Escolar Documentos
Profissional Documentos
Cultura Documentos
Econometria
Tópico 5 – Regressão Múltipla
Quebra dos pressupostos: Heterocedasticidade
No Slideshare:
Quebra dos pressupostos: Heterocedasticidade
Natureza da Heterocedasticidade
A heterocedasticidade quebra uma das mais relevantes e
importantes hipóteses do MRLC, trata-se da
homocedasticidade dos resíduos onde:
𝐸 𝑢𝑖2 = 𝜎 2 𝑖 = 1,2, … , 𝑛
A variância condicional de 𝑌𝑖 aumenta a medida que uma
determinada variável independente aumenta. Ou seja, a
variância de 𝑌𝑖 não são as mesmas. Como a variância do
resíduo está condicionada a 𝑌𝑖 então existe a presença da
heterocedasticidade, onde
𝐸 𝑢𝑖2 = 𝜎𝑖2
Suponha que o seguinte modelo esteja sendo analisado, onde
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖 , e Y seja a poupança e X a renda, assim
podemos verificar os dois seguintes gráficos:
Quebra dos pressupostos: Heterocedasticidade
HOMOCEDASTICIDADE
Quebra dos pressupostos: Heterocedasticidade
HETEROCEDASTICIDADE
Quebra dos pressupostos: Heterocedasticidade
As seguintes razões podem constituir-se como elementos de
variabilidade de 𝑢𝑖 , como:
1) Seguindo os modelos de erro-aprendizagem,
comportamentos incorretos das pessoas diminuem com o
tempo ou o número de erros torna-se mais consistente. Neste
caso, espera-se que 𝜎𝑖2 diminua. Como exemplo o autor cita a
Figura 11.3, que relaciona o número de erros de digitação
cometidos em um dado período de tempo em um teste com
as horas de prática de digitação. Percebe-se que o erro de
digitação diminui a medida que temos mais prática.
Quebra dos pressupostos: Heterocedasticidade
Quebra dos pressupostos: Heterocedasticidade
2) A medida que a renda aumenta, as pessoas têm mais renda
discricionária e, portanto, mais opções para escolher como
aplicarão sua renda. Por isso, é provável que 𝜎𝑖2 aumente com
a renda. Assim, na regressão de poupanças contra a renda é
provável que se verifique que 𝜎𝑖2 aumenta com a renda, pois
as pessoas têm maior opção sobre como irão dispor de suas
poupanças. Do mesmo modo, em geral se espera que
empresas com lucros maiores mostrem maior variabilidade
em suas políticas de dividendos que aquelas com lucros mais
baixos.
Quebra dos pressupostos: Heterocedasticidade
3) A medida que as técnicas de coleta de dados aprimoram-
se, é provável que 𝜎𝑖2 diminua. Assim, os bancos que têm
equipamentos sofisticados de processamento de dados
provavelmente cometem menos erros nos demonstrativos
periódicos de seus clientes do que bancos sem esses
recursos.
4) A hetero também ocorre com a presença de dados
discrepantes (outliers)
Quebra dos pressupostos: Heterocedasticidade
5) Violação da hipótese 9, onde o modelo de regressão deve ser
especificado corretamente.
𝜎2
𝑣𝑎𝑟(𝛽መ2 ) =
σ 𝑥𝑖2
O que mantém o modelo aderente ao MELNT é a variância
constante 𝜎 2 , mas, o que acontece que ela não for constante?
Para verificar isso temos que analisar os resultados para dois
aspectos um considerando a tendenciosidade e outro
considerando a eficiência do modelo.
Quebra dos pressupostos: Heterocedasticidade
MANHÃ
O fato de ser homocedástica ou heterocedástica não
influencia na tendenciosidade do estimador 𝛽መ2 (ver apêndice
3A do capítulo 3), onde 𝐸 𝛽መ2 = 𝛽2 , onde mesmo na
presença de heterocedasticidade, em amostras grandes o
estimador continua consistente, e portanto, não tendencioso.
Porém a eficiência é algo que não pode ser mantido. Pois
dada a presença de heterocedasticidade ele deixa de
apresentar a variância mínima, ou seja, ele deixa de ser
MELNT. Isso porque:
σ 𝑥𝑖2 𝜎𝑖2
𝑣𝑎𝑟 𝛽መ2 = 2
σ 𝑥𝑖2
1
Onde 𝑤𝑖 =
𝜎𝑖2
Quebra dos pressupostos: Heterocedasticidade
Podemos então verificar que a diferença entre o MQO e o
MQG é dada pela presença de um termo ponderado
visualizado pela soma ponderada dos quadrados dos resíduos
𝑤𝑖 = 1/𝜎𝑖2 , que tem um papel de peso, no entanto, os
resultados de ambos (MQO e MQG) chegam a mesma
conclusão de que os resíduos são homocedásticos.
