Notas de Aulas Econometria I ** Eduardo P. Ribeiro, 2011 PARTE II
|
|
- Mariana Lopes Leveck
- 5 Há anos
- Visualizações:
Transcrição
1 Notas de Aulas Econometria I ** Eduardo P Ribeiro, 0 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ρ ε t- + υ t, onde υ t é ruído branco) Neste caso E(εε )=Ω σ I, Como esta hipótese é importante para demonstrar que V(b)=σ (X X) -, se violarmos a hipótese de independência dos erros, os pacotes estatísticos irão errar no cálculo do desvio padrão dos coeficientes e errar nos valores dos testes de hipótese Este é o principal problema da autocorrelação O estimador de MQO ainda irá gerar estimativas não viesadas, embora não mais eficientes (supondo a ordem de autocorrelação) Na verdade, V(b) = (X X) - X ΩX(X X) -, onde Ω é uma matriz complexa (desenvolvida abaixo) Para identificar o problema, é necessário fazer testes de especificação Este é o diagnóstico Os testes mais comuns são os de Durbin-Watson e de Breush-Godfey Para entender o teste, vamos especificar uma forma de classificação dos erros autorregressivos Há o caso geral de ε t = ρ ε t- +ρ ε t- + +ρ p ε t-p + υ t chamado de modelo autoregressivo de ordem p (AR(p)) A regressão é sem constante, pois mantém-se a hipótese de que E[ε t ]=0 Para o caso especial de p=, o modelo AR() para a variável ε t é dado por ε t = ρ ε t- + erro, e a ausência de autocorrelação está associado ao parâmetro ρ: autocorrelação, => Ho: ρ = 0 H 0 : não há O teste de DW tem uma tabela específica, e o teste é calculado por T ( et et ) DW = t= ~ ( r) T t= et onde r = Σ T t=(e t - e t- ) /(Σ Τ t=e t- ), ou seja, o coeficiente de uma regressão do resíduo em função do resíduo defasado um período A regra de decisão é :Rejeitamos Ho se DW < D (Lower); Aceitamos Ho se DW > D (Upper) e Inconclusivo se D (lower) < DW < D (upper), onde D(upper) e D(lower) são os valores tabulados Para o teste de Breusch-Godfrey, estimamos uma regressão do resíduo contra o residuo defasado p vezes e as explicativas e fazemos um teste F para significância dos coeficientes angulares dos resíduos defasados Obs: se as explicativas não incluem a dependente defasada Y t-, então o teste pode ser calculado da regressão de e t contra e t-,, e t-p apenas e pode-se usar o F de significância da regressão ** OBS: Notas de aulas para o curso de Econometria I MFEE 0 Estas notas de aula servem para orientação do estudo apenas Este material não substitui a presença em sala de aula nem reproduz todo o conteúdo do curso As obras de referência para o material aqui apresentado estão citadas no programa do curso Material sujeito a revisão
2 Para entender melhor a matriz de variância-covariância, tomemos o caso de um modelo de regressão com erros AR(): Y = X β + ε, com ε t = ρ ε t- + u t, onde u t ~ iid (0, σ ) Temos que b = (X X) - X Y, como sempre, mas V(b) σ (X X) - e na verdade, V(b) = (X X) - X ΩX(X X) -, onde ε ε ε ε ε ε ε Ω = E [εε ] = E ε nε ε ε n n ρ Ω = σ u/(- ρ ) T ρ ρ ρ T ρ T ρ T ρ ρ As soluções para obter boas estimativas de β e estimativas de V(b) corretas são: - o uso de uma matriz de variância-covariância que acomoda a Autocorrelação (também chamada matriz de Newey-West, e apresentada como opção no Eviews na estimação por LS); OU - o uso de MQG, através de transformação das variáveis explicativas e explicada Ou seja, como em heterocedasticidade, o problema de MQ é Min (Y - Xβ) Ω - (Y - Xβ), que gera estimativas b GLS = (X Ω - X) (X Ω Y), com V(b GLS ) = (X Ω - X) - Estas podem ser obtidas através de b GLS = (X * X * ) - (X * Y * ), onde X * = PX Y * = PY e onde P P=Ω Para o caso de autocorrelação de primeira ordem (para regressão simples) ( r) X * ( r) = ( r) x x 3 rx rx x T rx T y ry Y * = y T ry T + O método de Máxima Verossimilhança, que envolve uma estimação não linear do modelo de regressão com autocorrelação - E por fim, a Transformação do Modelo de Regressão Tomando o exemplo de regressão simples, y t = α + β x t + ε t e ε t = ρ ε t- + u t ( ) onde u t ~ iid (0, σ ) e t =,, T Substituindo ε t = y t - α - β x t na segunda equação, temos: y t α β x t = ρ (y t- α β x t- ) + u t
