Econometria I

Joo Cerejeira

LECO - 2016/2017

Reviso
2

Introduo

o que a econometria
para que serve
dados

Modelo Clssico de regresso linear modelo de regresso linear simples

Especificao do modelo
Estimao (Mtodo dos Mnimos Quadrados)
Notas

Populao vs amostra
FRP vs FRA
Linearidade nos parmetros e formas da funo de regresso
Estimador vs estimativa

1. Modelo de regresso linear simples (cont)

Pressupostos: H1
4

Yi xi ui

O modelo linear nos parmetros (mas pode ser no linear

nas variveis ver aula anterior);

Pressupostos: H2
5

A varincia das variveis explicativas no nula (no so

constantes).
y x

xi x yi y

i 1

n
2

i 1

Pressupostos: H3
6

Os erros tm mdia nula: E(ui) = 0

Erros acima e abaixo da linha regresso anulam-se
Se o termo constante for includo na regresso, esta hiptese
assumida automaticamente.

Pressupostos: H4
7

Homoscedasticidade: a varincia dos erros constante e finita

para todos os valores de x
varui 2

Diz que os erros so retirados de uma distribuio com varincia

constante, i.e. a varincia a mesma para todos os indivduos da
populao
Implicao: a varincia da varivel dependente a mesma para
todas as observaes Var(yi | xi) = Var(ui | xi)

Pressupostos: H4 (cont)
8

Homoscedasticidade (cont)

y
f(y|x)

.
x1

x2

E(y|x) = 0 + 1x

Pressupostos: H4 (cont)
9

Homoscedasticidade (cont)

Nem sempre fcil de sustentar

Exemplo: O salrio mdio pode ser o mesmo numa empresa
grande e numa pequena empresa, mas a disperso nunca ser
semelhante
Quando este pressuposto no se verifica, h
heteroscedasticidade

Pressupostos: H4 (cont)
10

Heteroscedasticidade (cont)

f(y|x)

.
x1

x2

x3

E(y|x) = 0 +
1 x

Pressupostos: H5
11

Os erros so linearmente independentes:

covui , u j 0, i j
[O erro de uma observao no influencia o erro de outra
observao os erros no esto correlacionados]

Pressupostos: H6
12

Ausncia de correlao entre o erro e a varivel explicativa

covui , xi 0

Pressupostos: H7
13

Normalidade [necessria para que seja possvel fazer

inferncias]
ui ~ N 0, 2
[ui so normalmente distribudos]

Propriedades dos EMQ

14

Sob H1-H6, os EMQ e so BLUE:

Best = Estimadores de varincia mnima na classe dos
estimadores cntricos e lineares Teorema de Gauss Markov
Linear = e so estimadores lineares
Unbiased = em mdia, os valores de e so iguais aos
verdadeiros valores dos parmetros
Estimator = so estimadores dos verdadeiros valores dos
parmetros e

Propriedades dos EMQ (cont)

15

Sob H1-H6, os EMQ tm algumas propriedades desejveis:

Consistncia

lim Pr 0

lim Pr 0

n
n

Propriedades dos EMQ (cont)

16

Centricidade
E
E

Propriedades dos EMQ (cont)

17

Eficincia
O EMQ um estimador de varincia mnima, no h outro
de varincia menor que a sua

Preciso e erros-padro
18

Desvio-padro dos estimadores:

n

x
i 1

2
i

n x i x

i 1

1
n

x
i 1

x
i 1

2
i

2
n x i nx 2

i 1

1
n

x
i 1

2
i

nx 2

Preciso e erros-padro (cont)

19

Estimador da
varincia das perturbaes
n
s2

u
i
i 1

n2

SQR
n2

u
i
i 1

n2

SQR
n2

Propriedades

s 2 um estimador cntrico de 2

Preciso e erros-padro (cont)

20

Notas:

e ( e ) dependem ambos de

(ou s). Por isso,

quanto maior for a varincia 2 (ou s2). mais dispersos so

os erros em torno da sua mdia

A soma dos quadrados de x em torno da sua mdia

aparece em ambas as frmulas: quanto maior o seu valor,
menores as varincias dos coeficientes

Preciso e erros-padro (cont)

21

Notas (cont):
Soma dos quadrados de x em torno da sua mdia (cont)
y

Preciso e erros-padro (cont)

22

Notas (cont):
Quanto maior for a dimenso da amostra, menores sero
as varincias dos coeficientes
n

xi

O termo i 1 aparece em apenas porque mede

o quanto os pontos esto afastados do eixo dos yy.

Preciso e erros-padro: exemplo

23

Apresentao dos resultados

w educao u
w 234.45 0.509 educao
(9.546)

(0.104)

Inferncia: distribuio amostral dos EMQ

24

Os EMQ seguem uma distribuio normal:

~ N , var ou
~ N 0,1

~ N , var

ou

~ N 0,1

Por outro lado sabe-se que

n
2
ui
2

2
s
i 1

~ 2n 2

Inferncia: distribuio amostral dos EMQ (cont)

25

Reunindo estes dois resultados vem:

(n 2)

~ t n 2
2
n 2s

(n 2)

~ t n 2
2
n 2s

ou seja,

~(2)
se()

se()

~(2)

Inferncia: normal versus t-student

26

f(x)

normal distribution

t-distribution

Inferncia: testes de hipteses - passos

27

Definir as hipteses em teste

Ho: hiptese nula = diz sempre respeito a um valor especfico

de um parmetro da populao
Exemplo - Ho: 1=a
H1: hiptese alternativa = podem assumir trs formas
Bilateral - H1: 1a
Unilateral esquerda - H1: 1<a
Unilateral direita - H1: 1>a

