Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Aula 4 - ECONOMETRIA Profa. Dra. Margarida Garcia de Figueiredo margaridagf@ufmt.br mgfiguei@gmail.com 15/05/2014 2 Etapas da pesquisa econométrica: 1. Especificação do modelo teórico: fundamentado na teoria estabelecer uma hipótese para o problema científico a ser pesquisado. Nesta etapa formula-se o modelo econométrico a ser utilizado, definindo-se as variáveis, a forma funcional e o método de estimação. 2. Estimação do modelo econométrico: através da análise de regressão estima-se o modelo de ajustamento dos dados amostrais (no nosso caso, utilizando-se o método MQO – regressão linear) 3 3. Avaliação do modelo estimado: verificar se o modelo tem suporte estatístico, através da realização dos testes estatísticos (teste t, teste F e estimação do R2 e R2 ajustado). Verificar ainda se o modelo estimado atende aos critérios de especificação correta. 4. Interpretação dos resultados: após constatar que o modelo possa ser consideado um bom ajuste, analisar os resultados encontrados, para verificar se a teoria intuitiva pré-estabelecida é, de fato, confirmada empiricamente através da análise dos dados. Etapas da pesquisa econométrica: 4 Exemplo da demanda de frango Implementação no Eviews 5 Exemplo Numérico – Equação de Demanda de Frango • Estimar a equação de demanda de carne de frango no Brasil (quantidade demandada em função do preço do frango e da renda), de acordo com os dados da Tabela abaixo: Obs Ano Qf Pf R 1 1989 12,4 0,92 2893 2 1990 13,4 0,88 3042 3 1991 15 0,66 2617 4 1992 16 0,6 2526 5 1993 17 0,55 2892 6 1994 18,5 0,52 3675 7 1995 22,5 0,5 4602 8 1996 22 0,6 4738 9 1997 23 0,5 4739 Fonte: Santana (2003) 6 Exemplo da demanda de frango Implementação no Eviews O primeiro passo para implementação no Eviews é montar uma planilha com os dados em Excel, a qual será posteriormente importada para o Eviews. Esta planilha deve ser salva em Office 2003 (“Pasta de Trabalho do Excel 97-2003”), com um nome curto e simples, e deve conter apenas os dados a serem importados, conforme exemplificado a seguir 7 Exemplo da demanda de frango – planilha em Excel Variável dependente quantidade demandada de frango Variável independente renda da população Variável independente preço do frango Salva e fecha a planilha, lembrando o nome e o local que salvou 8 Exemplo da demanda de frango - Eviews Ao dar um duplo click no ícone do Eviews, abrirá esta tela inicial 9 Exemplo da demanda de frango - Eviews Clicar em File New Workfile 10 Exemplo da demanda de frango - Eviews Especificar a frequência dos dados (ex: Anual), marcar o período inicial (Start date) e o período final (End date). Feito isto, clicar em OK 11 Exemplo da demanda de frango - Eviews Ao clicar em OK, aparecerá esta tela. O próximo passo será importar os dados do Excel. 12 Exemplo da demanda de frango - Eviews Clicar em File Import Read Text-Lotus-Excel 13 Exemplo da demanda de frango - Eviews Após localizar, aparecerá esta tela. Marcar os nomes das séries de dados ou o número de séries. Marcamos o número 3, pois temos 3 séries de dados: qf, pf e re Clicar em OK O programa vai pedir para você localizar aquele arquivo em Excel com os dados, entre as suas pastas. 