3 (*)y t = α( ρ) + ρ y t- + β x t ρ β x t- + u t (**)y t = α + ρ y t- + β 0 x t β x t- + u t O erro do modelo (**) é independentes no tempo, ie, não tem autocorrelação Por isto, podem ser estimado por MQO sem problemas O modelo (**) é chamado ADL(,) Autoregressive Distributed Lag de ordem e Note que se β = ρ β 0, o modelo (*) pode ser escrito como ( ), sendo então o modelo de regressão com autocorrelação de ª ordem um caso especial de um modelo mais geral, ADL(,) Interpretação dos coeficientes no modelo ADL(,): E [y t y t-, x t, x t- ] = α + ρ y t- + β 0 x t β x t- E [y t ]/ x t = β 0 (curto prazo) lim T-> E [y t ]/ x t = (β 0 + β )/( ρ) (longo prazo), onde ρ < Para entender, lembre-se que, no steady-state (longo prazo), y t = y t- = = y e x t = x t- = = x na média da regressão Substituindo na expressão da média condicional, y = α +ρ y+ β 0 x β x, temos y = α/( ρ) + (β 0 + β )x/( ρ) O teste de COMFAC (common factor) é um teste para avaliar se um modelo dinâmico ADL(,), isto é, (**), pode ser escrito como um modelo estático com erro autoregressivo, isto é, (*) O modelo autoregressivo (onde COMFAC é válido, isto é β = ρ β 0 ) apresenta uma peculiaridade em relação aos efeitos de curto e longo prazo [qual?] Esta peculiaridade nos permite identificá-los O teste COMFAC é não linear e recomenda-se que seja feito via um teste de razão de verossimilhança Q= [loglik ADL(p,p) loglik AR(p) ], que segue uma distribuição qui-quadrado com p graus de liberdade O teste é similar ao teste F de significância, mas com uma justificativa de grandes amostras Muito freqüentemente, séries econômicas apresentam forte autocorrelação, associadas a presença de tendências ou demora para reversão à média de longo prazo Nestes casos (de séries não estacionárias), os modelos de regressão apresentam erros com fortíssima autocorrelação No caso extremo ρ =, ou seja o processo autoregressivo apresenta raiz unitária Esta forte autocorrelação pode levar a conclusões de inferência errônea, pois os estimadores apresentam distribuição limite diferentes da Normal Desta forma, deve-se testar, além da presença de autocorrelação, a ausência de autocorrelação extrema, através do teste de co-integração dos resíduos de uma regressão com séries com tendência O teste de cointegração possui uma tabela específica, apresentada por Engle e Granger (ganhadores do prêmio Nobel em Economia) Se o teste de não-cointegração não for rejeitado, deve-se estimar o modelo com as variáveis em diferenças (taxas de variação) y t = α + β x t + ε t e ε t = u t (FD) O Eviews estima o modelo (*) através de Mínimos Quadrados não Lineares 3
4 Se o teste de não-cointegração for rejeitado, deve-se estimar o modelo na forma de modelo de correção de erros y t = α + β x t + ε t e ε t =(ρ )ε t- + u t y t = α + β x t + (ρ )ε t- + u t y t = α + β x t + γ ( y t- α β x t- ) + u t (ECM) Recentemente, McCallum (00) defendeu que os modelos (**) ou ( ) podem ser usado com pequeno erro, em relação ao modelo ECM ou FD Obs: O caso geral de ADL(p,q) é Y t = α + ρ Y t- + + ρ p Y t-p + β X t + + β q X t-q + u t 4
5 Heterocedasticidade Heterocedasticidade: violação da hipótese do MCRL: V [ε i X] = σ, erros têm variância constante Agora, V [ε i X] = σ i = f(γ 0 + γ z i + + γ pz pi ) Como esta hipótese é importante para demonstrar que V(b)=σ (X X) -, se violarmos a hipótese de homocedasticidade, os pacotes estatísticos irão errar no cálculo do desvio padrão dos coeficientes e errar nos valores dos testes de hipótese Este é o problema da heterocedasticidade O estimador de MQO ainda irá gerar estimativas não viesadas e consistentes Na verdade, V(b) = (X X) - X ΩX(X X) -, onde Ω é uma matriz diagonal com elemento da diagonal igual a σ i Para identificar o problema, é necessário fazer testes de especificação Este é o diagnóstico Os testes mais comuns são os de White e de Breush- Pagan, que são equivalentes, a grosso modo O teste busca avaliar a heterocedasticidade, através de um teste de H 0 :homocedasticidade; H a :heterocedasticidade ou H 0 : γ ==γ p =0 no modelo para a variânica O teste supõe que f( ) acima é linear, que uma estimativa de σ i pode ser dada por e i Os testes