Prévia do material em texto
AN02FREV001/REV 4.0 42 PROGRAMA DE EDUCAÇÃO CONTINUADA A DISTÂNCIA Portal Educação CURSO DE ECONOMETRIA Aluno: EaD - Educação a Distância Portal Educação AN02FREV001/REV 4.0 43 CURSO DE ECONOMETRIA Atenção: O material deste módulo está disponível apenas como parâmetro de estudos para este Programa de Educação Continuada. É proibida qualquer forma de comercialização ou distribuição do mesmo sem a autorização expressa do Portal Educação. Os créditos do conteúdo aqui contido são dados aos seus respectivos autores descritos nas Referências Bibliográficas. AN02FREV001/REV 4.0 44 MÓDULO III 4 MODELO LINEAR SIMPLES 4.1 INTRODUÇÃO Um modelo econométrico pretende dar respostas quantitativas sobre um determinado modelo econômico. O modelo linear simples parte de uma relação econômica entre duas variáveis dada por uma teoria escolhida por um econometrista. 4.2 PRESSUPOSTOS DO MODELO O modelo linear simples apresenta apenas UMA variável explicativa, o que torna o modelo LIMITADO para a análise dos fenômenos complexos, isto é, dependente de muitos fatores. Sua equação é: )1.4().......,,3,2,1( ni i u i bXa i Y onde Yi é a variável dependente, Xi é a variável explicativa, ui é o termo aleatório (também chamado de resíduos), a e b são os parâmetros a serem estimados, n é o tamanho da amostra e o índice i refere-se à unidade de observação dos valores das variáveis. AN02FREV001/REV 4.0 45 Os parâmetros da equação 4.1 serão estimados a partir de dados amostrais de Yi e Xi, mas para isso alguns pressupostos em relação aos resíduos terão que ser satisfeitos para que a estimativa seja válida. São eles: 1) Aleatoriedade de ui – a variável ui é real e aleatória. 2) Média zero de ui – a variável tem média zero, isto é, 0)( iuE . 3) Homocedasticidade - ui tem variância constante, ou seja, 22 )()(var iuEi u . 4) A variável ui tem distribuição normal, isto é, ),0(~ 2N i u . 5) Não autocorrelação dos erros (resíduos). 6) Independência entre ui e Xi. 4.3 MÉTODO DE ESTIMAÇÃO Diversos métodos são sugeridos pelas literaturas para estimar os parâmetros de um modelo econométrico. Os principais são o Método dos Mínimos Quadrados (MQ0 e o método da Máxima Verossimilhança MV). Aqui será abordado apenas o Método dos mínimos quadrados. 4.3.1 Método dos Mínimos Quadrados A equação estimada correspondente ao modelo teórico (4.1) pode ser escrita da seguinte forma: )2.4(, ^^^^^ i e i XbaiYoui XbaiY AN02FREV001/REV 4.0 46 onde os acentos circunflexos indicam estimativas e ei são os erros, os resíduos estimados. A partir de uma amostra dos valores de Yi e Xi, é possível estimar os parâmetros a e b. O objetivo da estimação pelo método dos mínimos quadrados é fazer com que os erros ou resíduos sejam mínimos. Reescrevendo a equação (4.2), temos: )3.4()()( ^^^ XbaYYY i e ii Elevando a equação (4.3) ao quadrado e somando-se os valores das variáveis para abranger todas as unidades de observação, temos: )4.4()( 2 ^^ 2 XbaYeSR A aplicação do método dos mínimos quadrados consiste na obtenção das estimativas dos parâmetros a e b da equação (4.1), de modo que a soma dos resíduos (SR) seja mínima. Assim, derivando-se a equação (4.4) em relação à ^ a e a ^ b e igualando-se essas derivadas a zero e reordenando os termos, obtêm-se o seguinte sistema de equações: 0)()ˆ(2 )( )( )5.4( 0)1()ˆ(2 )( )( ^ XXbâY bd SRd XbâY âd SRd Simplificando e ordenando os termos do sistema de equações (4.5), é obtido o sistema de equações normais: AN02FREV001/REV 4.0 47 2ˆˆ )6.4( ˆˆ XbXaYX XbnaY Resolvendo o sistema (4.6) para ^ a e ^ b , obtêm-se as estimativas de mínimos quadrados dos parâmetros a e b: )8.4(ˆˆ )7.4( / /. ˆ 22 XbYa nXX nXYXY b 4.4 ANÁLISE DE RESÍDUOS Maddala (1987: 88-90) diz que a análise dos resíduos pode revelar: existência de outliers, omissão de variáveis explicativas relevantes, correlação entre os resíduos, variância não constante e distribuição não normal. Outliers referem-se às observações que apresentam comportamento diferente em virtude de características ou acontecimentos específicos e associados a essas observações. 