Introduo

Modelo de Mnimos Quadrados Ordinrios

Econometria I - Modelo de Regresso

Simples
Prof. Rodrigo Carvalho Oliveira
Departamento de Economia
Universidade Federal da Bahia

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

O que econometria?

A econometria baseada no desenvolvimento de mtodos estatsticos para

estimar relaes econmicas, testar teorias, avaliar e implementar polticas
de governo e de negcios.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

O que econometria?

A econometria baseada no desenvolvimento de mtodos estatsticos para

estimar relaes econmicas, testar teorias, avaliar e implementar polticas
de governo e de negcios.
Porque Estudar Econometria:
Proporcionar explicaes cada vez mais completas da realidade:
Instrumental para analisar dados e produzir conhecimento.
Testar teorias, independente de qual, ou sobre o que.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

A Teoria Econmica necessria para nortear nossa compreenso da realidade, porm, a realidade estocstica, enquanto a teoria deterministica.
Neste caso, faz-se necessrio utilizar dados para testar as teorias.
Por exemplo, segundo os trabalhos em economia da educao (Becker
(1962), Schultz (1962) e Mincer (1970)), podemos representar o salrio
de um trabalhador como:
Y = 0 + 1 Educ + 2 Educ 2 + Exper + Exper 2 + Idade

Rodrigo Oliveira - FE/UFBA

(1)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

A Teoria Econmica necessria para nortear nossa compreenso da realidade, porm, a realidade estocstica, enquanto a teoria deterministica.
Neste caso, faz-se necessrio utilizar dados para testar as teorias.
Por exemplo, segundo os trabalhos em economia da educao (Becker
(1962), Schultz (1962) e Mincer (1970)), podemos representar o salrio
de um trabalhador como:
Y = 0 + 1 Educ + 2 Educ 2 + Exper + Exper 2 + Idade

(1)

O que isso quer dizer?

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Vamos observar os dados reais:

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Vamos observar os dados reais:

Aparentemente h uma falha entre o modelo terico e a realidade. Como

Resolver?
Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Primeira Opo: Reinterpretar o modelo terico.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Primeira Opo: Reinterpretar o modelo terico.

Rosen (1979) e Roback (1982): Salrios nominais so diferentes para
compensar o custo de vida.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Primeira Opo: Reinterpretar o modelo terico.

Rosen (1979) e Roback (1982): Salrios nominais so diferentes para
compensar o custo de vida.
Ou, introduzir novas variveis que explicam os salrios: religio, sexo,
cor/raa, renda dos pais, educao dos pais, etc...

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Brasil, amostra de 488 trabalhadores homens, brancos, urbanos,
idade=30:

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Brasil, amostra de 488 trabalhadores homens, brancos, urbanos,
idade=30:

Melhorou?
Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Segunda Opo: Reinterpretar o modelo original como o valor mdio de
y funo de x.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Segunda Opo: Reinterpretar o modelo original como o valor mdio de
y funo de x.

Melhorou?
Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Concluso: A partir do momento que introduzimos um certo grau de aleatoriedade na teoria conseguimos conciliar o modelo terico determinstico
com a realidade emprica.

E (Y |X )

Rodrigo Oliveira - FE/UFBA

(2)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Concluso: A partir do momento que introduzimos um certo grau de aleatoriedade na teoria conseguimos conciliar o modelo terico determinstico
com a realidade emprica.

E (Y |X )

(2)

wi = f (educ, idade, cor )

(3)

Dada a funo:

Qual seria o parmetro de interesse?

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre teoria e realidade

Concluso: A partir do momento que introduzimos um certo grau de aleatoriedade na teoria conseguimos conciliar o modelo terico determinstico
com a realidade emprica.

E (Y |X )

(2)

wi = f (educ, idade, cor )

(3)

Dada a funo:

Qual seria o parmetro de interesse? depende!