diferem pela hipótese de z: alguns usam as variáveis x, outros usam as variáveis x e seus quadrados Uma vez identificado o problema de heterocedasticidade, a solução têm duas formas Primeiro, o uso de uma matriz de variância-covariância dos coeficientes ajustada para heterocedasticidade (a chamada Matriz de White) que é uma estimativa de V(b) = (X X) - X ΩX(X X) -, implementada nos softwares como uma opção robust na estimação Segundo a transformação das variáveis explicativas e explicadas, para obter, de modo indireto, estimativas por mínimos quadrados generalizados (MQG ou GLS em inglês) O problema de MQG é obter estimativas de β, tal que, dado E(εε )=Ω, MQG: Min β Σε t w t ou Min (Y - Xβ) Ω - (Y - Xβ) b GLS = (X Ω - X) - (X Ω Y) com V(b GLS ) = (X Ω - X) - b GLS pode ser calculado através de transformação das explicativas e explicadas, tal que b GLS = (X * X * ) - (X * Y * ), onde X * = PX Y * = PY e onde P P = Ω Para o caso de heterocedasticidade, a sugestão é multiplicar cada observação por (/s i ), onde s i é obtido a partir da estimação da equação do teste de White/Breush-Pagan, em um processo interativo Todavia, é possível demonstrar que este método de MQG factível gera estimativas viesadas, embora consistentes, quando temos o caso usual de σ i desconhecido O melhor é a estimação por Máxima Verossimilhança, se sabemos a distribuição dos erros (em geral, suposta Normal) e a forma da heterocedasticidade (em geral linear na variância) Multicolinearidade 5
6 Multicolinearidade Perfeita: violação da hipótese As variáveis explicativas X,,X k não são combinações lineares entre si Em outras palavras, o posto da matriz X não é k+ Neste caso, não é possível obter estimativas por MQO Multicolinearidade: altíssima correlação entre variáveis explicativas Isto não gera estimativas viesadas ou altera a forma da matriz de variância-covariância Mas infla os desvios padrões de cada coeficiente (pela matriz (X X) - ter termos muito grandes) Este é o problema da multicolinearidade Com isto, passa a ser comum ter (pares) de coeficientes com estatísticas t pequenas, mas com testes F conjuntos de exclusão rejeitados Este é o sintoma de multicolinearidade Outro modo de identificar, seria através do cálculo do FIV(b k )=/( R k ), o fator de inflação da variância de um parâmetro b k e onde R k é o coeficiente de determinação da regressão de x k em x,, x k- Se este for alto, é possível que o problema da multicolinearidade esteja presente Diz-se possível, pois um alto FIC não é condição necessária nem suficiente para o problema de multicolinearidade, já que pode-se demonstrar que V(b k )=σ /(S kk ( R k )), onde S kk = Σ(x ki m xk ), O que ocorre é que há duas variáveis explicativas com o mesmo conteúdo informacional (variabilidade similar, ie, altamente correlacionada) Com isto, o método de mínimos quadrados não consegue distinguir entre os efeitos diretos e indiretos das variáveis Embora haja soluções ditas ad-hoc como o método de ridge regression e o uso de análise fatorial, talvez o mais razoável seja pensarmos no problema e identificarmos qual variável (dentre aquelas que tem, na prática, a mesma informação) é a mais importante e/ou a mais representativa Dados em Painel Muitas vezes, os modelos teóricos indicam que os modelos econométricos apresentam heterogeneidade, ou seja, os parâmetros variam de empresa a empresa ou pessoa a pessoa Nesta situação, dados em cross-section nos permitem estimar apenas os efeitos médios Ou seja, se y i = α i + β i x i no modelo teórico, podemos fazer a hipótese de efeitos médios α i = α + υ αi e β i = β + υ βi, onde os erros υ αi e υ βi têm média zero e são independentes Com isto temos um modelo de regressão heterocedástico y i = α + β x i + v i, onde v i = υ αi + υ βi x i Este modelo pode ser considerado muito restritivo, pois supõe que as diferenças de coeficientes não influenciam as escolhas das pessoas ou empresas, ou seja, E(υ αi x i )=0, E(υ βi x i )=0 Além disso, a estimação do modelo completo exigiria muitas observações por empresa ou pessoa (i), para permitir rodar uma regressão para cada i Um modelo intermediário nas hipóteses seria aquele em que há heterogeneidade na constante O mesmo pode ser estimado com dados em painel, ou seja um conjunto de 6
