Baixe o app para aproveitar ainda mais
Prévia do material em texto
Propriedades Algébricas do Estimador MQO Aula 05, Introdução à Econometria Prof. Moisés A. Resende Filho Capítulo 02, parte 3 20 de março de 2018 Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 1 / 28 1. Introdução bβ0 e bβ1, as estimativas MQO de β0 e β1 no MRLS, são obtidas pela aplicação dos estimadores MQO bβ0 = y¯ � bβ1x (1) e bβ1 = ∑ni=1(xi � x)(yi � y¯)∑ni=1(xi � x)2 (2) = n∑ni=1 xiyi �∑ni=1 xi ∑ni=1 yi n∑ni=1 x2i � (∑ni=1 xi )2 aos dados. Esses são também estimadores MM sob a hipótese crucial E (ujx) = 0. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 2 / 28 Introdução Os valores ajustados ou estimados de y , byi , ou estimativas de E (y jx) são obtidos substituindo xi no modelo de regressão estimado: byi = bβ0 + bβ1xi , i = 1, ..., n Os resíduos, bui � yi � by , da regressão MQO são bui = yi � bβ0 � bβ1xi , i = 1, ..., n Se bui > 0, o valor observado yi é maior que o previsto byi . Se bui < 0, o valor observado yi é menor que o previsto byi . Vide grá co no próximo slide. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 3 / 28 Introdução Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 4 / 28 Introdução Aplicando os estimadores MQO aos dados do arquivo beauty.dta (disponivel na página web do curso) obtém-se: _cons 1,57 0,63 2,50 0,01 0,34 2,80 educ 0,38 0,05 7,71 0,00 0,28 0,47 wage Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 27347.4392 1259 21.7215561 Root MSE = 4.5562 Adj R-squared = 0.0443 Residual 26114.4737 1258 20.7587231 R-squared = 0.0451 Model 1232.96548 1 1232.96548 Prob > F = 0.0000 F( 1, 1258) = 59.40 Source SS df MS Number of obs = 1260 . regress wage educ, cformat(%9,2f) pformat(%5,2f) sformat(%8,2f) Portanto, bβ0 = 1, 57, bβ1 = 0, 38 e o MRLS estimado ébyi = 1, 57+ 0, 38xi , i = 1, ..., 1260 Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 5 / 28 Introdução 5. 11.42 16 7.602482 3.817518 4. 11.57 16 7.602482 3.967518 3. 7.96 10 5.340084 2.619916 2. 4.28 12 6.094216 -1.814216 1. 5.73 14 6.848349 -1.118349 wage educ wagehat uhat . list wage educ wagehat uhat in 1/5 . predict uhat, residuals . predict wagehat, xb predict wagehat, xb é o comando para gerar a série[wage i ; predict uhat, residuals é o comando para gerar a série bui ; list wage educ wagehat uhat in 1/5 é o comando para apresentar os cinco primeiro valores das séries. Há resíduos positivos se wagei >[wage i e negativos se wagei <[wage i . Como medir o grau de ajuste do modelo aos dados? Com ∑ni=1 bui? Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 6 / 28 2. Propriedades Algébricas de MQO (Propriedade 1) A soma e, portanto, a média dos resíduos MQO, bu, são zeros: ∑ni=1 bui = 0 = bu (3) em consequência da imposição do momento populacional E (u) = 0 aos dados ou da primeira equação normal de MQO. A propriedade 1 somente é assegurada se o modelo é estimado com um intecepto. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 7 / 28 Propriedades Algébricas de MQO Uma consequência direta da Propriedade 1 é que, comobyi + bui = yi , então: n�1∑ni=1 byi + n�1∑ni=1 bui = n�1∑ni=1 yi => n�1∑ni=1 byi = n�1∑ni=1 yi , pois ∑ni=1 bui = 0 ou seja, by = y¯ a média dos valores previstos de y é igual a média amostral de y . Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 8 / 28 Propriedades Algébricas de MQO (Propriedade 2) Ortogonalidade de x e bu ∑ni=1 xibui = 0 (4) em consequência da imposição do momento populacional E (xu) = 0 aos dados ou devido a segunda equação normal de MQO. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 9 / 28 Propriedades Algébricas de MQO Uma consequência direta das Propriedades 1 e 2 é que a covariância e, assim, a correlação amostral de x e os resíduos são zeros, pois: dCov(x , bu) = ∑ni=1(xi � x)(bui � bu) n� 1 , mas bu = 0 = ∑ni=1 xibui � x ∑ni=1 bui n� 1 = 0 Uma segunda consequência direta é que como byi = bβ0 + bβ1xi , 8i são funções lineares de xi , os byi , 8i também são ortogonais a bui , 8i : ∑ni=1 byibui = bβ0∑ni=1 bui + bβ1∑ni=1 xibui , pois ∑ni=1 xibui = ∑ni=1 bui = 0 Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 10 / 28 Propriedades Algébricas de MQO (Propriedade 3) A reta da regressão estimada passa no ponto (x¯ , y¯), tal que: y¯ = bβ0 + bβ1x¯ ou seja, se substituirmos na regressão estimada a média amostral de x , x¯ , no lugar de xi , o valor estimado de y , byi , será a própria média amostral de y , y¯ .byi = bβ0 + bβ1xii , 8i , tal que aplicando dos dois lados da igualdade somatório e multiplicando por n�1, temos que: n�1∑ni=1 byi = n�1nbβ0 + bβ1n�1∑ni=1 xiby = bβ0 + bβ1x¯ mas uma consequência direta da propriedade 1 é que by = y¯ . Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 11 / 28 3. Qualidade do Ajuste da Regressão MQO De na Soma dos Quadrados Total (SQT ), Soma dos Quadrados Explicada (SQE ) e Soma dos Quadrados dos Resíduos (SQR) da seguinte forma: SQT � ∑ni=1(yi � y¯)2 SQE � ∑ni=1(byi � y¯)2 SQR � ∑ni=1 bu2i Note que SQT (n�1) , SQE (n�1) e SQR (n�1) são, respectivamente, a variância amostral de y , byi , bui . Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 12 / 28 Qualidade do Ajuste da Regressão MQO SQT pode ser reescrita como: ∑ni=1(yi � y¯)2 = ∑ n i=1[(yi �byi ) + (byi| {z }�y¯)]2, pois � byi + byi = 0 = ∑ni=1[bui + (byi � y¯)]2, pois bui � yi � byi = ∑ni=1 bu2i + 2 ∑ni=1 bui (byi � y¯)| {z } pois ∑ni=1 byibui=∑ni=1 bui=0 +∑ni=1(byi � y¯)2 tal que, SQT = SQE + SQR (5) Lembre-se de que assegura-se que ∑ni=1 bui = 0 somente se o modelo é estimado com intercepto. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 13 / 28 Qualidade de Ajuste da Regressão MQO Admitindo que SQT > 0, de nimos a parcela da variação total em yi explicada por xi ou explicada pela regressão MQO por: R2 = SQE SQT = 1� SQR SQT (6) R2 é chamado de R-quadrado, R dois ou coe ciente de determinação da regressão. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 14 / 28 Qualidade de Ajuste da Regressão MQO É possível mostrar que o R2 = Corr(yi , byi )2, ou seja, o quadrado da correlação amostral entre yi e byi , tal que: 0 � R2 � 1 Esse resultado somente é válido no modelo estimado com intercepto. R2 = 0 indica que não há relação linear e R2 = 1 indica que há uma relação linear perfeita entre y e x . Não devemos nos xar no R2, pois um altoR2 não é necessário ou su ciente para inferir causalidade de x em y . Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 15 / 28 Qualidade de Ajuste da Regressão MQO O resultado da regressão MQO com os dados do arquivo beauty.dta é: _cons 1.56942 .6279439 2.50 0.013 .3374873 2.801353 educ .3770664 .0489263 7.71 0.000 .2810802 .4730526 wage Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 27347.4392 1259 21.7215561 Root MSE = 4.5562 Adj R-squared = 0.0443 Residual 26114.4737 1258 20.7587231 R-squared = 0.0451 Model 1232.96548 1 1232.96548 Prob > F = 0.0000 F( 1, 1258) = 59.40 Source SS df MS Number of obs = 1260 . reg wage educ Como R2 = 0, 045, dizemos que anos de escolaridade(educ) explica apenas 4, 5% da variação total no salário por hora na amostra. Ou que a regressão explica apenas 4, 5% da variação total no salário por hora na amostra. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 16 / 28 4. Unidades de Medida e Forma Funcional Para se poder interpretar as funções de regressão, é muito importante saber como y e x são medidos. Na regressão estimada com educ em anos de escolaridade: [wage = 1, 57+ 0, 38 educ n = 1260, R2 = 0, 0451 estima-se que um ano a mais de escolaridade aumenta o salário-hora em 0, 38 dólares. Mas e se educ fosse medido em meses? Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 17 / 28 Unidades de Medida e Forma Funcional Se ynovo = byvelho e xnovo = cxvelho , em que b e c são constantes diferentes de zero:bβ1,novo = ∑ni=1(cxi ,velho � cxvelho )(byi ,velho � by¯velho )∑ni=1(cxi ,velho � cxvelho )2 = cb c2 ∑ni=1(xi ,velho � xvelho )(yi ,velho � y¯velho ) ∑ni=1(xi ,velho � xvelho )2 = b c bβ1,velho (7) bβ0,novo = by¯velho � bc bβ1,velhocxvelho = by¯velho � bβ1,velhoxvelho ) = bbβ0,velho (8) O R2 permanece o mesmo, ou seja, independe das unidades de medida de y e x . Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 18 / 28 Unidades de Medida e Forma Funcional _cons 1.56942 .6279439 2.50 0.013 .3374873 2.801353 educmes .0314222 .0040772 7.71 0.000 .0234233 .039421 wage Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 27347.4392 1259 21.7215561 Root MSE = 4.5562 Adj R-squared = 0.0443 Residual 26114.4737 1258 20.7587231 R-squared = 0.0451 Model 1232.96548 1 1232.96548 Prob > F = 0.0000 F( 1, 1258) = 59.40 Source SS df MS Number of obs = 1260 . reg wage educmes . gen educmes=educ*12 [wage = 1, 57+ 0, 031educmeses n = 1260, R2 = 0, 0451 No caso, b = 1 e c = 12, tal que: bβ0,novo = bβ0,velho ebβ1,novo = 112bβ1,velho = 112 � 0.38 = 0, 031. Estima-se que um mês a mais de estudo formal aumente o salário-hora em 0, 38/12 = 0, 031 dólares. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 19 / 28 4.1. Usando Logaritmo Natural na Regressão Simples Tomemos o exemplo: [wage = 1, 57+ 0, 38educ n = 1260, R2 = 0, 0451 Assim, estima-se que um ano de escolaridade aumenta o salário hora em US$ 0, 38, seja qual for o nível de escolaridade do indivíduo, por exemplo, para alguém com curso superior (16 anos de escolaridade) ou alguém com segundo grau completo (12 anos de escolaridade). Como permitir efeitos diferenciados de educ no modelo? Uma forma é admitir que há um aumento percentual constante do efeito de educ no salário. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 20 / 28 Usando Logaritmo Natural na Regressão Simples Podemos aproximar variações percentuais constantes usando o log natural (no livro do Wooldridge, log()), por exemplo, logaritmizando a variável dependente como, por exemplo: log(wage) = β0 + β1educ + u (9) tal que mantendo u xo (hipótese ceteris paribus), 100� β1 = 100� ∂ log(wage) ∂educ = 100� ∂ log(wage) ∂wage ∂wage ∂educ = 1 wage ∂wage ∂educ � 100 = ∂wage wage � 100 ∂educ � %∆wage ∆educ � mudança percentual no salario mudança em educ Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 21 / 28 Usando Logaritmo Natural na Regressão Simples Assim, no modelo log(wage) = β0 + β1educ + u: 100� β1 � %∆wage devido a ∆educ = 1 Nesse exemplo, (100� β1) é o retorno da escolaridade (como no caso do retorno de um investimento) e não depende da unidade em que o salário é medido (reais, dólares, euros,...). Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 22 / 28 Usando Logaritmo Natural na Regressão Simples _cons .9014239 .0790132 11.41 0.000 .7464117 1.056436 educ .0602839 .0061563 9.79 0.000 .0482061 .0723616 lwage Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 444.979972 1259 .353439215 Root MSE = .5733 Adj R-squared = 0.0701 Residual 413.464976 1258 .328668502 R-squared = 0.0708 Model 31.5149966 1 31.5149966 Prob > F = 0.0000 F( 1, 1258) = 95.89 Source SS df MS Number of obs = 1260 . reg lwage educ [lwage = 0, 90+ 0, 06 educ n = 1260, R2 = 0, 0708 A estimativa do retorno da escolaridade é 0, 06� 100 = 6%. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 23 / 28 Usando Logaritmo Natural na Regressão Simples [wage = exp(0, 9+ 0, 6 � educ) 0 1 2 3 4 5 10 20 30 40 50 educ wage Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 24 / 28 Usando Logaritmo Natural na Regressão Simples No modelo de elasticidade constante, log-log ou duplo log: log(salario) = β0 + β1 log(vendas) + u (10) temos que, ceteris paribus: β1 = ∂ log(salario) ∂ log(vendas) = ∂ log(salario) ∂salario ∂salario ∂vendas ∂vendas ∂ log(vendas) = ∂salario/salario ∂vendas/vendas � 100 100 � mudança percentual no salario mudança percentual em vendas Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 25 / 28 Usando Logaritmo Natural na Regressão Simples Portanto, no modelo log(salario) = β0 + β1 log(vendas) + u, β1 é a elasticiade vendas do salario. Elasticiades são livres de unidades de medida, por exemplo, de salario e vendas. Um modelo de elasticiade constante para salário e vendas deve fazer mais sentido que um com efeito constante em dólares. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 26 / 28 Usando Logaritmo Natural na Regressão Simples Usando os dados no arquivo ceosal1.dta, obtemos: _cons 4.821997 .2883396 16.72 0.000 4.253538 5.390455 lsales .2566717 .0345167 7.44 0.000 .1886224 .3247209 lsalary Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 66.7221632 208 .320779631 Root MSE = .50436 Adj R-squared = 0.2070 Residual 52.6559944 207 .254376785 R-squared = 0.2108 Model 14.0661688 1 14.0661688 Prob > F = 0.0000 F( 1, 207) = 55.30 Source SS df MS Number of obs = 209 . reg lsalary lsales Como bβlvendas = 0, 25, estima-se que cada 1% de aumento nas vendas da empresa resulta em um aumento de 0, 26% no salário do CEO/chefe executivo. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 27 / 28 Usando Logaritmo Natural na Regressão Simples Modelo Var. Dep. Var. Indep. β1 Nível-Nível y x ∆y = β1∆x Nível-Log y log(x) ∆y = (β1/100)%∆x Log-Nível log(y) x %∆y = (100β1)∆x Log-Log log(y) log(x) %∆y = β1%∆x A possibilidade de usar o log natural e, assim, obter relações não lineares entre y e x levanta a questão: Como devemos entender o temo "linear"em regressão ? A resposta é que o modelo deve ser linear nos parâmetros, β0 e β1. Ou seja, podemos fazer transformações das variáveis dependentes e independentes de modo a obter interpretações mais interessantes dos parâmetros. Moisés Resende Filho (ECO/UnB) Propriedades Algébricas MQO 20/03/2018 28 / 28 1. Introdução 2. Propriedades Algébricas de MQO 3. Qualidade do Ajuste da Regressão MQO 4. Unidades de Medida e Forma Funcional 4.1. Usando Logaritmo Natural na Regressão Simples
Compartilhar