Econometria

Tpico 3 Regresso
Mltipla
O Problema da Inferncia

Ricardo Bruno N. dos Santos

Professor Adjunto da Faculdade de Economia
e do PPGE (Economia) UFPA

Lembre-se que os vdeos necessrios para

o acompanhamento dessa apresentao
so todos os vdeos que iniciam por 05, e
encontram-se dentro da pasta Vdeos no
mediafire.
Link do mediafire:
http://www.mediafire.com/?
q1dbpxh1b4uxo
No Slideshare:

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia
O
que devemos ter em mente?
- Normalidade dos resduos,
devemos considerar:

portanto,

- Deve-se levar em conta que nossos

estimadores so os Melhores Estimadores
Lineares No Tendenciosos (MELNT)

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

A
estatstica t para avaliar os estimadores
s continua a mesma, ou seja, para avaliar a
significncia
estatstica
individual
dos
estimadores devemos considerar que:

Nesse caso, segue distribuio t com n-3

graus de liberdade.

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

O teste de hiptese na Regresso

Mltipla
Como j observado na regresso simples, o
teste de hiptese anteriormente aplicado
semelhante a mltipla, por esse motivo, no
iremos nos deter nesse tpico novamente,
analisaremos apenas o modelo j estimado na
seo anterior sobre mortalidade infantil, e a
partir deste modelo iremos tecer alguns
comentrios sobre a anlise da significncia e da
construo do intervalo de confiana.

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia
O
modelo estimado
mortalidade infantil foi:

Podemos estabelecer que:

para

caso

da

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

A interpretao literal da hiptese nula (H0) seria a

de que, mantida constante a Taxa de Alfabetizao
Feminina, X2 (PNBpc) NO EXERCE influncia (linear) sobre
Y ( Mortalidade Infantil). Para testar tal hiptese, usamos o
teste t, onde:
Podemos ento achar o valor tabelado para comparar
se o valor do t calculado de -2,8187 , em mdulo, maior
que o valor tabelado, para encontrarmos o valor tabelado
basta consultarmos a tabela t para e com 61 graus de
liberdade, haja vista que o nmero de observaes
utilizadas de 64.
Com (n-k) graus de liberdade, sendo k o nmero de
variveis, teremos: (64-3=61 gl) o valor tabelado portanto
de 2

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

Assim, podemos verificar que o valor

calculado maior que o tabelado, nos
direcionando a rejeio da hiptese nula. Logo a
concluso de que significativo o efeito do
PNBpc na Mortalidade Infantil. A seguir podemos
visualizar o grfico para essa situao:

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

Outro
importante elemento a ser considerado o

intervalo de confiana do modelo, com os resultados

fornecidos j possvel constru-lo com base na seguinte
frmula:
Com os valores informados verifica-se que:

Com isso, o intervalo acima incluir o verdadeiro

valor do coeficiente com um nvel de confiana de 95%.
Dessa forma, se 100 amostras de tamanho 64 forem
selecionadas e 100 intervalos de confiana como o de
cima forem formulados, esperamos que em 95 deles
incluam o verdadeiro parmetro populacional .

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

No
tpico anterior foi calculado o teste de
Normalidade, e verificou-se que os resduos
atenderam a hiptese de normalidade.
O teste de significncia geral
J foi retratado que devemos testar se os
estimadores e so em conjunto iguais a zero, ou
seja, devemos verificar se , para realizar tal
procedimento, deveremos recorrer a estatstica F.
Quando abordamos a regresso linear simples,
fizemos uma anlise sobre a estatstica F, sua forma
de interpretao e o clculo de sua estatstica a
partir da tabela da ANOVA.

