Econometria 1

Gustavo Gonzaga
gonzaga@econ.puc-rio.br

Aula 22
Variáveis Instrumentais

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 1 / 13

Bibliografia

Wooldridge, J. M. (2017). Introdução à Econometria: uma abordagem

moderna. 6a edição. Cengage Learning. (W) - Caps. 15 e 16

Stock, J.H., and M.M. Watson (2012) Introduction to Econometrics.

3a edição. Pearson. (SW) - Cap. 12

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 2 / 13

Roteiro

1. VI e o Modelo de Regressão Múltipla

2. VI e MQ2E - Um regressor e vários instrumentos

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 3 / 13

VI e o Modelo de Regressão Múltipla

Suponha a seguinte equação estrutural de um modelo de regressão

múltipla:

y1 = β0 + β1 y2 + β2 z1 + u1

onde y1 e y2 são variáveis endógenas e z1 é uma variável exógena.

Suponha que z2 seja um instrumento válido para y2 .
Note que z1 não pode ser instrumento para y2 , pois já aparece na
equação estrutural - violaria a restrição de exclusão.
As condições de momentos são:
I E [u1 ] = 0; a normalização de sempre
I Cov (z2 , u1 ) = E [z2 u1 ] = 0; z2 é exógena
I Cov (z1 , u1 ) = E [z1 u1 ] = 0; z1 é exógena

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 4 / 13

VI e o Modelo de Regressão Múltipla

Vamos adotar
 a abordagem
 do Método de Momentos (MM) para
VI VI VI
estimar βb0 , βb1 , βb2 .
Usamos as contrapartidas amostrais das condições de momentos
acima.
 
βbVI , βbVI , βbVI devem satisfazer o seguinte sistema de equações:
0 1 2

 P  
n VI − β VI y − β VI z
y − β =0
 P i=1 1i 1 2i 2 1i
 b b b

 0

n bVI bVI bVI
 i=1 z2i y1i − β0 − β1 y2i − β2 z1i =0
 
n
 P bVI bVI bVI
i=1 z1i y1i − β0 − β1 y2i − β2 z1i =0



Sistema de três equações e três incógnitas.

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 5 / 13

VI e o Modelo de Regressão Múltipla

Note que, se z2 = y2 , os estimadores de VI acima seriam exatamente

os de MQO.
Precisamos da condição de relevância, ou seja, Cov [z2 , y2 ] 6= 0.
Como agora também temos a presença de z1 no modelo, a hipótese
de relevância deve levar em consideração o efeito parcial de z1 .
A forma mais fácil de escrever a condição de relevância nesse caso é
através da equação reduzida:

y2 = π0 + π1 z1 + π2 z2 + v2 (1)

onde E [v2 ] = 0, Cov [z1 , v2 ] = 0 e Cov [z2 , v2 ] = 0.

É necessário, portanto, que π2 6= 0 mesmo depois de controlar por z1 .
É necessário incluir todas as variáveis exógenas na equação reduzida
(1) para que essas outras variáveis fiquem fixas quando z2 variar.

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 6 / 13

Roteiro

1. VI e o Modelo de Regressão Múltipla

2. VI e MQ2E - Um regressor e vários instrumentos

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 7 / 13

VI e MQ2E

Voltemos para a equação estrutural:

y1 = β0 + β1 y2 + β2 z1 + u1

onde y1 e y2 são variáveis endógenas e z1 é uma variável exógena.

Mas suponha agora que há duas variáveis excluı́das (z2 , z3 ) que são
potencialmente correlacionadas com y2 e, portanto, são boas
candidatas para instrumentos .
Qual usar? Devemos jogar uma fora? Podemos usar as duas?
Note que, como (z1 , z2 , z3 ) são não correlacionadas com u1 , qualquer
combinação linear das duas também não será correlacionada com u1 .