[ σ 𝑤𝑖 σ 𝑤𝑖 𝑋𝑖2 − σ 𝑤𝑖 𝑋𝑖 2 ])
Os resultados foram obtidos por cada peso de .
Quebra dos pressupostos: Heterocedasticidade
Os autores observaram que sempre o MQO sobrestima
(superestima) o MQG (ou seja, sempre suas variâncias serão
maiores que o MQO), tanto para o intercepto quanto para o
coeficiente angular.
Com isso a conclusão é que, na presença da
heterocedasticidade, são os MQG e não os MQO os MELNT.
Quebra dos pressupostos: Heterocedasticidade
Detecção da Heterocedasticidade
Vamos observar alguns procedimentos práticos que ajudam
na detecção da heterocedasticidade. Para dados
socioeconômicos é mais difícil a detecção pois não temos
controle da amostra, dessa forma temos muitas vezes que
fazer uso da intuição, informações preexistentes, experiência
empírica e muitas vezes mera especulação.
Tendo em vista esses pontos, vamos observar alguns métodos
informais e formais para a detecção da hetero.
Quebra dos pressupostos: Heterocedasticidade
Os métodos informais: consistem basicamente verificar o
comportamento dos resíduos ao quadrado 𝒖 ෝ 𝟐𝒊 contra o valor
estimado de Y 𝒀 𝒊 . Algum comportamento sistemático entre
essas duas relações pode nos ajudar a concluir pela existência
da heterocedasticidade na regressão.
𝑢ො 𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑣𝑖
𝑢ො 𝑖 = 𝛽1 + 𝛽2 𝑋𝑖2 + 𝑣𝑖
O grande problema nesse teste são os resíduos 𝑣𝑖 que podem
ter comportamento heterocedástico também.
Quebra dos pressupostos: Heterocedasticidade
As regressões com o comportamento 𝑢ො 𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑣𝑖
são mais difíceis de serem estimadas por serem modelos de
regressão não linear. O que inviabiliza sua estimação por
MQO.
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + ⋯ + 𝛽𝑘 𝑋𝑘𝑖 + 𝑢𝑖
Suponha que variância do erro, 𝜎𝑖2 , seja descrita como:
𝜎𝑖2 = 𝑓(𝛼1 + 𝛼2 𝑍2𝑖 + ⋯ + 𝛼𝑚 𝑍𝑚𝑖 )
Ou seja, 𝜎𝑖2 é uma função das variáveis não estocásticas Z;
alguns ou todos os X podem servir de Z. Suponha que
𝜎𝑖2 = 𝛼1 + 𝛼2 𝑍2𝑖 + ⋯ + 𝛼𝑚 𝑍𝑚𝑖
Quebra dos pressupostos: Heterocedasticidade
Onde 𝜎𝑖2 passa a ser uma função linear de Z. Caso 𝛼2 = 𝛼3 =
⋯ = 𝛼𝑚 = 0, e 𝜎𝑖2 = 𝛼1 , que é uma constante. Dessa forma,
para testar se 𝜎𝑖2 é homocedástico, podemos testar a
hipótese de que 𝛼2 = 𝛼3 = ⋯ = 𝛼𝑚 = 0, esta é a ideia
básica por trás do teste de BPG.
Os procedimentos para a realização do teste são os seguintes:
1ª Etapa: Estime 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + ⋯ + 𝛽𝑘 𝑋𝑘𝑖 + 𝑢𝑖 por MQO
e obtenha os resíduos 𝑢ො 𝑖 .
2ª Etapa: Devemos obter o 𝜎 2 = σ 𝑢ො 𝑖2 /𝑛. Que é o estimador
de máxima verossimilhança de 𝜎 2 . Essa fórmula é diferente
do estimador de MQO que é 𝜎ො 2 = σ 𝑢ො 𝑖2 /(𝑛 − 𝑘).
3ª Etapa: Construir as variáveis 𝑝𝑖 que são definidas como:
𝑝𝑖 = 𝑢ො 𝑖2 /𝜎 2
Quebra dos pressupostos: Heterocedasticidade
4ª Etapa: Faça a regressão 𝑝𝑖 construída sobre os Z como
𝑝𝑖 = 𝛼1 + 𝛼2 𝑍2𝑖 + ⋯ + 𝛼𝑚 𝑍𝑚𝑖 + 𝑣𝑖