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

Porm ficou claro que em modelos simples a

medida da F no possui muito sentido, haja vista
que temos apenas uma varivel independente,
no caso da regresso mltipla, teremos duas ou
mais variveis independentes no modelo, o que
deixa o teste F com maior sentido.
Para tanto, vamos recorres a Tabela da
ANOVA, lembrando que essa tabela composta
pela Soma de Quadrados, que para o modelo
mltiplo foi verificado nas aulas anteriores.
Assim:

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

Considerando a hiptese de normalidade

temos:

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

Assim a nossa tabela da ANOVA composta

por:

No nosso exemplo temos:

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

Como a partir dos dados da regresso

podemos encontrar toda a estrutura da ANOVA?
Na verdade a regresso solta dois valores
pelos quais podemos encontrar todos os dados da
ANOVA, so a SQR e o R2.
Vejamos no resultado do modelo de
Mortalidade Infantil

Anlise da Regresso Mltipla

(Tpico 2):
O problema da Inferncia

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Devemos
lembrar que:

E que:
Se temos

e SQR podemos concluir ento

que:
logo:
Considerando: (n-k)=61 e k-1=2 temos

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia

Portanto, apenas com duas informaes

possvel encontrar todos os valores da tabela da
ANOVA.
Considerando ento um modelo com k
variveis:
Formula-se a hiptese:
Considerando os resultados da F do modelo da
mortalidade infantil, rejeita-se a hiptese nula,
conclui-se que pelo menos um dos estimadores
diferente de zero.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
A
importante relao entre o
estatstica F
Verificamos que:

e a

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Ou seja, para realizar a estatstica F, basta
que tenhamos o valor do R2.
Dessa forma, podemos encontrar a tabela
ANOVA pela seguinte maneira:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
A contribuio incremental ou marginal
de uma varivel independente (explanatria)
No tpico anterior, fazendo uso das variveis
padronizadas, podemos observar que a varivel Taxa
de Mortalidade Infantil tinha um peso (impacto) maior
na reduo da Taxa de Mortalidade Infantil.
Com o R2 possvel fazer uma outra anlise,
verificamos que o R2 para o modelo foi de 0,7077,
mas no podemos informar qual parte desse valor
deve-se varivel PNBpc e qual deve-se a TAF, graas
a possvel correlao que possa ocorrer entre as duas
variveis na amostra. Podemos aplica a tcnica da
ANOVA para identificar isso.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Procederemos da seguinte forma: ser feita
uma incluso sequencial estimando um modelo
linear tendo como variveis dependentes PNBpc
e em seguida um modelo com apenas a TAF. Aqui
na verdade queremos verificar a contribuio
individual de cada varivel, ou seja, queremos
saber se a incluso da varivel no modelo
aumenta a SQE (e, por conseguinte, o R2).
A regresso obtida considerando apenas MI
e PNBpc ser:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia

A tabela ANOVA da Regresso

ser:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Nesse
caso o valor da estatstica F j se encontra no

modelo (12,3598), mas a sua frmula de clculo ser:

Pelo resultado do modelo, verifica-se que a estatstica F
significativa, observe que se pegarmos a razo t e
elevarmos ao quadrado (-3,5156)^2= 12,3594, que um
valor muito prximo a estatstica F obtida.
Ento vamos para a prxima etapa com os seguintes
questionamentos:
1) Qual a contribuio marginal da TAF, sabendo que o
PNBpc j est no modelo e tem relao significativa com
MI?
2) A contribuio incremental da TAF estatisticamente
significativa?
3) Qual o critrio para acrescentar variveis no modelo?

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Para
responder a tais perguntas, devemos

fazer uso da ANOVA. Para isso vamos visualizar,

em uma tabela, a contribuio incremental de
TAF no modelo, para fazer essa avaliao
devemos fazer o seguinte passo:

Logo usando

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia

Em que o sob o novo modelo (ou seja, aps

adicionar os novos regressores = ), no modelo
velho () e no novo modelo (ou seja, levando em
conta todos os regressores ). Assim:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia

No entanto, a forma mais fcil de se fazer

isso utilizando o R2, cuja expresso:

A hiptese aqui testada no caso :