4.5 LIMITAÇÕES DA ECONOMETRIA Após verificar a especificação, a tipologia de modelos, pressupostos básicos, métodos de estimação e resíduos, é importante destacar que a Econometria apresenta limitações. AN02FREV001/REV 4.0 48 Segundo estudiosos, tais limitações seriam de ordem estatística e econômica. Alguns problemas de ordem estatística: 1) Amostras pequenas ou não representativas; 2) Erros de observações nas variáveis; 3) Dificuldade de dar tratamento a alguns tipos de modelos não lineares; 4) Autocorrelação observada entre os termos residuais. Alguns problemas de ordem econômica: 1) Problemas de especificação da teoria e dos erros; 2) Dificuldade de estabelecer a direção do efeito das variáveis. 4.6 EXEMPLOS – MODELO LINEAR SIMPLES 1) Com os dados da tabela abaixo, responder: a) Estimar a equação de demanda por energia elétrica, utilizando o modelo linear; Tabela Brasil – Índice da quantidade demandada (Q) e da tarifa real média (T) de energia elétrica 1981 a 1990 Ano 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 Q 69 76 81 90 94 100 103 108 113 115 T 143 134 117 111 109 100 137 122 85 90 FONTE: IBGE, BACEN e Eletrobrás – Centrais Elétricas Brasileiras S.A. a) SOLUÇÃO: A estimação da equação da demanda consiste em calcular os parâmetros do modelo pelo método dos mínimos quadrados. XbYae nXX nXYXY b ˆˆ / /. ˆ 22 AN02FREV001/REV 4.0 49 Dessa forma, chamando Q = Y e T = X temos: 5567,0 6,486.3 2,939.1 10/)148.1(274.135 10/)148.1*949(006.107ˆ 2 b Uma vez conhecida à estimativa de b, calcula-se a estimativa de a: 8092,1588,114*)5567,0(9,94ˆ a Portanto, a equação da demanda estimada será: 2) Considere os dados amostrais de um estudo da relação entre o número de anos que os candidatos a empregos em um determinado banco comercial estudaram inglês na faculdade e as notas obtidas em um teste de proficiência nessa língua. Número de anos (X) Nota no teste (Y) 3 5,2 4 7,7 4 7,4 2 5,3 5 9,1 3 6,4 4 7,3 5 8,6 3 7,4 2 4,3 Ob.: dados hipotéticos Com base nessas informações, a reta de mínimos quadrados que melhor explica a relação entre o número de anos de estudo e a nota do teste de inglês é igual a: XY 5567,08092,158ˆ AN02FREV001/REV 4.0 50 XbYae nXX nXYXY b ˆˆ / /. ˆ 22 32,1 5,10 85,13 10/)1225(133 10/)5,2404(3,254ˆ b 25,2)5,3*32,1(87,6ˆ a 4.7 AVALIAÇÃO DE MODELOS ESTIMADOS A avaliação da estimativa de um modelo, além da verificação da consistência teórica, envolve a mensuração do grau de confiabilidade em termos probabilísticos, fundamental para validação das decisões ou previsões. 4.7.1 Qualidades Desejáveis dos Estimadores Algumas definições: 1) Estimadores: procedimento utilizado para transformar um conjunto de dados amostrais em um valor particular; 2) Estimativa: valor particular gerado por um estimador. As qualidades desejáveis para os estimadores são: XY 32,125,2ˆ AN02FREV001/REV 4.0 51 Não tendenciosidade: tendência é a direção do movimento de longo prazo na série temporal.O estimador Ŷ será não tendencioso se a média ou o valor esperado de Ŷ for igual ao verdadeiro valor: E( Ŷ ) = Y. Eficiência ou variância mínima: quanto menor for a variância mais eficiente o estimador será. Quando o estimador não é tendencioso e com variância zero, pode- se determinar com certeza o valor numérico de verdadeiro parâmetro de regressão. E( Ŷ ) – Y = 0. Consistência: refere-se às mudanças que ocorrem na distribuição amostral à medida que o tamanho da amostra aumenta. 4.7.2 Critérios de Avaliação de Estimativas de Modelos Na Econometria existem critérios capazes de qualificar os resultados obtidos com a formulação e estimação de um modelo. A avaliação da estimativa de um modelo tem como finalidade verificar se os parâmetros estimados (a e b) são ou não teoricamente significativos e estatisticamente satisfatórios e confiáveis. A literatura sugere três critérios de avaliação: critérios derivados da teoria econômica, critérios estatísticos e critérios econométricos propriamente ditos. 