Upload
dangcong
View
239
Download
0
Embed Size (px)
Citation preview
EconometriaVIOLAÇÃO DE HIPOTESES & EXTENSÕES DO MODELO DE REGRESSÃO
ECONOMETRIA -MESTRADO 1
Tópicos a Considerar Continuidade do Programa Ministrado pelo Prof. Alceu Jobim
1. Modelo de Regressão Múltipla Abordagem Matriciala) Pressupostos;
b) Inferência a versão Matricial;
c) Inferência ao Método de Crammer;
d) Testes Essenciais;
2. Violação das Hipóteses básicas do Modeloa) Multicolinearidade e Micronumerosidade
b) Heteroskedasticidade
c) Autocorrelação
3. Extensões do Modelo de Analise de Regressão Linear Simplesa) Regressão linear pela Origem;
b) Formas Funcionais dos Modelos de Regressão
c) Modelo Log-linear -Computando a elasticidade;
d) Modelo Log-lin
e) Modelo Lin-log
f) Modelos Recíprocos
ECONOMETRIA -MESTRADO 2
Duas características especiais do modelo log-linear podem ser
observadas:
�O modelo supõe que o coeficiente de elasticidade β2 permaneça
sempre constante, daí o nome alternativo de modelo de elasticidade
constante. Ou seja, como mostra o Gráfico 11, a variação em ln Y por
mudança unitária em ln X permanece a mesma, não importa com
qual ln X medimos a elasticidade.
� Embora e sejam estimadores não-enviesados de α e β2,
β1 quando estimado como é ele próprio um
estimador enviesado.
Na maioria dos problemas práticos, porém, o termo de intercepto
tem importância secundária e não precisamos nos preocupar em
obter sua estimativa não-enviesada.
Formas FuncionaisModelo Log LinearModelo Log LinearModelo Log LinearModelo Log Linear
�� ���
��� = ��� �(��)
ECONOMETRIA -MESTRADO 32
No modelo de duas variáveis, o meio mais simples de julgar se o
modelo log-linear se ajusta aos dados é fazer um diagrama de
dispersão de ln Yi e ln Xi e ver se os pontos formam aproximadamente
uma reta, como no Gráfico 11.
Formas FuncionaisModelo Log LinearModelo Log LinearModelo Log LinearModelo Log Linear
ECONOMETRIA -MESTRADO 33
Economistas, homens de negócios e governos estão
frequentemente interessados em saber a taxa de
crescimento de certas variáveis econômicas, tais como
população, PNB, oferta monetária, emprego,
produtividade, déficit comercial, etc.
Anteriormente, apresentamos dados sobre o PNB real
para os EUA no período 1970-2015. Suponha que
queiramos calcular a taxa de crescimento do PNB real
nesse período (veja folha 3 de Extensões do MRLS, Excel).
Sejam Yt =PNB real no instante t e Y0 = valor inicial (isto é,
em 1970) do PNB real. Lembrando da famosa fórmula
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
ECONOMETRIA -MESTRADO 34
da capitalização a juros compostos:
Yt = Y0 (1 + r)t
em que r é a taxa composta (isto é, ao longo do tempo) de
crescimento de Y, calculamos agora o logaritmo natural
daquela equação:
lnYt = lnY0 + t ln(1 + r) (Eq.3)
Sejam agora
β1 = lnY0β2 = ln(1 + r)
Assim, reescrevendo a acima e acrescentando o termo de
perturbação, obtemos:
lnYt = β1 + β2 t + µi (Eq.4)
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
ECONOMETRIA -MESTRADO 35
Este modelo é parecido com qualquer outro modelo de
regressão linear, já que os β´s são lineares. A única
diferença é que a variável dependente (ou regressando) é
o logaritmo natural de Y e a variável independente (ou
regressor) é o tempo, que assumirá valores 1, 2, 3,…etc.
Modelos como a Eq.4 são chamados de semilog, porque
uma variável, o regressando, aparece na forma
logarítmica. Para fins descritivos, um modelo no qual o
regressando é logarítmico será chamado de modelo log-
lin.
No modelo da Eq. 4, o coeficiente β2 mede a variação
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
ECONOMETRIA -MESTRADO 36
proporcional (ou relativa) constante em Y para uma dada
variação absoluta no valor do regressor, o tempo t, ou seja:
(Eq.5)
Se multiplicarmos a variação relativa em Y por 100, a Eq.5
fornecerá então a variação percentual, ou taxa de crescimento,
em Y para uma variação absoluta em X, o regressor.
