Baixe o app para aproveitar ainda mais
Prévia do material em texto
Módulo 4: Regressão linear simples, modelos logarítmico e exponencial. Cálculo da elasticidade Texto 1 O modelo linear simples contém apenas uma variável explicativa. Sua equação básica é: Yi = a + b.Xi + ui (i = 1, 2, ..., n) Yi é a variável independente ou explicada e Xi é a variável independente ou explicativa. ui é o termo aleatório e a e b são os parâmetros a serem calculados. n indica o tamanho da amostra e o índice i refere-se à unidade de observação dos valores da variável. Para poder estimar os parâmetros com confiabilidade, é necessário que o modelo atenda a algum pressupostos, os quais listamos abaixo: 1) o termo ui deve ser aleatório; 2) o termo ui deve ter média 0; 3) o termo ui deve ter variância constante; 4) o termo ui deve ter distribuição normal; 5) o termo ui não deve ser autocorrelacionado, ou seja, tem de ter valores indipendentes entre si; 6) o termo ui não deve ser correlacionado com Xi; 7) a variável explicativa Xi não deve conter erros de medidas; 8) o modelo deve ter especificação correta, ou seja, apenas uma variável explicativa deve ser suficiente para expressar adequadamente o fenômeno; 9) as séries de tempo usadas na estimação devem ser estacionárias. A confiabilidade da equação estimada dependerá da validade desses pressupostos. Entretanto, sabemos que sempre haverá a violação de algum deles, o que poderá ou não inviabilizar o modelo, dependendo do seu grau e extensão. Texto 2 Existem diversos métodos para se estimar os parâmetros do modelo linear simples, tais como o Método dos Mínimos Quadrados e o Método da Máxima Verossimilhança. Neste curso, utilizaremos o Método dos Mínimos Quadrados (MMQ). Segundo o MMQ, a equação estimada pode ser escrita como: Yi = a + b.Xi + ei (i) ou (ii) O acento circunflexo no Y indica que ele é uma estimativa, ou seja, ele não é o Y real. O objetivo do MMQ é obter estimativas confiáveis dos parâmetros a e b com base em uma amostra de valores de X e Y, de forma que os resíduos ou os erros, indicados por ei, sejam os mínimos possíveis. Assim, podemos reescrever (i) da seguinte maneira: ei = Yi – (a + b.Xi) Elevando-se essa equação ao quadrado e somando-se todos os valores das variáveis para abranger todas as observações, temos: Σe2 = Σ[Yi – (a + b.Xi]² (iii) Dessa forma, o MMQ consiste na obtenção das estimativas dos parâmetros a e b da equação (i) de forma que a soma dos quadrados dos resíduos seja mínima. Para isso, derivamos (iii) em relação à a e b, igualando essas derivadas à zero. Com isso, obtermos as seguintes fórmulas: Com essas equações, podemos obter as melhores estimações para a e b possíveis. Texto 3 O modelo logarítmico é: Y = A.Xb Essa forma funcional tem muitas aplicações em Economia, principalmente na estimação de funções de produção ou de demanda. Em funções de produção, esse modelo torna possível testar a existência ou não de retornos constantes, crescentes ou decrescentes de escala do uso de algum insumo. Aplicando o operador logaritmo nos dois membros dessa equação, chegamos à seguinte formulação: Ln Y = a + b.Ln X Essa última expressão é a forma linearizada do modelo logarítmico e, com ele, podemos estimar os parâmetros com as mesmas equações do modelo linear simples, apenas observando que Y é, na verdade, o LnY e X é o LnX. Para obter o parâmetro A do modelo original, fazemos A = ea Para esse modelo, devemos observar que as variáveis X e Y não poderão assumir valores negativos, pois não existe Ln de números negativos. O cálculo da Elasticidade pode ser feito por meio da derivada, com a seguinte formulação: No que se refere a equações de demanda, o uso da forma logarítmica facilita o cálculo da elasticidade, que será dada pelo próprio parâmetro b da equação estimada. De modo geral, o uso do modelo logarítmico é adequado sempre que uma variável cresce com o aumento da outra, porém a taxas decrescentes ou crescentes. Texto 4 O modelo exponencial é: Y = A.BX Aplicando o operador logaritmo nos dois membros dessa equação, chegamos à seguinte formulação: Ln Y = a + b.X Essa última expressão é a forma linearizada do modelo exponencial e, com ele, podemos estimar os parâmetros com as mesmas equações do modelo linear simples, apenas observando que Y é, na verdade, o LnY. Matemática (Xi) Estatística (Yi) Xi . Yi (Xi)2 5 6 30 25 8 9 72 64 7 8 56 49 10 10 100 100 6 5 30 36 7 8 56 49 9 9 81 81 3 3 9 9 8 8 64 64 2 3 6 4 S = 65 S = 69 S = 504 S = 481 Como nesse modelo só a variável Y é dada pelo Ln, pois X aparece na forma original, ele também é chamado se semilogarítmico I, ou apenas semilog I. Para obter o parâmetro A do modelo original, fazemos A = ea Para obter o parâmetro B do modelo original, fazemos B = eb Nesse modelo, a variável Y não pode assumir valores negativos, mas a variável X sim. A elasticidade (no ponto médio) calculada para esse modelo será dada por b.Xmédio. Lembramos que X médio é dado por ΣX/n. A função exponencial é frequentemente usada em Economia aplicada para descrever processos de crescimento contínuo ou aproximadamente contínuo de uma variável com o tempo. Também podemos usar esse modelo quando uma variável cresce ou decresce com os acréscimos da outra, mas a taxas crescentes ou decrescentes. Exemplo resolvido A tabela a seguir apresenta as notas de 10 alunos nas disciplinas de Matemática e Estatística. Vamos estimar a equação de regressão pelo modelo linear simples, admitindo que a nota de Estatística (Y) depende da nota de Matemática (X). Para facilitar os cálculos, apresentamos as colunas com os itens que constam nas fórmulas dos parâmetros, com os respectivos somatórios. O modelo linear solicitado é: Yi = 0,7315 + 0,949.X + ei
Compartilhar