14 Exemplo da demanda de frango - Eviews Ao clicar em OK, aparecerá esta tela, incluindo os nomes das séries. Séries de dados: uma variável dependente e duas independentes 15 Exemplo da demanda de frango - Eviews Para estimar a equação clicar em Quick Estimate Equation 16 Exemplo da demanda de frango - Eviews Digitar a equação no espaço reservado. Incluir a variável dependente, a constante e as variáveis independentes, sempre colocando um espaço entre elas. Escolher o Método dos Mínimos Quadrados Ordinários Clicar em OK 17 Exemplo da demanda de frango - Eviews Aparecerá esta tela, que corresponde à janela da equação estimada. 18 Exemplo da demanda de frango - Eviews Em primeiro lugar, verificar se o modelo tem suporte estatístico, através dos resultados para o teste t, teste F e qualidade do ajustamento da regressão (R2). Comece analisando os resultados para o teste t, depois para o teste F e por fim analise o R2. 19 Exemplo da demanda de frango - Eviews Estatística t calculada, mas não há necessidade de pegar a tabela, vá direto à probabilidade. Parâmetro PF 0,0001*100 = 0,01% Estatísticam. significativo a 1% Parâmetro RE 0,0000*100 = 0,0% Estatísticam. significativo a 1% 20 Teste t – saída dos programas 1. Para testar a significância estatística individual de cada parâmetro: teste de hipóteses do tipo t-Student 𝐻0: 𝑜 𝑝𝑎𝑟â𝑚𝑒𝑡𝑟𝑜 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜 𝑛ã𝑜 é 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝐻𝐴: 𝑜 𝑝𝑎𝑟â𝑚𝑒𝑡𝑟𝑜 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜 é 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 Na saída dos programas, olhar o valor p e multiplicar por 100 𝑆𝑒 𝟎 < 𝒑 × 𝟏𝟎𝟎 ≤ 𝟏: 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝑎 1% 𝑆𝑒 𝟏 < 𝒑 × 𝟏𝟎𝟎 ≤ 𝟓: 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝑎 5% 𝑆𝑒 𝟓 < 𝒑 × 𝟏𝟎𝟎 ≤ 𝟏𝟎: 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝑎 10% 21 Exemplo da demanda de frango - Eviews 0,000003*100 = 0,0003 De acordo com o teste F, o modelo é estatisticamente significativo de maneira global a 1% 22 2. Para testar a significância estatística global do modelo: teste de hipóteses do tipo F 𝐻0: 𝑜 𝑚𝑜𝑑𝑒𝑙𝑜 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜 𝑛ã𝑜 é 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝐻𝐴: 𝑜 𝑚𝑜𝑑𝑒𝑙𝑜 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜 é 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 Na saída dos programas, olhar o valor p e multiplicar por 100 𝑆𝑒 𝟎 < 𝒑 × 𝟏𝟎𝟎 ≤ 𝟏: 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝑎 1% 𝑆𝑒 𝟏 < 𝒑 × 𝟏𝟎𝟎 ≤ 𝟓: 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝑎 5% 𝑆𝑒 𝟓 < 𝒑 × 𝟏𝟎𝟎 ≤ 𝟏𝟎: 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝑎 10% Teste F – saída dos programas 23 Exemplo da demanda de frango - Eviews R2 = 98,6% R2ajustado = 98,14% De acordo com o R2ajustado, o modelo explica 98,14% da variação em Y (na quantidade demandada de frango) 24 Exemplo da demanda de frango - Eviews AGORA QUE VERIFICAMOS QUE O MODELO TEM SUPORTE ESTATÍSTICO, O PRÓXIMO PASSO É INTERPRETAR O SIGNIFICADO DOS PARÂMETROS ESTIMADOS 25 Exemplo da demanda de frango - Eviews Variável dependente Y: Qde demandada de frango Vetor dos parâmetros estimados 26 Exemplo da demanda de frango - Eviews Se o preço do frango aumentar em R$1,00 a quantidade demandada cai em 12,03 kg Se a renda aumentar em R$1,00 a quantidade demandada aumenta em 0,0028 kg ESTIMANDO MODELO ECONOMÉTRICO NO GRETL 27 http://ricardo.ecn.wfu.edu/pub/gretl/gretl_install.exe 28 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Estimar a demanda por alimentos no Pará, com base nos dados da Tabela 1 Y X1 X2 X3 X4 Obs DALIM PPX PARZ PFJ RENDA 1 450 5 2 2,5 1300 2 200 4 2 3 700 3 250 4 1,5 2,35 1400 ... ... ... ... ... ... 