4.7.2.1 Critérios derivados da teoria econômica ou das hipóteses formuladas Por meio desses critérios, é possível comparar os coeficientes da equação estimada com o que foi estabelecido a priori em termos de sinal e da magnitude dos parâmetros da relação econômica. Nem sempre os sinais e a magnitude de um coeficiente estimado estão de acordo com o que se espera a priori e as possíveis razões são as seguintes: AN02FREV001/REV 4.0 52 deficiência dos dados utilizados na estimação; número de observações não adequadas em termos de tamanho ou de representatividade do fenômeno em estudo, e a violação de algum pressuposto básico do modelo. 4.7.2.2 Critérios Estatísticos Esses critérios têm por objetivo verificar o grau de confiabilidade das estimativas obtidas. Isso é feito mediante a utilização de coeficientes de determinação, do erro-padrão da estimativa e de testes de hipóteses realizados com as estatísticas t e F. 4.7.2.3 Critérios Econométricos Esses critérios visam verificar se as estimativas dos parâmetros possuem ou não as qualidades desejáveis de não tendenciosidade, eficiência e consistência. 4.8 ESTATÍSTICAS DE AVALIAÇÃO 4.8.1 Análise de variância simples A decomposição da variação de Y é normalmente utilizada para a análise da variância como mostrado no quadro abaixo. Fonte de variação de Y (FV) Variações (V) ou soma de quadrados (SQ) Graus de Liberdade (GL) Soma de quadrados média (SQM = SQ/GL) Variável X nXYYXbyxbVE /ˆˆ k VE/k AN02FREV001/REV 4.0 53 Resíduo 22 )ˆ( YYeVEVTVR n-k-1 )1(/2 knVRs Total nYYyVT /)( 222 n-1 - Onde n = tamanho da amostra e k = número de variáveis explicativas. FONTE: MATOS, pág. 67 Análise da Variância: VT, VR e VE VT= Variação Total = Soma dos Quadrados Totais (SQT) VR= Variação residual = Soma de quadrados residual (erros) (SQE) VE= Variação Explicada = Soma dos Quadrados da Regressão (SQR) 4.8.2 Decomposição das principais estatísticas de avaliação O quadro de análise da variância apresentado acima fornece elementos que permitem definir as estatísticas de avaliação. 4.8.2.1 Variância amostral ou residual )1( )ˆ( )1()1( 22 2 kn YY kn e kn VR s onde (n – k – 1) é o número de graus de liberdade do estimador de mínimos quadrados da variância amostral, s2, que mede o grau de dispersão entre os valores observados e estimados de Y. A raiz quadrada de s2 é denominada erro padrão da estimativa. AN02FREV001/REV 4.0 54 4.8.2.2 Coeficiente de determinação Indica a parcela da variação de Y explicada pela variação de X, ou o quanto a variação de X explica a Variação de Y. VT VR VT VE R 12 4.8.2.3 Estatística F Testa o efeito conjunto das variáveis explicativas (x) sobre a dependente (y). )1/( / var expvar )1;( knVR kVE residualiância licadaiância F knk 4.8.2.4 Estatística t A estatística t tem a finalidade de testar a significância dos parâmetros estimados do modelo. Portanto, a estatística é definida para cada parâmetro do modelo: 1) Estatística t para a estimativa do parâmetro b AN02FREV001/REV 4.0 55 2 2 : 0 ˆ , ˆ x s sonde bpara s b tou s bb t b bb No caso do modelo linear simples, tb = (F) 1/2. Portanto, um teste com a estatística t equivale, nesse caso, ao realizado com a estatística F. 2) Estatística t para a estimativa do parâmetro a 2 22 * : 0 ˆ , ˆ xn sX sonde apara s a tou s aa t a aa 4.8.3 Teste de Hipóteses e Intervalos de Confiança O teste de hipótese é um processo capaz de afirmar, baseado em dados amostrais se uma hipótese é correta ou não. As hipóteses são de dois tipos: Hipótese Nula (H0) = quando não há diferença entre a informação fornecida pela realidade e a afirmação da hipótese. Hipótese Alternativa (H1) = quando há