Baixe o app para aproveitar ainda mais
Prévia do material em texto
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 8 – Análise de Regressão Múltipla: o Problema da Inferência Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 A hipótese da normalidade 𝑌𝑖 = 𝛽1 + 𝛽2𝑋2𝑖 + 𝛽3𝑋3𝑖 + 𝑢𝑖 • Para fazer inferências precisamos supor que ui segue alguma distribuição de probabilidade. • 11ª. Premissa: normalidade dos ui ~ N (0, σ 2) • Sob esta premissa: – Os estimadores são BLUE – 𝛽1, 𝛽2 e 𝛽3 são normalmente distribuídos com médias iguais a 𝛽1, 𝛽2 e 𝛽3 e variâncias de acordo com Cap. 7 (pag. 168) – 𝑛 − 3 𝜎2 𝜎2 ~χ𝑛−3 2 – Substituindo 𝜎2 nas expressões dos erros padrão dos coeficientes... A hipótese da normalidade 𝑡 = 𝛽1 − 𝛽1 𝑒𝑝( 𝛽1) 𝑡 = 𝛽2 − 𝛽2 𝑒𝑝( 𝛽2) 𝑡 = 𝛽3 − 𝛽3 𝑒𝑝( 𝛽3) Segue a distribuição t com n – 3 graus de liberdade. Por que 3 graus de liberdade? t => para testar coeficientes parciais da regressão múltipla χ2=> para testar hipóteses sobre o verdadeiro σ2 da população Testes de hipóteses relativos aos coeficientes de regressão individuais • H0: β2 = 0 • H1: β2 ≠ 0 – Comparar t com tcrítico – Qual seria o tcrítico para o caso da MI? – Na prática olhamos o p-valor – E se eu espero um determinado sinal? • O teste não é mais bilateral... no exemplo da MI poderia supor que o coeficiente de PNBpc seja negativo. Então: H0: β2 ≥ 0 H1: β2 < 0 Teste de significância geral da regressão amostral • Testa se há uma relação linear entre o Y e as variáveis explicativas em conjunto H0: β2 = β3 = 0 • É o mesmo que testar β2 = 0 e β3 = 0? – Não! – Usamos a mesma amostra para testar β2 = 0 e β3 = 0, portanto não são independentes – 𝑃 𝛽2 = 0 𝛽3 = 0 ≠ 𝑃 𝛽2 = 0 . 𝑃(𝛽3 = 0) – 𝑃[ 𝛽2 ± 𝑡 𝛼 2𝑒𝑝 𝛽2 , 𝑃[ 𝛽3 ± 𝑡 𝛼 2𝑒𝑝 𝛽3 ] ≠ (1 − 𝛼)(1 − 𝛼) – Então, como testar β2 = β3 = 0? A abordagem da ANOVA: teste F 𝑦𝑖 2 = 𝛽2 𝑦𝑖𝑥2𝑖 + 𝛽3 𝑦𝑖𝑥3𝑖 + 𝑢𝑖 𝐹 = 𝛽2 𝑦𝑖𝑥2𝑖 + 𝛽3 𝑦𝑖𝑥3𝑖 2 𝑢𝑖 2 𝑛 − 3 = 𝑆𝑄𝐸 𝑔𝑙 𝑆𝑄𝑅 𝑔𝑙 Se distribui como a distribuição F, com 2 e n-3 graus de liberdade. Se β2 = β3 = 0 for verdadeira SQE e SQR serão muito próximos. O modelo não agrega explicação. Não se rejeitará H0. Se SQE for muito maior que SQR rejeita-se H0. STQ SQE SQR Significância geral de uma regressão múltipla Dado o modelo de regressão com k variáveis: 𝑌𝑖 = 𝛽1 + 𝛽2𝑋2𝑖 + 𝛽3𝑋3𝑖 + ⋯ + 𝛽𝑘𝑋𝑘𝑖 + 𝑢𝑖 Para testar a hipótese: H0: β2 = β3 =...