52 700 10 2 3 3000 Fonte: Santana (2003) Tabela 1 – Demanda por alimentos no Pará, em função do preço do peixe, do arroz, do feijão e da renda familiar EXEMPLO: 29 ESTIMANDO MODELO ECONOMÉTRICONO GRETL Preparar a planilha no Excel somente com os dados, desde a primeira linha e coluna, e salvar em Office 2003 30 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Tela inicial do GretL 31 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Clicar em Arquivo Abrir Dados Importar Excel... 32 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL O GretL automaticamente abre uma janela para você localizar a planilha nas suas pastas... 33 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Ao localizar (e dar um duplo click no nome) aparecerá esta janela para você especificar coluna e linha iniciais, e também a planilha dentro do arquivo. Dê um OK 34 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL No caso deste exemplo que estamos utilizando, os dados não são datados, trata-se de dados em secção cruzada. Então, clicar em Não. APARECERÁ ESTA JANELA... 35 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Esta é a janela com os dados já importados para o GretL Ícones Úteis Vista de sessão em ícones Para estimativa dos parâmetros Clicar neste Beta 36 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Ao clicar naquele ícone Beta, aparecerá esta janela, para especificação do modelo Clicar na variável dependente e depois em escolher Acrescentar cada uma das variáveis independentes 37 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Após acrescentar todas as variáveis, clicar em OK 38 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Janela da Equação Estimada 39 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Para guardar a equação estimada como um dos ícones na sessão de ícones, clicar em: Arquivo Guardar para sessão como ícone (i) 40 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Clicar aqui para abrir a sessão de ícones 41 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Sessão de ícones O GretL chamou o modelo estimado de Modelo 1 Podemos alterar o nome do modelo... 42 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Basta clicar com a direita sobre o ícone para mudar o nome do modelo 43 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Interpretando os resultados... Teste t R2 Teste F Parâmetros 44 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Ao fechar a janela o programa pergunta se deseja gravar (salvar) a sessão Clicar em “Sim” e localizar a pasta para salvar 45 ESTIMANDO MODELO ECONOMÉTRICO NO GRETL Salvei a sessão com o nome “alimentos” 46 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips Ano Wt IGPt PNBt Ut Obs (US$ milhões) 1 1980 64,26 8,33E-10 242155 7,20 2 1981 65,10 1,75E-09 256184 8,04 3 1982 69,20 3,43E-09 255930 6,42 4 1983 60,83 8,70E-09 176797 6,70 5 1984 62,65 2,97E-08 176215 7,12 6 1985 76,94 9,08E-08 198973 5,25 7 1986 96,33 2,20E-07 244583 3,59 8 1987 91,51 7,14E-07 271294 3,73 9 1988 97,27 5,61E-06 294114 3,85 10 1989 105,93 7,96E-05 398232 3,35 11 1990 91,21 2,26E-03 427875 4,28 12 1991 80,17 1,16E-02 374187 4,83 13 1992 86,74 1,27E-01 367823 5,97 14 1993 92,64 2,80E+00 426159 5,32 15 1994 98,48 7,02E+01 554355 5,06 16 1995 105,50 1,17E+02 704972 4,64 17 1996 