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Definio
Uma anlise emprica o ato de utilizar dados para testar uma teoria ou
estimar uma relao.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Definio
Uma anlise emprica o ato de utilizar dados para testar uma teoria ou
estimar uma relao.
Primeiro Passo: Formular adequadamente a questo de
interesse.
Na maioria dos casos contri-se um modelo econmico formal que consiste
em um conjunto de equaes matemticas que descrevem vrias relaes,
com o objetivo de compreender o comportamento do agente econmico.
Modelo Econmico do Crime

Hcrime = f (wcrime , wemp , rendaoutras , probpreso , probcondenado , idade)

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Porm, note que o modelo anterior pode ser obtido atravs de uma
anlise informal intuitiva, sem a necessidade de um modelo formal.
A partir da concepo do modelo terico, podemos construir um modelo
economtrico como:

Crime = 1 sal+2 outrenda+3 freqpris+4 freqcond+5 sentmed+6 idade+

(4)

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Porm, note que o modelo anterior pode ser obtido atravs de uma
anlise informal intuitiva, sem a necessidade de um modelo formal.
A partir da concepo do modelo terico, podemos construir um modelo
economtrico como:

Crime = 1 sal+2 outrenda+3 freqpris+4 freqcond+5 sentmed+6 idade+

(4)
Onde,
 so fatores no observados (erros de mensurao, salrio do crime,
carter moral, etc).

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Porm, note que o modelo anterior pode ser obtido atravs de uma
anlise informal intuitiva, sem a necessidade de um modelo formal.
A partir da concepo do modelo terico, podemos construir um modelo
economtrico como:

Crime = 1 sal+2 outrenda+3 freqpris+4 freqcond+5 sentmed+6 idade+

(4)
Onde,
 so fatores no observados (erros de mensurao, salrio do crime,
carter moral, etc).
Certamente, lidar com  o componente mais importante da anlise
economtrica.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Dados em Corte Transversal

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Dados em Sries Temporais

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Cortes Transversais Agrupados

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Dados em Painel

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Encontrar a associao entre duas variveis importante para diversos estudos, para a tomada de decises e para a formulao de polticas. Porm,
o ideal a obteno de um parmetro causal. Isto , conseguir encontrar
o Efeito Causal de uma varivel sobre outra.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Encontrar a associao entre duas variveis importante para diversos estudos, para a tomada de decises e para a formulao de polticas. Porm,
o ideal a obteno de um parmetro causal. Isto , conseguir encontrar
o Efeito Causal de uma varivel sobre outra.
Por exemplo:
ln Pib = 0 + 1 Inst + 2 ln(Invest) + 3 educ + 

Rodrigo Oliveira - FE/UFBA

(5)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

Encontrar a associao entre duas variveis importante para diversos estudos, para a tomada de decises e para a formulao de polticas. Porm,
o ideal a obteno de um parmetro causal. Isto , conseguir encontrar
o Efeito Causal de uma varivel sobre outra.
Por exemplo:
ln Pib = 0 + 1 Inst + 2 ln(Invest) + 3 educ + 

(5)

Podemos dizer que 1 um parmetro causal?

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Definies
Comeando um estudo emprico
Estrutura dos Dados Econmicos
Causalidade e Ceteris Paribus

A relao entre Causalidade e Coeteris Paribus surge da idia de que, para

isolar o efeito de um parmetro, os demais devem permanecer constantes.
Embora isto possa parecer simples, mesmo nesse estgio inicial deve ficar
claro que, exceto em casos muito especiais, no ser possvel, literalmente,
manter tudo o mais constante. A questo fundamental na maioria dos
estudos empricos : foram mantidos fixos em nmero suficiente outros
fatores, para que se possa inferir causalidade? Raramente avalia-se um
estudo economtrico sem levantar essa questo.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

MQO (OLS)

Y e X so duas variveis aleatrias e desejamos explicar y em termos de

x ou como y varia com variaes de x.
Y = 0 + 1 X + 
| {z }

(6)

Parmetros

Y: Varivel Dependente, Explicada

X: Varivel Independente, Explicativa
 : Termo do Erro

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Por que Mnimos Quadrados?

O objetivo do modelo construir a reta de regresso que melhor
represente a distribuio dos dados:

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Por que Mnimos Quadrados?

