Baixe o app para aproveitar ainda mais
Prévia do material em texto
Econometria Material Teórico Responsável pelo Conteúdo: Prof. Ms. Bruno Leonardo Silva Tardelli Revisão Textual: Prof. Ms. Luciano Vieira Francisco Aspectos Iniciais de Modelagem Econométrica • Introdução • Estimação: População e Amostra • Objetivo da Econometria e Análise de Regressão Linear • Anatomia da Modelagem Econométrica • Processo de Cálculo das Estimativas: Método dos Mínimos Quadrados Ordinários (MQO) • Considerações Finais · Apresentar aspectos iniciais que envolvem o estudo da econometria, com ênfase no processo de estimação de parâmetros por meio do método dos mínimos quadrados ordinários. OBJETIVO DE APRENDIZADO Aspectos Iniciais de Modelagem Econométrica Orientações de estudo Para que o conteúdo desta Disciplina seja bem aproveitado e haja uma maior aplicabilidade na sua formação acadêmica e atuação profissional, siga algumas recomendações básicas: Assim: Organize seus estudos de maneira que passem a fazer parte da sua rotina. Por exemplo, você poderá determinar um dia e horário fixos como o seu “momento do estudo”. Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma alimentação saudável pode proporcionar melhor aproveitamento do estudo. No material de cada Unidade, há leituras indicadas. Entre elas: artigos científicos, livros, vídeos e sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você também encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão sua interpretação e auxiliarão no pleno entendimento dos temas abordados. Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discussão, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e aprendizagem. Organize seus estudos de maneira que passem a fazer parte Mantenha o foco! Evite se distrair com as redes sociais. Mantenha o foco! Evite se distrair com as redes sociais. Determine um horário fixo para estudar. Aproveite as indicações de Material Complementar. Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma Não se esqueça de se alimentar e se manter hidratado. Aproveite as Conserve seu material e local de estudos sempre organizados. Procure manter contato com seus colegas e tutores para trocar ideias! Isso amplia a aprendizagem. Seja original! Nunca plagie trabalhos. UNIDADE Aspectos Iniciais de Modelagem Econométrica Contextualização Para a inicialização do estudo da estimação econométrica, leia o resumo do artigo intitulado Evidências brasileiras sobre o impacto da obesidade no salário, de Adriano Dutra Teixeira e Maria Dolores Montoya Diaz, apresentado no 43° Encontro Nacional de Economia: No mundo todo, o estudo da ligação entre as medidas antropométricas e o emprego avançou nos últimos anos. Neste trabalho, buscamos estimar o efeito da obesidade no salário usando dados brasileiros oriundos da POF. Na especificação sem controles encontramos que o aumento de uma unidade no IMC está associado a um aumento de 4,7% no salário-hora entre homens e uma redução de 0,6% no salário-hora entre mulheres. Ao adicionar variáveis de controle este efeito se reduz a 1,9% entre homens e torna-se não significativo entre mulheres. Além de trazer novos resultados, este trabalho revê as estratégias já usadas pela literatura internacional para lidar com a endogeneidade da medida de obesidade na equação do salário. É fundamental neste momento compreender a importância da econometria para os estudos ligados às Ciências Sociais Aplicadas em geral. No artigo acima citado, a análise econométrica tenta, grosso modo, compreender a relação da dependência de uma variável em relação a outra(s). Nesse exemplo tenta-se avaliar como a obesidade pode afetar o salário de um indivíduo. Ou seja, quer-se mostrar a dependência do salário a partir de índices de obesidade de indivíduos. 