ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
|
|
- Giuliana Tuschinski Franca
- 6 Há anos
- Visualizações:
Transcrição
1 ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc.
2 Cap. 9 Modelos de Regressão com Variáveis Binárias Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006
3 Variáveis Binárias = variáveis dummy assumem valores 0 ou 1 = variáveis indicadoras, de categoria, qualitativas ou binárias São essencialmente variáveis nominais Um artifício para classificar dados em categorias mutuamente exclusivas como masculino e feminino Modelos com regressores de natureza exclusivamente binária são chamados modelos de análise de variância (ANOVA) Ver exemplo 9.1 em dummy1.txt
4 Exemplo 9.1
5 Cautela no uso de variáveis binárias Colinearidade perfeita No exemplo com 3 regiões se criarmos uma terceira dummy D1 teremos ao somar as três dummies uma coluna com 51 uns, igual aos 1 s implícitos em α Y 1 = α. 1 + β 1 D 11 + β 2 D 21 + β 3 D 31 + u 1 Y 2 = α. 1 + β 1 D 12 + β 2 D 22 + β 3 D 32 + u 2 Y 3 = α. 1 + β 1 D 13 + β 2 D 23 + β 3 D 33 + u 3 Y n = α. 1 + β 1 D 1n + β 2 D 2n + β 3 D 3n + u n
6 Cautela no uso de variáveis binárias Na forma matricial Y 1 1 D 11 D 21 Y 2 1 D = 12 D 22 Y n 1 D 1n D 31 D 32 D 2n D 3n α β 1 β 2 β 3 + u 1 u 2 u n 1 = 1 Colinearidade perfeita => essa matriz não tem inversa Regra: se a variável qualitativa tem m categorias teremos que usar (m-1) variáveis dummies!!
7 Cautela no uso de variáveis binárias Categoria de base, de referência, de controle, de comparação ou omitida => não se designa variável binária β 1 é o valor médio dessa categoria Outros β s são coeficientes diferenciais de intercepto Se não usarmos a regra das classificações menos 1, então temos que rodar o modelo sem intercepto Daí os valores médios serão obtidos diretamente
8 Modelos ANOVA com duas variáveis qualitativas Qual a categoria de referência nesse caso? Qual o salário médio dos casados? Qual o salário médio dos que residem no Sul? Esses salários são estatisticamente diferentes daqueles da categoria referencial?
9 Regressões com variáveis quantitativas e qualitativas: os modelos ANCOVA Um método de controlar estatisticamente os efeitos de regressores quantitativos, chamados de covariáveis ou variáveis de controle, em um modelo que inclui tanto regressores quantitativos quanto qualitativos ou binários. Será que o gasto público com educação afeta o salário dos professores? Y i = β 1 + β 2 D 2i + β 3 D 3i + β 4 X 4i + u i Y i = salário médio anual dos professores em US$ D 2i = 1 se NE ou CO; 0 c.c. D 3i = 1 se Sul e 0 c.c. X i = gastos com ensino público em US$/aluno Ver exemplo 9.3 em dummy2.txt
10
11 A variável binária como alternativa ao teste de Chow No teste de Chow não é possível dizer se a diferença se devia ao intercepto, aos coeficientes angulares ou a ambos. Há quatro situações possíveis: 1. Regressões coincidentes = interceptos e inclinações são iguais 2. Regressões paralelas = interceptos diferentes e inclinações iguais 3. Regressões concorrentes = interceptos iguais e inclinações diferentes 4. Regressões dessemelhantes = interceptos e inclinações são diferentes
12 A variável binária como alternativa ao teste de Chow Exemplo poupança e renda americana de 1970 a 1995 Y t = α 1 + α 2 D t + β 1 X t + β 2 D t X t + u t Y = poupança X = renda t = anos D = 1 para o período 1982 a , nos demais casos ( ) Função de poupança média, : E Y t D t = 0, X t = α 1 + β 1 X t Função de poupança média, : E Y t D t = 1, X t = (α 1 + α 2 ) + (β 1 + β 2 )X t Se significativo indica que o intercepto é diferente Se significativo indica que a inclinação é diferente
13
14 A variável binária como alternativa ao teste de Chow Variável binária ADITIVA => para avaliar interceptos MULTIPLICATIVA => para avaliar inclinações Para saber se as retas são coincidentes é preciso testar simultaneamente α 2 = β 2 = 0 Ver exemplo 9.4 em pouprenda.txt
15 Efeitos de interação com o uso de variáveis binárias Y i = α 1 + α 2 D 2i + α 3 D 3i + βx i + u i Y i = salários-hora em US$ D 2i = 1 se mulheres, 0 se homens D 3i = 1 se não brancos e não hispânicos, 0 outros X i = escolaridade (anos de frequência à escola) O efeito diferencial da variável gênero é constante nas duas categorias de raça (a diferença de salário por ser mulher não depende de ser branco e hispânico) O efeito diferencial da variável raça é constante nos dois gêneros. E se a diferença de salário pelo gênero depender também da raça?
