Tópico 1

Prévia do material em texto

Tópico 1 – Introdução
Bibliografia:
WOOLDRIDGE, J.M. Introdução à Econometria: uma abordagem moderna. 4ª 
ed. São Paulo: Pioneira Thomson Learning, 2015. (capítulo 1).
Econometria
Interpretação literal: 
“Medição Econômica”
“Aplicação da estatística matemática aos dados econômicos”
Aplicações:
Testar hipóteses da teoria econômica;
Medir empiricamente resultados da teoria econômica.
Estrutura dos dados econômicos
Os dados econômicos apresentam-se em uma variedades de 
tipos.
Estruturas dos dados:
➢Dados em cross-section;
➢Séries temporais;
➢Dados em cortes transversais agrupados (Pooled cross-section);
➢Dados em painel/longitudinais.
Estrutura dos dados econômicos
Dados de corte transversal (cross-section):
“Consiste em uma amostra de indivíduos, consumidores, empresas,
cidades, estados, países, ou uma variedade de outras unidades, tomada
em um determinado ponto no tempo.”
Os dados de corte transversal são amplamente usados em economia e em
outras ciências sociais. Em economia, a análise está intimamente alinhada
com campos da microeconomia aplicada, tais como:
➢Economia do trabalho;
➢Finanças públicas estaduais e locais;
➢Organização industrial;
➢Economia urbana;
➢Demografia;
➢Economia da saúde.
Estrutura dos dados econômicos
Dados sobre indivíduos, famílias, empresas e cidades são importantes para
testar hipóteses microeconômicas e avaliar políticas governamentais.
Exemplo: dados de corte transversal para de salários e outras características
individuais - 2007.
A ordem das informações não importa.
Número da 
Observação
Salário Educação Experiência Gênero Estado civil
1 415,00 8 4 0 1
2 550,00 9 6 1 0
3 630,00 10 7 0 0
4 7.500,00 16 7 0 1
5 150,00 4 6 0 0
... ... ... ... ... ...
525 1.200,00 12 7 1 1
Estrutura dos dados econômicos
Dados de séries temporais:
“Consiste em observações sobre uma variável ou muitas variáveis ao longo
do tempo.”
Exemplos:
➢ Preços de ações;
➢Oferta de moeda;
➢ Índice de preços ao consumidor;
➢ Produto Interno Bruto;
➢ Taxas anuais de homicídios;
➢Número de automóveis vendidos, etc.
A ordem cronológica das observações é uma importante informação.
Dependência temporal.
Dificuldade de análise: independência das observações econômicas ao longo do
tempo.
Eventos passados podem influenciar eventos futuros.
Estrutura dos dados econômicos
Frequência dos dados: diária, semanal, mensal, trimestral, etc.
Muitas séries temporais econômicas, sejam semanais, mensais ou
trimestrais, exibem um forte padrão sazonal, o qual pode ser um importante
fator na análise de séries temporais.
Exemplo: Salário mínimo, desemprego e dados relacionados para Porto Rico
entre 1950 e 1987.
Número da 
Observação
Ano
Salário 
Mínimo 
Médio
Cobertura 
média
Desemprego PNB
1 1950 0,20 20,1 15,4 878,7
2 1951 0,21 20,7 16,0 925,0
3 1952 0,23 22,6 14,8 1.015,9
... ... ... ... ... ...
37 1986 3,35 58,1 18,9 4281,6
38 1987 3,35 58,2 16,8 4.496,7
Estrutura dos dados econômicos
Cortes transversais agrupados:
Possuem tanto as características de cross-section quanto de séries de
tempo.
Combinação de dois ou mais anos de dados em corte transversal.
Exemplo: PNADs de 2006 e de 2007.
Para aumentar o tamanho amostral, podemos agrupar as cross-
sections dos dois anos.
Exemplos de análises:
➢Efeitos de uma nova política governamental;
➢Efeitos de uma política de vendas.
Estrutura dos dados econômicos
Cortes transversais agrupados:
 Combinação de dois ou mais anos de dados em corte transversal.
Exemplo: Preço da moradia coletados em 1993 e 1995, sendo 250
observações coletadas em 1993 e 250 em 1995.
A ordem das informações não importa
Número da 
Observação
Ano
Preço da 
moradia
Imposto
Área 
Quadrada
Dormitórios
1 1993 85.500 42 1.600 3
2 1993 67.300 36 1.440 3
3 1993 134.000 38 2.000 4
... ... ... ... ... ...
250 1993 243.600 41 2.600 4
251 1995 65.000 16 1.250 2
... ... ... ... ... ...
500 1995 57.200 16 1.100 2
Estrutura dos dados econômicos
Dados em painel ou dados longitudinais:
“Consiste em uma série temporal para cada registro do corte
transversal do conjunto de dados.”
Exemplos:
Salário e emprego para um conjunto de indivíduos ao longo de
um período de 10 anos;
Firmas, municípios, estados, países.
Característica essencial dos dados em painel que os distingue dos
dados de corte transversal agrupado é que as mesmas unidades em