O objetivo do modelo construir a reta de regresso que melhor
represente a distribuio dos dados:

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Por que Mnimos Quadrados?

Se minimizarmos a soma dos erros, teramos:
X
min
i
onde
i = w i w

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Por que Mnimos Quadrados?

Se minimizarmos a soma dos erros, teramos:
X
min
i
onde
i = w i w
Logo,
X

i =

(wi w ) =

Rodrigo Oliveira - FE/UFBA

wi

w =0

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Por que Mnimos Quadrados?

Se minimizarmos a soma dos erros, teramos:
X
min
i
onde
i = w i w
Logo,
X

i =

Soluo de Gauss: Min

(wi w ) =

wi

w =0

2i .

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Caractersticas do Modelo

Pressuposto 1: E (u) = 0
A distribuio dos fatores no observveis na populao tem mdia zero.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Caractersticas do Modelo

Pressuposto 1: E (u) = 0
A distribuio dos fatores no observveis na populao tem mdia zero.
Pressuposto 2: E (ux) = E (u) = 0
O valor mdio de  no depende do valor de x.
Cov (x, u) = E (xu) E (x)E (u) = E (xu) 0
Cov (x, u) = E (xu) = 0

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Caractersticas do Modelo

Hiptese 1: Exogeneidade Estrita. E (u|x) = 0

Implica que u independente de x. Logo,
E (u) = 0
E (xu) = 0 : E [E (x(u|x))] = E (xE (u|x)) = 0

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Considere a amostra (xi , yi ), i = 1, ..., n onde :

yi = 0 + 1 x1 + ui

(7)

Utilizando o pressuposto 1, temos:

E (y 0 1 x1 ) = 0

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Considere a amostra (xi , yi ), i = 1, ..., n onde :

yi = 0 + 1 x1 + ui

(7)

Utilizando o pressuposto 1, temos:

E (y 0 1 x1 ) = 0
n
1X
(y 0 1 x1 ) = 0
n

(8)

n
n
n
1X
1X
1X
yi
0
1 x1 = 0
n
n
n

(9)

i=1

i=1

i=1

Rodrigo Oliveira - FE/UFBA

i=1

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Pela equao 9 temos:

y = 0 1 x

(10)

0 = y 1 x

(11)

Por fim,

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Introduo
Modelo de Mnimos Quadrados Ordinrios

Pelo pressuponto 2, temos que

E (x(y 0 1 x)) = 0
substituindo 11 acima, temos:
n
1X
x1 ((y (y 1 x) 1 x1 )) = 0
n

(12)

i=1

Reorganizando:
n
X

x1 (y y )

n
X

i=1

x1 (x1 x)1 = 0

(13)

i=1

Ou seja,
Pn
x1 (y y )
1 = Pni=1
x
i=1 1 (x1 x)
Rodrigo Oliveira - FE/UFBA

(14)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Note que:
X
X

xi (xi x) =

xi (yi y ) =

Rodrigo Oliveira - FE/UFBA

(xi x)

(xi x)(yi y )

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Note que:
X
X

xi (xi x) =

xi (yi y ) =

(xi x)(yi y )

Substituindo estes resultados em 14:

P
(xi x)(yi y )

P
1 =
(xi x)2

Rodrigo Oliveira - FE/UFBA

(xi x)

(15)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Note que:
X
X

xi (xi x) =

xi (yi y ) =

(xi x)

(xi x)(yi y )

Substituindo estes resultados em 14:

P
(xi x)(yi y )

P
1 =
(xi x)2

(15)

possvel mostrar que

Cov (X , Y )
1 =
Var (X )

Rodrigo Oliveira - FE/UFBA

(16)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Note que a equao 15 representa a covarincia amostral entre x e y

dividida pela varincia amostral de x. Deste modo, se x e y so positivamente correlacionados, ento 1 positivo; se x e y so negativamente correlacionados, ento 1 e negativo.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Note que a equao 15 representa a covarincia amostral entre x e y

dividida pela varincia amostral de x. Deste modo, se x e y so positivamente correlacionados, ento 1 positivo; se x e y so negativamente correlacionados, ento 1 e negativo.
Note que 1 s vlido se:
n
X

