Escolar Documentos
Profissional Documentos
Cultura Documentos
Apresentação Contabilometria 6
Apresentação Contabilometria 6
2
Anlise de Resduos
A anlise dos resduos revela:
se a presuno de normalidade da distribuio dos resduos
se confirma;
pode revelar se a varincia dos resduos realmente
constante, ou seja, se a disperso dos dados em torno da reta
de regresso uniforme;
se h ou no uma varivel no identificada que deve ser
includa no modelo;
se a ordem em que os dados foram coletados ( p. ex., tempo
da observao) tem algum efeito sobre os dados, ou se a
ordem deve ser incorporada como uma varivel no modelo.
se a presuno de que os resduos no so correlacionados
est satisfeita.
3
Premissas dos Testes
Estatsticos
4
Premissas dos Testes
Estatsticos
5
Checando as premissas
pelas ferramentas do Excel
Usar os grficos:
Plotagem dos Resduos
Se os dados atendem s premissas, o grfico
deve mostrar uma faixa horizontal centrada em
torno do 0, sem mostrar uma tendncia positiva
ou negativa
Plotagem de Probabilidade Normal
Se o grfico aproximadamente linear, podemos
assumir que os resduos tm distribuio normal
6
Testando a adequao do modelo
Resduos
7
Testando a Existncia de
Resduos
Variveis Esquecidas
Os resduos no esto
aleatoriamente distribudos em
0 torno de zero
8
Checando Igualdade da
Varincia dos Resduos
A varincia dos resduos indicada pela largura da disperso dos resduos, quando o valor de x
aumenta
Se essa largura aumenta ou diminui quando o valor de x aumenta, a varincia no constante
Este problema denominado heterocedasticidade
Quando existe heterocedasticidade o mtodo dos mnimos quadrados no pode ser usado para
estimar a regresso, devendo ser usado um mtodo mais complexo chamado mnimos quadrados
geral.
9
Checando Heterocedasticidade
Resduos Resduos
0 0
X X
0 0
x x
11
Examinando autocorrelao
0 0
x x
12
Examinando autocorrelao
0
x
13
Checando as premissas por
Testes dos Pressupostos
14
Normalidade dos resduos
Identificao da Normalidade:
Compara-se a distribuio dos resduos
com a curva normal
Testes:
Kolmogorov-Smirnov (no paramtrico)
Jarque-Bera (paramtrico assinttico)
15
Normalidade dos resduos
Teste Kolmogorov-Smirnov
H0: distribuio normal
H1: distribuio no normal
Testa a proximidade ou a diferena entre freqncia observada e esperada.
Geralmente, K-S menor que 0,3 indica que a distribuio est apropriada.
JB = n . [ A2/6 + (C-3)2/24]
onde:
A = assimetria
C = curtose
17
Normalidade dos resduos
Possveis causas:
Omisso de variveis explicativas
importantes
Formulao matemtica incorreta (forma
funcional)
Soluo:
18
Incluir novas variveis
Homocedasticidade
19
Homocedasticidade
Os resduos devem apresentar a mesma
varincia para cada observao de X
Avalia-se o contedo informacional dos resduos
Identificao da homocedasticidade
Analisa-se a evoluo da disperso dos
resduos em torno da sua mdia, medida
que X aumenta
Examina-se a distribuio dos resduos para
cada observao de X
Testes: Pesarn-Pesarn; BPG; RESET de
Ramsey; White; etc.
20
Homocedasticidade
Teste de Pesarn-Pesarn:
2 = f (Yc2)
Possveis causas:
Diferenas entre os dados da amostra
a. modelo da aprendizagem
b. discricionariedade no uso da renda
c. diferenas em dados em corte (cross-
section)
d. erro de especificao
22
Homocedasticidade
Soluo:
Mudar a forma funcional atravs de
transformaes das variveis
Estimar a regresso via mnimos quadrados
ponderados
23
Ausncia de autocorrelao
Teste de Durbin-Watson
Estatstica DW = (x - x-1)2 / x2
25
Ausncia de autocorrelao
Anlise da Estatstica DW
0 dL dU 4-dU 4-dL 4
26
Ausncia de autocorrelao
Possveis causas:
Em sries temporais
inrcia
vis de especificao
falta de variveis
forma funcional incorreta
defasagem nos efeitos das vriveis
manuseio dos dados (interpolao / extrapolao)
27
Ausncia de autocorrelao
Soluo:
Formular corretamente a relao
funcional
Tornar a srie estacionria
28
Regresso Linear Mltipla
Extenso do modelo de regresso linear
Valem as hipteses de
Distribuio Normal dos Resduos
Homocedasticidade
Ausncia de autocorrelao
Linearidade nos parmetros
Adicionalmente
Ausncia de multicolinearidade
29
Multicolinearidade
31
Multicolinearidade
Conseqncias
Erros padro maiores
Menor eficincia
Estimativas mais imprecisas
Estimadores sensveis a pequenas
variaes dos dados
Dificuldade na separao dos efeitos de
cada uma das variveis
32
Multicolinearidade
33
Multicolinearidade
1 r12 ........r1k
2 = -[n - 1 - 1/6 . (2.k+5)] . Ln(det r21 1 ........r2k )
35
Multicolinearidade
Identificao VIF
VIFk = 1 / ( 1 - rk2)
36
Multicolinearidade
Identificao
Tolerancek = ( 1 - rk2)
37