8 9 Introdução Esta Unidade tem a intenção de revelar a problemática do estudo da econometria, apresentando a ideia da importância dos estimadores de mínimos quadrados ordinários. Dessa forma, você terá amplo entendimento da relevância da econometria no estudo, tanto do economista, como também para profissionais envolvidos nos vários ramos das Ciências Sociais Aplicadas, como finanças e marketing, por exemplo. Assim, a Unidade está dividida em quatro seções, além desta Introdução e das Considerações finais. Em primeiro lugar, aborda-se o tema da estimação e se apresenta o conceito de estimador; em segundo lugar, apresenta-se o objetivo do estudo econométrico por meio da regressão linear; em terceiro lugar, revela-se a anatomia da modelagem econométrica; por fim, é apresentada a forma de estimar coeficientes por meio do método de mínimos quadrados ordinários. Estimação: População e Amostra Uma das formas fundamentais para o entendimento da realidade é a realização de pesquisas, as quais gerarão determinadas conclusões. Por exemplo, se quisermos saber a intenção de voto dos candidatos à prefeitura em um município qualquer, seria interessante perguntarmos a todas as pessoas que votam nesse local. Assim, teríamos a proporção de votos correta naquele momento – abstraindo a possibilidade de uma resposta falsa por parte dos participantes da pesquisa. Entretanto, é economicamente inviável, como também impraticável, obter a resposta de todos os eleitores. Uma saída para tal questão é a coleta de uma amostra de dados, sob os quais se tentará imitar da forma mais próxima o comportamento da população. O ramo da estatística que estuda formas de obter estimativas para representar a população, a partir de uma amostra de observações é denominado inferência estatística. Este estudo se apropria da criação de meios de trabalhar as informações, testá-las e gerar resultados satisfatórios. Nesse contexto, tem-se que diferenciar o valor verdadeiro da população daquele que será gerado a partir de uma amostra com o uso de uma regra de cálculo que nos levará a uma estimativa. Conforme Sartoris (2003, p. 155, grifos nossos), [...] o valor da população, chamado de parâmetro populacional, é desconhecido. O que é possível de se obter é um valor da amostra, que supostamente nos dá uma ideia do valor correto (populacional) do parâmetro. Esse valor amostral é chamado de estimador do parâmetro populacional. 9 UNIDADE Aspectos Iniciais de Modelagem Econométrica A definição do conceito de estimador em Gujarati (2006, p. 38) é tratada como a “[...] regra ou fórmula ou método que nos diz como estimar o parâmetro da população a partir das informações oferecidas pela amostra que temos […]”. Já a estimativa é representada pelo “[...] valor numérico particular obtido pela aplicação do estimador é conhecido como uma estimativa” (GUJARATI, 2006, p. 38, grifos nossos). Assim, em uma pesquisa eleitoral, a média de votos por candidato dentro da amostra com as pessoas selecionadas na pesquisa representa o estimador que tenta “imitar” a média de votos por candidato de toda a população. O resultado da pesquisa trata-se apenas de uma estimativa do parâmetro populacional, ou seja, do valor verdadeiro. Objetivo da Econometria e Análise de Regressão Linear Agora chegamos ao momento de descrever a problemática da econometria de forma menos obscura. De modo simples e direto, o estudo da econometria diz respeito a encontrar formas de realizar a medição econômica. Por exemplo, se a taxa de câmbio pode, em teoria, afetar de alguma forma a taxa de inflação, qual o grau de influência que a taxa de câmbio exerce em determinado país e período histórico sobre a taxa de inflação? Se existe relação contrária entre preço e quantidade demandada, qual seria a inclinação da curva de demanda de cada bem? Mais acentuada ou mais suave? Qual a elasticidade-preço da demanda existente entre dois bens no plano da realidade? Estessão alguns exemplos