(xi x)2 > 0

i=1

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Formalmente, o processo para encontrar os estimadores de mnimos

quadrados ordinrios pode ser escrito como:
 

= 0
1

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Formalmente, o processo para encontrar os estimadores de mnimos

quadrados ordinrios pode ser escrito como:
 

= 0
1
= arg min

n
X

2i

(17)

i=1

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Formalmente, o processo para encontrar os estimadores de mnimos

quadrados ordinrios pode ser escrito como:
 

= 0
1
n
X

2i

(17)

(yi 0 1 x1i )2

(18)

= arg min

i=1

= arg min

n
X
i=1

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

As condies de primeira ordem so:

2i

=2

n
X

(yi 0 1 x1i ) = 0

(19)

(yi 0 1 x1i )(x) = 0

(20)

i=1

2i

=2

n
X
i=1

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

As condies de primeira ordem so:

2i

=2

n
X

(yi 0 1 x1i ) = 0

(19)

(yi 0 1 x1i )(x) = 0

(20)

i=1

2i

n
X

=2

i=1

Que implica nas seguintes equaes:

n
X

(yi 0 1 x1i ) = 0

i=1
n
X

x(yi 0 1 x1i ) = 0

i=1

Que j sabemos resolver.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Na forma Matricial Temos:

Y = X + 

1
Y1
1 x1,1
2
Y2
1 x2,1

 
.
.
.
1
.

=
= Y = X =
2
.
.
.
.

.
.
.
.
n
Yn
1 xn,1

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Pelo Mtodo de MQO

= arg min

n
X

2i

(21)

i=1
0

= arg min (U U) = arg min [Y X ] [Y X ]

Rodrigo Oliveira - FE/UFBA

(22)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Pelo Mtodo de MQO

= arg min

n
X

2i

(21)

i=1
0

= arg min (U U) = arg min [Y X ] [Y X ]

(22)

E resolvendo possvel encontrar

0
0
= (X X )1 X Y

Rodrigo Oliveira - FE/UFBA

(23)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

O resduo de MQO associado a cada observao i i . Se i negativo,

a reta subestima yi . Se i positivo, a reta superestima yi . O caso
ideal para a observao i quando i = 0, mas na maior parte dos casos,
todos os resduos so diferentes de zero. Em outras palavras, nenhum dos
pontos dos dados deve, realmente, estar sobre a reta de MQO.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

O resduo de MQO associado a cada observao i i . Se i negativo,

a reta subestima yi . Se i positivo, a reta superestima yi . O caso
ideal para a observao i quando i = 0, mas na maior parte dos casos,
todos os resduos so diferentes de zero. Em outras palavras, nenhum dos
pontos dos dados deve, realmente, estar sobre a reta de MQO.

i = yi yi

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Qualidade do ajuste da regresso

Alguns Conceitos Importantes:

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Qualidade do ajuste da regresso

Alguns Conceitos Importantes:
Soma dos Quadrados Totais (SQT):

Rodrigo Oliveira - FE/UFBA

Pn

i=1

(yi y )2 ;

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Qualidade do ajuste da regresso

Alguns Conceitos Importantes:
Soma dos Quadrados Totais (SQT):

Pn

Soma dos Quadrados Explicada (SQE):

Rodrigo Oliveira - FE/UFBA

i=1

(yi y )2 ;

Pn

i=1

(yi y )2 ;

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Qualidade do ajuste da regresso

Alguns Conceitos Importantes:
Soma dos Quadrados Totais (SQT):

Pn

Soma dos Quadrados Explicada (SQE):

(yi y )2 ;

i=1

Pn

i=1

Soma dos Quadrados dos Resduos (SQR):

Rodrigo Oliveira - FE/UFBA

(yi y )2 ;

Pn

i=1

2 ;

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Qualidade do ajuste da regresso

Alguns Conceitos Importantes:
Soma dos Quadrados Totais (SQT):