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 8 / 13

VI e MQ2E

Considere a equação reduzida

y2 = π0 + π1 z1 + π2 z2 + π3 z3 + v2 (2)

onde E [v2 ] = 0, Cov [z1 , v2 ] = 0 e Cov [z2 , v2 ] = 0 e Cov [z3 , v2 ] = 0.

Ou seja, (z1 , z2 , z3 ) são exógenas.
A combinação linear dos instrumentos e da variável exógena

y2∗ = π0 + π1 z1 + π2 z2 + π3 z3

pode ser vista como a melhor VI quando π2 6= 0 ou π3 6= 0 (condição

de relevância).
Se ambos π2 e π3 forem iguais a zero, y2∗ seria perfeitamente colinear
com z1 e a equação estrutural não seria identificada.

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 9 / 13

Mı́nimos Quadrados em Dois Estágios
Note que

y2 = y2∗ + v2

onde
y2∗ : engloba a parte de y2 não correlacionada com u1 ;
v2 : engloba a parte de y2 possivelmente correlacionada com u1 (fonte
da endogeneidade).
Podemos estimar, em um primeiro estágio, a equação reduzida (2) por
MQO e obter o instrumento yb2 , onde

yb2 = π
b0 + π
b1 z1 + π
b2 z2 + π
b3 z3

Note que as variáveis (z2 , z3 ) devem ser conjuntamente significantes (usar

o teste F).

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 10 / 13

Mı́nimos Quadrados em Dois Estágios
Em um segundo estágio, estimamos os parâmetros (β0 , β1 , β2 ) via MM,
mas usando as variáveis (z1 , yb2 ),
n 
X 
y1i − βb0MQ2E − βb1MQ2E y2i − βb2MQ2E z1i = 0
i=1
n
X  
z1i y1i − βb0MQ2E − βb1MQ2E y2i − βb2MQ2E z1i = 0
i=1
n
X  
yb2i y1i − βb0MQ2E − βb1MQ2E y2i − βb2MQ2E z1i = 0
i=1

Note que essas seriam exatamente as equações de momentos do método

de VI se usarmos yb2i como instrumento. Ou seja, o estimador de MQ2E é
igual ao estimador de VI para o caso de mais de uma variável candidata a
instrumento, quando usamos o valor predito de y2 obtido no primeiro
estágio como instrumento.
Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 11 / 13
Mı́nimos Quadrados em Dois Estágios

Intuição: o método de MQ2E primeiro elimina a parte de y2 que é

correlacionada com u1 e depois estima por MQO a regressão de y1
sobre z1 e yb2 (a parte de y2 não correlacionada com u1 ).
Se inserirmos y2 = y2∗ + v2 no modelo original, obtemos:

y1 = β0 + β1 y2∗ + β2 z1 + (u1 + β1 v2 )

tal que

E [u1 + β1 v2 ] = E [u1 ] + β1 E [v2 ] = 0

Cov [y2∗ , u1 + β1 v2 ] = Cov [y2∗ , u1 ] + β1 Cov [y2∗ , v2 ] = 0

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 12 / 13

MQ2E versus MQO
h i
σ2
Var βb1MQ2E =  , onde Ryb22 é o R 2 da regressão de yb2
SQTyb2 1−Ryb2
2
sobre todas as outras variáveis exógenas.
h i h i
Se não houver endogeneidade, Var βbMQ2E > Var βbMQO :
1 1
I yb2 tem menor variação do que y2 dado que

SQTy2 = SQEy2 + SQR,

⇓
SQTyb2

ou seja,
h SQT i y2 > SQTyb2 , gerando um impacto positivo sobre
MQ2E
Var βb
1 .
I Ryb22 > Ry22 : note que no primeiro estágio, para obtermos yb2 , usamos
(z1 , z2 , z3 ). Logo, na regressão de y2 sobre z1 , obtemos um Ry22 menor
(menos variáveis explicativas).

Gustavo Gonzaga Econometria 1 - Aula 22 PUC-Rio 13 / 13