da aplicação da econometria. Propriamente, estamos interessados não somente em analisar a teoria econômica, mas utilizar a estatística como instrumento aplicado para “mensurar” a teoria econômica em relação à realidade de determinado período, região, grupo de pessoas, de empresas, entre outros. Tudo isso é feito a partir de observações coletadas em pesquisas próprias ou por meio de informações de terceiros. Vamos a um exemplo prático. Uma conhecida relação para o estudante de Economia é a da propensão marginal a consumir explorada por John Maynard Keynes. No caso, a função consumo poderia ser representada por: C c c R= +0 1 Em que: C representa o consumo. R representa a renda. c0 é o consumo autônomo – ou seja, consumo que independe da renda do indivíduo. c1 é a propensão marginal a consumir (pmc). 10 11 No caso da função consumo apresentada, o consumo (C) é explicado pela variável renda (R), ou seja, o consumo depende da renda. E a propensão marginal a consumir (c1) representa a parcela da renda que será gasta em consumo. A função consumo anterior é dada por uma função de primeiro grau. Assim, em uma função de primeiro grau dada por Y = a + bX, os coeficientes (coeficiente linear ou intercepto) e b (coeficiente angular ou inclinação) teriam de ser encontrados para a geração de uma reta. Se considerarmos X como a renda e Y, o consumo, poderíamos, a partir de determinados valores crescentes de renda encontrar o ritmo no qual o consumo, em geral, seria elevado. Observe que antever que um aumento médio da renda elevaria o consumo médio das famílias faz parte da teoria econômica para os produtos que são considerados bens normais. Em um exemplo de aplicação, o que a econometria poderia tentar resolver é: dado o aumento na renda, qual o ritmo de variação do consumo? A inclinação de uma função de primeiro grau (b) espelha esse ritmo (ou seja, seria a propensão marginal a consumir), enquanto o intercepto (a) mostra o ponto que a reta gerada pela função cruzará o eixo Y (ou seja, seria o consumo autônomo). Para praticarmos e o entendimento ficar mais simples, suponha que determinada população possua 10 famílias e que as informações sejam as dispostas no Quadro 1: Quadro 1 – Informações de Y e X de uma população de 10 famílias Y X i = 1 23 1 i = 2 85 4 i = 3 104 6 i = 4 122 7 i = 5 150 7,5 i = 6 202 8 i = 7 197 8 i = 8 180 8,5 i = 9 193 9 i = 10 236 12 Para entender o Quadro 1, este, por exemplo, explicita que a família da primeira linha do Quadro possui o valor 23 de uma variável Y qualquer e, ao mesmo tempo, 1 de uma variável X qualquer; a família que está na segunda linha possui o valor 85 de uma variável Y qualquer e, ao mesmo tempo, 4 de uma variável X qualquer – e assim sucessivamente. 11 UNIDADE Aspectos Iniciais de Modelagem Econométrica O seguinte gráfico ilustra com “bolinhas” em vermelho os conjuntos (X, Y). Os pontos em vermelho representam os conjuntos ordenados (1, 23); (4, 85); (6, 104); (7, 122); (7,5, 150); (8, 202); (8, 197); (8,5, 180); (9, 193) e (12, 236). 500 400 300 Y 200 X 100 0 0 2 4 6 8 10 12 14 Figura 1 – Informações de Y e X de uma população de 10 famílias Veja que se ligássemos todos os pontos em vermelho não conseguiríamos encontrar uma reta, então não teríamos nossa reta Y = a + bX. Mas, e se quiséssemos traçar uma reta que passasse, simultaneamente, o mais próximo de todos os pontos em vermelho? Seria possível? Sim, esta é a ideia básica desta Unidade. Tentaremos encontrar uma reta que melhor se ajuste ao comportamento dos dados a fim de observar algum padrão. A linha ascendente em azul na Figura 1 é tal reta. Observe que a reta em azul comete alguns erros em relação aos pontos em vermelho. Imagine que a reta representa a trajetória de bala que tenta acertar os pontos em vermelho. Observe então que errou todos os pontos, mas passou o mais perto possível de