Pn

Soma dos Quadrados Explicada (SQE):

(yi y )2 ;

i=1

Pn

i=1

Soma dos Quadrados dos Resduos (SQR):

Rodrigo Oliveira - FE/UFBA

(yi y )2 ;

Pn

i=1

2 ;

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Qualidade do ajuste da regresso

Alguns Conceitos Importantes:
Soma dos Quadrados Totais (SQT):

Pn

Soma dos Quadrados Explicada (SQE):

(yi y )2 ;

i=1

Pn

i=1

Soma dos Quadrados dos Resduos (SQR):

(yi y )2 ;

Pn

i=1

2 ;

E,
SQT = SQE + SQR

Rodrigo Oliveira - FE/UFBA

(24)

Econometria I - Modelo de Regresso Simples

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Introduo
Modelo de Mnimos Quadrados Ordinrios

Qualidade do ajuste da regresso

Pergunta Fundamental:
Quo bem a reta de regresso se ajusta aos dados?
Dividindo a equao 24 por SQT:
SQE SQR
SQT
=
+
SQT
SQT SQT
| {z }

(25)

R2

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Introduo
Modelo de Mnimos Quadrados Ordinrios

Qualidade do ajuste da regresso

Pergunta Fundamental:
Quo bem a reta de regresso se ajusta aos dados?
Dividindo a equao 24 por SQT:
SQE SQR
SQT
=
+
SQT
SQT SQT
| {z }

(25)

R2

R 2 : Quanto da variabilidade total de yi explicada pelo modelo.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Qualidade do ajuste da regresso

Retomando 25, podemos escrever

R2 = 1

SQR
SQT

(26)

ou
Pn
2
2
i=1 (yi yi )
P
R = 1 Pn
=
1

n
2
2
i=1 (yi y )
i=1 (yi y )
2

Pn

i=1

Rodrigo Oliveira - FE/UFBA

(27)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Consideraes sobre o R 2
i) Normalmente multiplicamos o R 2 para fins de interpretao. Ele significar a porcentagem da variao amostral em y que explicada por
x.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Consideraes sobre o R 2
i) Normalmente multiplicamos o R 2 para fins de interpretao. Ele significar a porcentagem da variao amostral em y que explicada por
x.
ii) Se todos os pontos dos dados estiverem sobre a regresso, R 2 = 1.
R 2 = 0 significa um ajuste ruim da reta de MQO. Logo,

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Consideraes sobre o R 2
i) Normalmente multiplicamos o R 2 para fins de interpretao. Ele significar a porcentagem da variao amostral em y que explicada por
x.
ii) Se todos os pontos dos dados estiverem sobre a regresso, R 2 = 1.
R 2 = 0 significa um ajuste ruim da reta de MQO. Logo,
0 R2 1

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Consideraes sobre o R 2
i) Normalmente multiplicamos o R 2 para fins de interpretao. Ele significar a porcentagem da variao amostral em y que explicada por
x.
ii) Se todos os pontos dos dados estiverem sobre a regresso, R 2 = 1.
R 2 = 0 significa um ajuste ruim da reta de MQO. Logo,
0 R2 1
iii) Estudantes que esto se defrontando com a econometria pela primeira
vez tendem a por muita nfase na anlise do R 2 .

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Consideraes sobre o R 2
i) Normalmente multiplicamos o R 2 para fins de interpretao. Ele significar a porcentagem da variao amostral em y que explicada por
x.
ii) Se todos os pontos dos dados estiverem sobre a regresso, R 2 = 1.
R 2 = 0 significa um ajuste ruim da reta de MQO. Logo,
0 R2 1
iii) Estudantes que esto se defrontando com a econometria pela primeira
vez tendem a por muita nfase na anlise do R 2 .
iv) R 2 aparentemente baixo no significa, necessariamente, que uma equao de regresso de MQO intil.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Consideraes sobre o R 2
i) Normalmente multiplicamos o R 2 para fins de interpretao. Ele significar a porcentagem da variao amostral em y que explicada por
x.
ii) Se todos os pontos dos dados estiverem sobre a regresso, R 2 = 1.
R 2 = 0 significa um ajuste ruim da reta de MQO. Logo,
0 R2 1
iii) Estudantes que esto se defrontando com a econometria pela primeira
vez tendem a por muita nfase na anlise do R 2 .
iv) R 2 aparentemente baixo no significa, necessariamente, que uma equao de regresso de MQO intil.
Voltaremos a tratar destes pontos com mais detalhes quando falarmos de
regresso mltipla.
Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