Inferncia: testes de hipteses - passos (cont)

28

Exemplo:
w educao u
w 234.45 0.509 educao
(9.546)

(0.104)

Teste de hipteses:
H 0 : 0.5
H1 : 0.5

Inferncia: testes de hipteses - passos (cont)

29

Definir um estimador para o parmetro de interesse

Nvel de significncia: especificar uma regra de deciso. O

nvel de significncia () diz-nos se devemos rejeitar ou no
a hiptese nula, perante um determinado valor da
estatstica do teste
1%
5%
10%

Inferncia: testes de hipteses - passos (cont)

30

Calcular a estatstica do teste, sob H0

Identificar o valor crtico da estatstica do teste com base

no nvel de significncia () e na distribuio de
probabilidade da estatstica do teste

Comparar o valor da estatstica do teste com o valor crtico

e decidir pela rejeio ou no da hiptese nula

Inferncia:
testes de hipteses s/ parmetros individuais
31

Consideremos o modelo:
Yi xi ui

uma vez estimado com uma amostra de 98 observaes,

obtivemos:
Yi

2 0.05 x

(1.211)

0.001

(nota: desvios-padro estimados entre parntesis)

Inferncia:
testes de hipteses s/ parmetros individuais (cont)
32

Teste bilateral
Objectivo: testar se o coeficiente estatisticamente diferente
de a. Por exemplo, a = 0.04.
Hipteses em teste
H0: = a, i.e., H0: = 0.04
H1: a, i.e., H1: 0.04

Inferncia:
testes de hipteses s/ parmetros individuais (cont)
33

Nvel de significncia
= 5%
Estatstica do teste, sob H0
a
~ tn 2
^

var

ou seja,

var

0.05 0.04
10 ~ t98 2
0.001

Inferncia:
testes de hipteses s/ parmetros individuais (cont)
34

Valor(es) crtico(s)
Valor da estatstica T com 96 (=98-2) graus de liberdade
Tc = 1.98
Comparar o valor da estatstica do teste com o valor crtico e
decidir pela rejeio ou no da hiptese nula
fail to reject
reject

reject

/2
-c=-1.98

/2

=1.98

Inferncia:
testes de hipteses s/ parmetros individuais (cont)
35

Deciso:
rejeitar H0
10 > Tc = 1.98

Inferncia:
testes de hipteses s/ parmetros individuais (cont)
36

Teste unilateral
Objectivo: testar se o coeficiente estatisticamente maior que
a. Por exemplo, a = 0.04.
Definir as hipteses em teste
H0: = a, i.e., H0: = 0.04
H1: > a, i.e., H1: > 0.04

Inferncia:
testes de hipteses s/ parmetros individuais (cont)
37

Nvel de significncia
= 5%
Estatstica do teste, sob H0
a

~ tn 2

var
ou seja,

var

0.05 0.04
10 ~ t96
0.001

Inferncia:
testes de hipteses s/ parmetros individuais (cont)
38

Valor(es) crtico(s)
Valor da estatstica T com 96 (=100-4) graus de liberdade
Tc (0.04) = 1.66

Comparar o valor da estatstica do teste com o valor crtico e

decidir pela rejeio ou no da hiptese nula
Fail to reject
reject

=1.66

Inferncia:
testes de hipteses s/ parmetros individuais (cont)
39

Deciso:
rejeitar H0
10 > Tc = 1.66

Inferncia: teste de significncia individual

40

1. Hipteses
Ho: =0
H1: 0
2. Nvel de significncia:
3. Estatstica do teste

~ tn 2

se

4. Valores crticos
5. Deciso

Inferncia: testes de significncia individual (cont)

41

Nota
Se rejeitamos a hiptese nula, tipicamente dizemos que
a varivel x estatisticamente significativa para um
nvel de significncia de
Se no rejeitamos a hiptese nula, tipicamente dizemos
que a varivel x no estatisticamente significativa
para um nvel de significncia de

Inferncia: nota sobre a significncia

42

Significncia econmica versus significncia estatstica

Significncia estatstica determinada pela estatstica do teste T,
enquanto que a significncia econmica tem a ver com a
magnitude e com o sinal da estimativa
Verificar a significncia estatstica:
Se a varivel for significativa, ento, deve-se discutir a
magnitude do coeficiente para se obter uma ideia da
importncia econmica da varivel

Inferncia: nota sobre a significncia (cont)

43

Significncia econmica versus significncia estatstica (cont)

Verificar a significncia estatstica (cont):
Se no for estatisticamente significativa para os nveis de
significncia usuais (1%, 5% e 10%), deve-se verificar se o
coeficiente tem o sinal esperado e se o efeito suficientemente
grande. Se o efeito for grande, devem calcular o p-value para
a estatstica T
Sinal errado (i.e. diferente do esperado), pode ser porque
omitimos uma varivel relevante

Inferncia: nota
44

Um resultado estatisticamente significativo pode no ter

qualquer significado prtico

Exemplo: peso das latas de feijo

Inferncia: tipos de erros

45

Realidade
Resultado do
teste

Rejeitar Ho
No rejeitar Ho

Ho verdadeira
Erro Tipo I =

Ho falsa

Erro Tipo II =

Inferncia: P-value
46

P-value:

Nvel de significncia exacto

Nvel mnimo de significncia que permite rejeitar Ho

Exemplo:

Estatstica do teste = 1.47 (t62)

P-value = 0.12

Rejeitamos com = 5%? No

Rejeitamos com = 10%? No
Rejeitamos com = 20%? Sim