Baixe o app para aproveitar ainda mais
Prévia do material em texto
10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acces… 1/14 TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acces… 2/14 ©2018 Copyright ©Católica EAD. Ensino a distância (EAD) com a qualidade da Universidade Católica de Brasília Apresentação Olá, seja muito bem-vindo(a)! O referencial de estudo, desta unidade, continua sobre a análise de regressão linear múltipla, porém o embasamento serão os testes de inferência. Ao elaborar um modelo econométrico que apresenta relação causal entre as suas variáveis e em seguida estimar os parâmetros com os dados disponíveis, faz-se necessário avaliar se o que foi feito possui importância ou significância na estatística. Isto é, faz-se necessária a realização de testes para averiguar a consistência do modelo e dos resultados alcançados. Sendo assim, é possivel retomar os testes de hipóteses sobre os parâmetros do modelo de regressão. Para tanto, o objetivo é conhecer a distribuição amostral utilizada pelo método dos mínimos quadrados ordinários para entender seu valor esperado e sua variância. Em seguida, serão definidos os intervalos de confiança utilizados nos testes e como são estabelecidas as hipóteses. Por fim, cabe evidenciar que os conhecimentos adquiridos serão necessários para entender e aplicar dois principais testes: o teste t e o teste F. Bons estudos! Objetivos Apresentar a distribuição amostral geralmente utilizada pelos estimadores de Mínimos Quadrados Ordinários. Definir e entender como são realizados os intervalos de confiança e os testes de hipóteses. Compreender o teste t e sua utilização. Compreender o teste F e sua utilização. 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acces… 3/14 ©2018 Copyright ©Católica EAD. Ensino a distância (EAD) com a qualidade da Universidade Católica de Brasília Desafio Para testar hipóteses usando a abordagem clássica, faz-se necessário primeiro formular a hipótese alternativa, em seguida, escolher o nível de significância que determina o valor crítico e com esse valor identificado compara-se com o valor da estatística t, assim, a hipótese nula será rejeitada ou não dado o nível de significância. Diante do exposto, quais dos seguintes itens pode fazer com que a estatística t de MQO não seja válida: 1. Omitir uma variável explicativa importantes. 2. Heterocedasticidade. 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acces… 4/14 ©2018 Copyright ©Católica EAD. Ensino a distância (EAD) com a qualidade da Universidade Católica de Brasília Conteúdo Distribuição amostral dos estimadores de MQO As distribuições amostrais dos estimadores de MQO dependem da distribuição do termo de erro. Para obter a distribuição amostral dos estimadores ( ), adota-se que o erro não observado é normalmente distribuído na população. Esta seria a hipótese 6, chamada de hipóteses da normalidade. As 5 hipóteses definidas, anteriormente, acrescidas à hipótese 6 são conhecidas como Hipóteses do Modelo Linear Clássico (MLC) ou hipótese de Gauss – Markov, hipótese do termo de erro normalmente distribuído. As hipóteses de MLC podem ser representadas da seguinte forma: Justifica-se a distribuição normal do erro porque u é a soma de muitos fatores diferentes não observados que afetam y de modo que, a partir do teorema central do limite, é possível dizer que u tem distribuição normal. O teorema central do limite descreve a distribuição da média de uma amostra aleatória de uma população com variância finita. Quando o tamanho amostral é suficientemente grande, a distribuição da média é aproximadamente normal. Embora a hipótese de normalidade seja fortemente criticada pela literatura da área, é preciso adotá-la como referência, visto que a não normalidade dos erros não é um problema sério para amostras de tamanhos grandes. Portanto, a normalidade do termo de erro resulta na distribuição normal amostral dos estimadores de MQO: No qual a é expressa por: Sobre essa variância é importante dizer que ao padronizar uma variável aleatória normal ao subtrair sua média e em seguida dividi-la pelo seu desvio padrão (dp), resulta numa variável aleatória normal padronizada. Sendo assim, sob a hipótese 6, os erros são variáveis 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acces… 5/14 aleatórias independentes e identicamente