As estimativas de MQO mudam de maneira previsvel a alteraes nas

unidades de medida.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

As estimativas de MQO mudam de maneira previsvel a alteraes nas

unidades de medida.
Se a varivel dependente multiplicada por uma constante c,
ento as estimativas de MQO de intercepto e inclinao tambm
sero multiplicadas por c.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

As estimativas de MQO mudam de maneira previsvel a alteraes nas

unidades de medida.
Se a varivel dependente multiplicada por uma constante c,
ento as estimativas de MQO de intercepto e inclinao tambm
sero multiplicadas por c.
Se a varivel independente multiplicada (ou dividida) por uma
constante c, ento o coeficiente de inclinao de MQO dividido
(ou multplicado) por c. Mas nada acontece ao intercepto.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

As estimativas de MQO mudam de maneira previsvel a alteraes nas

unidades de medida.
Se a varivel dependente multiplicada por uma constante c,
ento as estimativas de MQO de intercepto e inclinao tambm
sero multiplicadas por c.
Se a varivel independente multiplicada (ou dividida) por uma
constante c, ento o coeficiente de inclinao de MQO dividido
(ou multplicado) por c. Mas nada acontece ao intercepto.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

As estimativas de MQO mudam de maneira previsvel a alteraes nas

unidades de medida.
Se a varivel dependente multiplicada por uma constante c,
ento as estimativas de MQO de intercepto e inclinao tambm
sero multiplicadas por c.
Se a varivel independente multiplicada (ou dividida) por uma
constante c, ento o coeficiente de inclinao de MQO dividido
(ou multplicado) por c. Mas nada acontece ao intercepto.
Importante: A qualidade de ajuste do modelo (R 2 ) no se altera com
mudanas nas unidades de medida.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Incorporando No Linearidades

H = 0.9 + 0.54educ
salario

(28)

Isso significa que cada ano adicional de educao aumentaria o salrio

em 0.54 reais, seja esse aumento no primeiro ano, ou no 15 ano.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Incorporando No Linearidades

H = 0.9 + 0.54educ
salario

(28)

Isso significa que cada ano adicional de educao aumentaria o salrio

em 0.54 reais, seja esse aumento no primeiro ano, ou no 15 ano. Isto
razovel?

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Incorporando No Linearidades

H = 0.9 + 0.54educ
salario

(28)

Isso significa que cada ano adicional de educao aumentaria o salrio

em 0.54 reais, seja esse aumento no primeiro ano, ou no 15 ano. Isto
razovel?
Vejos o seguinte caso:
H ) = 0 + 1 log (educ)
log (salario

Rodrigo Oliveira - FE/UFBA

(29)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Temos agora um modelo com efeito percentual constante:

H ) = 0.584 + 0.083log (educ)
log (salario

(30)

O que significa que cada ano adicional de educao formal traz um

aumento de 8.3% no salrio.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Temos agora um modelo com efeito percentual constante:

H ) = 0.584 + 0.083log (educ)
log (salario

(30)

O que significa que cada ano adicional de educao formal traz um

aumento de 8.3% no salrio.
Qual interpretao econmica que podemos dar para um modelo log-log?

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Formas Funcionais Mais Utilizadas

Modelo
Nvel - Nvel
Nvel - Log
Log - Nvel
Log - Log

Var. Dep.

Var. Indep.

