Baixe o app para aproveitar ainda mais
Prévia do material em texto
O Modelo de Regressão Simples Aula 03, Introdução à Econometria Prof. Moisés A. Resende Filho Capítulo 02, parte 1 14 de março de 2018 Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 1 / 21 1. Cinco Passos da Análise Econométrica ou Econômica Empírica Passo 1. Formular a questão de interesse e, com isto, de nir a população de interesse. Passo 2. Especi car o modelo econômico ou modelo conceitual. Passo 3. Especi car o modelo econométrico. Passo 4. Obter dados por meio de experimentação ou coleta passiva. Passo 5. Estimar o modelo econométrico e testar, interpretar e utilizar os resultados para responder a questão de interesse. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 2 / 21 Passo 1 Passo 1: por razões que, presumidamente, já devemos ter explicado antes em nosso estudo, estamos interessados em investigar "como y varia em resposta à variações em x". Portanto, nesse caso, há apenas duas variáveis de interesse, x e y devido ao contexto de regressão linear simples (RLS). Suponha ainda que tenhamos de nido a população de interesse, por exemplo, os produtores de milho do Brasil ou os trabalhadores do Brasil ou os moradores do DF, .... Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 3 / 21 Passo 2 Passo 1: assim, o nosso modelo econômico ou modelo conceitual é y = f (x) (1) ou seja, x causa ou explica y segundo a função f (.). Exemplos: x é a quantidade de fertilizante e y é a produção de milho; x é anos de estudo formal e y , salário; x é salário do crime e y , horas alocadas em atividades criminosas. Em Introdução à Econometria, nos concentraremos em análises com dados de corte transversal ou seção cruzada, admitindo ser possível coletar uma amostra aleatória da população de interesse. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 4 / 21 Passo 3 No passo 3 deve-se responder a três questões: 1 Como incorporar fatores além de x que afetam y? Quando se está estudando questões de real interesse, normalmente, não há relações determinísticas entre variáveis. 2 Qual a forma funcional de f (.) no modelo teórico (1)? 3 Como nos certi car de que estamos capturando o efeito ceteris paribus de x em y? Normalmente, esse é o interesse de pesquisa. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 5 / 21 2. O Modelo de Regressão Linear Simples (RLS) Considere o modelo (populacional) de regressão linear simples (RLS) ou modelo (populacional) de regressão linear de duas variáveis na forma estocástica: y = β0 + β1x + u (2) A equação (2) do modelo de RLS relaciona y a apenas x e a um termo de erro aditivo u. Admitimos que a equação (2) do modelo de RLS retrata a população de interesse, ou seja, é o processo gerador dos dados. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 6 / 21 O Modelo de Regressão Linear Simples (RLS) O termo regressãotem as suas raízes históricas no fenômeno chamado de regressão para a média. Sir Francis Galton (fev. de 1822 a jan. de 1911) utilizou o modelo (2) para modelar a altura das crianças (y) em função da altura dos pais (x) e obteve uma estimativa positiva, mas menor que um para β1. Galton utilizou o resultado 0 < β1 < 1 para propor que pais mais altos e mais baixos que a média da população teriam lhos com alturas mais próximas da média da população, tal que haveria um processo de regressão para a média. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 7 / 21 2.1. Terminologia no Modelo de Regressão Linear Simples (RLS) y x Variável Dependente Variável Independente Variável Explicada Variável Explicativa Variável de Resposta Variável de Controle Variável Prevista Covariável Regressando Regressor Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 8 / 21 2.2. Efeito Ceteris Paribus na RLS O Modelo de Regressão Linear Simples y = β0 + β1x + u responde cada uma das três questões postas anteriormente, pois: Todos os outros fatores que afetam y , exceto x , estão no termo aditivo de erro u. A forma funcional de f (.) estabelece que y se relaciona linearmente com x , tal que: β0 é o parâmetro de intercepto; e β1 é o parâmetro de inclinação. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 9 / 21 Efeito Ceteris Paribus na RLS O Modelo de Regressão Linear Simples y = β0 + β1x + u também responde a questão sobre o efeito ceteris paribus de x em y . Considere que ∆ denota variação, tal que a variação total em y é ∆y = β1∆x + ∆u = β1∆x quando ∆u = 0 (3) Como manter todos os outros fatores constantes, exceto x , é o mesmo que manter u constante, tal que ∆u = 0, então β1, que é uma inclinação, é o efeito ceteris paribus de x em y . Note ainda que como β1 é uma constante, o efeito ceteris paribus de x em y não depende do nível de x . Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 10 / 21 3. Hipótese Crucial No entanto, y = β0 + β1x + u, o modelo populacional, é não observável. Na prática, coletamos da população de interesse uma amostra aleatória f(yi , xi ) : i = 1, 2, ..., ng de dados e estimamos os parâmetros do modelo com base nesta. Ou seja, coletamos aleatoriamente uma coleção de pares (yi , xi ) e, com base nela e em algum critério ou estimador, estimamos β0 e β1. Como os dados em economia são normalmente observacionais, pois não temos controle sobre x , x e u são variáveis aleatórias, cada uma com sua distribuição de probabilidade. Portanto, como todos os fatores que afetam y , exceto x , são relegados a u, para ser possível identi car o efeito ceteris paribus de y em x é necessário existir restrições na forma pela qual u e x se relacionam na população. Que restrições seriam essas? Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 11 / 21 Hipótese Crucial Inicialmente, admitiremos que E (u) = 0 (4) em que E (�) é o operador valor esperado e normalizando a condição tal que, por exemplo, a média da "qualidade da terra"ou a média da "habilidade individual"é zero na população não traz qualquer problema adicional. A inclusão de β0 no modelo y = β0 + β1x + u nos permite assumir E (u) = 0 sem perda de generalidade. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 12 / 21 Hipótese Crucial Se em média u é diferente de zero, simplesmente ajustamos o intercepto, preservando o coe ciente de inclinação. Por exemplo, se E (u) = µu (uma constante), reformulamos o modelo para y = (β0 + µu)| {z }+β1x + (u � µu)| {z } tal que o novo erro, u � µu , passa a ter média zero. Obviamente, o novo intercepto (β0 + µu) é diferente do intercepto do modelo original, mas o coe ciente de inclinação que é o efeito ceteris paribus de y em x é o mesmo, β1. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 13 / 21 Hipótese Crucial QUESTÃO CHAVE: Como restringir a dependência de u em x e ainda identi car o efeito ceteris paribus de y em x? Poderíamos assumir que u e x são não correlacionados na população, ou seja: Corr(x , u) = Cov(x , u)p Var(x) p Var(u) é zero. No entanto, Corr(x , u) = 0 apenas diz que u e x não são linearmente relacionados, o que não é su ciente. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 14 / 21 Hipótese Crucial Uma hipótese que irá atender bem as nossas necessidades envolve a média do erro para cada possível valor de x e é que: E (ujx) = E (u), para todo valor de x em que E (ujx) signi ca valor esperado de u dado xou "valor esperado de u condicional em x". Se E (ujx) = E (u), para cada possível valor de x , diz-se que u é independente em média ou, simplemente, média independente (mean independent) de x .Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 15 / 21 Hipótese Crucial Por exemplo, se u = habilidade individual e x , anos de escolaridade, para que E (ujx) = E (u), por exemplo, deve ser verdade que: E (habilidadejx = 8) = E (habilidadejx = 12) = E (habilidadejx = 16) = E (habilidade) tal que a habilidade média seja a mesma da população em todo estrato da população, por exemplo, no estrato 8a série, 12a série e 4o ano de universidade. No entanto, como cada indivíduo escolhe seu nível de escolaridade levando em conta também sua própria habilidade, a hipótese E (habilidadejeduc) = E (habilidade) em todos os possíveis níveis de educ é muito pouco plausível. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 16 / 21 Hipótese Crucial Combinando E (ujx) = E (u) com E (u) = 0 (mera normalização), chega-se à hipótese crucial: E (ujx) = E (u) = 0, para todo x (5) ou hipótese da média condicional zero. Como o operador esperança matemática é linear, se E (ujx) = 0, então: E (y jx) = β0 + β1x + E (ujx) = β0 + β1x que é a função de regressão populacional (FRP) linear em x . Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 17 / 21 Hipótese Crucial x y 1x 2x 3x A linha reta no grá co é a função de regressão populacional (FRP), E (y jx) = β0 + β1x . Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 18 / 21 Hipótese Crucial x y 1x 2x 3x O grá co mostra a distribuição conditional (nos valores de x) de y para três níveis: x1, x2 e x3. Em cada nível de x , observamos um intervalo de valores de y , pois y = β0 + β1x + u e u é uma variável aleatória com distribuição de probabilidade na população. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 19 / 21 Hipótese Crucial EXEMPLO: IRA (Índice de Rendimento Acadêmico2 [0, 4]) em curso superior versus IRA no ensino médio. Suponha que para a população de estudantes em universidades, de alguma maneira sabemos que: E (univIRAjemIRA) = 1, 5+ 0, 5 emIRA em que univIRA (IRA na universidade) é a variável dependente e emIRA (IRA no ensino médio) é a variável explicativa, tal que, por exemplo, dentre os estudantes com emIRA de 3, 6, sabe-se que o IRA na universidade é em média 1, 5+ 0, 5(3, 6) = 3, 3 Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 20 / 21 Hipótese Crucial No entanto, um estudante com IRA no ensino médio de 3, 6, provavelmente, não terá um IRA na universidade exatamente igual a 3, 3. Isso porque 3, 3 é apenas o valor esperado ou previsto para univIRA na parcela da população de estudantes universitários que terminaram o ensino médio com um IRA de 3, 6. A análise de regressão, essencialmente, visa explicar/medir os efeitos das variáveis explicativas sobre o resultado médio da variável dependente. Moisés Resende Filho (ECO/UnB) O Modelo de Regressão Simples 14/03/2018 21 / 21 1. Cinco Passos da Análise Econométrica 2. O Modelo de Regressão Linear Simples (RLS) 2.1.Terminologia no Modelo de Regressão Linear Simples (RLS) 2.2. Efeito Ceteris Paribus na RLS 3. Hipótese Crucial
Compartilhar