ECONOMETRIA:

INTERVALO DE CONFIANA E
TESTE DE HIPTESE
PROF CHIARA N. FRANA ARAJO
ESTIMATIVA DE INTERVALO
TEORIA DA ESTIMATIVA: estimativa de ponto
(MQO) e estimativa de intervalo (intervalo de
confiana).
Essa teoria est intimamente relacionado com
os conceitos de probabilidade e de estatstica.
Possveis deficincias podem ser parcialmente
supridos com a leitura do apndice A
(GUJARATI, 2000).
ESTIMATIVA DE INTERVALO
Qual a idia principal que envolve a estimativa
de ponto?
Suponha a Equao 3.6.2 (Cap. 3):
Os betas estimados so estimativas de ponto.
Considerando essa lgica o e admitindo
que em amostras repetidas, o valor mdio seja igual
ao valor verdadeiro, ,nesse caso, a
confiabilidade desse estimador de ponto
medida pelo erro padro.
i i
X Y 5091 , 0 4545 , 24
^
+ =
5091 , 0
2
^
= |
2 2
^
) ( | | = E
ESTIMATIVA DE INTERVALO
Qual a idia principal que envolve a
estimativa de intervalo?
Digamos que queremos descobrir quo prximo
est . Para tanto, podemos construir um
intervalo em torno do estimador de ponto, de
modo que esse intervalo tenha 95% de
probabilidade de incluir o valor verdadeiro do
parmetro, ou o mais prximo dele.
Vejamos como isso possvel....
2
^
2
| |
ESTIMATIVA DE INTERVALO
Suponha dois nmeros positivos, e , onde
0<<1, de modo que a probabilidade do
intervalo de conter o verdadeiro valor de
1 . Logo o intervalo definido da seguinte
forma:
Esse intervalo conhecido como intervalo de
confiana. 1 o coeficiente de confiana e
o nvel de significncia.
2
|
o | | | = + s s 1 ] [
^
2 2
^
2
prob
ESTIMATIVA DE INTERVALO
O nvel de significncia () tambm conhecido
como a probabilidade de cometer um erro do
tipo I. Um erro do tipo I consiste em rejeitar uma
hiptese verdadeira, enquanto o erro do tipo II
consiste emaceitar uma hiptese falsa.
Os pontos extremos do intervalo de confiana so
conhecidos como limites de confiana:
Limite de confiana inferior
Limite de confiana superior
|
^
2
| +
^
2
ESTMATIVA DE INTERVALO
Como pode ser interpretado o intervalo de
confiana?
Suponha que o nvel de significncia seja igual a
5%, ou seja, = 0,05. Nesse caso o coeficiente
de confiana ser 1- = 0,95 ou 95%. Esse
resultado nos informa a probabilidade do
intervalo de confiana incluir em seus limites o
verdadeiro valor do parmetro, .
2
|
ESTIMATIVA DE INTERVALO
Lembro que o intervalo de confiana
considerado como aleatrio, pois varia de
amostra para amostra e os valores dos
parmetros so desconhecidos.
Em intervalos de confiana os valores dos
parmetros estimados so desconhecidos, pois
do contrrio teramos uma estimao de ponto.
Assim, como devemos ento construir um
intervalo de confiana? Vejamos...
CONSTRUINDO INTERVALO DE CONFIANA
PARA :
Os estimadores de MQO( e )se distribuem
normalmente com mdias e varincias prprias.
Assim, podemos definir como Z a varivel normal
padro, que segundo os conceitos bsicos da
normal padro pode ser descrita da seguinte forma:
2
|
^
2
|
^
1
|
o
| |
|
| |

