Baixe o app para aproveitar ainda mais
Prévia do material em texto
ECONOMETRIA APLICADA MESTRADO EM GESTÃO E DESENVOLVIMENTO REGIONAL PROF .DR. GERSON HENRIQUE DA SILVA 1.3-VIOLAÇÃO DOS PRESSUPOSTOS - MULTICOLINEARIDADE • A multicolinearidade refere-se à correlação entre duas ou mais variáveis explicativas incluídas na equação de um modelo. Isso implica que a multicolinearidade ocorre, quando duas variáveis (X1 e X2) medem aproximadamente a mesma coisa. • EX: ii exxxy 3322110 ˆˆˆˆˆ MULTICOLINEATIDADE a) ou b) ou c) ou Tomando o ex a, onde a variável X2 é o dobro de x1, qualquer variação em x1 implica variação proporcional em x2. Portanto é impossível distinguir qual é a influência de uma ou de outra na variável dependente Y. • 112 ˆ xx 12 2xx 112 ˆ xax 12 22 xx 22113 ˆˆ xxax 213 324 xxx CASOS DE MULTICOLINEARIDADE • a) Ausência de multicolinearidade (ri,j = 0) • Não existe combinação linear entre as variáveis explicativas, ou seja, a correlação é nula. Neste caso é possível estimar os parâmetros • b) Multicolinearidade Perfeita (ri,j = 1) • Neste caso, a correlação entre as variáveis explicativas é igual a 1 ou -1, ou seja, as variáveis explicativas são perfeitamente correlacionadas. O cálculo das estimativas dos parâmetros é impossível, porque o determinante da matriz(X`X) é nulo. 22 ji ji ij xx xx r CASOS DE MULTICOLINEARIDADE • c) Multicolinearidade imperfeita ou elevada • A correlação entre as variáveis explicativas situa-se entre -1 e 0 ou 0 e 1, ou seja, existe uma correlação forte entre as variáveis explicativas. • Consequências da multicolineariade • a) impossibilita a separação dos efeitos individuais das variáveis explicativas • b) insignificância estatística dos coeficientes, com sinais incorretos • c) coeficiente de determinação elevado • d) os parâmetros estimados se tornam instáveis, quando o tamanho da amostra se altera, ou alguma variável é omitida ou incluída no modelo. • e) determinante pequeno da matriz (X`X) TESTE DE MULTICOLINEARIDADE • Fator de Inflação de Variância (FIV) O FIV, mostra como a variância de um estimador se infla pela presença da multicolinearidade. A medida que R² se aproxima de 1, o FIV aumenta, ou seja, a medida que aumenta o grau de colinearidade. Se FIV = 1 , não existe colinearidade entre Xi e Xj Se FIV > 10 de uma variável, significa que ela é altamente colinear. 2 1 1 jR FIV 1.3-VIOLAÇÃO DOS PRESSUPOSTOS CÁLCULO DO FIV (Variance Inflation Factor) VALOR DE Rj² FIVij 0,00 1,00 0,50 2,00 0,70 3,33 0,80 5,00 0,90 10,00 0,95 20,00 0,97 33,33 0,99 100,00 0,995 200,00 0,999 1000,00 TRATAMENTO DA MULTICOLINEARIDADE • Se após o teste, ocorrer elevada correlação linear entre as variáveis explicativas do modelo, ou seja, Corr(Xi,Xj) > 0,8 recomenda-se os procedimentos: • a) Reestimar o modelo, aumentando o n. Recomendado nos casos em que: n < 5K. K=3 n< 5(3) n < 15 • b) Transformação da relação funcional • c) Transformações de variáveis • d) Eliminação de variáveis: estima-se tantas equações simples quantas forem as variáveis do modelo dentre as variáveis com maior grau de correlação, elimina-se aquela que apresenta os piores resultados 1.3-VIOLAÇÃO DOS PRESSUPOSTOS EX: ANO QUANTIDADE TARIFA PRODUTO HORÁRIO VERÃO 1981 69 143 84 0 1982 76 134 85 0 1983 81 117 82 0 1984 90 111 86 0 1985 94 109 93 1 1986 100 100 100 1 1987 103 137 104 1 1988 108 122 104 1 1989 113 85 107 1 1990 115 90 102 1 MATRIZ DE CORRELAÇÃO VARIÁVEIS TARIFA (T) PROD (Pd) H.VERÃO (Dmy) TARIFA (T) 1,000000 -0,478631 -0,500894 PRODUTO (Pd) -0,478631 1,000000 0,923244 H.VERÃO (Dmy) -0,500894 0,923244 1,000000 REGRESSÕES AUXILIARES T = 144,9042 - 0,2214Pd - 15,2270Dmy R² T, Pd e Dmy = 0,2527 Dmy = -3,6202 - 0,002T + 0,0469Pd R² Dmy, T e Pd = 0,8562 Pd = 85,6006 - 0,0107T + 17,2125Dmy R² Pd, T e Dmy = 0,8527 TESTE DO PADRÃO DA MULTICOLINEARIDADE COEFICIENTE DE CORRELAÇÃO (𝒓𝒊𝒋 𝟐) VARIÁVEIS TARIFA(T) PRODUTO (Pd) PRODUTO(Pd) 0,00237 --------- H.VERÃO(Dmy) 0,03845 0,8089 CÁLCULO DO FIV (VARIANCE INFLATION FACTOR) VARIÁVEIS FIVij = 𝟏 (𝟏−𝑹²𝒊𝒋) TARIFA (T) 1,3382 PRODUTO (Pd) 6,7889 H.VERÃO (Dmy) 6,9881
Compartilhar