7 dados com várias unidades observadas durante um período de tempo curto Assim, o modelo ficaria na forma y it = β x it + α i + ε it, i=,,n e t=,,t As vantagens deste modelo é que ele permite controlar diferenças entre as unidades pesquisadas (empresas ou pessoas) de modo simples Este controle pode ser importante pois existem algumas características individuais que são correlacionadas com as explicativas Como temos mais de uma observação por pessoa, a regressão pode ser calculada utilizando dummies para cada pessoa (LSDV), ou seja, y it = β x it + Σ i δ i d it + ε it, i=,,n e t=,,t onde a dummy d it = se i=j e 0 caso contrário Este é o chamado modelo de efeitos fixos Pode parecer que o uso das dummies gera muitos parâmetros, mas como em geral temos NT observações, colocar as dummies nos deixa com N(T-)-k graus de liberdade Com n=50 e T=0 e três explicativas, mesmo com as dummies, ainda temos 447 graus de liberadade Outra vantagem do modelo de efeitos fixos é que na verdade estimamos os coeficientes avaliando o que acontece com as unidades ao longo do tempo Descartamos do modelo as diferenças entre unidades Estas diferenças entre unidades, utilizadas em crosssection para calcular os coeficientes, em geral são contaminadas por causalidade reversa Na análise em painel é importante perceber que SQT = SQW + SQB + SQR, onde SQT=Σ i Σ t (y it y**), SQW=Σ i Σ t (y it y i *), SQB=Σ i Σ t (y i * y**) e SQR=Σ i Σ t (e i ) Em palavras, a variação nos dados (SQT) se divide em variação intra unidades (ao longo do tempo, SQW), variação entre unidades (cross-section, SQB) e variação residual (SQR) Além do modelo de efeitos fixos, há o modelo de efeitos aleatórios, que pressupõe que o componente individual seja não correlacionado com as explicativas A estimação é por MQG O uso de mais um cross-section permite que efeitos temporais, além de variáveis que indicam diferenças entre unidades, sejam avaliados na regressão O uso de dados em painel também gera estimativas mais eficientes do que aquelas em crosssection, pois usam mais informação E quando o horizonte temporal é curto, permite avaliar efeitos temporais, sob certas hipóteses, mesmo que uma regressão de série de tempo apenas tenha muito poucos graus de liberadade 7
Notas de Aulas Econometria I ** Eduardo P. Ribeiro, 2010 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 00 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ε t- + υ t, onde υ t é ruído
Leia maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 6 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
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 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 maisCorrelação Serial e Heterocedasticidade em Regressões de Séries Temporais. Wooldridge, Cap. 12
Correlação Serial e Heterocedasticidade em Regressões de Séries Temporais Wooldridge, Cap. 1 Porto Alegre, 11 de novembro de 010 1 CORRELAÇÃO SERIAL Ocorrência Conseqüência Análise gráfica Autocorrelação
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 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 maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
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 maisSegundo Trabalho de Econometria 2009
Segundo Trabalho de Econometria 2009 1.. Estimando o modelo por Mínimos Quadrados obtemos: Date: 06/03/09 Time: 14:35 Sample: 1995Q1 2008Q4 Included observations: 56 C 0.781089 0.799772 0.97664 0.3332
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 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 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 maisRevisão do MRLM - Análise "Cross-Section"
Revisão do MRLM - Análise "Cross-Section" APLICAÇÕES DE ECONOMETRIA Notas Práticas FEUC - 1 o Sem. 2010/2011 Vítor Castro (Notas Práticas) MRLM - Revisão FEUC - 1 o Sem. 2010/2011 1 / 13 Análise "Cross-Section"
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 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 maisTeste de Homocedasticidade.
