Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Regressão - estimação
1
14/11/2016
Simples – apenas um X
Y = f (X)
Exemplo: demanda = f(preço)
Múltipla – vários X
Y = f (X1, X2, ..., Xn)
Exemplo: demanda = f(preço, renda, gosto)
Resíduo na regressão
2
14/11/2016
Forma matricial
Y = Xβ + µ
Forma algébrica
Yi = 0 + 1X1i + 2X2i + ... + ui
Exemplo gráfico
14
12
10
6 Y
Yest
4 residuo estimado
0
1 2 3 4 5 6 7 8
-2
-4
3
14/11/2016
Regressão
6000
5000
Produção
4000
3000
y = 104.93x + 1239.6
2000 2
R = 0.5639
1000
0
0 10 20 30 40
Número de funcionários
4
14/11/2016
Y1 1 X 11 X 1k 0 1
Y 1 X X 2 k 1 2
2 21
Yn 1 X n1 X nk k n
Y X
nx1 n x ( k 1) ( k 1) x1 nx1
n
Cobb-Douglas logaritmizada: log y a 0 a i log x i
i 1
n
CES: y a 0 a i x i
i 1
n n n
Generalizada Leontief: y a 0 a i x i a ij x i x j
i 1 i 1 j1
n n n
Translog: log y a 0 a i log x i a ij log x i log x j
i 1 i 1 j1
10
5
14/11/2016
Transformação de variáveis
Por exemplo:
X2= W
Z = ln X
Q = ln X1/2
11
Especificação do Modelo
12
6
14/11/2016
RLAME x Z
0.07
0.06
0.05
0.04
0.02
0.01
y = 0.0018x + 0.0048
0
-0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
Z Linear (Z) Polinômio (Z)
13
14
7
14/11/2016
.4
.2
.0
.3
-.2
.2
.1 -.4
.0
-.1
-.2
-.3
2005 2006 2007 2008 2009 2010 2011
15
16
8
14/11/2016
3. Erros homocedásticos e
não-autocorrelacionados
E(εε´)=σ2.I
17
Matriz de variância-covariância
12 1 2 1 n
2 1 22 2 n
E E
n 1 n 2 n2
2 0 0
Se i=j => E(ε ε´)=σ2
0 2 0
E I E
2
Se i≠j => E(ε ε´)=0
0 0 2
18
9
14/11/2016
19
20
10
14/11/2016
21
22
11
14/11/2016
Micronumerosidade x multicolinearidade
Se ocorre multicolinearidade, existe uma
relação linear entre as variáveis explicativas,
ou seja, posto de X é menor que seu número
de colunas
Notação:
~ N 0, 2 I
24
12
14/11/2016
Estimação::MQO::Objetivo
ˆ
ee Y Y Y X ˆ X Y
ˆ X X
ˆ
( ee ) ˆ 0
2 X Y 2 X X
ˆ
ˆ X Y
X X
ˆ X X 1 X Y
Estimador de MQO para os
parâmetros do modelo
26
13
14/11/2016
ou
Var Cov( ˆ ) s 2 X X
1
27
H0 : j 0
H1 : j 0 (bilateral)
ˆ j
tcalculado ~ tn p
sˆ G . L.
j
28
14
14/11/2016
29
Ver exerc.xlsx
30
15
14/11/2016
Decomposição da variação de Y
+ (reta estimada)
Decomposição da variação de Y
SQReg ŷi2 Yˆi Y
2
Yˆ Yˆ nY 2
32
16
14/11/2016
Decomposição da variação de Y
SQReg Yˆ Yˆ nY 2
SQRes Y Y ˆ X Y
Y=f(X)+ε SQTot Y Y nY 2
33
SQReg SQRes
R² 1
SQTot SQTot
17
14/11/2016
Forma matricial de R2
ˆ X Y nY 2
ˆ X Y
Y Y
R2 1
Y Y nY 2 Y Y nY 2
SQRes
R2 1
n-p R 2 ajustado pelos graus de liberdade
SQTot
n-1
35
Teste de F da regressão
36
18
14/11/2016
Teste F da regressão II
37
Estimação
38
19
14/11/2016
Resumo
20