todos. A distância que a reta azul erra em relação aos pontos vermelhos é denominada na econometria de termo de erro e é simbolizada normalmente por ε. 12 13 Como a reta gerada não representa exatamente a ligação entre os pontos vermelhos, ao invés de um modelo matemático como Y = a + bX, teremos um modelo estatístico que será representado por: Y = a + bX + ε Em que ε representa os desvios – ou erros – dos pontos efetivos e a reta azul. Na literatura de econometria os coeficientes a e b são, normalmente, chamados de b1 e b2. Então, a partir deste momento os chamaremos desta forma. A equação a seguir substitui os termos a e b por b1 e b2, respectivamente. Te- mos então: Y = b1 + b2X + ε Em que: Y é a variável dependente. b1 é o coeficiente linear – ou intercepto. b2 é o coeficiente angular – ou inclinação. X é a variável independente. ε é o termo de erro. Entretanto, para complicar as “coisas”, dificilmente teremos todos os pontos em vermelho da população – lembre-se do caso das pesquisas eleitorais. Assim, não saberemos também quais são os valores verdadeiros de b1 e b2, os quais representam o intercepto e a inclinação da “reta populacional”. Então, o que faremos? A resposta é: estimaremos a reta com base em algumas observações de uma amostra coletada! Na parte final desta Unidade voltaremos a esta ideia da estimação para ser apresentado como podemos estimar a reta azul da Figura 1. Para tal, suporemos que em uma pesquisa coletamos os conjuntos de informações que estão em amarelo no Quadro 1. Anatomia da Modelagem Econométrica Para a construção de um modelo econométrico, deve-se estar sempre atento(a) a uma sequência de passos. A Figura 2 apresenta o formato da “receita de bolo”: 13 UNIDADE Aspectos Iniciais de Modelagem Econométrica TEORIA ECONÔMICA MODELO MATEMÁTICO DA TEORIA MODELOS ECONOMÉTRICOS DA TEORIA DADOS ESTIMAÇÃO DO MODELO ECONOMÉTRICO TESTE DE HIPÓTESES PROJEÇÃO OU PREVISÃO Figura 2 – Anatomia da modelagem econométrica Fonte: Gujarati (2006, p. 8) Em primeiro lugar, deve-se observar a teoria econômica e tentar analisar quantitativamente uma relação de dependência que está prevista na teoria econômica. Ou seja, se queremos explicar o comportamento de determinada variável – chamada de variável dependente – a partir de outras – as variáveis independentes –, teríamos que verificar a teoria econômica para realizar a seleção da melhor maneira possível. Em segundo lugar, deve-se avaliar a forma funcional matemática que melhor descreve a teoria econômica. Por exemplo, se quisermos calcular uma estimativa da curva de custo marginal, ou seja, mostrar a dependência do comportamento do custo em função das quantidades adicionais de bens produzidos, podemos supor no modelo uma função quadrática. Utilizar-se-ia, assim, uma função de segundo grau para formar uma parábola – ao invés de um modelo matemático com uma função de primeiro grau, a qual descreveria uma reta. Em terceiro lugar, constrói-se o modelo estatístico, a partir da adição do termo de erro, lembrando que o comportamento social analisado normalmente – quase sempre! – não será representado perfeitamente por uma função matemática de primeiro, segundo grau ou qualquer função determinística. Em quarto lugar, o economista precisará de dados de todas as variáveis que estejam envolvidas no modelo. A existência de dados para aplicação do modelo estatístico elaborado não é tão trivial. Diversas variáveis não possuem dados disponíveis da forma que o pesquisador deseja. Assim, a tarefa pode exigir necessidade de adaptação no modelo ou, muitas vezes, o abandono da pesquisa do modo inicialmente pensado. 