distribuídas com normal (0, ). Se admitir que u se distribui normalmente, os estimadores de MQO e Máxima Verossimilhança serão idênticos. Ao comparar os dois estimadores de , percebe-se que conforme cresce o tamanho da amostra, os dois estimadores de tendem a se igualar. O método dos mínimos quadrados ordinários junto à hipótese de normalidade de u apresentam como ferramentas necessárias para realizar as estimativas e os testes de hipóteses dos modelos de regressão linear. Intervalos de confiança e Testes de hipóteses Intervalos de confiança, para um parâmetro populacional (βj), são construídos sob as hipóteses do modelo linear clássico. Utilizando o fato de que possui distribuição t com n - k – 1 graus de liberdade: De forma que o intervalo de confiança de é dado por: Na qual ep significa o erro padrão. Se as amostras aleatórias fossem obtidas repetidas vezes, então o valor populacional desconhecido estaria dentro do intervalo em 95%. Porém, para determinada amostra que se utiliza para construir o intervalo de confiança, não é possível saber se está realmente contido no intervalo. Não se tem garantia, mas espera-se que a amostra obtida, seja uma das 95% de todas em que a estimativa de intervalo contém . Um intervalo de confiança será tão bom quanto tão boa forem as hipóteses feitas para construi-lo. Se forem omitidos fatores importantes que são correlacionados às variáveis explicativas, então, as estimativas dos coeficientes não serão confiáveis e podem estar viesados. Nas aplicações, os testes são normalmente realizados com mais de um parâmetro da população. O problema central de um teste de hipótese estatístico é descobrir se uma dada observação é compatível ou não com a inferência formulada. Isto é, se a observação é suficientemente próxima do valor escolhido, por hipótese, para que a hipótese formulada não seja rejeitada. Assim a teoria (ou até mesmo uma experiência anterior) pressupõe que o verdadeiro coeficiente de inclinação do , ou seja o observado, obtido na amostra trabalhada é consistente com a hipótese formulada, então, não descarta a hipótese, caso contrário, pode-se rejeitá-la. 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acces… 6/14 A hipótese formulada, na linguagem estatística é, conhecida como nula, indicada pelo símbolo . Ela é normalmente testada contra uma hipótese denominada alternativa, representada por . A hipótese alternativa pode ser simples ou composta. A hipótese alternativa simples especifica o valor, por exemplo : , já a composta não especifica o valor, por exemplo : . A teoria do teste de hipótese tem como objetivo desenvolver regras ou procedimentos para decidir se uma hipótese nula deve ser rejeitadaou não. Existem duas abordagens que se complementam e delineiam essas regras, que são o intervalo de confiança e o teste de significância. Elas pressupõem que a variável que está sendo analisada tenha alguma distribuição de probabilidade e que o teste de hipóteses faça declarações ou afirmações sobre os valores dos parâmetros dessa distribuição. A maioria das hipóteses estatísticas fazem afirmações sobre um ou mais valores dos parâmetros de alguma determinada distribuição de probabilidade, tais como t, F ou . Teste t Conforme estudos adquiridos, você já sabe que os são características desconhecidas da população e impossíveis de conhecê-los com segurança. Porém, é possível construir hipóteses sobre os valores que pode assumir e, em seguida, utilizar a inferência estatística para testar as construídas. Sendo assim, o objetivo deste tópico é analisar como testar hipóteses de um particular . Para iniciar, considere o modelo populacional: No qual, sob as hipóteses do Modelo Linear Clássico, a distribuição t para os estimadores padronizados será dado por: No qual k + 1 é o número de parâmetros desconhecidos do modelo populacional, ou seja, k parâmetros mais o intercepto . A distribuição t da expressão é oriunda do fato de que a constante σ em foi substituída pela variável aleatória . Isso mostra que a equação mencionada pode ser escrita como a razão da variável aleatória normal padronizada sobre a raiz quadrada de . Nessa mesma equação o intuito é testar hipóteses que envolvam os . Na maioria das aplicações da literatura da área, é importante testar a hipótese nula: = = 0. No qual o j representa qualquer uma das k variáveis