|
.
|

\
|

=
|
.
|

\
|

=
2
2
^
2
^
2
2
^
2
i
x
ep
Z
CONSTRUINDO INTERVALO DE
CONFIANA
Sabemos que o intervalo deve possuir um nvel de confiana
(1 - ) suficiente para afirmar que o verdadeiro valor do
parmetro est no intervalo determinado.
A determinao desse intervalo de confiana depende
diretamente da definio da varivel piv.
Varivel piv uma varivel aleatria que depende da
amostra e do parmetro que se quer estimar. Nesse caso, ela
pode ser definida como uma varivel aleatria que se
distribui normalmente, se a varincia do erro for conhecida.
Caso a varincia do erro no for conhecida temos que utilizar
a varincia do resduo e, nesse caso, usamos como varivel
piv a varivel t, ou seja, que segue a distribuio t-student.
CONSTRUINDO INTERVALO DE
CONFIANA
Logo, poderemos usar a distribuio da normal
padro para fazer inferncias probabilsticas
sobre beta 2, desde que a verdadeira varincia
do parmetro, , seja conhecida.
Mas, normalmente no conhecido (como
vimos no captulo 3), assim, substituirmos o
por (varincia estimada de beta 2). Nesse caso,
usamos a estatstica t para definir a varivel
piv. Portanto, Z deve ser substituda por:
2
o
2
o
2
o
^
2
o
CONSTRUINDO INTERVALO DE
CONFIANA
Onde t refere-se a distribuio de
probabilidade t-student com n-2 graus de
liberdade.
Depois de definida a varivel piv t, onde a
mesma depende da amostra e do parmetro
que se quer estimar, ento podemos definir o
intervalo de confiana da seguinte forma:
^
2
2
^
2
^
2
^
2
2
^
2
o
| |
| |
| |

|
.
|

\
|

=
|
.
|

\
|

=
|
.
|

\
|

=
i
x
padro erro
parmetro estimador
ep
t
) (
1 ) ( ) ( Pr
1 ) ( ) ( Pr
) 1 (
1 ) ( ) ( Pr
1
) (
Pr
1 Pr
^
2
2
^
2
^
2
2
^
2 2
^
2
2
^
2
^
2
2
2
^
2
^
2
2
^
2
2
2
^
2
^
2
2
2
^
2
2
^
2
2
2 2
| |
o | | | | |
o | | | |
o | | | |
o
|
| |
o
o
o o
o o
o o
o o
o o
ep t
ep t ep t
ep t ep t
x
ep t ep t
t
ep
t
t t t

=
(

+ s s
=
(

s + s

=
(

s s
=
(
(
(
(

s
=
|
|
.
|

\
|
s s
INTERVALO DE CONFIANA
o intervalo de confiana do
parmetro beta 2.
De forma anloga, temos o seguinte intervalo
para beta 1:
) (
^
2
2
^
2
| |
o
ep t
) (
1 ) ( ) ( Pr
^
1
2
^
1
^
1
2
^
1 1
^
1
2
^
1
| |
o | | | | |
o
o o
ep t
ep t ep t

