A hiptese de homocedasticidade importante para demonstrar
que os estimadores de MQO so no viesados e consistentes. (Analistadoscorreios Economista, CESPE, 2011) Uma empresadetransportedecargasdesejaexpandir seus negcioseparaissofezumlevantamentoacercadas48 empresasconcorrentes. Foi consideradoummodelode regressolinearmltipla, emqueavarivel dependente Yrepresentaofaturamentodessasempresas, havendo trs variveis explicativas - X1, X2 e X3 - que representamumperfil dessasconcorrentes. Oajustefoi efetuado por mnimos quadrados ordinrios e os resultados so mostrados na tabela acima. Combase nessasinformaes,julgueositenssubsecutivos. [118]Ceterisparibus, oacrscimode1unidade doproduto3incrementaofaturamentomdio em3,2492unidadesmonetrias. Informaes importantes Sigma2 e b so no viesados e independentes. Pergunta Quo bom o nosso modelo? Modelos restritos e irrestritos O que ganhamos ao usar o modelo restrito ao invs do modelo no restrito? Coeficiente de Determinao Objetivo: medir o poder de explicao do modelo. SST =SSR +SSE R2 =SSR/SST =1 SSE/SST Fato 1: 0 <=R2 =SSR/SST <=1 Fato 2: R2 uma proporo: A proporo da variabilidade total de y que explicada pelo modelo. Fato 3: R2 =(Coeficiente de correlao linear entre yt e y^t)2 m Comentrios: C1: Quando o modelo no possui intercepto. Use R2 no centrado. C2 no decrescente no nmero de regressores. R2 ajustado. R2 =1 SSE/(T-k)/SST/(T-1) R2 =1 (T-1)/(T-K) *(1-R2) C3 no uma proporo. Quebra das hipteses do modelo Regresso Linear Mltipla Aula 15 [S2] Comoafirmado, bcontinuasendonoviesado. Almdisso, b tende, emprobabildiade a , ou seja, oparmetroestimadoaindaconsistente. Contudo, b no mais eficiente, ou seja, no possui varincia mnima. Nesse caso, o teorema deGaussMarkovnomaisvlido. Para resolver esse problema, os econometricistas indicam utilizar o mtodo dos Mnimos Quadrados Generalizados, que produzemumestimador linear, noviesado, consistente e eficiente, fazendo com que o TeoremadeGaussMarkovvolteaser vlido. Testes [Teste1]TestedeGoldfeld-Quandt A imposio desse teste que devemos ordenar as observaes de acordo comas varincias. Ou seja, essasdeveriamestar emordemcrescente importante notar que para realizar o teste, a suposio[S5] temqueser vlida. Uma vez as observaes ordenadas, deve-se separar as r observaes centrais e fazer os seguintesprocedimentos: (Passo 1): Reordene as observaes em ordem crescente de varincias; (Passo2):Removaasrobservaescentrais; (Passo3): Rodeasobservaescomaprimeirapartedaordenao ecomaltimapartedasobservaes; (Passo 4): Obtenha a Soma dos quadrados dos resduos das duas regresses. (Passo5):Aestatsticadetesteserdadapor: !" # $%& ' Ovalor encontrado comas estimaes deveser comparado como valor crtico de uma distribuio F (T-r)/2, (T-r)/2 , sob a suposio de normalidade. (Passo6):RejeiteH 0 se: GQ>F (T-r)/2, (T-r)/2 Exerccios (Cincias Econmicas, EMBASA, 2010, Cespe) Combasenametodologiaeconomtrica, julgue osprximositens. [117] H heteroscedasticidade quando as perturbaesaleatriasdeumaregressolinear possuemamesmavarincia. (Cincias Econmicas, EMBASA, 2010, Cespe) O grfico abaixomostraosparesdeobservaesdeduasvariveisXe Yrelacionadaspelaregressolinear simplesY=a+bX+u, (ondeaebso coeficientesaseremestimadoseuso os errosaleatrios). Oexamedogrficosugereque a) YeXnoserelacionam. b) arelaonolinear. c) o nmero de observaes insuficiente para a estimao doscoeficientes. d) pode haver problemas de heterocedasticidade na estimao. e) hautorrelaodosresduos. (BANCOCENTRALDOBRASIL, Analistarea2, Cesgranrio, 2010)Seja ummodelolinear y=X + , ondeyumvetor (nx1); Xuma matriz (nxk) deposto k<n; umvetor colunacomposto dek parmetros desconhecidos e umvetor (nx1) deperturbaes aleatrias. Considere as seguintes hipteses sobre as perturbaes aleatrias : i.E( | X)=0 ii.V( | X)=I 2 ondeEooperadordeexpectncia(esperanamatemtica), V( | X) =I 2 amatrizdevarincia-covarinciadasperturbaesaleatrias, condicionada a X. Utilizando-se o