explicativas. Como mede o efeito parcial de uma determinada variável explicativa sobre a dependente, após controlar todas a 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acces… 7/14 outras variáveis explicativas, a hipótese nula significa que, uma vez considerada todas as explicativas , a variável explicativa xj não tem nenhum efeito sobre o valor esperado de y. A estatística que usamos para testar a hipótese nula é denominada a estatística t ou a razão t de é pode ser expressa como: Para esclarecer, vaja o exemplo do formulador de política pública que avalia o efeito do nível de educação dos indivíduos sobre o salário por hora, a partir do modelo de regressão: A hipótese nula nesse caso é = = 0, ao considerar a educação e a experiência, a quantidade de treinamento (Trei) não tem efeito nenhum sobre os salários dos indivíduos. Se essa inferência for verdadeira, significa que a realização de treinamentos não tem efeito nenhum sobre os salários. Mas, se > 0, as horas de treinamento contribuem para a produtividade e assim para os salários. Cabe ressaltar que em qualquer aplicação relevante, a estimativa pontual de jamais será exatamente igual a zero, sendo verdadeira ou não. O que se pode afirmar é que um valor amostral de muito distante de zero gera evidência contra = = 0. Porém é importante lembrar que existe um erro na estimativa de , sendo assim o tamanho de deve ser ponderado pelo seu erro amostral. Como o erro padrão de é uma estimativa do desvio padrão de , logo mede quantos desvios padrão estimados de estão afastados de zero. É exatamente isso que é feito ao testar se a média de uma população é zero usando a estatística t. Nesse sentido, é importante lembrar que estão sendo realizados testes de hipóteses sobre parâmetros populacionais e não sobre uma estimativa em particular. O que está sendo feito é um teste se o valor populacional desconhecido β é zero. Outro aspecto importante é que é comum testar a hipótese nula contra uma alternativa bilateral, representada geralmente da seguinte forma: : > 0 ou : < 0 ou : ≠ 0 : > 0 ou : < 0 são consideradas hipóteses alternativas unilaterais. Muitas vezes com base na teoria econômica, são excluídos os valores populacionais de maiores (ou menores) que zero. Dessa forma, é preciso procurar um valor positivo (ou negativo) afim de rejeitar a hipótese nula em favor da alternativa que são exemplos de teste monocaudal. 1 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acces… 8/14 A hipótese alternativa : ≠ 0 é considerada uma alternativa bilateral. Sob essa hipótese, as variáveis explicativas têm um efeito ceteris paribus (mantendo os demais constantes) sobre y sem especificar se é positivo ou negativo. Quando a alternativa é bilateral, o interesse é no valor absoluto da estatística t, desta forma, a regra de rejeição para a hipóteses nula contra essa alternativa seria . No qual representa o valor absoluto e c é um valor crítico apropriado escolhido. O valor crítico escolhido na maioria das aplicações é o com nível de significância de 5%, que corresponde ao 95º percentil de uma distribuição t com n – k – 1 graus de liberdade. Para os casos de : ≠ 0 tem um teste bicaudal. Quando uma hipótese alternativa específica não é formulada, considera-se geralmente que ela é bilateral. Quando a hipótese nula é rejeitada em favor da alternativa no nível de 5%, é possível dizer que a variável explicativa é estatisticamente significante. Se a hipótese nula não é rejeitada, considere que a variável explicativa é estatisticamente não significante no nível de 5%. De forma sucinta, para testar a hipóteses usando a abordagem clássica siga os passos: formula a hipótese alternativa, escolhe o nível de significância que determina o valor crítico. Com o valor crítico identificado, o valor da estatística t é comparado com o valor crítico, e a hipótese nula será rejeitada ou não dado o nível de significância. Teste F Frequentemente faz-se necessário testar hipóteses múltiplas sobre os parâmetros de determinado modelo . A ideia seria testar se um grupo de variáveis não tem efeito sobre a variável dependente, de modo que a hipótese nula seria que um conjunto de variáveis explicativas não tem efeito sobre a dependente. Para entender o motivo de testar a significância de um grupo de variáveis, veja o exemplo do formulador de política