Baixe o app para aproveitar ainda mais
Prévia do material em texto
MÓDULO V-EXTENSÕES DO MODELO DE REGRESSÃO SIMPLES AULA 12 Dia 04-10-2018 DISCIPLINA:ECONOMETRIA 1 PROFª: Graciela Profeta 5- MÓDULO V- EXTENSÕES DO MODELO DE REGRESSÃO SIMPLES Neste módulo abordaremos os seguintes pontos: i) regressão que passa pela origem; ii) a questão das unidades de medida; e, iii) as formas funcionais; 5- MÓDULO V- EXTENSÕES DO MODELO DE REGRESSÃO SIMPLES 5.1- A regressão que passa pela origem Existem situações em que a teoria determina que o termo de intercepto da regressão esteja ausente: Hipótese da renda permanente de Milton Friedman: Consumo permanente é proporcional à renda permanente; Teoria da análise de custo: O custo variável depende do nível de produção; Teoria monetarista: a taxa de inflação é proporcional à taxa de variação entre oferta e demanda (123) 2 iii uXY += 5.1- A regressão que passa pela origem Como estimamos este tipo de Regressão e quais problemas podem surgir? Passaremos a lidar com a Função de regressão amostral: brutas somas se-aplicam onde 1 ,)var( e : temosMQO, Aplicando (FRA). (127) 2^ 2^ 2 2 2 ^ 22 ^ ^ 2 ^ − === += n u XX YX uXY i ii ii iii 2 )var( 2^ 2^ 2 2 2 ^ 22 ^ − = = = n u x x yx i i i ii Modelo com intercepto, onde aplicam somas ajustadas (pela média) de quadrados e multiplicações entre variáveis (123) 2 iii uXY += 𝑌𝑖 = 𝛽1 + 𝛽2𝑋𝑖 + 𝑢𝑖 5.1- A regressão que passa pela origem Aspectos interessantes do modelo sem intercepto i) σ ො𝑢𝑖 não precisa ser necessariamente igual a zero; ii) o 𝑟2 agora, pode, em alguns, casos assumir valores negativos. Neste caso, não devemos usar o r2 convencional e sim o que chamamos de r2 bruto, dado por: ( ) (128) 22 2 2 = ii ii YX YX brutor ✓O r2 bruto não é comparável ao r2 do modelo com intercepto!!! ✓Corremos um risco de cometer um erro de especificação (feri a premissa 9 MRLC): ✓ Modelos sem intercepto são pouco utilizados na prática. 5.1- A regressão que passa pela origem EXEMPLO PRÁTICO: Suponha um estudo sobre a taxa de retorno de um determinado investimento (𝑌𝑖) em função da taxa de retorno do portfólio de mercado (𝑋𝑖 ). Os resultados obtidos pelo pesquisador foram: 𝑌𝑖= 1,0899𝑋𝑖 ep= 0,1916 (129) t=5,6884 Interpretação! 𝑟𝑏𝑟𝑢𝑡𝑜 2 =0,7825 5.1- A regressão que passa pela origem EXEMPLO PRÁTICO (continuação): Suponha agora que para esse mesmo exemplo, o pesquisador tivesse ajustado um modelo com intercepto. Os resultados obtidos pelo pesquisador foram: 𝑌𝑖= 1,2797 + 1,0691𝑋𝑖 ep= 7,6886 0,2383 (130) t= 0,1664 4,4860 Qual modelo é o mais adequado (129) ou (130)? Qual modelo esta melhor ajustado (129) ou (130)? 𝑟2=0,7155 Interpretação! 𝑌𝑖= 1,0899𝑋𝑖 𝑟𝑏𝑟𝑢𝑡𝑜 2 =0,7825 5.2- Escalas e Unidades de medida É comum em estudos econométricos utilizarmos bases de dados em que as variáveis são expressas em unidades de medidas e escalas diferentes, Exemplos: Quantidade exportada de soja (ton, milhões de sacas, valores monetários, etc.); Preço da soja (R$/sc; R$/kg; R$/ton; US$/ton....etc.) Será que se trabalharmos com variáveis com escalas e medidas diferentes os resultados dos valores estimados serão diferentes? A mudança de escala pode alterar os valores dos coeficientes estimados, mas não altera as propriedades dos estimadores. 5.2- Escalas e Unidades de medida EXEMPLO: Suponha que um pesquisador examinou a relação entre investimento indireto e PIB do Brasil de 1990 a 2010. Os resultados foram: A) Quando usou ambas as variáveis em bilhões de reais: 𝐼𝐼𝐷𝑡= −1.026,498 + 0,316𝑃𝐼𝐵𝑡 ep= (257,5874) (0,0399) 𝑟2 = 0,8772 (131) B) Quando usou ambas as variáveis em milhões de reais: 𝐼𝐼𝐷𝑡 = −1.026.498 + 0,316𝑃𝐼𝐵𝑡 ep= (257.587,4) (0,0399) 𝑟2 = 0,8772 (132) Observe as diferenças de (131) e (132)! Na regressão (132), o intercepto e seu erro-padrão é 1000 vezes o valor de (131) 5.2- Escalas e Unidades de medida C) IID está em bilhões e o PIB em milhões de reais: 𝐼𝐼𝐷𝑡= −1.026,498 + 0,000301𝑃𝐼𝐵𝑡 ep= (257,5874) (0,0000399) 𝑟2 = 0,8772 (133) D) IDD está em milhões e o PIB em bilhões de reais: 𝐼𝐼𝐷𝑡 = −1.026.498 + 301,5826𝑃𝐼𝐵𝑡 ep= (257.587,4) (39,89989) 𝑟2 = 0,8772 (134) Observe as diferenças de (131) e (133)! Na regressão (133), o coeficiente angular e seu erro-padrão é 1/1000 vezes o valor de (131), pois somente PIB foi alterado Observe as diferenças de (131) e (134)! Na regressão (134), o intercepto e o coeficiente angular e seus erro-padrão são 1000 vezes o valor de (131) OBS 1: Em nenhum dos cenários, houve mudança no 𝒓𝟐. Isto porque, o 𝒓𝟐 é adimensional; OBS2: No cenário “C”. Dado um aumento de 1 milhão no PIB o IID aumenta em 0,000301 bilhões 𝑨) 𝑰𝑰𝑫𝒕= −𝟏. 𝟎𝟐𝟔, 𝟒𝟗𝟖 + 𝟎, 𝟑𝟏𝟔𝑷𝑰𝑩𝒕 ep= (257,5874) (0,0399) 𝑟2 = 0,8772 5.2- Escalas e Unidades de medida Regressão com variáveis padronizadas Dado que as unidades em que os regressores e os regressandos estão expressas alteram os resultados obtidos, às vezes é interessante trabalharmos com o que chamamos de variáveis padronizadas. Vale lembrar que a média de uma variável padronizada sempre é zero e seu desvio-padrão é sempre 1; Y. de amostral padrão-desvio o é S e média a é , Y * Y S YY Y Y i i − = 5.2- Escalas e Unidades de medida Regressão com variáveis padronizadas Em uma regressão que envolve o uso de variáveis padronizadas, o intercepto é zero (Regressão passa pela origem e o habitual r2 não se aplica). Vantagem: o modelo padronizado permite trabalhar com todos os regressores em uma mesma base, assim é possível verificar qual regressor contribui mais para explicar o regressando.
Compartilhar