16 Efeitos de interação com o uso de variáveis binárias Y i = α 1 + α 2 D 2i + α 3 D 3i + βx i + u i Pode haver uma interação entre as variáveis D 2 e D 3. O efeito sobre Y médio pode não ser aditivo, mas também multiplicativo. Y i = α 1 + α 2 D 2i + α 3 D 3i + α 4 (D 2i D 3i ) + βx i + u i Mulher não branca não hispânica: D 2 =1 D 3 =1 E Y i D 2i = 1, D 3i = 1, X i = (α 1 + α 2 + α 3 + α 4 ) + βx i Homem não branco não hispânico: D 2 =0 D 3 =1 E Y i D 2i = 0, D 3i = 1, X i = (α 1 + α 3 ) + βx i Homem branco e hispânico: D 2 =0 D 3 =0 E Y i D 2i = 0, D 3i = 0, X i = α 1 + βx i Mulher branca e hispânica: D 2 =1 D 3 =0 E Y i D 2i = 1, D 3i = 0, X i = (α 1 + α 2 ) + βx i Em todos esses caso a inclinação não se altera. Poderíamos criar variáveis de interação para ver se a inclinação se altera.
17 Variáveis binárias em análises sazonais Uma solução é usar uma dummy para cada período tendo o cuidado de estimar o modelo sem intercepto. Usar um período como referência tem a vantagem de podermos identificar se o intercepto diferencial em algum período não é estatisticamente significante. Os resíduos dessa regressão serão a séria dessazonalizada, com os componentes de tendência, cíclico e aleatório. ST = s + c + t + u Ver exemplo 9.6
18 Regressão linear segmentada Quando há mudança na inclinação a partir de um determinado valor do regressor. Y i = α 1 + β 1 X i + β 2 X i X D i + u i Y i = comissão sobre vendas X i = volume de vendas geradas por um vendedor X * = valor limiar de vendas, nó D = 1 se X i > X * e 0 se X i < X *
19 Regressão linear segmentada Para X < X * => D = 0 E(Y i D i = 0, X i, X ) = α 1 + β 1 X i Para X > X * => D = 1 E Y i D i = 1, X i, X = α 1 β 2 X + (β 1 + β 2 )X i
20 Variáveis binárias em regressões semilogarítmicas Nessas regressões o coeficiente nos dá a semi-elasticidade (variação percentual da variável dependente para uma variação unitária da variável explicativa). Só se aplica se o regressor for variável quantitativa. Para um modelo do tipo lny i = β 1 + β 2 D i + u i Onde Y = salário hora em US$ e D = 1 se mulher A função salário para homens será: E(lnY i D i = 0) = β 1 A função salário para mulheres será: E lny i D i = 1 = β 1 + β 2 Dá a variação no logaritmo médio dos salários-hora
21 Variáveis binárias em regressões semilogarítmicas O antilogaritmo dos coeficientes nos dá o salário mediano e não o médio (antilog x = e x ) lny i = β 1 + β 2 D i lny i = β 1 + ln(e β 2D i ) => se D = 0 e β 2D i = 1 se D = 1 e β 2D i = e β 2 Logo, quando D varia de 0 para 1 o ln Y varia (e β 2 1) A variação no logaritmo é uma variação relativa Se multiplicarmos por 100 teremos a variação %
22 Variáveis binárias em regressões semilogarítmicas No modelo do exemplo 9.8 Para verificar a variação percentual no salário mediano de homens e mulheres fazemos: e 0, = 21,63% O salário mediano da trabalhadora (D=1) é inferior ao masculino em cerca de 21,63%.
