INVESTIMENTOS,

ESTRATÉGIA
E LUCROS
ECONÔMICOS

Franciele Henrique
Métodos econométricos
Objetivos de aprendizagem
Ao final deste texto, você deve apresentar os seguintes aprendizados:

„„ Apresentar os fundamentos da econometria clássica.

„„ Contextualizar a análise de regressão simples.
„„ Relacionar a hipótese clássica de regressão linear com a modelagem
econométrica.

Introdução
Os métodos econométricos têm uma infinidade de aplicações, visto que
um dos principais objetivos desse estudo é abordar e resolver problemas
econômicos por meio da matemática e da estatística.
O estudo da econometria torna-se essencial para a economia, pois
seus métodos práticos e muito utilizados tanto no setor público quanto
no privado. Fazendo uso de informações passadas por meio de dados
disponíveis, possibilita realizar previsões econômicas para o futuro, entre
muitas outras aplicações para o entendimento das teorias aplicadas à
economia.
Neste capítulo, você vai aprender os principais conceitos e funda-
mentos da econometria clássica, visto que compreender a real essência
desse estudo é peça fundamental na aplicação econométrica. Além disso,
verá como contextualizar a análise de regressão simples, sendo essa uma
aplicação prática que consiste em realizar uma análise estatística para
verificar a existência de relação entre uma variável dependente e uma
explicativa. Por fim, estudará a relação da hipótese clássica de regressão
linear com a modelagem econométrica e a importância de sua aplicação
para o estudo da econometria.
2 Métodos econométricos

1 Fundamentos da econometria clássica

Para iniciarmos a compreensão da econometria, é necessário entender seus
principais conceitos e objetivos. Segundo Hoffmann (2006), a econometria é
a aplicação de métodos matemáticos e estatísticos em situações de problemas
na economia.
Para Gujarati e Porter (2011), a econometria consiste em “medições eco-
nômicas”, sendo essa disciplina da economia um resultado da aplicação da
estatística matemática a dados econômicos para dar suporte empírico aos
modelos formulados pela economia matemática.
Na análise econométrica, existem várias correntes de pensamentos so-
bre a metodologia utilizada, porém, aqui, será apresentada a tradicional —
ou também conhecida como clássica —, sendo esta popular por dominar as
pesquisas nas áreas de economia e ciências sociais.
De modo geral, a metodologia utilizada na econometria clássica segue
alguns passos importantes, citados a seguir.

Exposição de uma teoria ou hipótese

Nessa etapa, frente a um problema na economia, recorre-se à teoria econômica
para analisar se existe algo relacionado que já havia sido explicado pelos
teóricos da área.

Especificação do modelo matemático na teoria

Dada a teoria utilizada, deve-se especificar um modelo matemático, como
a relação positiva entre consumo e renda descrita por Keynes na teoria do
consumo, onde Y são as despesas de consumo, X é a renda, e β1 e β2 são
conhecidos como os parâmetros do modelo.

Especificação do modelo estatístico ou econométrico

Nessa etapa, o modelo tem que estar de acordo com sua distribuição das variá-
veis – por exemplo, se os dados estão dispostos de forma quadrática, o modelo
matemático tem que ser quadrático. Também é importante acrescentar todas
as variáveis explicativas no modelo – por exemplo, as despesas do consumo
(Y) depende não somente da renda (X), mas também de outras variáveis, como
o tamanho da família (F), a região (R), entre outras.
Exemplo: Y= a + β1 X + β2F + β3R + u
 Métodos econométricos 3

Obtenção dos dados

Para estimar um modelo econométrico, é necessária a coleta de dados que
resultarão em valores numéricos dos β.

Estimação dos parâmetros do modelo econométrico

Após a coleta de dados, a próxima etapa é estimar os parâmetros da função
analisada. As estimativas numéricas dos parâmetros garantem conteúdo em-
pírico à função – ou seja, são substituídos valores numéricos na função no
que tange à cada variável, conforme exemplo hipotético a seguir:

Teste de hipóteses
Nessa fase, mesmo considerando que o modelo ajustado seja uma aproximação
bem próxima da realidade, é necessário que se verifique se as estimativas
obtidas estão de acordo com as expectativas da teoria em análise. Essa con-
firmação com base em evidências amostrais faz parte de um ramo da teoria
estatística conhecida como inferência estatística ou teste de hipótese.

