Aula 10

Introdução ao Stata
7 de junho de 2013
 Exemplo: Gastos médicos com um
único regressor
• Medical Expenditure Panel Survey
• Variável dependente: ldrugexp (log dos gastos
com medicamentos prescritos)
• Variável endógena: hi_empunion: variável de
seguro de vida endógena.
• Ter este seguro saúde é uma variável de
escolha. Aqueles que esperam gastar mais
com saúde, escolhem um emprego que
ofereça este tipo de seguro saúde.
 Possíveis instrumentos
• firmsz: tamanho da firma.
• multlc: se a firma tem múltiplas localidades.
Estes instrumentos poderiam captar se o
indivíduo tem acesso ao seguro saúde
suplementar via o empregador. Estas duas
últimas variáveis podem não ser relevantes
para os aposentados, CP, e que compram
seguro de forma privada.
 Possíveis instrumentos
• Ssiratio: razão entre a renda individual advinda
da seguridade social e a renda de todas as fontes
– indicativo de restrições de renda.
• Lowincome: dummy indicando o status de baixa
renda das pessoas.
Os instrumentos são relevantes pois tem uma
correlação negativa com o acesso a seguridade
suplementar.
O papel direto da renda está sendo controlado pela
variável linc (log da renda total familiar).
 Regressão Linear: Variáveis
instrumentais
• Teste de sobreidentificação:
– A validade de um instrumento não pode ser testada
em um modelo exatamente identificado.
– É possível testar a validade em um modelo
sobreidentificado (mais instrumentos que regressores
endógenos).
– Testa se instrumentos sobreidentificadores são não
correlacionados com o erro.
– Testes: testes de sobreidentificação, teste de Hansen,
teste de Sargan e teste Hansen-Sargan.
 Teste de sobreidentificação
– Imagine o seguinte modelo:

y1  y2  

– Se y2 é endógeno, tenho que ter um instrumento , tal que:

cov( z , y2 )  0
cov( z ,  )  0

– Suponha que este instrumento é z1, rodo MQ2E e salvo resíduos. Testo
se: (z2 é o outro instumento)
cov( z 2 eˆ)  0
 Teste de sobreidentificação Qui quadrada
com assintótica
com gl = número
de restrições
sobreidentificad
oras

• Regredir os resíduos das variáveis instrumentais

sobre todos instrumentos e as variáveis exógenas
e a constante.
• A rejeição da hipótese nula indica que pelo
menos um instrumento não é válido. Entretanto
não sabemos qual instrumento.
• Não rejeitar a hipótese nula não garante que
todos instrumentos sejam válidos!
 Teste de sobreidentificação
• Usando ssratio e multlc.
• A estatística de teste é distribuída qui quadrada com 1 gl. (2-1
= restrições de sobreidentificação).
• Como p > 0.05 , não podemos rejeitar a hipótese nula e
concluimos que a restrição de sobreidentificação não é válida.

Hansen J statistic (overidentification test of all instruments): 1.048

Chi-sq(1) P-val = 0.3061

Instrumented: hi_empunion
Included instruments: totchr age female blhisp linc
Excluded instruments: ssiratio multlc
 Teste de sobreidentificação
• Usando ssratio, multlc, lowincome, firmsz
• A estatística de teste é distribuída qui quadrada com 3 gl. (4-1
= restrições de sobreidentificação).
• Como p < 0.05 , rejeita a hipótese nula e concluimos que a
restrição de sobreidentificação é válida.

Hansen J statistic (overidentification test of all instruments): 11.590

Chi-sq(3) P-val = 0.0089

Instrumented: hi_empunion
Included instruments: totchr age female blhisp linc
Excluded instruments: ssiratio lowincome firmsz multlc
Regressão quantílica
 Regressão quantílica
• Técnica de regressão mais robusta que apresenta
vantagens em comparação ao método de MQO
no caso de violações das suposições do modelo
de regressão clássico.
• Método mais robusto de estimação
• Para algumas variáveis contínuas, não basta
apenas olhar o comportamento da média.
• Usada nos casos em que os erros não têm
distribuição normal ou quando a variável
dependente apresenta valores extremos.
 Justificativas do uso
• A média pode ficar estável, mas o
comportamento da variável é diferenciado ao
longo da distribuição.
• Pode haver interesse em uma parte específica
da distribuição da variável.
• A regressão quantílica permite examinar como
os quantis da variável dependende mudam
em resposta a um conjunto de variáveis
independentes.
 Regressão quantílica
• Método de MQO: estima o efeito médio de
uma variável X sobre a distribuição
condicional de Y em X.
 Regressão quantílica
• Regressão quantílica: efeito em toda a
distribuição condicional da variável de
interesse dadas as variáveis explicativas.
• Visão mais completa da relação entre as
variáveis.
 Regressão quantílica
• Estimo para partes da distribuição.

MQO
 Definições
• Quantil:

• Mediana

• Primeiro e último decil:

• Primeiro e último quartil:

 Método de estimação
• Minimização do desvio médio absoluto:

• b será a mediana
 Método de estimação
• Minimização para qualquer quantil:

• Minimiza a soma ponderada dos valore

absolutos dos resíduos
• Regressão quantílica
 Regressão quantílica
• As variáveis X afetam o comportamento de
toda a distribuição de Y.
• O impacto num quantil inferior pode ser
diferente do impacto na média.
• Para cada quantil, há uma regressão
quantílica:

• Para cada quantil, haverá um vetor de

parâmetros estimados.
 Interpretação
• De que forma a distribuição condicional do
quantil muda com variações de X

• Impacto das mudanças em xj, sob a hipótese

de que os indivíduos permaneçam no mesmo
quantil da distribuição depois da mudança.
 Comandos no stata
• qreg: especificar o quantil

• Bsreg: erro padrão calculado por bootstrap

• Sqreg: estima para diferentes valores dos
quantis simultaneamente.
• Iqreg: estima para a diferença interquartílica
 Exemplo
• Medical Expenditure Panel Survey
• Log Gastos com medicamentos: ltotexp
• Dado: mus03data.dta
12
10
8
6
4
2

0 .25 .5 .75 1
Fraction of the data
Variable OLS QR_25 QR_50 QR_75 BSQR_50

suppins 0.257 0.386 0.277 0.149 0.277

0.046 0.055 0.047 0.060 0.059
totchr 0.445 0.459 0.394 0.374 0.394
0.018 0.022 0.018 0.022 0.020
age 0.013 0.016 0.015 0.018 0.015
0.004 0.004 0.004 0.005 0.004
female -0.077 -0.016 -0.088 -0.122 -0.088
0.046 0.054 0.047 0.060 0.052
white 0.318 0.338 0.499 0.193 0.499
0.141 0.166 0.143 0.182 0.233
_cons 5.898 4.748 5.649 6.600 5.649
0.296 0.363 0.300 0.381 0.385
 Intercept

-0.02 Age 10.00

0.00 0.02 0.04 2.00 4.00 6.00 8.00

0
0

.2
.2
=1 if supp ins

Quantile
Quantile
=1 if female

.4 .6 .8
.4 .6 .8

1
1
-0.40 -0.20 -0.20
0.00 0.20 0.40 0.00 0.20 0.40 0.60

0
0

.2
.2

n of chronic condns

Quantile
Quantile

=1 if white

.4 .6 .8
.4 .6 .8

1
1

-1.00 -0.50
0.00 0.50 1.00 0.20 0.30 0.40 0.50 0.60 0.70
0
0

.2
.2

Quantile
Quantile

.4 .6 .8
.4 .6 .8

1
1