O que é um Modelo?

 A econometria se sustenta em modelos.

 Um modelo é uma representação simplificada de
um processo do mundo real.
 Os Modelos têm que ser simples e tratáveis. Mas
também têm que ser bastante gerais para ser
úteis.
 Os modelos simples são criticados porque:
 São simplificados demais ou ingênuos
 suas assunções são irrealistas.
 Pode ser melhor começar com modelos mais gerais e
logo simplificar
Slide n 1 Modelagem econométrica (1) Ludwig.plata@uniso.br
A simplicidade é um problema?
 Dizer que a demanda para laranjas só depende de
preço é claramente uma grande simplificação e
também uma declaração irreal.
 Simples ou geral é a questão.
 Realismo é relativo. Deveria-se apontar para
modelos que são aproximações boas da realidade.

Slide n 2 Modelagem econométrica (1) Ludwig.plata@uniso.br

Modelos econômicos
 Os economistas procuram entender a natureza e o
funcionando dos sistemas econômicos.
 Eles centram no global ou nas quantidades macro (PIB,
emprego, etc..) e também em setores, regiões, e famílias.
(microeconomia).
 Eles elaboram modelos para entender as relações entre as
variáveis de interesse.
 Por que?
 Um objetivo é fazer predições condicionais de como serão
as coisas.
 Previsões condicionais ajudam empresas, consumidores e
governos a tomar decisões e modificar resultados.
 Outro objetivo importante é testar teoria econômica.
Slide n 3 Modelagem econométrica (1) Ludwig.plata@uniso.br
Modelos econômicos
 O primeiro passo é é construir um modelo teórico do
sistema econômico.
 Os modelos simplificam realidade.
 apontam para capturar só as características fundamentais
do sistema.
 Os resultados econômicos dependem das decisões das
unidades econômicas (empresas, famílias, o governo)
dos recursos escassos e da tecnologia existente.
 Modelos teóricos usam: relações de comportamento e
relações tecnológicas

Slide n 4 Modelagem econométrica (1) Ludwig.plata@uniso.br

Exemplo de modelos econômicos
• Consumo, c, é uma função da renda, r :
c = f(r)
demanda, qd, por uma mercadoria
qd = f( p, pc, ps, r )
 p = preço do bem; pc = preço do complementar; ps =
preço do substitutos; r = renda
Oferta, qs, de uma commodity:
qs = f( p, pc, pf )
p = preço do bem; pc = preço do bem concorrencial; ps =
preço do bem substituto; pf = preço do fator de produção

Slide n 5 Modelagem econométrica (1) Ludwig.plata@uniso.br

Especificar um modelo matemático da teoria
 Transformar o modelo teórico econômico para
uma estrutura matemática
 Modelo Linear
 Y = a + bX
 Modelo de segundo grau
 Y = a + bX + cX2
 Modelo exponencial
 Y = aXb
 Modelo Logarítmico
 LogY = Log.a + b.LogX

Slide n 6 Modelagem econométrica (1) Ludwig.plata@uniso.br

Metodologia econométrica
1. Teoria econômica do problema ou hipótese do
interesse.
2. Especificar um modelo matemático da teoria.
3. Especificar um modelo econométrico da teoria.
4. Obter dados.
5. Estimar o modelo econométrico.
6. Verificar o modelo estimado usando testes de
diagnóstico.
7. Usar o modelo verificado para previsão.
8. Relatar e interpretar os resultados.
Slide n 7 Modelagem econométrica (1) Ludwig.plata@uniso.br
 Forma geral:
y = f(x)
 forma linear específica :
y =  + x
 forma aleatória:
y =  + x + u

 u é o termo error ou termo perturbação aleatória

Slide 8 Metodologia Econométrica (2) ludwig.plata@uniso.br

 Forma geral:
y = f(x)
 forma linear específica :
y =  + x
 forma aleatória:
y =  + x + u

 u é o termo error ou termo perturbação aleatória

Slide 9 Metodologia Econométrica (2) ludwig.plata@uniso.br

 y =  + x + u
 onde:
  + x é o componente determinístico.
 u é o termo estocástico ou aleatório ou termo de
erro.
  e são os coeficientes de regressão.
 Essa forma funcional aditiva é quase sempre

assumida por ser de fácil representação

Slide 10 Metodologia Econométrica (2) ludwig.plata@uniso.br

 Elementos imprevisíveis do comportamento
humano. Pessoas não se comportam como as
máquinas.
 Efeito de um grande número de variáveis omitidas.
Algumas mesmo nem podem ser quantificada.
 Erros de medidas das variáveis.
 Estrutura matemática não adequada