Projeção ou previsão
Segundo Gujarati e Porter (2011), se o modelo escolhido estiver de acordo
com a teoria, pode-se utilizá-lo para realizar previsões de valores futuros da
variável Y, ou variável dependente, com base nos valores futuros esperados
da variável X, ou variável explicativa.
Por exemplo: desejamos prever as despesas médias de consumo para o ano
de 2019. O valor do PIB, nesse ano, foi de 12419,5 bilhões. Colocando o valor
do PIB do lado direito das equações, temos:
4 Métodos econométricos

Uso do modelo para fins de controle ou política

Supondo que o governo acredite que as despesas de consumo de cerca de R$
8.000 bilhões manterão a taxa de desemprego em seu nível atual, de cerca
4,2% (no início de 2019), que nível de renda garantirá a meta de despesas de
consumo?
Exemplo: 8.000 = 200 + 0,7(renda 2019)
Resultará uma renda de, aproximadamente, R$ 11.142.
Como esses cálculos indicam, um modelo estimado pode ser usado para fins
de controle ou de formulação de políticas. Com uma combinação adequada de
políticas fiscais e monetárias, o governo pode manejar a variável de controle
X para gerar o nível desejado da variável meta Y.
De um modo geral, o pesquisador que deseja utilizar métodos econométricos
depara-se, na prática, com algumas questões, como: como escolher o melhor
modelo para dado fenômeno econômico?
Reforçando o que vimos, são apresentados, a seguir, os passos que, se
seguidos corretamente, auxiliam a tomar essa decisão e garantir a escolha
ideal do modelo:

1. teoria econômica;
2. modelo matemático da teoria;
3. modelos econométricos da teoria;
4. dados;
5. estimação do modelo econométrico;
6. teste de hipóteses;
7. projeção ou previsão;
8. uso do modelo para fins de controle ou de política.

Em toda análise ou previsão econométrica, é importante verificar se o modelo utilizado

apresenta alguns “problemas econométricos”. Se eles se repetirem no modelo, devem
ser corrigidos. Por exemplo: multicolinearidade, heterocedasticidade, autocorrelação
e viés de especificação.
Visite o link a seguir para ler sobre um diagnóstico de multicolinearidade.

https://qrgo.page.link/y7bc8
 Métodos econométricos 5

2 Análise de regressão simples

A análise de regressão é a parte da econometria que estuda a relação entre
uma variável conhecida como dependente e outras variáveis conhecidas
como explicativas.
Segundo Wooldridge (2010), a analogia entre elas é representada por um
modelo matemático, que associa a variável dependente com as variáveis ex-
plicativas. Esse modelo é conhecido por modelo de regressão linear simples
(MRLS), pois define uma relação linear entre as variáveis dependentes (Y)
e explicativas (X).
No MRLS, é importante salientar que vamos estudar a relação linear entre
duas variáveis quantitativas, como:

„„ renda e despesas de consumo;

„„ altura de pais e altura de filhos;
„„ variação de salários e taxa de desemprego;
„„ outras combinações de variáveis que podem ser demonstradas em
formato numérico.

Significado do termo linear

O termo linear pode ser interpretado de duas maneiras diferentes, sendo
elas denominadas: linearidade nas variáveis e linearidade nos parâmetros.
Linearidade nas variáveis pode ser explicada como sendo o caso em que a
expectativa condicional de Y é uma função linear de Xi. Em termos geométricos,
a curva de regressão, nesse caso, é uma reta. Já a linearidade nos parâmetros
pode ser vista de modo que a expectativa condicional de Y, E (Y | Xi ) é uma
função linear dos parâmetros – os β –, podendo, ou não, ser linear na variável
X. O modelo de mínimos quadrados ordinários (MQO), também utilizado em
regressão simples, apresenta linearidade nos parâmetros.
Na Figura 1, a seguir, vemos o comportamento de funções que apresentam
linearidade nos parâmetros.
6 Métodos econométricos

Figura 1. Funções lineares nos parâmetros.

Fonte: Gujarati e Porter (2011, p. 63).