Y
Y
log(Y)
log(Y)

X
log(X)
X
log(X)

Rodrigo Oliveira - FE/UFBA

Interpretao de 1
Y = 1 X
Y = (1 /100)%X
Y % = 1001 X
Y % = 1 %X

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Inexistncia de Vis
Retomando a equao 31:
Pn
x1 (y y )
1 = Pni=1
x
i=1 1 (x1 x)

(31)

E considerando que o modelo est especificado da forma correta como

yi = 0 + 1 Xi + i
Temos:
1 =

(xi x)(0 + 1 Xi + i )
P
2
(xi x)

Rodrigo Oliveira - FE/UFBA

(32)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Inexistncia de Vis
Retomando a equao 31:
Pn
x1 (y y )
1 = Pni=1
x
i=1 1 (x1 x)

(31)

E considerando que o modelo est especificado da forma correta como

yi = 0 + 1 Xi + i
Temos:
1 =

1 =

(xi x)0 +

(xi x)(0 + 1 Xi + i )
P
2
(xi x)

(xi x)(1 xi ) +
P
2
(xi x)

Rodrigo Oliveira - FE/UFBA

(xi x)(i )

(32)

(33)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Inexistncia de Vis
Como
X

(xi x) = 0

e
X

(xi x)xi =

(xi x)2

Ento,
P
(xi x)(i )
1 = 1 + P
2
(xi x)

Rodrigo Oliveira - FE/UFBA

(34)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Inexistncia de Vis
Como
X

(xi x) = 0

e
X

(xi x)xi =

(xi x)2

Ento,
P
(xi x)(i )
1 = 1 + P
2
(xi x)

(34)

P
(xi i xi )
1 = 1 + P
(xi x)2

(35)

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Tomando o valor esperado:

E [1 |x] = E [1 |x] + E

E [1 |x] = 1 + P

P

(x  xi )
P i i
|x
(xi x)2

hX
i
X
1
(x

|x)

x
E
(
|x)
i
i
i
(xi x)2

(36)

(37)

Logo,
E [1 ] = 1

Rodrigo Oliveira - FE/UFBA

(38)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Tomando o valor esperado:

E [1 |x] = E [1 |x] + E

E [1 |x] = 1 + P

P

(x  xi )
P i i
|x
(xi x)2

hX
i
X
1
(x

|x)

x
E
(
|x)
i
i
i
(xi x)2

(36)

(37)

Logo,
E [1 ] = 1

(38)

Isto porque, pela lei das expectativas iteradas:

E [1 ] = E [E (1 |x)]
Rodrigo Oliveira - FE/UFBA

(39)

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Na forma Matricial

= (X 0 X )1 X 0 Y = (X 0 X )1 X 0 (X + )

(40)

= (X 0 X )1 X 0 X + (X 0 X )1 

(41)

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Na forma Matricial

= (X 0 X )1 X 0 Y = (X 0 X )1 X 0 (X + )

(40)

= (X 0 X )1 X 0 X + (X 0 X )1 

(41)

= (X 0 X )1 X 0 X + (X 0 X )1 
{z
}
|

(42)

= + (X 0 X )1 

(43)

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Na forma Matricial
= + (X 0 X )1 

(44)

= E () + E ((X 0 X )1 )
E ()

(45)

= + (X 0 X )1 E ()
E ()

(46)

= + (X 0 X )1 E ()
E ()
|{z}

(47)

=
E ()

(48)

=0

Logo, o estimado de MQO no viesado.

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples

Introduo
Modelo de Mnimos Quadrados Ordinrios

Introduo
Derivao das Estimativas de MQO
Qualidade do Ajuste da Regresso
Diferentes Unidades de Medida
Incorporao de No Linearidades
Valores Esperados e Varincias dos Estimadores de MQO

Varincia dos Estimadores de MQO

Alm de saber que a distribuio amostral de 1 est centrada em torno
de 1 (1 no viesado). importante saber o quo distante, em mdia,
podemos esperar que 1 esteja distante de 1 .
Homocedasticidade
O erro tem a mesma varincia, dado qualquer valor da varivel
explicativa. Em outras palavras:
Var (u|x) = 2
ou matricialmente,
Var (u|x) = 2 I

Rodrigo Oliveira - FE/UFBA

Econometria I - Modelo de Regresso Simples