cross-section são acompanhadas ao longo de um determinado
período.
Estrutura dos dados econômicos
 Dados em painel ou dados longitudinais:
“Consiste em uma série temporal para cada registro do corte transversal do 
conjunto de dados.”
 Exemplo: Estatísticas de crime por cidade para 1986 e 1990.
Número da 
Observação
Cidade Ano Homicídios População Polícia
1 1 1986 5 350.000 440
2 1 1990 8 359.200 471
3 2 1986 2 64.300 75
4 2 1990 1 65.100 75
... ... ... ... ... ...
297 149 1986 10 260.700 286
298 149 1990 6 245.000 334
299 150 1986 25 243.000 520
300 150 1990 32 546.200 493
Causalidade
A econometria vai além de buscar uma relação entre as
variáveis, e busca uma relação causal entre elas.
Relação entre salários e planos de saúde:
Quanto maior o nível de salários maior é a probabilidade de que o
individuo possua um plano de saúde.
Relações causais possíveis:
Mais salários Mais planos de saúde
Mais planos de saúde Mais salários
Identificando as relações causais
Angrist & Krueger (1999):
Maneira ideal de garantir que a relação entre duas variáveis
seja causal contrafactuais.
Contrafactual: observar o indivíduo em duas situações
diferentes, controlando por todos os demais condicionantes
salariais.
Exemplo clássico de identificação: Girshick & Haavelmo
(1993).
Causalidade e a noção de ‘ceteris paribus’
Testes para a teoria econômica e/ou avaliação de políticas
públicas:
 O analista procura inferir sobre o efeito causal de uma variável
sobre a outra.
Ex.: Educação X Produtividade do trabalhador
Associações simples entre 2 variáveis
X
Estabelecimento de causalidade
Ceteris Paribus
Quais os demais fatores que devem ser mantidos fixos?
Muitos fatores podem afetar a variável de interesse.
Exemplo 1: Griliches (1957)  efeitos de novos fertilizantes sobre
os retornos das plantações. Supondo soja como o produto em
consideração.
- Como a quantidade de fertilizantes é somente um fator que afeta a
produção – outros fatores incluem chuva, qualidade de terra e
presença de pragas - , essa questão deve ser levantada como questão
de ceteris paribus.
- Conduzir um experimento para determinar o efeito causal da
quantidade de fertilizantes sobre a produção de soja.
Ceteris Paribus
Exemplo 2: Medindo o retorno salarial da educação.
- Questão: se uma pessoa é escolhida em uma população, e
recebe um ano a mais de educação, em quanto terá seu salário
aumentado?
- Assim como no exemplo anterior, essa é uma questão ceteris
paribus, e implica que todos os outros fatores são mantidos
fixos enquanto a pessoa recebe um ano a mais de educação.
- Como conduzir um experimento para estudar essa questão?
Ceteris Paribus
Possíveis problemas de inferência de causalidade.
Exemplo 3: Efeitos da aplicação da lei sobre os níveis de
criminalidade municipais.
Exemplo 4: Efeitos do salário mínimo sobre o desemprego.
Identificação
Ciências experimentais:
Aproximação do contrafactual feita pela condução de
experimentos aleatórios: tratamento x controle.
Economia:
Dificuldade em conduzir experimentos aleatórios.
Recentemente:
Heckman et al, 1999 (Heckman, Lalonde& Smith – Handbook of
labor economics).
Forma funcional 
Se o analista possui apenas dados observacionais (situação mais
comum):
𝑌𝑖 = 𝑓𝑖 𝑥𝑖 + 𝜀𝑖
Qual a forma funcional ideal?
Nem todos os trabalhos empíricos têm modelos teóricos guiando a
forma funcional;
Imposição de restrições para prosseguir.
Exemplos de restrições:
Formas lineares.
Log – linear.
Log – log.
Como relaxar as hipóteses restritivas?
Variáveis interativas.
Termos quadráticos.
Variáveis binárias.
Ex.: Lam&Levinson-PPE (1990)
Interações entre idade e educação  retornos à educação variam 
ao longo do ciclo de vida; retornos à experiência dependem do 
nível educacional.
Causalidade
Estimação dos parâmetros:
MQO: 
Hipótese: 𝐸 𝜀𝑖 𝑥𝑖 = 0
β’s estimados são consistentes.
2
( )( )
ˆ
( )
i ii
MQO
ii
x x y y
x x

 




Causalidade
Problema de MQO: validade da última hipótese.
Sem esta hipótese  endogeneidade: os β’s estimados não
convergem em probabilidade para os verdadeiros parâmetros
populacionais.
Relação causal x Correlação espúria
Causalidade em parte pela associação entre 𝑥𝑖 e 𝜀𝑖.
Exemplo de endogeneidade:
Equação de oferta de horas de trabalho:
As preferências por trabalho não são observáveis:
dependem da habilidade, criatividade, capacidade de
relacionamento, etc.