Escolar Documentos
Profissional Documentos
Cultura Documentos
Paulo Loureiro
Departamento de Economia
Universidade de Brasília-UnB
pauloloureiro@unb.br
https://sites.google.com/site/praloureiro/
Aula 19: ARM_Variáveis Binárias2-Modelo com Interação.
Este slide é baseado em Wooldrigde, J. (2011)- Introdução À Econometria:uma
abordagem moderna.
1 / 42
Introdução À Econometria
2 / 42
Consideração de Inclinações Diferentes
3 / 42
Considere o Modelo com uma Interação entre Feminino e
Educ
• (1) β0M < β0H , e β1M < β1H . Isso significa que as mulheres
ganham menos que os homens em todos os níveis de
educação, e a diferença aumenta conforme educ se torna
maior.
• (2) β0M < β0H , mas β1M < β1H .. Isso significa que as mulheres
ganham menos que os homens em baixos níveis de educação,
mas a diferença diminui conforme a educação aumenta.
• Em algum ponto, uma mulher ganhará mais que um homem,
dado o mesmo nível de educação.
log(salárioh) = β0 + δ0 feminino + β1 educ + δ1 feminino.educ + µ (7.17)
4 / 42
Gráfico da Eq.(7.16): (a) δ < 0, δ1 < 0; (b)δ < 0, δ1 > 0
5 / 42
Modelo com uma Interação entre Feminino e Educ
∂log(salárish|feminino, educ)
= β1 + δ1 feminino.
∂educ
Esta hipótese não fez nenhuma restrição sobre a diferença nos
interceptos, δ0 .
Um diferencial de salários entre homens e mulheres é admitido
nessa hipótese nula, mas ele deve ser o mesmo em todos os
níveis de educação.
6 / 42
Modelo com uma Interação entre Feminino e Educ
∂log(salárish|feminino, educ)
= β1 + δ1 educ
∂feminino
. Isso significa que H0 : δ0 = δ1 , usa-se o teste F, na equação
(7.17).
∗ No modelo com apenas uma diferença de interceptos,
rejeitamos essa hipótese, pois H0 : δ0 = 0 é completamente
rejeitada contra H1 : δ0 < 0.
7 / 42
Exemplo 7.10 (Equação do Log dos Salários-Hora)
10 / 42
Exemplo 7.10 (Equação do Log dos Salários-Hora)
11 / 42
Análise do Modelo com uma Interação entre Feminino e
Educ
12 / 42
Análise do Modelo com uma Interação entre Feminino e
Educ
∗ ∈
/ educ ≈ 0, não é surpreendente que temos muito trabalho
para estimar o diferencial em educ = O.
∗ Mais interessante seria estimar o diferencial por gênero no,
digamos, nível médio de educação da amostra (cerca de 12,5).
13 / 42
Análise do Modelo com uma Interação entre Feminino e
Educ
14 / 42
Exemplo 7.11 (Efeitos da Raça sobre os Salários dos
Jogadores de Beisebol)
15 / 42
Verificação de Diferenças nas Funções de Regressão entre
Grupos
16 / 42
Verificação de Diferenças nas Funções de Regressão entre
Grupos
A hipótese nula de que nmgradac segue o mesmo modelo para
homens e mulheres:
H0 : δ0 = 0, δ1 = 0, δ2 =, δ3 = 0. (7.21)
Se um dos δj 6= 0 ⇒ os modelos são 6= para H e M.
17 / 42
O Modelo Irrestrito
18 / 42
Maneira alternativa de calcular a estatística F no caso dado
19 / 42
Verificação de Diferenças nas Funções de Regressão entre
Grupos
20 / 42
O Modelo Restrito
21 / 42
Verificação de Diferenças nas Funções de Regressão entre
Grupos
22 / 42
Verificação de Diferenças nas Funções de Regressão entre
Grupos
23 / 42
24 / 42
Estima o modelo com dados para homens e mulheres
25 / 42
O Teste de Chow
26 / 42
O Teste de Chow
27 / 42
O Teste de Chow
∗ No exemplo de nmgradac, usamos o primeiro método, e assim
a hipótese nula é H0 : δ0 = 0, δ1 = 0, δ2 =, δ3 = 0. na equação
(7.20). (δ0 , não é restrita sob a hipótese nula.)
Yi = 1 p/ Presença de um atributo;
Yi = 0 p/ Ausência de um atributo
y = β0 + β1 x+ ... + βk xk + µ. (7.26)
E (y |x ) = β0 + β1 x+ ... + βk xk
29 / 42
Uma Variável Dependente Binária: O Modelo de
Probabilidade Linear
30 / 42
Uma Variável Dependente Binária: O Modelo de
Probabilidade Linear
O modelo de regressão linear múltipla com uma variável
dependente binária é chamado de modelo de probabilidade linear
(MPL) porque a probabilidade de resposta é linear nos parâmetros
βj . No MPL, βj mede a mudança na probabilidade de sucesso
quando xJ muda, mantendo fixos os outros fatores:
32 / 42
Equação 7.29 Mercado de Trabalho
33 / 42
Equação 7.29 Mercado de Trabalho
34 / 42
Equação 7.29 Mercado de Trabalho
35 / 42
Equação 7.29 Mercado de Trabalho
36 / 42
Equação 7.29 Mercado de Trabalho
37 / 42
Equação 7.29 Mercado de Trabalho
38 / 42
Equação 7.29 Mercado de Trabalho
39 / 42
Equação 7.29 Mercado de Trabalho
40 / 42
Participação Feminina no Mercado de Trabalho de
Mulheres Casadas
41 / 42
O Modelo de Probabilidade Linear
∗ Um problema relacionado é que a probabilidade não pode ser
linearmente relacionada com as variáveis independentes em
todos os seus possíveis valores. Por exemplo, a equação (7.29)
prevê que o efeito de passar de zero filho para um filho menor
de seis anos reduz a probabilidade de trabalhar em 0,262.
∗ Essa também é a redução se a mulher passar de um filho para
dois. Pareceria mais realista que o primeiro filho reduzisse a
probabilidade em grande escala, enquanto os filhos
subseqüentes tivessem um efeito marginal menor.
∗ De fato, quando levada ao extremo, a equação (7.29) sugere
que passar de zero para quatro filhos reduz a probabilidade de
trabalhar em
ˆ = 0, 262(∆crianmed6) = 0, 262(4) = 1, 048, 0 que é
∆naft
impossível.
∗ Mesmo com esses problemas, o modelo de probabilidade linear
é útil e freqüentemente aplicado em economia. Normalmente,
ele funciona bem com os valores das variáveis independentes
que estejam próximos das médias na amostra. 42 / 42