ECONOMETRIA I

A regressão de duas variáveis: Estimação de

intervalo e teste de hipóteses (Cap. 5)
Considere o exemplo hipotético que trata da
relação entre salário-hora e escolaridade,
visto anteriormente:

Yi  1   2 X i  ui

FRP
Com base em uma amostra, obteve-se:

Yˆi  0,014  0,7241X i

̂ 2 = 0,7241

Estimativa pontual
(única estimativa).
Em vez de nos embasar somente na estimativa
pontual, é possível construir um intervalo em
torno do estimador pontual, de modo que esse
intervalo tenha, por exemplo, 95% de
probabilidade de incluir o verdadeiro parâmetro.
Observe a seguinte expressão:

 
Pr ˆ2     2  ˆ2    1  
Queremos verificar o quanto ̂ 2está “perto” de
2
em que:
1 – α = Coeficiente de confiança
α = nível de significância
O estimador de intervalo proporciona
uma faixa dentro do qual o verdadeiro
parâmetro pode se situar.
É importante enfatizar os seguintes pontos:
I. A equação anterior não diz que a
probabilidade de  2 estar situado entre os
limites (inferior e superior) é de 1 – α.
II. O intervalo é um intervalo aleatório (Por
quê?)
III. A probabilidade relacionada ao intervalo
deve ser entendida no sentido de longo
prazo.
IV. Para intervalo específico, não é possível
dizer que 1 – α seja a probabilidade do
intervalo conter o verdadeiro parâmetro.

Como estabelecer os intervalos de confiança?

 Distribuições de probabilidade dos

estimadores. Quais são?
Intervalo de confiança para β2

ˆ2
Levando em conta que é normalmente
distribuído com média e variância dada,
temos: ˆ  
Z 
 
2 2

ep ˆ 2

Uma vez que:

 
ep ˆ 2 

 i
x 2
Obtém-se:

Z
 ˆ  x
2  2 
2
i


Podemos empregar a
distribuição normal padrão
desde que a verdadeira
variância populacional seja
conhecida.

Mas, se a variância populacional não for

conhecida?
Ao substituir o populacional pelo estimado, o
estimador de passaˆa2 seguir a distribuição t
de student.

ˆ 2   2
t   x
  ˆ  2  2

ep ˆ 2
2 i
t
ˆ

A variável t segue a distribuição t de student

com n – 2 g.l.
 Assim, o IC para  2 pode ser
estabelecido da seguinte forma:
 
pr   t   t  t    1

 2 2 

Valor crítico Valor crítico

-
  ˆ 
 

pr   t    t   1
 
2 2

ep ˆ
 
 2 2 2 
 
   
pr   t   ep ˆ 2  ˆ 2   2  ep ˆ 2  t 

  1

 2 2 

ˆ
 
ˆ ˆ  ˆ 
pr   2  t   ep  2   2  ep  2  t    2   1  
 2 2 

 IC para β2
De forma análoga:
ˆ
 ˆ ˆ  ˆ 
pr  1  t   ep 1  1  ep 1  t   1   1  
 2 2 
Considere uma estimativa de β2 igual a
̂ 2
0,7241, ep ( ) = 0,0696 e g.l = 11.
Utilize um nível de significância igual a
5%. Construir um IC.
Pr  0,5709   2  0,8772   95%
Intervalo de confiança para σ2
Sob a premissa de normalidade, a
variável:    n  2 ˆ
2
2

2

Segue a distribuição de qui-quadrado com

n – 2 g.l. Assim, pode-se utilizar essa
distribuição para construir um IC para σ2
.
pr   inf
2
  2   sup
2
  1
Substituindo:

 2 ˆ 2 2 
pr   inf   n  2  2   sup   1  
  

Reorganizando os termos, temos:

 ˆ 2
ˆ 2 
pr   n  2 2     n  2  2
2   1
  sup  inf 
 
Exemplo:
ˆ 2  42,1591
gl=8
α = 5%
  42,1591 42,1591 
pr  8  8
2
  95%
 17,5 2,18 

 19,21;154,71
Teste de hipóteses
O problema do teste de hipótese pode ser
resumido da seguinte forma:
Uma dada observação ou resultado é
compatível com alguma hipótese feita ou
não?
Exemplo:
Suponha que, de acordo com a teoria, β2
= 0,7

Porém a estimativa de MQO foi de:

ˆ2  0,7241

É coerente com a hipótese feita?