Slide 11 Metodologia Econométrica (2) ludwig.plata@uniso.br

• A Função consumo
• c = f(r) + u
• Variável dependente, c, é foco de estudo (predito ou
variável explicada)
• Variável Exploratória , r, ajuda a explicar as mudanças na
variável dependente.
 u é o termo estocástico ou aleatório ou termo de erro.
• É preciso explicitar ou definir f(r) através de uma estrutura
matemática. Fazemos o consumo, c, uma função linear da
renda, r:
• Modelo determinístico
f(r) = b1 + b2 r
 Modelo Probabilístico
c = b1 + b2 r + u
Slide 12 Metodologia Econométrica (2) ludwig.plata@uniso.br
  A análise de regressão linear é uma ferramenta muito
utilizada na análise econométrica.
 A análise de regressão linear avalia a relação entre
uma variável dependente (explicada) e um conjunto
de variáveis independentes (explicativas).
 Será usada a notação seguinte:
 Y é a variável dependente.

 X , X , ..., X são variáveis explicativas. Se k=1,

1 2 k
há somente uma variável explicativa.
 k = 1 define a regressão simples.

 k > 1 define a regressão múltipla

Slide nº 13 Regressão linear ludwig.plata@uniso.br

  Relação entre custos de produção e quantidade
produzida.
 y = Custo total.
 x = Quantidade produzida
 Relação entre os gastos de consumo (variável
dependente) e renda familiar, taxa de juros e
tamanho da família.
 y = Gasto de consumo familiar.
 x1 = Renda familiar.
 x2 = Taxa de juros.
 x3 = Tamanho da família
Slide nº 14 Regressão linear ludwig.plata@uniso.br
  Relação entre custos de produção e quantidade
produzida.
 y = Custo total.
 x = Quantidade produzida
 Relação entre os gastos de consumo (variável
dependente) e renda familiar, taxa de juros e
tamanho da família.
 y = Gasto de consumo familiar.
 x1 = Renda familiar.
 x2 = Taxa de juros.
 x3 = Tamanho da família
Slide nº 15 Regressão linear ludwig.plata@uniso.br
  Há vários métodos para fazer uma estimativa dos
parâmetros desconhecidos

 Um método é: Método dos Mínimos Quadrados.

 Estimativa é definida como o valor numérico resultado

da aplicação de uma fórmula ou método a um conjunto
de dados para obter um parâmetro desconhecido.

Slide nº 16 Regressão linear ludwig.plata@uniso.br

 40
Y
30

20

10

0
X

Modelo: Y =  + X + u
Slide nº 17 Regressão linear ludwig.plata@uniso.br
 Modelo: Y =  + X + u
40
Y
30 Ŷ    X Ŷ    X

20

10

0
X
Ŷ    X

A linha depende dos valores dos parâmetros  e 

Slide nº 18 Regressão linear ludwig.plata@uniso.br

 n  XY   X  Y

n  X   X 2 2

  Y  X

Slide nº 19 Regressão linear ludwig.plata@uniso.br

 X Y
2 4
3 7
1 3
5 9
9 17
Sums 20 40

Slide nº 20 Regressão linear ludwig.plata@uniso.br

 X Y XY X2
2 4 8 4
3 7 21 9
1 3 3 1
5 9 45 25
9 17 153 81
Soma 20 40 230 120
Média 4 8

Y= 1 + 1,75X

Slide nº 21 Regressão linear ludwig.plata@uniso.br