= βk = 0 H1: nem todos os coeficientes angulares são simultaneamente iguais a zero 𝐹 = 𝑆𝑄𝐸 𝑔𝑙 𝑆𝑄𝑅 𝑔𝑙 = 𝑆𝑄𝐸 (𝑘 − 1) 𝑆𝑄𝑅 (𝑛 − 𝑘) Se F > Fα(k-1,n-k), rejeite H0. k =3 no caso de 3 variáveis (Y, X2 e X3) Significância geral de uma regressão múltipla • Testes dos coeficientes individuais não substituem o teste geral da regressão linear múltipla. • É possível ter regressão significativa como um todo com poucos ou nenhum coeficiente significativo individualmente. • E também R2 baixos em regressões com coeficientes significativos. Essa é uma situação comum em dados em corte transversal. • O importante é a especificação correta do modelo, sinais corretos e significância estatística. Relação entre R2 e F 𝑅2 = 𝑆𝑄𝐸 𝑆𝑄𝑇 𝐹 = 𝑆𝑄𝐸 (𝑘 − 1) 𝑆𝑄𝑅 (𝑛 − 𝑘) = 𝑛 − 𝑘 𝑘 − 1 . 𝑆𝑄𝐸 𝑆𝑄𝑅 𝐹 = 𝑛 − 𝑘 𝑘 − 1 . 𝑆𝑄𝐸 𝑆𝑇𝑄 − 𝑆𝑄𝐸 ÷ 𝑆𝑄𝑇 ÷ 𝑆𝑄𝑇 𝐹 = 𝑛 − 𝑘 𝑘 − 1 . 𝑅2 1 − 𝑅2 𝐹 = 𝑅 2 (𝑘 − 1) (1 − 𝑅2) (𝑛 − 𝑘) Relação entre R2 e F 𝐹 = 𝑅 2 (𝑘 − 1) (1 − 𝑅2) (𝑛 − 𝑘) R2 = 0 => F = 0 => regressão não é significante R2 = 1 => F => ∞ Quando acrescentar uma nova variável? 𝐹 = (𝑆𝑄𝐸𝑛𝑜𝑣𝑜−𝑆𝑄𝐸𝑣𝑒𝑙ℎ𝑜) 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑛𝑜𝑣𝑜𝑠 𝑟𝑒𝑔. 𝑆𝑄𝐸𝑛𝑜𝑣𝑜 (𝑛 − 𝑘) Se as variáveis dependentes dos modelos novo e antigo são as mesmas posso usar: 𝐹 = 𝑅𝑛𝑜𝑣𝑜 2 − 𝑅𝑣𝑒𝑙ℎ𝑜 2 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑛𝑜𝑣𝑜𝑠 𝑟𝑒𝑔. 1 − 𝑅𝑛𝑜𝑣𝑜 2 𝑛 − 𝑘 Quando acrescentar uma nova variável? • A prática de escolher modelo com 𝑅𝑎𝑗𝑢𝑠𝑡 2 mais alto não é adequada, pois não há certeza de que o aumento é significativo. • 𝑅𝑎𝑗𝑢𝑠𝑡 2 aumenta se | t | da nova variável é maior que 1, sendo | t | calculado sob a hipótese de que o coeficiente é igual a zero. • 𝑅𝑎𝑗𝑢𝑠𝑡 2 aumentará se t2 = F for maior que 1 Quando acrescentar um grupo de variáveis? Quando F dado por 𝐹 = 𝑅𝑛𝑜𝑣𝑜 2 − 𝑅𝑣𝑒𝑙ℎ𝑜 2 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑛𝑜𝑣𝑜𝑠 𝑟𝑒𝑔. 1 − 𝑅𝑛𝑜𝑣𝑜 2 𝑛 − 𝑘 for maior que 1. Teste da igualdade de dois coeficientes da regressão 𝑌𝑖 = 𝛽1 + 𝛽2𝑋2𝑖 + 𝛽3𝑋3𝑖 + 𝛽4𝑋4𝑖 + 𝑢𝑖 • X3 = renda, X4 = riqueza, Y = demanda do bem H0: β3 = β4 => (β3 - β4) = 0 H0: β3 ≠ β4 => (β3 - β4) ≠ 0 𝑡 = 𝛽3 − 𝛽4 − (𝛽3 − 𝛽4) 𝑒𝑝 𝛽3 − 𝛽4 𝑒𝑝 𝛽3 − 𝛽4 = 𝑣𝑎𝑟 𝛽3 + 𝑣𝑎𝑟 𝛽4 − 2𝑐𝑜𝑣( 𝛽3, 𝛽4) Onde obter as var e cov? Ver comandos em funcaocusto.txt Mínimos quadrados restritos: teste das restrições de igualdade linear Função