pública que quer avaliar o efeito do nível de educação dos indivíduos sobre o salário: Suponha testar a hipótese nula de que, uma vez tendo sido controlados anos de educação (Edu) e tempo de experiência (Exp), as estatísticas que medem treinamento (Trei), educação dos pais (EP) e números de irmãos (NI) não têm efeito sobre o salário dos indivíduos. Sendo assim, em termos de parâmetros do modelo, a hipótese nula seria expressa da seguinte forma: 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acces… 9/14 Como é possível observar, a hipótese nula constitui três restrições de exclusão, portanto se ela for verdadeira, então horas de treinamento, educação dos pais e número de irmãos não têm efeito sobre o salário do indivíduo, isso após educação e tempo de experiência terem sido controlados. Esse é um exemplo de restrição múltipla, pois foi especificado mais de uma restrição sobre o parâmetro. Para essa situação, um teste de restrições múltiplas é conhecido como teste de hipóteses múltiplas ou conjuntas. Para uma hipótese nula com várias restrições, a hipóteses alternativa pode ser simplesmente: : não é verdadeira e se manterá caso um dos três parâmetros seja diferente de zero. A hipótese alternativa também pode ser: , porém essa não é a melhor alternativa, visto que seriam necessários testes separados. O ideal é uma forma de testar as restrições de exclusão conjuntamente. A estatística F é definida da seguinte forma: Onde é a adição dos quadrados dos resíduos do modelorestrito e é a soma dos quadrados dos resíduos do modelo irrestrito. O modelo irrestrito é o modelo no qual as variáveis da hipótese de restrição são excluídas, isto é, seria o modelo: O modelo irrestrito seria o modelo original com todas as variáveis explicativas. Sendo assim, ele sempre tem menos variáveis explicativas que o modelo irrestrito. Cabe ressaltar que, conforme visto no modelo MQO, o SQR sempre aumenta quando variáveis explicativas são tiradas do modelo, isso é um fato algébrico. Portanto, não pode ser maior que , logo a estatística F é sempre não negativa, assim, se o cálculo da estatística F resultar num valor negativo, considere algum erro no cálculo. Na formulação do teste F, o valor de q representa o número de restrições impostas ao modelo irrestrito para ele se tornar restrito, isto é, o número de variáveis que foram retiradas do modelo. O q pode ser representado da seguinte forma: q = graus de liberdade do numerador = – Lembrando que gl (grau de liberdade) é o número de observações menos o número de parâmetros estimados. Já o valor n - k – 1, é: n – k - 1 = graus de liberdade do denominador = Para utilizar a estatística F, faz-se necessário conhecer sua distribuição amostral sob a hipótese nula para então escolher os valores críticos e as regras de rejeição. F é distribuído como uma variável aleatória F com q, n- k – 1 graus de liberdade, e pode ser expresso da 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acce… 10/14 seguinte forma: Nessa conformidade, dada a definição de F, rejeita em favor de quando F for suficientemente grande, lembrando que a grandeza depende do nível de significância escolhido. Se for rejeitada, diz-se que são estatisticamente significantes conjuntamente no nível de significância apropriado. Caso a hipótese nula não seja rejeitada, as variáveis analisadas são conjuntamente não significantes, é uma justificativa plausível para retirá-las do modelo. Cumpre destacar que o teste F realizado sozinho não permite dizer quais das variáveis tem efeito sobre a variável dependente: todas elas podem afetar y, ou então, apenas uma delas pode ter efeito. A estatística F utilizada para testar a exclusão de uma única variável é igual ao quadrado da estatística t da variável correspondente. A estatística t, nesse caso, é considerada mais flexível para testar uma única hipótese, porque ela pode ser utilizada para testar alternativas unilaterais. A estatística t é mais fácil de ser obtida do que a estatística F. Assim, não há razão para usar a estatística F um único parâmetro quando se tem a estatística t com mais facilidade. É possível que duas ou mais variáveis que têm, cada uma, estatísticas t não significantes podem ser conjuntamente significantes. Também é possível que, em um grupo de muitas variáveis explicativas, uma variável tenha uma estatística t significante, mas em conjunto, essas variáveis não sejam significantes. Portanto, espera-se que a estatística F revele se qualquer combinação de um conjunto de coeficientes é diferente de zero, mas ele nunca é o melhor teste para dizer se um único coeficiente é diferente de zero. O teste t é considerado o mais apropriado para testar um única hipótese. 