Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Econometria Profª Ms. Cristiane da Silva Notas de Aula produzidas a partir de: Gujarati, Damodar N; Porter, Dawn C. (2011). (consultar referências) Sumário 1. Modelos de regressão com variáveis binárias (dummies); 2. Efeitos de interação usando variáveis dummies; 3. O uso de variáveis dummies na análise sazonal; 4. Variáveis binárias e autocorrelação; 5. O que acontece se a variável dependente for uma variável dummy? 6. Modelos Binários. 9 Modelos de regressão com variáveis binárias (dummies) Em análise de regressão a variável dependente, ou regressando, é influenciada com frequência não só pelas variáveis proporcionais (renda, produto, preços, custos, altura, temperatura), mas pelas variáveis que são de natureza essencialmente qualitativa, ou escala nominal, como gênero, raça, cor, religião, nacionalidade, região geográfica, movimentos políticos e afiliação partidária. 9 Modelos de regressão com variáveis binárias (dummies) Por exemplo, mantendo os demais fatores constantes, verificou-se que as mulheres ganham menos que os homens ou que trabalhadores não brancos ganham menos que os brancos. Esse padrão pode resultar de discriminação de gênero ou racial; qualquer que seja a razão, as variáveis qualitativas como gênero e raça parecem influenciar a variável dependente e deveriam, claramente, ser incluídas entre as variáveis explanatórias ou independentes. Modelos de regressão com variáveis binárias (dummies) Tais variáveis em geral indicam a presença ou ausência de uma “qualidade” ou atributo, como homens ou mulheres, negros ou brancos, católicos ou não católicos, democratas ou republicanos, elas são essencialmente variáveis nominais. Modelos de regressão com variáveis binárias (dummies) Poderíamos “quantificar” tais atributos formulando variáveis artificiais que assumem valores de 1 ou 0, em que 1 indica a presença (ou posse) daquele atributo e 0, a ausência dele. Por exemplo, 1 pode indicar que uma pessoa é mulher e 0 designar que é homem; ou 1 pode indicar que uma pessoa tem grau superior completo e 0, que não tem e assim por diante. Modelos de regressão com variáveis binárias (dummies) Variáveis que assumem esses valores 0 e 1 são chamadas variáveis binárias (dummies). Portanto, elas são essencialmente um dispositivo para classificar dados em categorias mutuamente exclusivas como homem ou mulher. As variáveis dummies podem ser incorporadas aos modelos de regressão com tanta facilidade quanto as quantitativas. De fato, um modelo de regressão pode conter variáveis independentes de natureza exclusivamente dummy ou qualitativa. Esses são os chamados modelos de análise de variância (ANOVA). Efeitos de interação usando variáveis dummies https://pt.wikipedia.org/wiki/Hispânicos Efeitos de interação usando variáveis dummies Efeitos de interação usando variáveis dummies O uso de variáveis dummies na análise sazonal Muitas séries temporais baseadas em dados mensais ou trimestrais exibem padrões sazonais (movimentos oscilatórios regulares). Exemplos são as vendas de lojas de departamentos no Natal ou em outros dias importantes, a demanda por dinheiro (ou saldos) pelas famílias em datas comemorativas, a demanda de sorvete e refrigerantes durante o verão, preços das safras logo depois da temporada de colheita, a demanda por viagens aéreas etc. O uso de variáveis dummies na análise sazonal Com frequência, é desejável remover o fator sazonal, ou componente, de uma série temporal de modo que se possa concentrar nos demais componentes, como a tendência. O processo de remover o componente sazonal de uma série temporal é conhecido como dessazonalização ou ajustamento sazonal, e a série temporal assim obtida é chamada série temporal dessazonalizada, ou ajustada sazonalmente. O uso de variáveis dummies na análise sazonal Séries temporais importantes economicamente, como a taxa de desemprego, o índice de preços ao consumidor (IPC), o índice de preços do produtor (IPP) e o índice de produção industrial, em geral são publicadas na forma sazonal ajustada. Existem vários métodos para dessazonalizar uma série temporal, um deles é o método de variáveis binárias. Variáveis binárias e autocorrelação O modelo de regressão linear clássico supõe que os termos de erro nos modelos de regressão não estejam correlacionados. Mas o que acontece se esse não for o caso, principalmente em modelos envolvendo regressores binários (variáveis independentes binárias)? O que acontece se a variável dependente for uma variável dummy? Até aqui consideramos modelos em que o regressando (variável dependente) é quantitativo e os regressores (variáveis independentes) são quantitativos ou qualitativos ou ambos, mas há ocasiões em que o regressando (variável dependente) pode ser qualitativo ou binário. O que acontece se a variável dependente for uma variável dummy? Considere-se, por exemplo, a decisão de um trabalhador de participar da força de trabalho. A decisão de participar é do tipo sim ou não. Portanto, a variável participação da força de trabalho é uma variável binária. A decisão de participar da força de trabalho depende de vários fatores, como o salário inicial, grau de escolaridade e condições no mercado de trabalho (medidas pela taxa de desemprego). O que acontece se a variável dependente for uma variável dummy? Ainda podemos usar os mínimos quadrados ordinários (MQO) para estimar modelos de regressão em que o regressando (variável dependente) é binário? Sim, mecanicamente, podemos, mas há vários problemas estatísticos que se encontram em tais modelos uma vez que há alternativas para a estimação dos MQO. As alternativas são os modelos logit e probit. Modelos Binários Há várias funções que podem ser utilizadas para um modelo binário, como a Probit e a Logit. Probit: usa a função de distribuição cumulativa de uma função normal padrão. Se o coeficiente da variável independente for positivo então, podemos esperar que valores maiores de x aumentarão a probabilidade de ocorrência de y. Caso contrário, se o coeficiente é negativo, então, valores maiores de x irão reduzir a probabilidade de ocorrência de y. Modelos Binários Logit: usa a função de distribuição cumulativa para uma função logística. Essa função tem a propriedade de transformar os dados de tal forma que os mesmos oscilem entre 0 e 1. É possível calcular a razão de chance, ou seja, o sinal do coeficiente indica se aumenta ou diminui a chance de ocorrência do evento.
Compartilhar