Um modelo log-lin como a Eq.5 é particularmente útil em
situações em que a variável X é o tempo, já que nesse caso, o
modelo descreve a taxa de crescimento (se
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
ECONOMETRIA -MESTRADO 37
β2> 0) relativo constante, ou taxa de declínio (β2< 0), na
variável Y. Daí o motivo de modelos como a Eq. 4 serem
chamados de modelos de crescimento (constante).
Utilizando o Excel ou o GRETL, obtemos as seguintes
estatísticas para o PNB real dos EUA no periodo 1970-
2015:
����� real = 0,039t + 8,0437 + ��� (Eq.6)ep = (0,00071) (0,0192) r2 = 0,9855
t = (54,682) (418,334)p-value = (0,0000) (0,00000)
A interpretação desta regressão é a seguinte:
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
ECONOMETRIA -MESTRADO 38
No período 1970-2015, o PNB real dos EUA aumentou a uma taxa de3,895% ao ano. Como 8,1308 = , se calcularmos o antilog de 8,1308,veremos que = 3397,6 (aproximadamente), ou seja, no início de 1970,o PNB real estimado era de cerca de 3.397 bilhões de dólares.
Taxa de crescimento instantânea versus composta. O coeficiente deinclinação 0,039 fornece a taxa de crescimento instantânea (em umponto do tempo), e não a taxa de crescimento composta (ao longo deum período). Mas esta última pode ser calculada facilmente: bastacalcular o antilog de 0,039, subtrair 1 e depois multiplicar por 100.Assim, no presente caso:
[antilog (0,039) – 1]*100 ≅ 3,02%. Ou seja, no período em análise, a taxacomposta de aumento do PNB real foi de cerca de 3,02% ao ano.
ECONOMETRIA -MESTRADO 39
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
O modelo de tendência linear. Em vez de estimar o modelo da Eq. 4, oseconometristas estimam, às vezes, o seguinte modelo:
(Eq. 7)
Isto é, em vez de regredir o ln de Y sobre o tempo, eles calculam aregressão de Y sobre o tempo. Tal modelo é chamado de tendêncialinear e a variável tempo t é conhecida como variável de tendência. Portendência entende-se um movimento sustentado crescente oudecrescente no comportamento de uma variável. Se o coeficiente deinclinação da Eq. 6 for positivo, há uma tendência crescente em Y; se fornegativo, há uma tendência decrescente em Y.
ECONOMETRIA -MESTRADO 40
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
Para os nossos dados do PNB real, os resultados baseados na Eq. 7 são os seguintes:
���� real = 325,77t + 1215, 4142 + ��� (Eq. 8)
ep = (10,696) (288,701) r2 = 0,954
t = (30,456) ( 4, 2099)
p-value = ( 0,0000) (0,00012)
Em contraste com a Eq. 6, a interpretação desta regressão é:
ECONOMETRIA -MESTRADO 41
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
Na folha 4 do ficheiro em Excel Extensões do Modelo de RLS, temos osdados do PNB real e da oferta monetária (conceito M2) dos EUA para operíodo 1990-2009. Suponha que você esteja interessado em verificarquanto o PNB aumentará (em valores absolutos) se a oferta de moedaaumentar em, digamos, 1%.
Ao contrário do modelo anterior que acabamos de ver, no qualestávamos interessados em achar o aumento percentual de Y para umavariação absoluta unitária de X, queremos agora encontrar a variaçãoabsoluta de Y para uma variação de 1% em X.
ECONOMETRIA -MESTRADO 42
Formas FuncionaisModelo Modelo Modelo Modelo LinLinLinLin LogLogLogLog
Um modelo capaz de cumprir este papel pode ser escrito como:
Yi = β1 + β2 ln Xi + µi (Eq. 9)
Este tipo de modelo é chamado de lin-log. Como de hábito:
A segunda forma de expressar β2 resulta do fato de que uma variação noln de um número é uma variação relativa.
Assim: (Eq. 10)
Ou equivalentemente: (Eq. 11)
ECONOMETRIA -MESTRADO 43
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
Deste modo, se numa aplicação obtivermos β2 = 500, a variaçãoabsoluta em Y é (0,01)*500, ou 5,0. Portanto, quando regressões como aEq. 9 forem estimadas por MQO, multiplique o valor do coeficienteestimado , por 0,01 ou, o que dá no mesmo, divida-o por 100.