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Assim a tabela da ANOVA fica:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Quando acrescentar uma nova varivel?
O
procedimento
que
verificamos
anteriormente na estatstica F induz um mtodo
formal para decidir se devemos adicionar uma
varivel ao modelo de regresso. Frequentemente,
os pesquisadores so confrontados com a tarefa
de escolher entre vrios modelos que envolvem a
mesma varivel dependente, mas diferentes
variveis independentes. A se fazer uma escolha
ad hoc (pois muitas vezes o fundamento terico
fraco), camos na tentao de escolher o modelo
que reflete o maior R2 ajustado.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Teste
de igualdade para dois coeficientes

de regresso
Uma das formas de verificarmos a insero ou
no de novas variveis no modelo e observar a
restrio (ou igualdade) dos estimadores de tais
variveis.
Suponha que estejamos trabalhando com a
seguinte regresso mltipla:
E que desejamos testar as seguintes hipteses:
ou
ou

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Ou
seja, com esse procedimento, passamos a
verificar se (ou testar) se os dois coeficientes
angulares e , so iguais.
A hiptese nula tem importncia prtica.
Imagine que o modelo anterior remeta a uma funo
demanda de um bem, onde Y= quantidade
demandada do bem, X2 = o preo do bem; X3 =
renda do consumidor; X4 = riqueza do consumidor.
Neste caso, a hiptese nula significa que os
coeficientes da renda e da riqueza so os mesmos.
Ou, se e os X forem expressos em foram logartmica,
a hiptese nula implica que as elasticidades renda e
riqueza do consumo so iguais.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
A
hiptese nula com essas caractersticas
pode ser testada a partir da seguinte expresso:
Que segue uma distribuio t com (n-4)
graus de liberdade. O erro padro pode ser obtido
pela seguinte equao.
Logo:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Nota

Podemos estabelecer a covarincia como:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
1)

2)
3)
4)

Com
isso, o processo envolve os seguintes passos:
Estimados e . Isso evidentemente pode ser feito pelo
programa de sua escolha, nesse caso estamos vendo
o Gretl.
A maioria dos programas calcula de forma rotineira
os erros padres de cada estimador.
Obtemos a razo t. Porm, devemos ter cuidado com
a hiptese nula que passa a ser .
Se a varivel t calculada for maior que o valor crtico
de t no nvel de significncia proposto para dados
graus de liberdade, poderemos rejeitar a hiptese
nula; caso contrrio, no a rejeitamos. Como
alternativa, se o valor p da estatstica t for baixo,
poderemos rejeitar a hiptese nula.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Pelo
resultado da funo cbica de custo total

temos:

Usando 6 graus de liberdade (10-4), o valor t

observado superior ao valor tabelado, com isso,
podemos concluir pela rejeio da hiptese nula,
ou seja, os valores dos coeficientes so diferentes.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Mnimos
Quadrados Restritos: testes de

restries de igualdade linear.

Existem ocasies em que a teoria econmica
sugere que os coeficientes de um modelo de
regresso esto sujeitos a algum tipo de restrio de
igualdade linear. Por exemplo, considere a funo de
produo Cobb-Douglas:
Na forma logartmica j verificamos que:
Vamos supor que queiramos fazer um teste
para verificar a existncia de retorno constantes de
escala, a teoria econmica estabelece que:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Trata-se,
portanto, de um exemplo de

restrio de igualdade linear. Para descobrir se

realmente existem retornos constantes de escala
podemos fazer uso de duas abordagens.
Abordagem do teste t: A forma mais simples
verificar pela expresso do teste t considerando
agora as restries, nesse caso antes estvamos
testando:
o que resultava em
Agora a situao seria:
o que resulta em

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Com
isso a frmula estatstica do teste t

para a explicitar a restrio, que antes por

hiptese era zero, tornando-se:
Logo a hiptese nula a ser testada :
, ou seja, a restrio existe, o que implica
que , concluindo-se pelos retornos constantes a
escala.
Rejeitar H0 concluir pela existncia ou de
retornos decrescentes ou retornos crescentes.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
O que torna complicado o uso da t? O fato
de calcular a covarincia torna a operao ou uso
dessa estatstica, apesar de simples, mais
demorado, pois teramos que encontrar a matriz
var-cov dos estimadores.
Porm h outro mtodo, que pelo uso de
duas regresses poderemos encontrar de forma
mais rpida, apesar de dar mais trabalho, o nosso
teste.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Abordagem
do
teste
F:
Mnimos