Teste de Homocedasticidade. Aula 4 Gujarati, 000, Capítulo Heij et al., Seção 5.4 Wooldridge, 0 Capítulo 8 (seções 8. a 8.4) HETEROCEDASTICIDADE Essa aula objetiva responder às seguintes perguntas: Qual
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 maisTestes de Raiz Unitária para Dados em Painel
Aula 7 Bibliografia: Stata, 2017. help xtunitroot. From Stata/SE 13 (accessed on Oct. 23, 2018). Pesaran, M.H. (2015). Time series and panel data econometrics. Oxford: Oxford University Press. Rafael S.
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 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 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 IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
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 maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 12
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 12 Regressão com Variáveis Não-Estacionárias Considere três processos estocásticos definidos pelas seguintes
Leia maisEconometria. Econometria: Paradigma. Porque usar econometria? Porque usar econometria?
Econometria: Paradigma Econometria 1. O Paradigma da Econometria 19/8 Fundamentos teóricos Microeconometria e macroeconometria Modelagem comportamental: otimização, oferta de trabalho, equações de demanda,
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 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 maisGabarito Trabalho 2. Variable Coefficient Std. Error t-statistic Prob.
Gabarito Trabalho 2 1. Estimando o modelo Date: 06/10/10 Time: 04:00 Sample: 2003M01 2008M01 Included observations: 70 C -2.046423 5.356816-0.382022 0.7038 LN_IPC_BR 2.041714 1.150204 1.775089 0.0811 LN_IPC_AR
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 maisProva de Estatística
Prova de Estatística 1. Para um número-índice ser considerado um índice ideal, ele precisa atender duas propriedades: reversão no tempo e o critério da decomposição das causas. Desta forma, é correto afirmar
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 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 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 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 maisEconometria. Séries Temporais Lista de Exercícios
Econometria Séries Temporais Lista de Exercícios 1. Estimação da Autocovariância e da Autocorrelação Tome a série de dados da planilha estimacao.xlsx e estime o que se pede sobre a série de tempo dada.
Leia maisEconometria Semestre
Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia maisFICHA DE DISCIPLINA/PROGRAMA
Programa de Pós-Graduação em Economia Mestrado/Doutorado Av. João Naves de Ávila, nº 2121 Campus Stª Mônica Bloco J. CEP 38.400-902 Uberlândia/MG. Telefax: (034) 3239-4315 E-Mail: ppge@ufu.br FICHA DE
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
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 maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia mais(iv) Ausência de correlação serial nos erros, dados dois valores quaisquer de X, X i e X j (i j), a correlação entre ε i e ε j é zero,, /,
4 Metodologia O método de estimação por mínimos quadrados está fundamentado em algumas premissas, que são necessárias para realizar inferências estatísticas sobre a variável dependente Y. As principais
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 maisAULA 13 Análise de Regressão Múltipla: MQO Assimptótico
1 AULA 13 Análise de Regressão Múltipla: MQO Assimptótico Ernesto F. L. Amaral 15 de abril de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução
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 maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisM l u t l i t c i oli l n i e n arid i a d de
Multicolinearidade 1 Multicolinearidade Quando existem relação linear exata entre as variáveis independentes será impossível calcular os estimadores de MQO. O procedimento MQO utilizado para estimação
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 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 maisAula 4. Wilson Correa. August 5, 2015
Aula 4 Raíz Unitária e Cointegração Wilson Correa August 5, 2015 Introdução e Implicações Não estacionariedade possui possivelmente diversas origens em economia como resultado do progresso tecnológico
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisAnálise de Regressão Linear Múltipla IX
Análise de egressão Linear Múltipla I Aula Gujarati e Porter - Capítulo 8 Wooldridge - Capítulo 5 Heij et al., 004 Seção 4..4 Introdução Ao longo dos próximos slides nós discutiremos uma alternativa para
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 maisFACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP. Lista 7 - Econometria I
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP São Paulo - Nov/2017 Lista 7 - Econometria I Professora: Paula Pereda EAE0324 Monitores: Bernardo Ostrovski e Igor Barreto ALUNO: ATENÇÃO: A
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. 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 maisEVOLUÇÃO DA DÍVIDA PÚBLICA MOBILIÁRIA FEDERAL INTERNA NO BRASIL DE 1995 A 2002
EVOLUÇÃO DA DÍVIDA PÚBLICA MOBILIÁRIA FEDERAL INTERNA NO BRASIL DE 1995 A 2002 Vanessa Lucas Gonçalves 1 Sérgio Luiz Túlio 2 RESUMO Este artigo tem por objetivo analisar a evolução da Dívida Pública Mobiliária