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acce… 11/14 Finalizando a Unidade Tendo como objetivo basilar os estudos dos testes de especificação e sua utilização nos ajustes no modelo, foi apresentada a distribuição que geralmente é utilizada por estimadores de Mínimos Quadrados Ordinários. Isso é fundamental para entender como os testes são aplicados às estimações. Em seguida, foi apresentada a definição dos intervalos de confiança para um parâmetro populacional e a aplicação dos testes de hipóteses. O primeiro teste apresentado foi o teste t, conforme as hipóteses do Modelo Linear Clássico, a distribuição t para os estimadores padronizados, bem como a definição das hipóteses nula e alternativa. O segundo teste apresentado foi o teste F que é de significância conjunta. Ambos são significativos para a inferência estatística. 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acce… 12/14 ©2018 Copyright ©Católica EAD. Ensino a distância (EAD) com a qualidade da Universidade Católica de Brasília Dica do Professor Faz-se oportuno, também, a leitura dos seguintes artigos científicos: Importância da Estatística para o Processo de Conhecimento e Tomada de Decisão, de Sérgio Aparecido Ignácio. Neste artigo, apresenta estudo sobre o surgimento e papel adquirido pela estatística durante o século XX até os dias atuais, e ainda, a sua importância no desempenho da empresa para redução de custos e maximização de lucros. Proposta de um teste de hipótese para a existência de dependência espacial em dados geoestatísticos, dos autores Enio J. Seidel e Marcelo de Oliveira Silva. Neste estudo, os autores criaram um teste de significância “para a hipótese nula de ausência de dependência espacial, para uma melhor decisão sobre a existência ou não de dependência em dados geoestatísticos”. O papel do comitê de ética em pesquisa na avaliação de testes estatísticos, de Wilson P. Spiandorello. De acordo com a literatura, este artigo revisa algumas implicações éticas do uso de testes estatísticos e analisa suas consequências de desvios sobre os resultados finais dos estudos, defendendo que os comitês devem assumir responsabilidade quanto à adequação das análises estatísticas nos projetos avaliados. http://www.ipardes.gov.br/ojs/index.php/revistaparanaense/article/view/89 https://www.redalyc.org/pdf/3939/393933926002.pdf https://www.redalyc.org/pdf/3615/361533266011.pdf 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acce… 13/14 ©2018 Copyright ©Católica EAD. Ensino a distância (EAD) com a qualidade da Universidade Católica de Brasília Saiba Mais Para que seu estudo seja mais significativo, leia o artigo de Luiz Sergio Costa e Victor Manoel Cunha de Almeida, “Valor da Marca: Teste Empírico da Importância das Dimensões Formadoras do Valor da Marca na Perspectiva do Consumidor no Contexto Brasileiro”. As dimensões formadoras do valor da marca na perspectiva do consumidor são investigadas no contexto brasileiro, mediante o uso de alguns testes. Assista ao vídeo “O que são Testes de Hipóteses | Para que servem os Testes de Hipóteses” que apresenta uma visão prática, didática e rápida do teste de hipótese. Disponibilizado pelo Canal Professor Guru e tem livre acesso. http://www.revistabrasileiramarketing.org/ojs-2.2.4/index.php/remark/article/view/2357/2096 https://www.youtube.com/watch?v=h4QcWDDlrW0 10/05/2022 20:30 Versão para impressão - TESTES DE ESPECIFICAÇÃO E AJUSTES NO MODELO https://conteudo.catolica.edu.br/conteudos/unileste_cursos/disciplinas/nucleo_formacao_geral/Econometria/tema_03/index.html?print=1&acce… 14/14 ©2018 Copyright ©Católica EAD. Ensino a distância (EAD) com a qualidade da Universidade Católica de Brasília Referências GUJARATI, D. N.; PORTER, D. C. Econometria básica. 5. ed. Porto Alegre: AMGH, 2011. HOFFMANN, R. Análise de regressão: uma introdução à econometria. 4ª ed. SP: Editora Hucitec, 2006. WOOLDRIDGE, J. M. Introdução à Econometria: Uma Abordagem Moderna; SP: Cengage Learning, 2014.
Compartilhar