23 A hipótese da normalidade t = β 1 β 1 ep( β 1 ) t = β 2 β 2 ep( β 2 ) t = β 3 β 3 ep( β 3 ) Segue a distribuição t com n 3 graus de liberdade. Por que 3 graus de liberdade? t => para testar coeficientes parciais da regressão múltipla χ 2 => para testar hipóteses sobre o verdadeiro σ 2 da população
24 Testes de hipóteses relativos aos coeficientes de regressão individuais H 0 : β 2 = 0 H 1 : β 2 0 Comparar t com tcrítico Qual seria o tcrítico para o caso da MI? Na prática olhamos o p-valor E se eu espero um determinado sinal? O teste não é mais bilateral... no exemplo da MI poderia supor que o coeficiente de PNBpc seja negativo. Então: H 0 : β 2 0 H 1 : β 2 < 0
25 Teste de significância geral da regressão amostral Testa se há uma relação linear entre o Y e as variáveis explicativas em conjunto H 0 : β 2 = β 3 = 0 É o mesmo que testar β 2 = 0 e β 3 = 0? Não! Usamos a mesma amostra para testar β 2 = 0 e β 3 = 0, portanto não são independentes P β 2 = 0 β 3 = 0 P β 2 = 0. P(β 3 = 0) P[ β 2 ± t α ep β 2 2, P[ β 3 ± t α ep β 2 3 ] (1 α)(1 α) Então, como testar β 2 = β 3 = 0?
26 A abordagem da ANOVA: teste F y i 2 = β 2 y i x 2i + β 3 y i x 3i + u i STQ SQE SQR β 2 y i x 2i + β 3 y i x 3i SQE F = 2 gl 2 = u i SQR n 3 gl Se distribui como a distribuição F, com 2 e n-3 graus de liberdade. Se β 2 = β 3 = 0 for verdadeira SQE e SQR serão muito próximos. O modelo não agrega explicação. Não se rejeitará H 0. Se SQE for muito maior que SQR rejeita-se H 0.
27 Significância geral de uma regressão múltipla Dado o modelo de regressão com k variáveis: Y i = β 1 + β 2 X 2i + β 3 X 3i + + β k X ki + u i Para testar a hipótese: H 0 : β 2 = β 3 =...= β k = 0 H 1 : nem todos os coeficientes angulares são simultaneamente iguais a zero F = SQE gl SQR gl = SQE (k 1) SQR (n k) Se F > F α (k-1,n-k), rejeite H 0. k =3 no caso de 3 variáveis (Y, X 2 e X 3 )
28 Significância geral de uma regressão múltipla Testes dos coeficientes individuais não substituem o teste geral da regressão linear múltipla. É possível ter regressão significativa como um todo com poucos ou nenhum coeficiente significativo individualmente. E também R 2 baixos em regressões com coeficientes significativos. Essa é uma situação comum em dados em corte transversal. O importante é a especificação correta do modelo, sinais corretos e significância estatística.
29 Relação entre R 2 e F F = F = R 2 = SQE SQT SQE (k 1) SQR (n k) n k k 1. F = F = = n k k 1. SQE SQR SQE STQ SQE n k k 1. R 2 1 R 2 R 2 (k 1) (1 R 2 ) (n k) SQT SQT
30 Relação entre R 2 e F F = R 2 (k 1) (1 R 2 ) (n k) R 2 = 0 => F = 0 => regressão não é significante R 2 = 1 => F =>
31 Quando acrescentar uma nova variável? F = (SQE novo SQE velho ) número de novos reg. SQE novo (n k) Se as variáveis dependentes dos modelos novo e antigo são as mesmas posso usar: F = 2 2 R novo R velho 2 1 R novo número de novos reg. n k
32 Quando acrescentar uma nova variável? 2 A prática de escolher modelo com R ajust mais alto não é adequada, pois não há certeza de que o aumento é significativo. 2 R ajust aumenta se t da nova variável é maior que 1, sendo t calculado sob a hipótese de que o coeficiente é igual a zero. 2 R ajust aumentará se t 2 = F for maior que 1
33 Quando acrescentar um grupo de variáveis? Quando F dado por F = for maior que 1. R2 2 novo R velho 2 1 R novo número de novos reg. n k
34 Teste da igualdade de dois coeficientes da regressão Y i = β 1 + β 2 X 2i + β 3 X 3i + β 4 X 4i + u i X 3 = renda, X 4 = riqueza, Y = demanda do bem H 0 : β 3 = β 4 => (β 3 - β 4 ) = 0 H 0 : β 3 β 4 => (β 3 - β 4 ) 0 t = β 3 β 4 (β 3 β 4 ) ep β 3 β 4 ep β 3 β 4 = var β 3 + var β 4 2cov( β 3, β 4 ) Onde obter as var e cov? Ver comandos em funcaocusto.txt
35 Mínimos quadrados restritos: teste das restrições de igualdade linear Função Cobb-Douglas β 2 β X 3 3i e u i Y i = β 1 X 2i Onde X 2 = insumo de mão de obra, X 3 = insumo de capital, Y = produção lny i = β 0 + β 2 lnx 2i + β 3 lnx 3i + u i Onde β 0 = lnβ 1 Se houver retornos constantes de escala = variação equiproporcional da produção para uma variação equiproporcional nos insumos β 2 + β 3 = 1