Modelo de regressão linear simples

O modelo de regressão linear simples (MRLS) pode ser descrito da seguinte

maneira:

Yi = α + BXi + ui

onde (Y) é variável explicada ou dependente, (X) é a variável explicativa ou

independente medida sem erro, (α) representa o coeficiente de regressão,
representando o intercepto. O β, no modelo, representa o coeficiente de in-
clinação, ou angular da regressão. O erro aleatório ou estocástico, (u), é onde
está incluído no modelo todas as influências no comportamento da variável Y
que não podem ser explicadas linearmente pelo comportamento da variável X.
Desse modo, deve-se assumir as variáveis explicativas com média zero
como E (ui |x) = 0, e variância σ2, Var (ui |x) = σ2.
 Métodos econométricos 7

Método dos mínimos quadrados ordinários

O método dos mínimos quadrados ordinários (MQO) é uma boa estratégia de

estimação dos parâmetros da regressão. Outro aspecto importante é que, nesse
método, não é necessário conhecer a forma da distribuição dos erros. Deve-se
seguir alguns passos em uma análise de regressão utilizando esse método.
Busca-se encontrar os valores de α e β que minimizam a soma dos quadrados
dos erros (ou desvios ou resíduos), dados por:

Yi = α + BXi + ui

Isolando o erro:

ui = Yi – (α + BXi)

Elevando ambos os lados ao quadrado:

Aplicando a condição de primeira ordem, em e e algumas

manipulações algébricas, podemos encontrar o coeficiente de inclinação:

Assim, chegamos ao intercepto:

Logo, α^ é o ponto onde a reta corta o eixo das ordenadas e pode apresentar
^
ou não uma interpretação. O coeficiente β é tido na regressão como o coefi-
ciente angular e representa o quanto varia a média de Y para um aumento de
uma unidade da variável X.
8 Métodos econométricos

Acompanhe a resolução de um problema de análise de regressão por meio da esti-

mação dos parâmetros do modelo visitando o link a seguir.

https://qrgo.page.link/UxX9B

3 Hipótese clássica de regressão linear e

modelagem econométrica
Segundo Gujarati e Porter (2011), uma das hipóteses do modelo de regressão
linear é que o modelo utilizado em uma regressão esteja corretamente espe-
cificado. Se o modelo não for utilizado corretamente, teremos um problema
de erro de especificação, conhecido como viés de especificação.
Ao abordar a questão da modelagem econométrica, devemos levar em
consideração alguns fatores para que se utilize um modelo adequado na análise.
Sendo assim, vamos especificar alguns critérios para a seleção do modelo,
dadas as premissas clássicas de regressão, como: ser confirmado pelos dados,
ou seja, as previsões feitas com o modelo devem ser logicamente possíveis.
Outro ponto é que o modelo especificado deve estar coerente com a teoria.
O próximo passo é ter repressores fracamente exógenos, o que significa que
as variáveis não devem ser correlacionadas com o termo de erro. Precisam,
também, apresentar constância nos parâmetros, contendo valores estáveis.
Outro fator importante é que os resíduos estimados do modelo devem ser
puramente aleatórios. Por fim, o modelo deve ser abrangente, de modo geral,
e os outros modelos não podem ser melhores ou mais aprimorados que o
modelo escolhido. Caso os critérios de modelagem econométrica não sejam
respeitados, o modelo poderá incorrer em erros de especificação.
Sendo estes, segundo Gujarati e Porter (2011), descritos como:

„„ omissão de uma ou mais variáveis relevantes;

„„ inclusão de uma ou mais variáveis desnecessárias;
„„ adoção da forma funcional errada;
„„ erros de medida;
„„ especificação incorreta do termo de erro estocástico;
„„ pressuposição de que o termo de erro tenha distribuição normal.
 Métodos econométricos 9

Sendo assim, as hipóteses do modelo clássico de regressão devem ser

respeitadas para que, com isso, o modelo apresente os melhores estimadores
lineares não viesados (MELNV).

Regressão linear e correlação: neste material, você vai aprender sobre correlação
amostral e o modelo linear de segundo grau.

https://qrgo.page.link/iHWGn

GUJARATI, D. N.; PORTER, C. P. Econometria básica. 5. ed. Porto Alegre: AMGH; Bookman,
2011. 920 p.
HOFFMANN, R. Análise de regressão: uma introdução à econometria. 4. ed. São Paulo:
Hucitec; Edusp, 2006. 378 p.
WOOLDRIDGE, J. M. Introdução à econometria: uma abordagem moderna. São Paulo:
Cengage Learning, 2011. 701 p.

Os links para sites da Web fornecidos neste capítulo foram todos testados, e seu fun-
cionamento foi comprovado no momento da publicação do material. No entanto, a
rede é extremamente dinâmica; suas páginas estão constantemente mudando de
local e conteúdo. Assim, os editores declaram não ter qualquer responsabilidade
sobre qualidade, precisão ou integralidade das informações referidas em tais links.