101,60 1,31E+02 762006 5,42 18 1997 102,90 1,41E+02 788266 5,66 19 1998 102,30 146,33 776442 5,43 Fonte: Conjuntura Econômica (1999) 47 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips eePNBIGPW U t ttt 321 0 W = Y IGP = X1 PNB = X2 U = X3 Índice de salários Índice de preços Produto Nacional Bruto Taxa de desemprego MQO? Função linear nos parâmetros 48 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips eeXXY X t ttt 3 322110 XXXY tttt 3322110 )ln()(ln)ln()ln( XXXY tttt 33*22*11*0* Variáveis transformadas nos logaritmos 49 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips Cte ln (IGP) ln (PNB) U Matriz X = 1 -20,91 12,40 7,20 1 -20,16 12,45 8,04 1 -19,49 12,45 6,42 1 -18,56 12,08 6,70 1 -17,33 12,08 7,12 1 -16,21 12,20 5,25 1 -15,33 12,41 3,59 1 -14,15 12,51 3,73 1 -12,09 12,59 3,85 1 -9,44 12,89 3,35 1 -6,09 12,97 4,28 1 -4,46 12,83 4,83 1 -2,06 12,82 5,97 1 1,03 12,96 5,32 1 4,25 13,23 5,06 1 4,77 13,47 4,64 1 4,87 13,54 5,42 1 4,95 13,58 5,66 1 4,99 13,56 5,43 19 X 1 19 X 4 ln (W) Vetor Y = 4,163 4,176 4,237 4,108 4,138 4,343 4,568 4,516 4,577 4,663 4,513 4,384 4,463 4,529 4,590 4,659 4,621 4,634 4,628 50 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips Usar o log na hora de escrever a equação Eviews 51 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips O primeiro passo é verificar se o modelo tem suporte estatístico Teste t Teste F R2 R2 ajustado 52 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips 0,6629*100 = 66,29 0,0059*100 = 0,59 0,00*100 = 0,00 Teste t 53 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips 54 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips IGPt : não é estatísticamente significativo PNBt : se o PNB aumentar em 1%, o índice de salários aumenta em 0,21% Ut : se o U aumentar em 1 unidade, o índice de salários diminui em 8,77% 55 Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips UPNBIGPY tttt 088,0)ln(211,0)ln(001,023,2)ln( Beta = 2,227 0,001 0,211 -0,088 4 X 1 Vetor dos parâmetros estimados Modelo Estimado 56 clicar em Sim Por exemplo: Se a série for de 1980 a 1998 QUANDO OS DADOS FOREM UMA SÉRIE TEMPORAL... Se for estimar no GretL Exemplo: Equação de salários no Brasil Versão Modificada da Curva de Phillips 57 QUANDO OS DADOS FOREM UMA SÉRIE TEMPORAL... Marcar Série Temporal e Avançar Se for estimar no GretL 58 QUANDO OS DADOS FOREM UMA SÉRIE TEMPORAL... Marcar a frequência e Avançar Se for estimar no GretL 59 QUANDO OS DADOS FOREM UMA SÉRIE TEMPORAL... Especificar a data da observação inicial e Avançar Se for estimar no GretL 60 QUANDO OS DADOS FOREM UMA SÉRIE TEMPORAL... Clicar em OK Se for estimar no GretL Se for estimar no GretL 61 Variáveis 62 Marcar as variáveis que aparecerão em Log (Segura o “ctrl” e clica sobre a variável) Se for estimar no GretL 63 Se for estimar no GretL Clicar em “Acrescentar” “Logaritmos das variáveis selecionadas” 64 Se for estimar no GretL Após criar o Log das variáveis, estimar o modelo normalmente 65 Se for estimar no GretL Ln do índice de salários Ln do IGP e do PNB Taxa de desemprego 66 Se for estimar no GretL 67 FORMAS DE INTERPRETAÇÃO DOS PARÂMETROS ESTIMADOS 68 Interpretação dos parâmetros da regressão Exemplo hipotético - Relação linear X não linear XXXY 321 058,0)ln(356,0)ln(4,156,14)ln( Relação linear de Y com as variáveis X1, X2 e X3? 1% em X1 1,4% em Y 1% em X2 0,356% em Y 1 un em X3 5,8% em Y 69 XXXY 321 006,0)ln(42,9)ln(82,242,8 Relação linear de Y com as variáveis X1, X2 e X3? 