Cobb-Douglas 𝑌𝑖 = 𝛽1𝑋2𝑖 𝛽2𝑋3𝑖 𝛽3𝑒𝑢𝑖 Onde X2 = insumo de mão de obra, X3 = insumo de capital, Y = produção 𝑙𝑛𝑌𝑖 = 𝛽0 + 𝛽2𝑙𝑛𝑋2𝑖 + 𝛽3𝑙𝑛𝑋3𝑖 + 𝑢𝑖 Onde 𝛽0 = 𝑙𝑛𝛽1 Se houver retornos constantes de escala = variação equiproporcional da produção para uma variação equiproporcional nos insumos 𝛽2 + 𝛽3 = 1 Mínimos quadrados restritos: teste das restrições de igualdade linear A abordagem do teste t: 𝑡 = 𝛽2 + 𝛽3 − (𝛽2 + 𝛽3) 𝑒𝑝 𝛽2 + 𝛽3 𝑒𝑝 𝛽2 + 𝛽3 = 𝑣𝑎𝑟 𝛽2 + 𝑣𝑎𝑟 𝛽3 + 2𝑐𝑜𝑣( 𝛽2, 𝛽3) Mínimos quadrados restritos: teste das restrições de igualdade linear A abordagem do teste F: 𝐹 = 𝑆𝑄𝑅𝑅 − 𝑆𝑄𝑅𝑆𝑅 𝑚 𝑆𝑄𝑅𝑆𝑅 𝑛 − 𝑘 𝐹 = 𝑅𝑆𝑅 2 − 𝑅𝑅 2 𝑚 1 − 𝑅𝑆𝑅 2 𝑛 − 𝑘 Mínimos quadrados restritos: teste das restrições de igualdade linear Como obter o modelo restrito? 𝛽2 + 𝛽3 = 1 𝛽2 − 1 = 𝛽3 𝑙𝑛𝑌𝑖 = 𝛽0 + (1 − 𝛽3)𝑙𝑛𝑋2𝑖 + 𝛽3𝑙𝑛𝑋3𝑖 + 𝑢𝑖 𝑙𝑛𝑌𝑖 = 𝛽0 + 𝑙𝑛𝑋2𝑖 − 𝛽3𝑙𝑛𝑋2𝑖 + 𝛽3𝑙𝑛𝑋3𝑖 + 𝑢𝑖 𝑙𝑛𝑌𝑖 − 𝑙𝑛𝑋2𝑖 = 𝛽0 + 𝛽3(𝑙𝑛𝑋3𝑖 − 𝑙𝑛𝑋2𝑖) + 𝑢𝑖 𝑙𝑛 𝑌𝑖 𝑋2𝑖 = 𝛽0 + 𝛽3𝑙𝑛 𝑋3𝑖 𝑋2𝑖 + 𝑢𝑖 Ver comandos em cobbdouglas.txt Teste da estabilidade estrutural ou dos parâmetros nos modelos de regressão: Teste de Chow • Quando empregamos um modelo de regressão que envolve o uso de séries temporais pode haver mudança dos coeficientes ao longo do tempo. • Exemplos: (i) exportações no Brasil antes e depois da liberação do câmbio em 1999; (ii) demonstrações contábeis antes e depois do IFRS • Como saber se há quebra de estrutura? Teste de Chow • Nada mais é que um teste de modelo restrito x modelo sem restrições • Aqui o restrito é o que supõe que os coeficientes são iguais ao longo de todo o tempo • Premissas: – 𝑢1𝑡~𝑁 0 , 𝜎 2 – 𝑢2𝑡~𝑁(0 , 𝜎 2) – 𝑢1𝑡 e 𝑢2𝑡 têm distribuições independentes Distribuição Normal com mesma variância Teste de Chow • Etapas do teste: 1. Estima-se as regressões separadas 2. Estima-se a regressão para o período completo 3. Obtém-se os SQR (soma quad. resíduos) 4. Teste F 𝐹 = 𝑆𝑄𝑅𝑅 − 𝑆𝑄𝑅𝑆𝑅 𝑘 𝑆𝑄𝑅𝑆𝑅 (𝑛1 + 𝑛2 − 2𝑘) ~ 𝐹𝑘 ,𝑛1+𝑛2−2𝑘 Ver comandos em pouprenda.txt Teste de Chow • Advertências: 1. As premissas devem ser respeitadas. É preciso verificar se as variâncias dos erros das regressão são iguais. 2. O testenão diz se a diferença entre as regressões decorre dos interceptos, coeficientes angulares ou de ambos. 3. O teste pressupõe que conhecemos o ponto de quebra estrutural. Ver comandos em pouprenda.txt
Compartilhar