36 Mínimos quadrados restritos: teste das restrições de igualdade linear A abordagem do teste t: t = β 2 + β 3 (β 2 + β 3 ) ep β 2 + β 3 ep β 2 + β 3 = var β 2 + var β 3 + 2cov( β 2, β 3 )
37 Mínimos quadrados restritos: teste das restrições de igualdade linear A abordagem do teste F: F = SQR R SQR SR SQR SR n k m F = R 2 2 SR R R 2 1 R SR m n k
38 Mínimos quadrados restritos: teste das restrições de igualdade linear Como obter o modelo restrito? β 2 + β 3 = 1 β 2 1 = β 3 lny i = β 0 + (1 β 3 )lnx 2i + β 3 lnx 3i + u i lny i = β 0 + lnx 2i β 3 lnx 2i + β 3 lnx 3i + u i lny i lnx 2i = β 0 + β 3 (lnx 3i lnx 2i ) + u i ln Y i = β X 0 + β 3 ln X 3i + u 2i X i 2i Ver comandos em cobbdouglas.txt
39 Teste da estabilidade estrutural ou dos parâmetros nos modelos de regressão: Teste de Chow Quando empregamos um modelo de regressão que envolve o uso de séries temporais pode haver mudança dos coeficientes ao longo do tempo. Exemplos: (i) exportações no Brasil antes e depois da liberação do câmbio em 1999; (ii) demonstrações contábeis antes e depois do IFRS Como saber se há quebra de estrutura?
40 Teste de Chow Nada mais é que um teste de modelo restrito x modelo sem restrições Aqui o restrito é o que supõe que os coeficientes são iguais ao longo de todo o tempo Premissas: u 1t ~N 0, σ 2 u 2t ~N(0, σ 2 ) Distribuição Normal com mesma variância u 1t e u 2t têm distribuições independentes
41 Etapas do teste: Teste de Chow 1. Estima-se as regressões separadas 2. Estima-se a regressão para o período completo 3. Obtém-se os SQR (soma quad. resíduos) 4. Teste F SQR R SQR SR F = k ~ F SQR k,n1 +n 2 2k SR (n1 + n 2 2k) Ver comandos em pouprenda.txt
42 Advertências: Teste de Chow 1. As premissas devem ser respeitadas. É preciso verificar se as variâncias dos erros das regressão são iguais. 2. O teste não diz se a diferença entre as regressões decorre dos interceptos, coeficientes angulares ou de ambos. 3. O teste pressupõe que conhecemos o ponto de quebra estrutural. Ver comandos em pouprenda.txt
ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 8 Análise de Regressão Múltipla: o Problema da Inferência Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus,
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 6 Extensões do Modelo de Regressão Linear de Duas Variáveis Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus,
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 11 Heterocedasticidade: o que acontece se a variância do erro não é constante? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisAULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas
1 AULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas Ernesto F. L. Amaral 07 e 09 de dezembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisQuiz Econometria I versão 1
Obs: muitos itens foram retirados da ANPEC. Quiz Econometria I versão 1 V ou F? QUESTÃO 1 É dada a seguinte função de produção para determinada indústria: ln(y i )=β 0 + β 1 ln( L i )+β 2 ln( K i )+u i,
Leia maisAULA 09 Análise de regressão múltipla com informações qualitativas
1 AULA 09 Análise de regressão múltipla com informações qualitativas Ernesto F. L. Amaral 25 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Wooldridge,
Leia maisEPGE / FGV MFEE - ECONOMETRIA Monitoria 03-09/05/2008 (GABARITO)
EPGE / FGV MFEE - ECONOMETRIA Monitoria 03-09/05/2008 (GABARITO) Eduardo P. Ribeiro eduardopr@fgv.br Professor Ilton G. Soares iltonsoares@fgvmail.br Monitor 01. Use os dados em WAGE1 para estimar a seguinte
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisAULA 8 - MQO em regressão múltipla:
AULA 8 - MQO em regressão múltipla: Definição, Estimação e Propriedades Algébricas Susan Schommer Econometria I - IE/UFRJ Regressão Múltipla: Definição e Derivação A partir de agora vamos alterar o nosso
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 30 de abril e 02 de maio de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisAnálise de Regressão Múltipla: Mínimos Quadrados Ordinários
1 Análise de Regressão Múltipla: Mínimos Quadrados Ordinários Ernesto F. L. Amaral Magna M. Inácio 26 de agosto de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisAnálise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy)
Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy) 1 Como descrever informações qualitativas? Fatores qualitativos podem ser incorporados a modelos de regressão. Neste
Leia maisCE071 - Análise de Regressão Linear
CE071 - Análise de Regressão Linear Cesar Augusto Taconeli 30 de maio, 2018 Cesar Augusto Taconeli CE071 - Análise de Regressão Linear 30 de maio, 2018 1 / 21 Aula 7 - Regressão linear com covariáveis
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisComparando equações de regressão em dados de saúde
Comparando equações de regressão em dados de saúde Terezinha Aparecida Guedes*, Ivan Ludgero Ivanqui e Ana Beatriz Tozzo Martins Departamento de Estatística, Universidade Estadual de Maringá, Av Colombo,
Leia maisPARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES
PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES 2.1 DEFINIÇÃO DO MODELO DE REGRESSÃO SIMPLES Duas variáveis: y e x Análise explicar y em termos de x
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisEconometria. Econometria MQO MQO. Resíduos. Resíduos MQO. 1. Exemplo da técnica MQO. 2. Hipóteses do Modelo de RLM. 3.
3. Ajuste do Modelo 4. Modelo Restrito Resíduos Resíduos 1 M = I- X(X X) -1 X Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros
Leia maisVariáveis Dummy. y = b 0 + b 1 x 1 + b 2 x b k x k + u. Econometria II - Prof. Ricardo Freguglia
Variáveis Dummy y = b 0 + b 1 x 1 + b 2 x 2 +... b k x k + u 1 VARIÁVEIS DUMMY Variável dummy: variável que assume os valores 1 ou 0 Exemplos: masculino (= 1 se masculino, 0 caso contrário), sul (= 1 se
Leia maisECONOMETRIA. Prof. Danilo Monte-Mor
ECONOMETRIA Prof. Danilo Monte-Mor Econometria (Levine 2008, Cap. 13) ECONOMETRIA Aplicação da estatística matemática aos dados econômicos para dar suporte empírico aos modelos construídos pela economia
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia maisEPGE / FGV MFEE - ECONOMETRIA. Monitoria 01-18/04/2008 (GABARITO)
EGE / FGV MFEE - ECONOMETRIA Monitoria 01-18/04/008 (GABARITO) Eduardo. Ribeiro eduardopr@fgv.br ofessor Ilton G. Soares iltonsoares@fgvmail.br Monitor Tópicos de Teoria: 1. Hipóteses do Modelo Clássico
Leia maisEconometria VIOLAÇÃO DE HIPOTESES & EXTENSÕES DO MODELO DE REGRESSÃO ECONOMETRIA -MESTRADO 1
Econometria VIOLAÇÃO 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
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisAULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância)
AULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância) Susan Schommer Econometria I - IE/UFRJ Variância dos estimadores MQO Vamos incluir mais uma hipótese: H1 [Linear nos parâmetros]
Leia maisEconometria I Lista 4: Inferência
Econometria I Lista 4: Inferência Professora: Fabiana Fontes Rocha Monitora: Camila Steffens 07 de maio de 2018 Instruções: Objetivos com a lista: estruturação do conteúdo e compreensão da matemática e
Leia maisAULAS 20 E 21 Análise de regressão múltipla: problemas adicionais
1 AULAS 20 E 21 Análise de regressão múltipla: problemas adicionais Ernesto F. L. Amaral 08 e 13 de novembro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à
Leia maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 4 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisAULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado)
AULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado) Susan Schommer Econometria I - IE/UFRJ Valor esperado dos estimadores MQO Nesta aula derivamos o valor esperado dos estimadores
Leia maisAULA 19 E 20 Análise de Regressão Múltipla: Problemas Adicionais
1 AULA 19 E 20 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 19 e 24 de maio de 2011 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA
1 UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA Professor: Ernesto Friedrich de Lima Amaral Disciplina: Avaliação
Leia maisEstatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE CIÊNCIAS CONTÁBEIS PROGRAMA DE PÓS GRADUAÇÃO EM CIÊNCIAS CONTÁBEIS - PPGCC FICHA DE DISCIPLINA
