MANUAL DE APÓIO DA

DISCIPLINA DE ECONOMETRIA
CURSO DE GESTÃO
3º ANO TARDE
Prof.ª Vanisse Miguel
Econometria
Em uma interpretação literal, econometria significa “medição econômica”. Embora a medição

seja uma parte importante da econometria, seu escopo é muito mais amplo, como mostram as
seguintes citações:

A econometria, resultado de determinada perspectiva sobre o papel da economia, consiste na

aplicação da estatística matemática a dados econômicos para dar suporte empírico aos modelos
formulados pela economia matemática e obter resultados numéricos.

[...] a econometria pode ser definida como a análise quantitativa dos fenômenos econômicos
ocorridos

com base no desenvolvimento paralelo da teoria e das observações e com o uso de métodos de
inferência adequados.

A econometria pode ser definida como a ciência social em que as ferramentas da teoria
econômica, da matemática e da inferência estatística são aplicadas à análise dos fenômenos
econômicos.

A arte do econometrista está em encontrar o conjunto de hipóteses suficientemente específicas

e realistas que lhe permitam tirar o melhor proveito dos dados de que dispõe.

Os econometristas [...] são um auxílio positivo na tentativa de dissipar a imagem pública

negativa da economia (seja ela quantitativa ou não) como assunto em que caixas vazias são
abertas supondo-se a

O método da pesquisa econométrica visa, essencialmente, a conjugação da teoria econômica

com medições concretas, usando a teoria e a técnica da inferência estatística como uma ponte.
Regressao linear simples
As decisões de gestão e também académicas muitas vezes se baseiam na relação variaveis, entre
duas variaveis ou mais variaveis. Ex: será que se uma empresa gastar mais com publicidade vai
obter mais vendas?

Depois de considerar as vendas e as despesas com publicidade, um gestor de marketing pode

tentar prever as vendas para um dado nível de gastos em publicidade ou seja pode tentar
determinar o volume das vendas a partir de um determinado gasto com publicidade.

Ou um serviço de utilidade pública pode utilizar a relação entre a alta temperatura diária e a
demanda por electricidade para prever o consumo de electricidade com base nas altas
temperaturas diárias previstas para o mês seguinte.
As vezes o Gestor confia na sua intuição para julgar como duas variaveis estão relacionadas,
no entanto, se for possível obter dados, um procedimento estatístico chamado Análise de
regressão Linear simples pode ser utilizado para desenvolver uma equação mostrando como as
variaveis estão relacionadas:
A Regressão linear Simples é útil para:
1
Explicar uma variavel (y) em termos de outra variavel (x);
Estudar como varia a variavel (y) com a variação de (x).
A Regressão linear e a sua aplicação
A regressão linear é talvez o modelo mais popular e mais utilizado nas finanças por ser:

 Fácil de entender;
 Transparente e intuitivo;
 Robusto e de fácil construção;
Nesse modelo não se evidencia causalidade (embora estejamos tentados em afirmar que x causa
y temos que ter muito cuidado), mesmo não evidenciando causalidade é muito útil para
descrever relações etre variaveis.

Como pesquisadores estamos interessados em explicar como o mundo das finanças funciona,
ou seja como uma variavel se relaciona com a outra fazendo questões do tipo, será que existe
algumas relação entre as variaveis? Qual é a magnitude dessa relação? Qual o sentido dessa
relação? por exemplo:

Como as escolhas da estrutura de capital da empresa são explicadas pelas suas oportunidades
de investimento (será que existe alguma relação entre essas variaveis?);
Se as oportunidades de investimento mudarem por alguma razão aleatória, como será o impacto
médio esperado na estrutura de capital;

De uma maneira mais ampla, explicar como a variável alatória y pode ser explicada por outra
variavel x.
Variável dependente e variavel independente

A variavel dependente vai será a variável y que vai depender da variavel x, ou seja, o resultado
de y vai depender do que vai acontecer com x, há outras nomeclaturas que poderemos atribuir
esses elementos:

2
 Variável Dependente (y) Variável Independente (x)
Variável Explicada (o que se está a Variavel Explicativa
tentar explicar) Variavel de Controlo
Variável de Resposta (o que se está Variavel Previsora
a tentar responder)
Regressor
Variável Prevista (o que se está a
tentar prever) Variavel utilizada para prever
outra variável ou explicar
Regressando determinado feómeno, ou
Variável que está a ser prevista ou seja, independe de outras
seja, depende de outras variaveis variaveis

Variáveis aleatórias e observáveis

Função de Regressão populacional

Agora temos de estabelecer uma equação que mostre as relação entre as duas variaveis, e iremos
explicar essa relação de uma forma linear com se segue:

𝒀 = 𝜷𝟎 + 𝜷 𝟏 𝑿 + 𝝁
Onde:

𝒀= Variável dependente Observável

𝑿 = Variável independente observável

𝝁= Termo de erro: variável aleatória não observável que corresponde ao que explica a
variabilidade em y que não pode ser explicada em pela relação linear entre as as variaveis x e y
(outros factores que afectam y além de x)
Parâmetros do modelo

𝜷𝟎 = Constante (intercepto), o ponto de origem da recta de regressão

𝜷𝟏 = Coeficiente angular ou inclinação da recta de regressão, uma medida de sensibilidade do

resultado do y em relação a uma variação em x
Utilizando a análise de regressão, podemos desenvolver uma equação mostrando como a
variavel y está relacionada com variavel independente x.