Quadrados Restritos
Trata-se de uma abordagem mais direta
seria a o teste F, no entanto, para realizar tal
procedimento teramos que mudar a nossa
restrio, uma delas seria:
ou
Isso
nos
permite
eliminar
um
dos
coeficientes betas na equao das elasticidades
de produo e reescrever a funo Cobb-Douglas
da seguinte forma:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Tal
expresso resulta em:
Que pela propriedade do log fica
Que nos dar a razo produo trabalho Y/X2 e
a razo capital trabalho X3/X2.
Com isso teramos dois modelos, um com uma
restrio, que foi a modelo que acabamos de
construir e outro modelo sem restrio, que o
modelo sem a transformao.
Quando formos analisar, o modelo com restrio
ser, geralmente, aquele que possuir menor nmero
de variveis.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Assim,
podemos a partir dessa abordagem

construir uma estatstica F considerando a SQR

de cada um dos modelos, onde:
= SQR da regresso sem restries
= SQR da regresso com restries
m = nmero de restries lineares (no caso
desse exemplo 1)
k = nmero de parmetros da regresso
sem restries;
n = nmero de observaes.
Assim,

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia

Onde,
e
Vamos verificar no exemplo para a funo
Cobb-Douglas no Gretl.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Como exerccio reproduza no Gretl o exemplo
8.4 da pgina 219, sobre demanda de frango nos
EUA.
Teste da Estabilidade estrutural ou dos
parmetros nos modelos de regresso: O
teste de Chow.
Esse teste aplicado principalmente em series
de tempo, e sua finalidade a de verificar se, ao
longo dos anos, uma determinada economia teve
uma mudana e sua trajetria, ou seja, ele define se
ocorreu alguma mudana no coeficiente de
inclinao de nossa varivel de interesse.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Agora o que seriam essas mudanas
estruturais? Seriam mudana decorrentes de
alguns aspectos como:
Decorrente de foras externas Guerras,
Embargos econmicos, Copa do Mundo no Brasil,
etc;
Decorrentes de mudanas na poltica
Econmica: Cmbio Fixo para Flutuante, Plano
Real, etc
Decorrentes de tomadas de decises:
Mudanas tributrias, Investimentos no Nordeste,
Construo de usinas hidreeltricas, etc.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
Como verificar se a mudana ocorreu ou no?
usado no Gujarati o exemplo da tabela 8.9, que
apresenta dados sobre a renda pessoal disponvel e
a poupana pessoal, em bi US$, nos EUA entre
1970-1995.
Sabe-se que em 1982, ocorreu uma forte
recesso na economia americana, fato que poderia
influenciar na relao poupana X renda.
A ideia e construir uma estrutura de modelo
onde possamos verificar se a partir do ano em que
se verifica uma mudana na economia, se a
inclinao de nossa varivel de interesse mudou.
Assim, pode-se construir 3 regresses especficas:

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
1970-1981
=

1982-1995=
1970-1995=

(a)
4 (b)
(c)

Como proceder com o teste de Chow?

1) Estima-se a regresso (c) que ser adequada se no
houver instabilidade dos parmetros estimados,
obtm-se a SQR com (n-k) gl. Nesse caso ele ser
a , nesse caso ela restrita pela imposio de e ,
ou seja, as regresses dos subperodos so iguais.
2) Estima-se a equao (a) e obtemos a SQR1, com ()
gl.
3) Estima-se a equao (b) e obtemos a SQR2, com gl.

Anlise da Regresso Mltipla (Tpico 2):

O problema da Inferncia
4) Como
estamos considerando que os dois
conjuntos de amostras so independentes,
podemos somar SQR1+SQR2 e dizer que essa
soma seja a Soma de Quadrado dos Resduos
sem restries ()
5) Aplicamos tudo na Frmula da F, onde:
Vamos fazer no Gretl

FIM DO
TPICO 2