 Abordagem do IC
Teste de hipótese
Abordagem do Teste
de significância.
Abordagem do IC
Imagine a seguinte situação:
H 0 :  2  0,7
H 1 :  2  0,7

O ̂ 2é compatível com a hipótese nula?

Lembrem-se que, no longo prazo, intervalos

como (0,5709; 0,8772) conterão, com 95% de
probabilidade, o verdadeiro parâmetro. Assim,
há grande chance de estabelecer um IC que
2
contenha o verdadeiro .
Assim sendo, é possível formular a
seguinte regra de decisão (abordagem do
IC)
“Estabeleça um IC de 100(1 – α)% para
o parâmetro de interesse. Se o
parâmetro sob a hipótese nula cair
dentro do IC, não rejeite a hipótese,
mas se cair fora, rejeite a hipótese”
Com relação ao nosso exemplo, podemos
rejeitar ou não?

Quando rejeitamos uma hipótese

dizemos: o resultado foi estatisticamente
significante.
Abordagem do teste de significância
(teste de hipótese)
A grosso modo, um teste de significância
é um procedimento em que os resultado
amostrais são usados para verificar a
veracidade ou a falsidade de uma hipótese
nula.
Recordemos que, sob a premissa de
normalidade, a variável:
 t  ˆ   ~ t de student com n – 2 g.l
 
2 2
ˆ
ep  2
Sob a hipótese nula:
ˆ 2   2*
t 
 
ep ˆ 2
 t

t
-tα/2 tα/2

se  t  t cal  t
2 2

se t cal  t ou t cal  t 2

2
Exemplo

Yˆi  24,4545  0,5091X i

 
ep ˆ 2  0,0357

H 0 :  2  0,3
H 1 :  2  0,3 Teste bicaudal
Primeiro passo: definir as áreas críticas
(de rejeição) e de não rejeição. Considere
um nível de significância de 5% e g.l =8
Imagine que uma experiência sugerisse
que deveríamos esperar uma Pmc maior
que 0,3:
H 0 :  2  0,3
H 1 :  2  0,3
 Teste de significância para σ2: o teste de
qui-quadrado
Tomemos um exemplo hipotético.
ˆ 2  42,1591 gl = 8


H 0 :  2  85
H 1 :  2  85

ˆ 2
   n  2 2
2


TESTE DE HIPÓTESE: ALGUNS
ASPECTOS PRÁTICOS

 O sentido da “aceitação ou “rejeição”

de uma hipótese
Yˆi  24,4545  0,5091X i

 
ep ˆ 2  0,0357

H 0 :  2  0,5
H 1 :  2  0,5
 

Imaginemos agora a seguinte hipótese

nula: H0=0,48
 A hipótese nula “zero” e a regra prática
“2-t”

Uma hipótese nula muito testada

empiricamente é H 0 :  2  0 , isto é, o
coeficiente angular é igual a zero.
Objetivo: descobrir se Y está relacionado
de alguma forma a X.
 Regra prática “2-t”:

Se o número de graus de liberdade é de

20 ou mais e se o nível de significância
for estabelecido em 0,05, então a hipótese
nula β2 = 0 pode ser rejeitada se o valor
tcal for maior que 2 em termos de valor
absoluto.
 Elaboração das hipóteses nulas e
alternativas

 Escolha
de α, o nível de significância:
1%, 5% e 10%