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Áreas
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Áreas Áreas Na análise de áreas o atributo estudado é em geral resultando de uma contagem ou um
Leia maisNome: Número: Espaço reservado para classificações
Instituto Superior de Economia e Gestão Universidade de Lisboa Licenciaturas em Economia e em Finanças Econometria - Época Normal - 07/01/2015 Duração 2 horas Nome: Número: Notas: A utilização do telemóvel
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 maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
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 maisEconometria - Lista 5
Econometria - Lista 5 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 Utilizando a base de dados disponível em TEMCOPROD.wtf1,
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
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 maisECONOMETRIA. 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 maisAula 6. Modelo de Correção de Erros Vetorial. Wilson Correa. August 23, Wilson Correa August 23, / 16
Aula 6 Modelo de Correção de Erros Vetorial Wilson Correa August 23, 2017 Wilson Correa August 23, 2017 1 / 16 Equações Simultâneas e Modelos VAR/VEC Frequentemente o interesse em economia é centrado na
Leia maisFACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP. Exercícios Revisão
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP São Paulo - Nov/2017 Exercícios Revisão Professora: Paula Pereda EAE0324 Monitores: Bernardo Ostrovski e Igor Barreto Page 1 of 16 Exercícios
Leia maisMODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013
MODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013 Maria José CharfuelanVillarreal Universidade Federal do ABC OBJETIVO Identificar
Leia maisModelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
Leia maisINTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
Leia maisAGOSTO 2017 INTERPRETAÇÃO DE RESULTADOS ESTATÍSTICOS EM MODELOS DE REGRESSÃO MÚLTIPLA
Sérgio Antão Paiva AGOSTO 2017 INTERPRETAÇÃO DE RESULTADOS ESTATÍSTICOS EM MODELOS DE REGRESSÃO MÚLTIPLA ENFOQUE DA COMPARAÇÃO Princípio da semelhança: numa mesma data, dois bens semelhantes, em mercados
Leia maisEconometria I Lista 2: modelo de regressão linear clássico e regressão simples
Econometria I Lista 2: modelo de regressão linear clássico e regressão simples Professora: Fabiana Fontes Rocha Monitora: Camila Steffens 19 de março de 2018 Instruções: Objetivos com a lista: estruturação
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisEstimação e Modelagem de Volatilidade - Eduardo Ribeiro 1
Discutiremos agora diferentes métodos de estimação de volatilidade de ativos. Volatilidade pode ser entendido como o risco de um ativo (retorno incerto). Volatilidade é chave para precificar opções e calcular
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 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 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 maisEstimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios. Wooldridge, Cápítulo 15
Estimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios Wooldridge, Cápítulo 5 Variáveis Instrumentais () 2 Variáveis Instrumentais Considere o seguinte modelo de regressão linear múltipla
Leia maisGabarito - Lista 5 - Questões de Revisão
Gabarito - Lista 5 - Questões de Revisão Monitores: Camila Steffens e Matheus Rosso Parte I - Teoria assintótica 1. Enuncie a lei dos grandes números e o teorema central do limite. A LGN em sua expressão
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisInstituto Superior de Economia e Gestão Universidade de Lisboa Econometria Época Normal 08/06/2017 Duração 2 horas
1 NOME: Instituto Superior de Economia e Gestão Universidade de Lisboa Econometria Época Normal 08/06/2017 Duração 2 horas Espaço Reservado para Classificações A utilização de qualquer meio de telecomunicação
Leia maisMulticolinariedade e Autocorrelação
Multicolinariedade e Autocorrelação Introdução Em regressão múltipla, se não existe relação linear entre as variáveis preditoras, as variáveis são ortogonais. Na maioria das aplicações os regressores não
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 maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
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 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 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 maisRenda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisECONOMETRIA I. I (11 valores)
Faculdade de Economia Universidade Nova de Lisboa ECONOMETRIA I Exame de 1ª Época 14 de Janeiro de 2005 Duração: 2 horas I (11 valores) Com base numa amostra aleatória de 88 alunos que fizeram o exame
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 9 Modelos de Regressão com Variáveis Binárias Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Variáveis
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 maisGabarito da 1 a Lista de Exercícios de Econometria II
Gabarito da 1 a Lista de Exercícios de Econometria II Professor: Rogério Silva Mattos Monitor: Delano H. A. Cortez Questão 1 Considerando que o modelo verdadeiro inicialmente seja o seguinte: C = a + 2Y
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 mais