses ou pressupostos subjacentes ao estimador de
Mínimos Quadrados Ordinários (MQO). Sob a validade desses pressupostos é possível
mostrar que o estimador de MQO é BLUE (Best Linear Unbiased Estimator).
Além disso, as estruturas dos dados ditam ou impõem novos desafios à estimação
econométrica. A base da econometria é a análise de regressão a partir da estrutura de dados
seccionais, em outras palavras, toda a teoria econométrica é construída a partir dessa
estrutura de dados. Nesse sentido, a utilização de dados com estrutura temporal,
longitudinal ou espacial incluem novas hipóteses à estimação do modelo. Por esse motivo,
tais estruturas de dados devem ser expostas e trabalhadas de forma separada.
10
𝑌 = 𝑋𝛽 + 𝜀
𝑝𝑜𝑠𝑡𝑜(𝑋) = 𝑘
Indica ausência de multicolinearidade perfeita entre as variáveis explicativas, esse
pressuposto garante que a matriz (𝑋′𝑋) é não singular e, portanto, assegura a existência da
matriz (𝑋′𝑋)−1. Caso
𝑝𝑜𝑠𝑡𝑜(𝑋) < 𝑘 a matriz (𝑋′𝑋)−1 é singular, o que impossibilita a estimação dos parâmetros.
Esse pressuposto indica que para cada valor fixo de 𝑋 existe uma distribuição de
probabilidade associada. Estamos interessados no valor médio condicional de 𝑌 para cada
valor fixo de 𝑋. Caso 𝑋 seja estocástico pressupõe-se que o mesmo não está correlacionado
11
𝐸(𝜀𝑖|𝑋𝑖) = 0
Implica que:
Como 𝑋 é fixo e 𝛽 é constante 𝐸(𝑋𝛽) = 𝑋𝛽. Dado que 𝐸(𝜀) = 0, tem-se que:
𝐸(𝑌) = 𝑋𝛽
𝑉𝑎𝑟(𝜀𝑖) = 𝜎2
Dado 𝐸(𝜀) = 0:
𝑉𝑎𝑟(𝜀𝑖) = 𝐸(𝜀2) = 𝜎2 𝑞𝑢𝑒 é 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒
O pressuposto de homocedasticidade garante que a dispersão dos diferentes níveis fixos de
𝑋 em torno da média é constante, ou seja, é a mesma. Esse pressuposto assegura que a
média condicional de 𝑌 possui a mesma precisão para os diferentes níveis da variável 𝑋.
A violação desse pressuposto mantém as propriedades de não tendencioso e
consistente dos estimadores de MQO, contudo eles não são mais eficientes e os testes
estatísticos deixam de ser válidos.
𝐶𝑜𝑣(𝜀𝑖𝜀𝑗) = 0 𝑝𝑎𝑟𝑎 𝑖 ≠ 𝑗
Esse pressuposto é necessário apenas para os testes de hipóteses, ou seja, ele não
influencia as propriedades dos estimadores de MQO. A adição desse pressuposto ao MCRL
gera o MCRL normal (MCRLN).
2008.