mtodo de mnimos quadrados simples(OLS)estimam-seosparmetros porb=(XX)1Xy. Nessascondies, analiseasproposiesaseguir. I - Seas hipteses i eii so vlidas, conclui-sequeos estimadores b so no tendenciososeeficientes. II - A identificao de ( )*+ ,-. como estimador de mnimos quadrados de 2 , ondeeo vetor de resduos de mnimos quadrados, no estritamente correto, umavezqueessemtodospermiteestimar . III - SeopostodamatrizXfor menor doquek, ahipteseii nosesustentar ehaverproblemasdeheterocedasticidade. IV - Se V( | X) = , onde / , o mtodo de mnimos quadrados generalizados (GLS) fornecer estimadores para com melhores propriedadesdoqueosestimadoresdemnimosquadradossimples. Socorretasasproposies (A) I eII, apenas. (B) III eIV, apenas. (C) I, II eIV, apenas. (D) I, III eIV, apenas. (E) I, II, III eIV. (ANPEC, 2008) Julgue as afirmativas: Na presena de heterocedasticidadenos erros de um modelo de regresso linear, os estimadores de mnimos quadrados ordinrios so ineficientes. (ANPEC, 2007)Julgue as afirmativas: Heterocedasticidadeocorre quando o erro aleatrio em um modelo de regresso correlacionado com uma das variveis explicativas. Na presena de heterocedasticidade, estimadores de mnimos quadrados ordinrios s !Os testes t e F usuais no so vlidos na presena de heterocedasticidade.oineficientes "Na presena de heterocedasticidade, estimadores de mnimos quadrados ordinrios so no viesados, mas so inconsistentes. O mtodo dos mnimos quadrados ordinrios foi empregado para estimar o modelo de regresso abaixo, cujo objetivo explicar as variaes de renda entre 526 indivduos de uma amostra aleatria: ln(renda) =0,362+0,094 educ+0,014 exper 0,178 sexo 0,010 exper x sexo +u (0,128) (0,008) (0,002) (0,058) (0,002) R 2 =0,368 n =526 ! Pela inspeo dos resultados da estimao fica claro que os erros do modelo so heterocedsticos Autocorrelao Aula 17 24 Cortededadosoucrosssection: dadosemqueo tempo fixado. H uma variao dos indivduos ou unidades ( o caso daanlise dos gastos com alimentao das famlias). Emgeral, nesse caso, humaviolaodasuposio[S2]; Srie Temporal: nesse caso, o indivduo ou unidadefixado evariamapenasasobservaes no tempo. Emgeral, nessecaso, humaviolao dasuposio[S3]. Dados em Painel/longitudinal: Nesse caso, os indivduoseotempovariam. 25 Autocorrelao [S3], os erros so no correlacionados, ou seja, . 26 Emseu formato mais comum, a autocorrelao existe emprimeira ordem, ou seja, o erro de hoje est relacionado ao erro do perodo anterior. Em termos matemticos: No que diz respeito a , por definio | | <1, isto , -1< <1. 27 FATO: se | | <1, ento, os dois primeiros momentos de so constantes ao longo do tempo, isto, estacionrio. 28 E o que acontece com o coeficiente b? Assim como no caso da heteroscedasticidade, paraaautocorrelao, ouaquebradasuposio [S3], onossoestimador bcalculadopelomtodo dos mnimos quadrados ordinrios continua sendo no viesado, linear e constante e assintoticamente normal, mas deixa de ser eficiente, exatamente como no caso da heteroscedasticidade. 29 Soluo? 30 Como identificar a autocorrelao? Oteste(clssico) deDurbin-Watsonrespondeisso. Esse teste possui duas hipteses: H 0 : =0, no h autocorrelao H 1 : >0, h autocorrelaopositiva. Para verificar a hiptese nula, utiliza-se a seguinte estatstica de teste: Vejaque, paradefinir esseteste, ashiptesse[S5] edequea matrizXnoestocsticasonecessrias.] Sed 4, -1, hautocorrelaonegativa; d 2, 0, nohautocorrelao; d 0, 1, hautocorrelaopositiva. 31 Verso alternativa H 0 : =0, no h autocorrelao H 1 : <0, h autocorrelaonegativa. Se d <4 d UC , no rejeite H 0 ; Se d >4 d LC , rejeite H 0 ; Se 4 d UC <d <4 d LC , o teste incoclusivo. 32 Exerccios (ANP, 2013) A hiptese de autocorrelao serial dos resduos no relevante para a demonstrao de que os estimadores de MQO so no viesados e consistentes. (ANP, 2013) Na presena de autocorrelao dos resduos, os estimadores de MQO sero eficientes, pormviesadoseinconsistentes. 33 Anpec, 2004 34