3
Na análise de regressão, o objectivo é estimar as funções de regressões populacionais, ou seja,
os valores desconhecidos de 𝜷𝟎 𝒆 𝜷𝟏 com base nas observações de y e x.

𝑬(𝒀⁄𝑿) = 𝜷𝟎 + 𝜷𝟏 𝑿

Onde:

𝑬(𝒀⁄𝑿)= Valor médio esperado de y para um determinado valor de x

𝑿 = Variável independente

𝜷𝟎 𝒆 𝜷𝟏 = São os parâmetros do modelo

𝜷𝟎 = Constante (intercepto), o ponto de origem da recta de regressão,

𝜷𝟏 = Coeficiente angular ou inclinação da recta de regressão, mede o grau de sensibilidade do

resultado do y em relação a uma variação percentual em x

Se o intercepto 𝛽0 está incluso na equação então nada se perde ao assumir que o valor médio
esperado do erro 𝜇 na população é zero 𝐸(𝜇) = 0.

 Qualquer valor constante que tenha valor esperado diferente de zero é absorvido pela
constante (intercepto);
 Cada distribuição de valores de Y tem o seu próprio valor médio esperado 𝐸(𝑌).

Y
𝑬(𝒀⁄𝑿) = 𝜷𝟎 + 𝜷𝟏 𝑿

𝑋1 𝑋2 𝑋3 X

Para qualquer valor dado de x, a distribuição de y está centrada ao redor de 𝑬(𝒀⁄𝑿).

𝑬(𝒀⁄𝑿).é não observável, é uma função linear de x

A linearidade significa que o aumento de uma unidade em x faz com que o valor esperado de y varie
seguindoa magnitude de 𝜷𝟏 .

𝑬(𝒀⁄𝑿).nos diz como o valor médio de de y muda quando x muda; nos diz que 𝒀 = 𝜷𝟎 + 𝜷𝟏 𝑿 para
todas as unidades da população.

4
Possíveis linhas de regressão linear simples

E(Y)
Relação linear positiva, a inclinação da recta é
Recta de Regressão positiva 𝜷𝟎 > 0. Um aumento em x está
relacionado com um aumento em y
𝛽0

E(Y)
𝛽0 Relação linear negativa, a inclinação da recta é
negativa 𝜷𝟎 < 0. Um aumento em x está
relacionado com uma redução em y

E(Y)
Não há relação, a inclinação é 𝜷𝟎 = 0. Um
aumento ou redução em x não está relacionado
𝛽0 com um aumento em y

Função de Regressão Amostral (FRA)

A função de Regressão Amostral é feita com base em dados amostrais, porque não é possível
observar a população, para tal temos de estimar a função de regressão populacional com base
nas informações da amostra. Contudo, na maioria das situações práticas tem-se somente uma
mostra de valores y alguns valores fixos de x.

̂ = 𝒃𝟎 + 𝒃𝟏 𝑿
𝒀
Onde:

̂ = Estimador pontual de E(Y) ou valor estimado de Y

𝒀

𝒃𝟎 = Constante

𝒃𝟏 = Coeficiente angular ou inclinação da recta de regressão

𝑿 = Variável independente

Se os valores dos parâmetros da população 𝜷𝟎 𝒆 𝜷𝟏 fossem conhecidos, pderiamos utilizar a

equação 𝑬(𝒀⁄𝑿) = 𝜷𝟎 + 𝜷𝟏 𝑿 para calcular o valor médio de y dado um valor de x. Na prática,

5
os valores dos parâmetros não são conhecidos e devem ser estimados utilizando-se de dados
amostrais. As estatisticas amostrais 𝜷𝟎 𝒆 𝜷𝟏 são calculadas como estimativas dos parâmetros
da população e denotados por 𝒃𝟎 𝒆 𝒃𝟏. 𝒀 ̂ é o valor médio de Y para um dado valor de X, 𝒀
̂éa
estimação por ponto do valor esperado de Y, E(Y) para determinado valor de X.
Nota importante: A análise de regressão não pode ser interpretada como um procedimento
para estabelecer uma relação de causa e efeito entre variaveis. Ela só pode indicar como ou em
que medida as variaveis estão relacionadas/associadas umas com as outras.

Método dos Minimos quadrados Ordinários

A primeira tarefa num modelo de regressão regressão é estimar a FRP, com base na FRA.
Existem vários métodos de construção da FRA mas o método mais comum é o dos mínimos
quadrados ordinários (MQO)