=
(

s s +
INTERVALO DE CONFIANA
Se observarmos os intervalos de confiana
perceberemos que em ambos os casos a
amplitude do intervalo proporcional ao
erro padro do estimador. Ou seja, quanto
maior o erro padro, maior a amplitude do
intervalo de confiana, e, maior a incerteza de
se estimar o verdadeiro valor do parmetro
desconhecido.
Dessa forma, o erro padro de um estimador
apresenta-se como uma medida de preciso.
INTERVALO DE CONFIANA
EXEMPLO: Suponha o exemplo que vimos na
seo 3.6 (cap. 3) em que
Onde e o grau de liberdade = 8.
Se admitirmos que =5%, ento, o coeficiente
de significncia igual a 95%. Ento, na
tabela da t-student, a varivel piv t com 8
graus de liberdade e t
/2
ser t
0,05/2=0,025
=2,306.
i i
X Y 5091 , 0 4545 , 24
^
+ =
0357 , 0 ) (
^
2
= | ep
INTERVALO DE CONFIANA
Como o valor de t = 2,306, ento devemos
substituir esse valor, juntamente com o valor
estimado do parmetro beta 2 e o valor do
seu erro padro, para determinar o intervalo
de confiana. Assim:
| |
| |
| | 5914 , 0 ; 4268 , 0 :
95 , 0 5914 , 0 4268 , 0 Pr
1 ) 0357 , 0 ( 306 , 2 5091 , 0 ) 0357 , 0 ( 306 , 2 5091 , 0 Pr
2
2
IC
= s s
= + s s
|
o |
INTERVALO DE CONFIANA
INTERPRETANDO...
Dado o coeficiente de confiana de 95%, e
considerando amostras repetidas, em 95% do
conjunto de amostras escolhidas, o intervalo de
confiana apresentado conter o verdadeiro
valor do parmetro.
INTERVALO DE CONFIANA
PARA BETA 1:
| |
| |
| | 2448 , 39 ; 6643 , 9 :
95 , 0 2448 , 39 6643 , 9 Pr
1 ) 4138 , 6 ( 306 , 2 4545 , 24 ) 4138 , 6 ( 306 , 2 4545 , 24 Pr
2
2
IC
= s s
= + s s
|
o |
TESTE DE HIPTESE
Essa teoria procura desenvolver
regras ou procedimentos para decidir
se uma hiptese nula deve ser
rejeitada ou aceita.
TESTE DE HIPTESE
H duas abordagem
complementares que
delineiam tais regras:
intervalo de confiana e teste
de significncia
TESTE DE HIPTESE
Exemplo: suponha o nosso exemplo de
sempre, consumo-renda, onde temos que a
propenso marginal a consumir (PMgC)
estimada . Admita as seguintes
postulaes:
Nesse caso, devemos aceitar ou rejeitar a
hiptese nula (Ho), segundo o intervalo de
confiana encontrado?
5091 , 0
^
2
= |
3 , 0 :
3 , 0 :
2 1
2 0
=
=
|
|
H
H
| | 95 , 0 5914 , 0 4268 , 0 Pr
2
= s s |
TESTE DE HIPTESE
Temos que rejeitar a hiptese nula quando ela afirma
que , pois o valor do parmetro est
localizado na regio de rejeio.
Hiptese nula
Hiptese alternativa
Dependendo de como voc formula o entendimento
de sua hiptese, a mesma pode ser aceita ou no.
Vejamos...
3 , 0 :
2 0
= | H
:
0
H
:
1
H
TESTE DE HIPTESE
Seguindo o raciocnio do exemplo renda-
consumo, se for suposto que:
A hiptese nula deve ser aceita, quando a
estatstica encontrada estiver na regio de
aceitao do intervalo de confiana, do
contrrio, Ho deve ser rejeitada.
TESTE DE HIPTESE
Quando rejeitamos a hiptese nula
estamos afirmando que o estimador
encontrado estatisticamente
significante.
Do contrrio, dizemos que a
estatstica encontrada no
significante.
TESTE DE HIPTESE
Na linguagem de teste de hiptese, o intervalo
de confiana que estabelecemos chamado
de regio de aceitao e as reas fora da
regio de aceitao so chamadas de regies
crticas, ou regies de rejeio da hiptese
nula.
Como dito anteriormente, os limites inferior e
superior da regio de aceitao so chamados
de valores crticos. Ento...
TESTE DE HIPTESE
Regio de
rejeio
Regio de
rejeio
Regio de
aceitao
Limite inferior Limite superior
TESTE DE HIPTESE
Como vimos, na linguagem de teste de
hiptese, se o valor hipottico se encontra
dentro da regio de aceitao, a hiptese
pode ser aceita ou no. Tais afirmaes
podemgerar dois tipos de erro, que so:
ERRO DO TIPO I: a probabilidade de rejeitar
Ho, quando ela verdadeira;
ERRO DO TIPO II: a probabilidade de aceitar
Ho, quando ela falsa.
ESTATSTICA DE TESTE
EXEMPLO:
Suponha ainda nosso exemplo consumo-renda.
Admita que o valor observado de ,
e o gl=8. Admita que =5% e que
t
/2
=2,306. Se adotarmos que:
Ento...
0357 , 0 ) (
^
2
= | ep
3 , 0 :
3 , 0 :
2 1
2 0
=
=
|
|
H
H
5091 , 0
^
2
= |
ESTATSTICA DE TESTE
95 , 0 3823 , 0 2177 , 0
95 , 0 ) 0357 , 0 ( 306 , 2 3 , 0 ) 0357 , 0 ( 306 , 2 3 , 0
1
^
2
2
^
2 /
^
2
2
^
2
2 /
=
(
(