FICHA DE DISCIPLINA Disciplina Métodos Quantitativos II Código PPGCC Carga Horária 60 Créditos 4 Tipo: Optativa OBJETIVOS Discutir com os alunos um conjunto de instrumentos estatísticos de pesquisa, necessários
Leia maisCorrelação e Regressão
Correlação e Regressão Exemplos: Correlação linear Estudar a relação entre duas variáveis quantitativas Ou seja, a força da relação entre elas, ou grau de associação linear. Idade e altura das crianças
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisGabarito Trabalho 1. onde 1 refere-se ao salário quando a variável branco = 1. Teremos, então:
Professor: Eduardo Pontual Monitor: Tiago Souza Econometria MFEE Gabarito Trabalho 1 Exercício 1 Queremos estimar a diferença salarial entre trabalhadores brancos e não brancos. Assim, calcularemos a diferença
Leia maisAnálise de Regressão Linear Múltipla III
Análise de Regressão Linear Múltipla III Aula 6 Hei et al., 4 Capítulo 3 Suposições e Propriedades Suposições e Propriedades MLR. O modelo de regressão é linear nos parâmetros O modelo na população pode
Leia maisCap. 13 Correlação e Regressão
Estatística Aplicada às Ciências Sociais Sexta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC, 2006 Cap. 13 Correlação e Regressão Correlação X e Y variáveis quantitativas X Y Correlação
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisMétodos de Previsão Problem Set 2
Métodos de Previsão Problem Set 2 Exercício 1: Indique a Expressão do coeficiente de determinação corrigido ou ajustado R 2 e explique a importância do seu cálculo, comparando-o com o R 2. O R 2 representa
Leia maisRegressão múltipla: problemas adicionais. Unidades de medida. Unidades de medida. Unidades de medida salário em dólares (*1000) Unidades de medida
Regressão múltipla: problemas adicionais y = β 0 + β x + β x +... β k x k + u Capítulo 6: 6., 6. Capítulo 7: 7., 7. Efeitos da dimensão dos dados nas estatísticas MQO Alterando a escala de y levará a uma
Leia maisRegressão múltipla: Unidades de medida. Unidades de medida. Unidades de medida salário em dólares (*1000) Unidades de medida
Efeitos da dimensão dos dados nas estatísticas MQO Regressão múltipla: y = β 0 + β x + β x +... β k x k + u Alterando a escala de y levará a uma correspondente alteração na escala dos coeficientes e dos
Leia maisMestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007
Projeções de Séries S Temporais Econometria dos Mercados Financeiros Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007 Objetivo do curso
Leia maisAULA 07 Análise de Regressão Múltipla: Problemas Adicionais
1 AULA 07 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 24 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisAULAS 21 E 22 Análise de Regressão Múltipla: Estimação
1 AULAS 21 E 22 Análise de Regressão Múltipla: Estimação Ernesto F. L. Amaral 28 de outubro e 04 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação
Leia maisAULAS 20 E 21 Modelo de regressão simples
1 AULAS 20 E 21 Modelo de regressão simples Ernesto F. L. Amaral 22 e 24 de outubro de 2013 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem moderna.
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
Leia maisGabarito e resolução da prova de seleção PPGE FURG Estatística
Gabarito e resolução da prova de seleção PPGE FURG 2019. Questão 1) Resposta: letra c) i. (FALSO) Estatística Variáveis de interação sempre podem ser incluídas mos modelos de regressão, se isso não gerar
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisAULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância)
AULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância) Susan Schommer Econometria I - IE/UFRJ Variância dos estimadores MQO Vamos incluir mais uma hipótese: H1 [Linear nos parâmetros]
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisAULA 26 Análise de Regressão Múltipla: Problemas Adicionais
1 AULA 26 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 10 de novembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Introdução Teoria Econômica Inferência Estatística Matemática Fenômenos Econômicos Teoria Econômica Teoria Microeconômica Preço Demanda Mas quanto????