14 15 Em quinto lugar, o economista estimará os parâmetros populacionais a partir de estimadores – normalmente são as variáveis com um “chapéu” em cima. Por exemplo, o parâmetro populacional b poderá ser aproximado por um estimador b^, como será calculado ao final desta Unidade. Em sexto lugar, devem-se testar os vários resultados gerados pela estimação, entre os quais se, estatisticamente, determinadavariável é ou não importante para descrever o modelo. Para testar o modelo é preciso ter conhecimento de distribuições de probabilidade, como a distribuição normal e outras distribuições contínuas. Este é um dos motivos pelos quais o econometrista precisa de tanto conhecimento sobre distribuições de probabilidade! Em sétimo lugar, com o modelo completamente ajustado, o pesquisador poderá ter suas conclusões quantitativas a respeito das variáveis envolvidas no modelo. Importante! De olho na teoria econômica! Na prática, uma observação importante em relação à determinação de variáveis que constarão nos modelos econométricos é que a teoria econômica deve dar sustentação às variáveis inseridas; caso contrário, as conclusões poderão estar totalmente equivocadas, mesmo que do ponto estatístico sejam apontadas como corretas. Por exemplo, se a teoria econômica aponta que parte da taxa de infl ação pode ser explicada pela taxa de câmbio, faz sentido estabelecer um modelo que tente explicar o “quanto” a taxa de câmbio poderia estar afetando a taxa de infl ação. Por outro lado, se tentássemos criar um modelo no qual a taxa de natalidade de formigas no Paquistão esteja explicando a taxa de infl ação no Brasil, mesmo que os resultados dos testes estatísticos apontem para signifi cância dessa relação de dependência, do ponto de vista teórico seria uma aberração. De acordo com Gujarati (2006, p. 17), [...] embora a análise de regressão lide com a dependência de uma variável em relação a outras, isso não implica necessariamente causação […]. Uma relação estatística, por mais forte e sugestiva que seja, nunca pode estabelecer uma conexão causal: nossas ideias de causação devem se originar fora da estatística, em última análise, de alguma teoria. A conclusão então é que a estatística funciona apenas como um instrumental para o econo- mista – e não para servir de fonte de inspiração para a formulação de teorias econômicas. Importante! A variável dependente no modelo econométrico tem nomes alternativos, assim como a(s) variável(is) independente(s). O Quadro 2 aponta sinônimos da variável dependente e da(s) variável(is) independente(s): Quadro 2 – Sinônimos para as variáveis dependente e independente(s) Variável dependente Variável independente Variável explicada Variável explicativa Variável prevista Previsor 15 UNIDADE Aspectos Iniciais de Modelagem Econométrica Variável dependente Variável independente Regressando Regressor Resposta Estímulo Variável endógena Variável exógena Saída Entrada Variável controlada Variável de controle Fonte: Gujarati (2006, p. 18) Processo de Cálculo das Estimativas: Método dos Mínimos Quadrados Ordinários (MQO) Conforme apontado, o estimador representa uma “[...] regra ou fórmula ou método que nos diz como estimar o parâmetro da população a partir das informações oferecidas pela amostra que temos” (GUJARATI, 2006, p. 38). Como o objetivo inicial da econometria envolve a estimação dos coeficientes b1 e b2 para poder obter a reta estimada, deve-se ter alguma regra para estimar esses parâmetros. Assim, vamos a um exemplo de como estimar b1 e b2. Imagine que um pesquisador queira estudar a dependência da variável Y em relação à variável X na população de dez famílias do Quadro 1. Para tal, suponha que esse pesquisador não tenha acesso a todas as famílias, mas conseguiu obter as informações de quatro famílias. Assim, tem em mãos uma amostra com quatro observações da população. Note que as informações acima coletadas e apresentadas no Quadro 3 estão em destaque no Quadro 1: Quadro 3 – Amostra com 4 observações da população de 10 famílias Y X 104 6 122 7 202 8 193 9 Estimar os parâmetros ( b1 e b2) significa que queremos ter uma noção de como poderíamos criar um padrão no conjunto de dados, sabendo que não temos aqui uma função matemática exata ou determinística, mas sim a construção de um modelo estatístico. Nesse exemplo, a partir de uma amostra com 4 observações vamos supor que queremos entender o padrão de dependência da variável Y em relação à variável X, ou seja, de que forma X poderia explicar a variável Y. Para termos essa noção, realizaremos um procedimento que envolve alguns passos – preste atenção e volte quando julgar necessário para poder compreender totalmente. 