1% em X1 0,028 un em Y 1% em X2 0,0942 un em Y 1 un em X3 0,006 un em Y Interpretação dos parâmetros da regressão Exemplo hipotético - Relação linear X não linear 70 Interpretação dos parâmetros daregressão Regras Práticas Ln(Y) Ln(X) Y X Variação em unidade Variação em unidade Variação em % Variação em % Ln(Y) X Y Ln(X) Variação em unidade Variação em unidade Variação em % Variação em % × 𝟏𝟎𝟎 ÷ 𝟏𝟎𝟎 71 Aula 4 – Econometria Parte II Profa. Dra. Margarida Garcia de Figueiredo margaridagf@ufmt.br mgfiguei@gmail.com 15/05/2014 72 DIFERENTES FORMAS FUNCIONAIS DOS MODELOS DE REGRESSÃO 73 FORMAS FUNCIONAIS DOS MODELOS DE REGRESSÃO • Para que possamos utilizar o método dos MQO para estimativa dos parâmetros da regressão, o modelo deve ser necessariamente linear nos parâmetros. • Porém, não necessariamente linear nas variáveis. • Trataremos agora de alguns modelos de regressão bastante utilizados nas análises econômicas, que podem não ser lineares nas variáveis, mas o são nos parâmetros, ou que podem ser tornados lineares por meio de transformações das variáveis. 74 FORMAS FUNCIONAIS DOS MODELOS DE REGRESSÃO Alguns modelos comumente utilizados nas análises econômicas: 1) Modelo log-linear ou log-log 2) Modelos semilogarítmicos 3) Modelos recíprocos 75 FORMAS FUNCIONAIS DOS MODELOS DE REGRESSÃO Alguns modelos comumente utilizados nas análises econômicas: 1) Modelo log-linear ou log-log 2) Modelos semilogarítmicos 3) Modelos recíprocos 76 1. MODELO LOG-LOG, DUPLO-LOG OU LOG-LINEAR eXY iii 21 iii XY lnlnln 21 iii XY lnln 2 1 ln 77 1. MODELO LOG-LOG, DUPLO-LOG OU LOG-LINEAR Representação Gráfica Y X eXY iii 21 0 2 Se 78 1. MODELO LOG-LOG, DUPLO-LOG OU LOG-LINEAR Representação Gráfica Y X eXY iii 21 0 2 Se 79 1. MODELO LOG-LOG, DUPLO-LOG OU LOG-LINEAR Um aspecto atraente do modelo log-log, que o tornou muito difundido nos trabalhos aplicados, é que o coeficiente angular mede a elasticidade de Y em relação a X, isto é, a variação percentual de Y, dada uma variação percentual unitária de X 80 1. MODELO LOG-LOG, DUPLO-LOG OU LOG-LINEAR Exemplo Ilustrativo: lnQcerv = 18,2 – 1,61lnPcerv + 1,86lnR + Erro Qcerv = quantidade demandada de cerveja em litros Pcerv = preço da cerveja em R$ R = renda média da população em R$ Coeficientes representam a elasticidade-preço e a elasticidade-renda da demanda por cerveja 81 FORMAS FUNCIONAIS DOS MODELOS DE REGRESSÃO Alguns modelos comumente utilizados nas análises econômicas: 1) Modelo log-linear ou log-log 2) Modelos semilogarítmicos 3) Modelos recíprocos 82 2. MODELOS SEMILOGARÍTMICOS: LOG-LIN • Modelo log-lin: É amplamente utilizado para medir taxas de crescimento de algumas variáveis econômicas, a exemplo de taxas de crescimento da população, do PNB, do PIB, da oferta de moeda, do emprego, da produtividade, do déficit comercial, etc. Exemplo: desejamos conhecer a taxa média de crescimento anual do consumo das famílias no Brasil 83 2. MODELOS SEMILOGARÍTMICOS: LOG-LIN Ano Consumo em R$ milhões de 2007 1994 1.317 1995 117.251 1996 333.725 1997 680.233 1998 2.235.648 1999 451.762 2000 735.882 2001 630.628 2002 432.866 2003 662.936 2004 900.154 2005 1.349.587 2006 2.657.460 2007 2.060.853 Tabela 01. Consumo das famílias no Brasil, em R$ milhões de 2007 (valores deflacionados de acordo com o IPC-A) Fonte: IBGE 84 2. MODELOS SEMILOGARÍTMICOS: LOG-LIN Exemplo: Consumo das famílias no