s s
=
(
(

+ s s
=
(
(
(
(

s
|
.
|

\
|

s
|
|
o
|
| |
o o
P
P
t
ep
t P
Nesse caso, rejeitamos ou aceitamos a
hiptese nula?
ESTATSTICA DE TESTE
Rejeitamos a hiptese nula, pois o
valor observado do se
encontra na regio crtica, logo o
verdadeiro valor do parmetro, ou
seja, diferente de 0,3.
5091 , 0
^
2
= |
2
|
TESTE DE HIPTESE
A hiptese nula igual a zero
Em geral, os trabalhos empricos fazem uso da hiptese
nula igual a zero, ou seja (por exemplo):
Essa hiptese nos informa que o coeficiente de
inclinao pode assumir o valor zero. Sendo isso
verdade, a varivel dependente Y no ter relao
alguma com a varivel explicativa X. Logo, se for
verificado que Y e X no tem relao alguma, qual o
sentido de testar uma hiptese do tipo ?
0 :
2 0
= | H
3 , 0 :
2 0
= | H
FORMULANDO HIPTESE
No h regras para formular hiptese! Em
geral, o fenmeno em estudo sugerir a
natureza da hiptese. Exemplo:
Suponha a teoria da carteira que sugeri que
voc estime uma reta de mercado de capitais
que postula a seguinte relao entre as
variveis retorno (varivel explicada ou
dependente) e risco (varivel explicativa).
Como voc definiria a relao entre essas
variveis? E como formular as hipteses?
FORMULANDO HIPTESE
A relao entre retorno e risco deve ser
positiva, pois quanto maior o risco maior o
retorno do investimento em carteira. Dessa
forma, temos a seguinte relao:
Logo, podemos ter as seguintes hipteses:
R E
i 2 1
| | + =
0 :
0 :
2 1
2 0
>
=
|
|
H
H
FORMULANDO HIPTESE
Voc tambm pode formular
hiptese com relao a algum
fenmeno estudado, tomando como
base as hiptese testadas em
trabalhos empricos j realizados.
VALOR DA PROBABILIDADE DA ESTATSTICA DE TESTE
Ao estimarmos os coeficientes e
encontramos (na tabela do eviews) o valor da
probabilidade de cometer o erro do tipo I, ou seja,
de rejeitar a hiptese nula quando ela verdadeira.
Observe isso na tabela!
Observando a tabela gerada no eviews sobre o nosso
exemplo de renda-consumo, a probabilidade de
cometer o erro do tipo I com relao aos
coeficientes estimados est concentrada na regio
de rejeio, segundo o nvel de significncia de 5%!
^
1
|
^
2
|
VALOR DA PROBABILIDADE DA
ESTATSTICA DE TESTE
Em outras palavras, o valor da
probabilidade definido como o
mais baixo nvel de significncia com
o qual a hiptese nula pode ser
rejeitada, ou a probabilidade de se
cometer o erro do tipo I.
ESTATSTICA F
Depois de testada individualmente a significncia dos
coeficientes estimados sob a hiptese nula dos seus valores
serem iguais a zero, foi feito umteste de hiptese chamado
teste de significncia global ou ainda, assim, chamado,
TESTE F.
Esse verifica a veracidade ou no da hiptese nula
conjunta dos coeficientes. Olhando por outro ngulo, esse
teste observa se a varivel dependente Y tem relao linear
comas variveis explicativas simultaneamente.
ESTATSTICA F
No nosso exemplo de renda-consumo, o nosso
teste F pode ser encontrado seguindo o
teorema 4.7. Assim:
Como o F
calculado
> F
tabelado
, com 8gl (n-k), ou
seja, 202,8679 > 5,32, ento, a hiptese nula
de que rejeitada, o que significa que o
valor do consumo(Y) tem relao linear com
a varivel explicativa (X) do modelo.
8679 , 202 ) 24317 , 14 (
2 2
8 , 1
= = =
= k n k n
t F
0
^
2
= |
ESTATSTICA F
possvel verificar tambm que a
probabilidade de se cometer o erro
do tipo I baixssima, ou seja,
0,000001.
O teste F torna-se mais robusto
quando analisado em modelos de
regresso mltipla.