diferença entre a informação fornecida pela realidade e a afirmação da hipótese. Tipos de erros de um teste de hipóteses: o critério adotado para rejeitar ou aceitar a hipótese nula, com base na evidência amostral não garante uma conclusão correta. Dois tipos de erro podem ocorrer: rejeição da hipótese nula AN02FREV001/REV 4.0 56 quando ela for verdadeira (erro do Tipo I) e aceitação da hipótese nula quando ela for falsa (erro do tipo II). Os intervalos de confiança poderão ser construídos para os parâmetros “a” e “b”, como também poderemos utilizá-los para previsões; Alguns fatores que afetam a amplitude dos Intervalos de previsão: Tamanho da amostra; Desvio Padrão; Desvio de Xi com relação ao Xmédio; Variabilidade dos Xi observados. 4.8.4 Regressão e Correlação Na análise de correlação, o principal motivo é medir o grau de associação linear entre duas variáveis. Na análise de regressão, tenta-se estimar ou prever o valor médio de uma variável com base nos valores fixos de outra variável. Vale ressaltar que o modelo linear geral (que será acordado aqui), é a extensão do modelo linear simples, cuja diferença está no número de variáveis explicativas. AN02FREV001/REV 4.0 57 4.8.5 Exemplos O exemplo a seguir irá ilustrar a elaboração do quadro de análise de variância e o cálculo das estatísticas de avaliação, a partir das definições apresentadas na teoria. Exemplo: Com base nos dados (mesmos dados utilizados no exemplo 1 – item 4.6) sobre a demanda de energia elétrica da tabela abaixo, solicita-se: a) Elaborar o quadro de análise da variância; b) Calcular as estatísticas de avaliação R2, F, tb e ta; Tabela Brasil – Índice da quantidade demandada (Q) e da tarifa real média (T) de energia elétrica 1981 a 1990 Ano 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 Q 69 76 81 90 94 100 103 108 113 115 T 143 134 117 111 109 100 137 122 85 90 FONTE: IBGE, BACEN e Eletrobrás – Centrais Elétricas Brasileiras S.A. SOLUÇÃO: Conforme já calculada anteriormente, a equação estimada para o dos dados acima foi: a) Quadro – Análise da variância nXYYXbyxbVE /ˆˆ Portanto: XY 5567,08092,158ˆ AN02FREV001/REV 4.0 58 ]10/148.1*949(006.107[*)5567,0(VE 5,079.1)2,939.1(*)5567,0( VE nYYyVT /)( 222 90,240.210/)949(*301.92 2 VT 55,161.15,079.190,240.2 VEVTVR 1688,1458/55,161.1)1(/2 knVRs QUADRO DE RESULTADOS Fonte de variação de Y (FV) Variações (V) ou soma de quadrados (SQ) Graus de Liberdade (GL) Soma de quadrados média (SQM = SQ/GL) X = Tarifa 1.079,551 1.079,55 Resíduo 1.161,35 8 145,1688 Total 2.240,90 9 - b) Cálculo das estatísticas de avaliação: 1) Coeficiente de determinação: %2,48482,0 90,240.2 55,079.12 ou VT VE R 2) Estatística F AN02FREV001/REV 4.0 59 437,7 )1110/(35,161.1 1/55,079.1 )1/( / var expvar )8;1( )1;( F knVR kVE residualiância licadaiância F knk 3) Estatística t Estatística t para o parâmetro b Seja: 2 2 :, ˆ x s sonde s bb t b b e lembrando que 60,483.310/)148.1(274.135/)( 22222 nXXXXx Dessa forma, 2041,060,483.3/1688,145 bs , portanto, para b = 0, 73,2 2041,0 5567,0 bt Estatística t para o parâmetro a 2 22 * : ˆ xn sX sonde s aa t a a Dessa forma, 7427,23)60,343.3*10(/)1688,145*274.135( as AN02FREV001/REV 4.0 60 Portanto, para a = 0, 69,6 7427,23 8092,158 at 4.9 EXERCÍCIOS – MÓDULO III 1) O que você entende por estimadores não tendenciosos, eficientes e consistentes? ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ 2) Qual o objetivo de um teste de hipóteses? ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ AN02FREV001/REV 4.0 61 ___________________________________________________________________ ___________________________________________________________________ 3) Quais os critérios normalmente usados para a avaliação da estimativa de um modelo econométrico? Qual o significado de cada um desses critérios? ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ AN02FREV001/REV 4.0 62 FIM DO MÓDULO III