Baixe o app para aproveitar ainda mais
Prévia do material em texto
Aula 02 Econometria II Gujarati Multicolinearidade A multicolinearidade é um problema de dados e não do modelo em sí. Outros modelos sofreriam do mesmo problema e ainda nos dariam estimativas piores que o MQO. O conceito de multicolinearidade não é um conceito discreto, onde apontamos a existencia ou não da mesma, e sim apontamos o grau de multicolinearidade existente. Ela acontece quando existe associação linear forte ou exata entre duas var- iáveis do modelo. Y = β1 + β2X2 + β3X3 + u Se a equação X3 = λX2 para qualquer λ, teremos multicolineridade perfeita. Dada a equação do estimador β2: βˆ2 = (Σyix2i)(Σx 2 3i)− (Σyix3i)(Σx2ix3i) (Σx22i)(Σx 2 3i)− (Σx2ix3i)2 Substituindo X3 por λX2, teremos: βˆ2 = (Σyix2i)(λ 2Σx22i)− (λΣyix2i)(λΣx22i) (Σx22i)(λ 2Σx22i)− λ2(Σx22i)2 O que resulta em uma indeterminação. 0 0 O mesmo acontece na notação matricial onde existindo duas colunas que apresentação associação linear, o determinante dessa matriz é 0. Sintomas 1. R2 alto, teste F alto, mas poucas razões t significantes. 2. Alta sensibilidade dos estimadores a pequenas alterações nos dados. 3. Variância e erro padrão muito altos. V ar(βˆ2) = σ2 Σx22 1 (1− r223) 1 Aula 02 Econometria II Gujarati O fator de inflação da variância ou FIV, descrito pela fração da direita da equação acima, deve ser menor que 10. Soluções 1. Excluir 1 das variáveis, obedecendo critério da teoria econômica em questão. 2. Aumentar o número de observações para evitar a micronumerosidade. 3. Obter alguma informação a priori que descreva a relação exata entre as variáveis correlacionadas. Se soubermos que X2 = 5X3, podemos substituir no modelo, de modo que: Y = β1 + (5β2 + β3)X3 + u 2
Compartilhar