Brasil • Denotemos por Yt, o consumo das famílias no período t e por Y0 o consumo destas famílias no período inicial da análise. )1(0 rYY t t onde r é a taxa de crescimento composta ou geométrica de Y 85 2. MODELOS SEMILOGARÍTMICOS: LOG-LIN Exemplo: Consumo das famílias no Brasil )1(lnlnln 0 rtYY t 1 2 tY t 21ln tt tY 21ln Incluindo o termo de erro aleatório 86 2. MODELOS SEMILOGARÍTMICOS: LOG-LIN tt tY 21ln Este modelo se assemelha a qualquer outro modelo de regressão linear, já que os parâmetros são lineares. A única diferença é que o regressando é o log de Y e o regressor é o tempo, que assumirá valores 1, 2, 3,..., n. Modelos como este são chamados de semilogarítimicos, porque apenas uma das variáveis está em forma logarítmica Um modelo em que apenas o regressando aparece na forma logarítmica é chamado de modelo log-lin 87 2. MODELOS SEMILOGARÍTMICOS: LOG-LIN tt tY 21ln Estimar os parâmetros da função de regressão linear simples, de ln(consumo) em função de t Y X Ano ln consumo t 1994 7,18 1 1995 11,67 2 1996 12,72 3 1997 13,43 4 1998 14,62 5 1999 13,02 6 2000 13,51 7 2001 13,35 8 2002 12,98 9 2003 13,40 10 2004 13,71 11 2005 14,12 12 2006 14,79 13 2007 14,54 14 88 2. MODELOS SEMILOGARÍTMICOS: LOG-LIN Sabendo-se que: para encontrar o valor de r, devemos tomar o anti-logaritmo 𝛽2 = 𝑙𝑛 1 + 𝑟 → 0,3035 = 𝑙𝑛 1 + 𝑟 𝑒𝑥𝑝 0,3035 = 1 + 𝑟 𝑒𝑥𝑝 0,3035 − 1 = 𝑟 𝑟 = 1,3546 − 1 = 0,3546 𝑙𝑛𝑌 = 10,8 + 0,3035𝑡 + 𝜀 𝑙𝑛𝑌 = 𝛽1 + 𝛽2𝑡 + 𝜀 𝒓 = 𝟑𝟓, 𝟒𝟔% 90 2. MODELOS SEMILOGARÍTMICOS: LOG-LIN O produto de 𝜷𝟐 por 100 é conhecido na literatura como a semi-elasticidade de Y em relação a X 𝒍𝒏𝒀 = 𝜷𝟏 + 𝜷𝟐𝒕 + 𝜺 Para encontrar a variação exata: ∆𝒀% = 𝒆𝒙𝒑 𝜷𝟐 − 𝟏 × 𝟏𝟎𝟎 91 2. MODELOS SEMILOGARÍTMICOS: LIN-LOG • Modelo lin-log: (Conhecer a variação absoluta de Y dada uma variação percentual de X) tit XY ln21 XX Y 2 )( 2 XXY Assim, se varia 1% (ou 0,01 unidade), a variação absoluta de Y será: XX )01,0( 2 Y Para interpretar corretamente o significado do parâmetro Beta 2, é necessário dividi-lo por 100 92 2. MODELOS SEMILOGARÍTMICOS: LIN-LOG Representação Gráfica 93 2. MODELOS SEMILOGARÍTMICOS: LIN-LOG Aplicação prática “modelos de despesas de Engel” “o total das despesas com alimentação tende a aumentar em progressão aritmética enquanto as despesas totais aumentam em progressão geométrica” Exemplo: modelo de regressão para as despesas com alimentação na Índia, em função das despesas totais: DespAlim = -1.283,9 + 257,27lnDespTotal + Erro um aumento de 1% nas despesas totais dos indianos, corresponde a um aumento de 2,57 rupias nas despesas com alimentação 94 FORMAS FUNCIONAIS DOS MODELOS DE REGRESSÃO Alguns modelos comumente utilizados nas análises econômicas: 1) Modelo log-linear ou log-log 2) Modelos semilogarítmicos 3) Modelos recíprocos 95 3. MODELOS RECÍPROCOS t i t X Y 1 21 quando X aumenta indefinidamente o termo se aproxima de zero e Y se aproxima do valor limite ou assintótico )/1( 2 X 1 Portanto, modelos recíprocos trazem embutido um valor assíntota ou limite, o qual a variável dependente assumirá, quando a variável independente X aumentar indefinidamente. 96 3. MODELOS RECÍPROCOS Formas Prováveis 97 3. MODELOS RECÍPROCOS • Exemplo: mortalidade infantil em função do PNB per capita PNBpc MI 1 17,273.2779,81 Verifica-se que, na medida em que o PNB per capita aumenta indefinidamente, a mortalidade infantil se aproxima do seu valor assintótico de cerca de 82 óbitos por mil
Compartilhar