Leia maisHomocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Leia maisEstatística Aplicada II. } Correlação e Regressão
Estatística Aplicada II } Correlação e Regressão 1 Aula de hoje } Tópicos } Correlação e Regressão } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática,
Leia maisRESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Leia maisUso da linguagem R para análise de dados em ecologia
Uso da linguagem R para análise de dados em ecologia Objetivo da aula Apresentar os princípios básicos de modelagem numérica em Biologia. Modelagem numérica em Biologia O que é um modelo? Uma representação,
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisAULAS 25 E 26 Heteroscedasticidade
1 AULAS 25 E 26 Heteroscedasticidade Ernesto F. L. Amaral 10 e 15 de junho de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisAULA 11 Heteroscedasticidade
1 AULA 11 Heteroscedasticidade Ernesto F. L. Amaral 30 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisDefinição Há correlação entre duas variáveis quando os valores de uma variável estão relacionados, de alguma maneira, com os valores da outra variável
Correlação Definição Há correlação entre duas variáveis quando os valores de uma variável estão relacionados, de alguma maneira, com os valores da outra variável Exemplos Perímetro de um quadrado e o tamanho
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS quantidade São Paulo (j = 1) Rio de Janeiro (j = 2) Minas Gerais (j = 3) Rio Grande do Sul (j = 4) total casos novos (X, em milhões) casos pendentes (Y, em milhões) processos
Leia maisPaulo Jorge Silveira Ferreira. Princípios de Econometria
Paulo Jorge Silveira Ferreira Princípios de Econometria FICHA TÉCNICA TÍTULO: Princípios de Econometria AUTOR: Paulo Ferreira ISBN: 978-84-9916-654-4 DEPÓSITO LEGAL: M-15833-2010 IDIOMA: Português EDITOR:
Leia maisProcedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro
Leia maisNoções sobre Regressão
Noções sobre Regressão Nos interessa estudar como uma variável varia em função de outra. Por exemplo, considere a questão de demanda e preço de bens. Quando se estuda a variação de uma variável Y em função
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisAnálise de Regressão Linear Múltipla. Wooldridge, 2011 Capítulo 3 tradução da 4ª ed.
Análise de Regressão Linear Múltipla Wooldridge, 2011 Capítulo 3 tradução da 4ª ed. Introdução Como pode ser visto anteriormente, o modelo de regressão linear simples, com uma variável explicativa (regressor),
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisa) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%
0. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisAULA 17 - Variáveis binárias
AULA 17 - Variáveis binárias Susan Schommer Econometria I - IE/UFRJ Variáveis binárias A variável binária (ou dummy) é um simples exemplo de variável aleatória, o qual é chamada de função indicadora de
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisEconometria. Regressão Linear Simples Lista de Exercícios
Econometria Regressão Linear Simples Lista de Exercícios 1. Formas funcionais e coeficiente de explicação Um corretor de imóveis quer compreender a relação existente entre o preço de um imóvel e o tamanho,
Leia maisCASUALIDADE E ELASTICIDADE DE TRANSMISSÃO DO TOMATE NO ESTADO DO CEARÁ 1995 A Palavras-chave: Casualidade, Elasticidade de Transmissão, Tomate.
CASUALIDADE E ELASTICIDADE DE TRANSMISSÃO DO TOMATE NO ESTADO DO CEARÁ 1995 A 2002 Francisco José Silva Tabosa Denise Michele Furtado da Silva Clóvis Luis Madalozzo Robério Telmo Campos Resumo: O tomate
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisEstatística aplicada ao Melhoramento animal
Qual é a herdabilidade para uma característica? Qual é a variabilidade de desempenho para essa característica? Selecionando para a característica X, característica Y será afetada? Como predizer os valores
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisCoeficiente de determinação R 2 no modelo de regressão linear normal
Coeficiente de determinação R 2 no modelo de regressão linear normal Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br
Leia maisRegressão Linear Simples
Regressão Linear Simples Capítulo 16, Estatística Básica (Bussab&Morettin, 8a Edição) 10a AULA 18/05/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 10a aula (18/05/2015) MAE229 1 / 38 Introdução
Leia maisAULA 03 Análise de regressão múltipla: estimação
1 AULA 03 Análise de regressão múltipla: estimação Ernesto F. L. Amaral 17 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Cohen, Ernesto, e Rolando Franco.
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisEconometria - Lista 6
Econometria - Lista 6 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 A curva de Phillips desempenha um papel fundamental na
Leia mais