Com base nos dados de PNB real e M2, obtemos os seguintes resultados:
ep = (2086,07) (245,030) r2 = 0,9671
t = (-17,8476) (23,0066)
p-value = (0,0000) (0,0000)
ECONOMETRIA -MESTRADO 44
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
Interpretado conforme acabamos de descrever, o β2 deaproximadamente 5637 significa que, no período da amostra, umaumento em M2 de 1% foi, em média, seguido por um aumento no PNBde cerca de 56,37 bilhões de dólares.
Se você quiser calcular o coeficiente de elasticidade para modelos log-linou lin-log, pode fazê-lo a partir da definição de coeficiente deelasticidade dada anteriormente: (dY/dX)*(X/Y). Aliás, quando a formafuncional de um modelo é conhecida, podemos calcular elasticidadesaplicando essa definição.
ECONOMETRIA -MESTRADO 45
Formas FuncionaisModelo Log Modelo Log Modelo Log Modelo Log LinLinLinLin
Modelos como os a seguir, são conhecidos como modelos recíprocos:
(Eq. 12)
Embora este modelo seja não-linear na variável X, pois ela entrainversamente ou reciprocamente, o modelo é linear nos β´s, sendo,portanto, um modelo de regressão linear.
Este modelo apresenta as seguintes características: conforme X aumentaindefinidamente, o termo β2(1/Xi)
se aproxima de zero (β2 é uma constante), e Y se aproxima do valor-limite ou assintótico β1.
Importantes aplicações desse modelo são, por exemplo:
ECONOMETRIA -MESTRADO 46
Formas FuncionaisModelo RecíprocosModelo RecíprocosModelo RecíprocosModelo Recíprocos
a) O relacionamento entre Custo Fixo Médio (CFM) de produção e o nível deprodução. Como mostram os dados da folha 5 do ficheiro Extensões doModelo de RLS, o CFM cai continuamente conforme a produção aumenta(porque o custo fixo se dilui em um grande número de unidades) e, por fim,se torna assintótico com o eixo de produção em β1.
b) A já mencionada Curva de Phillips. No ficheiro Extensões do Modelo de RLS,folha 6, apresentamos dados sobre as taxas de inflação salarial edesemprego para o Reino Unido entre 1992-2008, tentando ajustar ummodelo recíproco para eles. O resultado é o seguinte:
r2 = 0,3849 F1, 15 = 9,38
Este resultado indica que o piso dos salários é -1,43%, ou seja, conforme Xaumenta indefinidamente, o decréscimo percentual nos salários não serámais do que 1,43% ao ano.
Este resultado indica que o piso dos salários é -1,43%, ou seja, conforme Xaumenta indefinidamente, o decréscimo percentual nos salários não serámais do que 1,43% ao ano.
ECONOMETRIA -MESTRADO 47
Formas FuncionaisModelo RecíprocosModelo RecíprocosModelo RecíprocosModelo Recíprocos
Modelos como os a seguir, são conhecidos como modelos recíprocos:
(Eq. 12)
Embora este modelo seja não-linear na variável X, pois ela entrainversamente ou reciprocamente, o modelo é linear nos β´s, sendo,portanto, um modelo de regressão linear.
Este modelo apresenta as seguintes características: conforme X aumentaindefinidamente, o termo β2(1/Xi)
se aproxima de zero (β2 é uma constante), e Y se aproxima do valor-limite ou assintótico β1.
Importantes aplicações desse modelo são, por exemplo:
ECONOMETRIA -MESTRADO 48
Formas FuncionaisModelo RecíprocosModelo RecíprocosModelo RecíprocosModelo Recíprocos
Modelos como os a seguir, são conhecidos como modelos recíprocos:
(Eq. 12)
Embora este modelo seja não-linear na variável X, pois ela entrainversamente ou reciprocamente, o modelo é linear nos β´s, sendo,portanto, um modelo de regressão linear.
Este modelo apresenta as seguintes características: conforme X aumentaindefinidamente, o termo β2(1/Xi)
se aproxima de zero (β2 é uma constante), e Y se aproxima do valor-limite ou assintótico β1.
Importantes aplicações desse modelo são, por exemplo:
ECONOMETRIA -MESTRADO 49
Formas FuncionaisModelo RecíprocosModelo RecíprocosModelo RecíprocosModelo Recíprocos
Observe que o valor de r2 é baixo, mas o coeficiente de inclinação ésignificativamente diferente de zero em termos estatísticos e tem o sinalcorreto. Esta observação é uma das razões pelas quais não devemosenfatizar excessivamente o valor de r2 .
ECONOMETRIA -MESTRADO 50
Formas FuncionaisModelo RecíprocosModelo RecíprocosModelo RecíprocosModelo Recíprocos