16 17 Para facilitar o entendimento, separaremos o procedimento em quatro passos. Ao final, teremos um quadro completamente preenchido, de modo que poderemos estimar os coeficientes de forma bastante simples. 1º passo – extrair a soma e a média das variáveis X e Y, conforme a seguir: Quadro 4 Y X y x xy x2 i = 1 104 6 i = 2 122 7 i = 3 202 8 i = 4 193 9 Soma 621 30 Média 155,25 7,5 2º passo – calcular y e x. Quadro 5 Y X y x xy x2 i = 1 104 6 -51,25 -1,5 i = 2 122 7 -33,25 -0,5 i = 3 202 8 46,75 0,5 i = 4 193 9 37,75 1,5 Soma 621 30 0 0 Média 155,25 7,5 0 0 O cálculo de cada elemento y é gerado a partir de: y = Yi – Y _ Em que: Yi representa a observação i da variável Y e i vai da observação 1 até a observação 4. Y _ é a média dos valores da variável Y. Assim, existem quatro y, cada qual envolvendo uma observação da amostra, como apresentado no Quadro a seguir, a partir da média de Y, que é 155,25. Quadro 6 Yi Y y i = 1 104 155,25 104 - 155,25 = -51,25 i = 2 122 155,25 122 - 155,25 = -33,25 i = 3 202 155,25 202 - 155,25 = 46,75 i = 4 193 155,25 193 - 155,25 = 37,75 Analogamente, temos quatro x, cada qual envolvendo uma observação da amostra, como apresentado no Quadro a seguir, a partir da média de X, que é 7,5. Deve-se então realizar o cálculo de: x = Xi – X _ Em que: Xi representa a observação i da variável X e i vai da observação 1 até a obser- vação 4. X _ é a média dos valores da variável X. 17 UNIDADE Aspectos Iniciais de Modelagem Econométrica Quadro 7 Xi X x i = 1 6 7,5 6 - 7,5 = -1,5 i = 2 7 7,5 7 - 7,5 = -0,5 i = 3 8 7,5 8 - 7,5 = 0,5 i = 4 9 7,5 9 - 7,5 = 1,5 Observe que a soma dos y e dos x é igual a zero. Você notará com a prática de exercícios que este resultado sempre será obtido. Por consequência, a média destas variáveis também será zero. 3º passo – calcular xy. O cálculo agora envolve a multiplicação de cada xi com yi, conforme o Quadro a seguir. Por exemplo, para i = 1, o cálculo envolve a multiplicação de x1 = –1,5 com o respectivo x1 = –51,25, que resulta em x1y1 = 76,875. Quadro 8 Y X y x xy x2 i = 1 104 6 -51,25 -1,5 76,875 i = 2 122 7 -33,25 -0,5 16,625 i = 3 202 8 46,75 0,5 23,375 i = 4 193 9 37,75 1,5 56,625 Soma 621 30 0 0 173,5 Média 155,25 7,5 0 0 43,375 4º passo – calcular x2. O último passo para a finalização do Quadro envolve obter o resultado de cada x2. Por exemplo, para i = 1, o cálculo envolve elevar x1 = –1,5 ao quadrado, o qual resulta em x21 = 2,25. Quadro 9 Y X y x xy x2 i = 1 104 6 -51,25 -1,5 76,875 2,25 i = 2 122 7 -33,25 -0,5 16,625 0,25 i = 3 202 8 46,75 0,5 23,375 0,25 i = 4 193 9 37,75 1,5 56,625 2,25 Soma 621 30 0 0 173,5 5 Média 155,25 7,5 0 0 43,375 1,25 Agora basta calcular os coeficientes b^1 e b ^ 2, a partir das seguintes regras de cálculo: A representação dos estimadores de b1 e b2 é descrita como b ^ 1 e b ^ 2 (lê-se “beta 1 chapéu” e “beta 2 chapéu”, respectivamente). 18 19 Difícil? Você verá que com o Quadro anterior construído fica muito fácil! Vamos primeiro ao cálculo de b^2. A expressão xyi n =∑ 1 representa a soma dos números gerados na coluna xy, ou seja, igual a 173,50; enquanto que a expressão xii n 2 1=∑ representa a soma dos números da coluna de x2, ou seja, 5. Assim, para calcular b^2: Agora, e b^1? Observe que a seguinte equação: Precisa de Y _ (média de Y), b^2 e X _ (média de X) para ser calculada. Sabemos que Y _ = 155,25, que b^2 = 34,70 e que X _ = 7,5. Então basta calcularmos: Construindo a reta estimada com as informações de b^1 e b ^ 2 sabemos que tal reta cruza o eixo Y no ponto –105 e que a inclinação dessa reta é 34,50 (ou seja, positivamente inclinada). Observe no seguinte gráficoesta representação com as escalas na parte exterior dos eixos X e Y: 300 250 200 150 100 Y 50 -50 -100 -150 -10 -5 0 5 X 10 15 20 0 Figura 3 – Estimação de e b^1 e b ^ 2 a partir das informações da amostra A equação da reta estimada é, portanto, Y = –105 + 34,50X. 19 UNIDADE Aspectos Iniciais de Modelagem Econométrica Para treinar o procedimento, repita-o com a amostra do seguinte Quadro, a qual possui cinco observações: Quadro 10 Y X i = 1 12,00 8,00 i = 2 18,00 2,00 i = 3 26,00 8,00 i = 4 30,00 4,00 i = 5 54,00 6,00 Em um papel, construa um quadro semelhante ao anterior, com as variáveis Y, X, y, x, xy e x2. Entretanto, lembre-se de adicionar uma linha, já que agora você trabalhará com cinco observações – e não mais com quatro. Compare os resultados com o Quadro a seguir para verificar se conseguiu aplicar os passos de forma correta. Quadro 11 Y X y x xy x2 i = 1 12,00 -8,00 -16,00 -2,40 38,4 5,76 i = 2 18,00 -2,00 -10,00 3,60 -36 12,96 i = 3 26,00 -8,00 -2,00 -2,40 4,8 5,76 i = 4 30,00 -4,00 2,00 1,60 3,2 2,56 i = 5 54,00 -6,00 26,00 -0,40 -10,4 0,16 Soma 140,00 -28,00 0,00 0,00 0 27,2 Média 28,00 -5,60 0,00 0,00 0 5,44 Agora, os coeficientes estimados como b^1 e b ^ 2 resultam em 28 e 0, respectivamente. A equação da reta é, portanto, Y = 0 + 28X, ou seja, Y = 28X. Repita o procedimento dos dois exemplos para poder assimilar a técnica. Econometria não é, realmente, muito simples, mas se você tiver bastante dedica- ção poderá ser valorizado(a) no mercado de trabalho por ter habilidade nessa área. Considerações Finais Nesta Unidade buscou-se passar a noção básica do que está por trás da análise econométrica, a partir do processo de estimação dos parâmetros populacionais. Lembre-se que realizar uma pesquisa com as informações de toda a população é normalmente impraticável, seja pela dificuldade de coleta ou por ser economi- camente inviável. Assim, com uma amostra de dados, tenta-se obter as estimati- vas mais precisas possíveis para se tentar entender como o mundo funciona. Quem exerce essa função no método de mínimos quadrados ordinários são os estimadores b^1 e b ^ 2, os quais, sob algumas circunstâncias, representam as melhores formas para obter estimativas dos verdadeiros parâmetros b1 e b2, ou seja, do intercepto e inclinação da função de regressão populacional. 20 21 Material Complementar Indicações para saber mais sobre os assuntos abordados nesta Unidade: Livros Estatística aplicada à Administração e Economia DOANE, D. P.; SEWARD, L. E. Estatística aplicada à Administração e Economia. Porto Alegre, RS: Grupo A, 2012. Álgebra Linear Aplicada a Finanças, Economia e Econometria FONSECA, M. A. R da. Álgebra Linear aplicada a finanças, Economia e econometria. São Paulo: Manole, 2003. Econometria HILL, R. C.; GRIFFITHS, W. E.; JUDGE, G. Econometria. São Paulo: Saraiva, 2003. Estatística para Administração e Economia MCCLAVE, J. T.; BENSON, P. G.; SINCICH, T. Estatística para Administração e Economia. 10. ed. São Paulo: Pearson, 2009. Estatística Aplicada SHARPE, N. R.; DE VEAUX, R. D.; VELLEMAN, P. F. Estatística Aplicada: Administração, Economia e negócios. Porto Alegre, RS: Grupo A, 2011. Introdução à Econometria WOOLDRIDGE, J. M. Introdução à econometria: uma abordagem moderna. São Paulo: Pioneira Thomson Learning, 2006. 21 UNIDADE Aspectos Iniciais de Modelagem Econométrica Referências GUJARATI, D. Econometria básica. 4. ed. São Paulo: Elsevier, 2006. SARTORIS, A. Estatística e introdução à econometria. São Paulo: Saraiva, 2003. 22
Compartilhar