1) O documento discute o problema da inferência na regressão múltipla, incluindo testes de hipóteses sobre os coeficientes e o uso da estatística F.
2) É mostrado um exemplo com dados de mortalidade infantil, onde os coeficientes são testados individualmente usando o teste t e conjuntamente usando o teste F.
3) A análise da contribuição incremental de cada variável é discutida por meio da decomposição da soma dos quadrados do modelo.
Analise de Regressão Linear Modelo Linearizável - Veja como linearizar alguns modelos - Resolução de duas questões de Estatística da Cebraspe: MPU/2013 e STM/2018.
Aula de Métodos e Técnicas de Análise da Informação para Planejamento, julho de 2017, UFABC
Apresentação disponível em: https://youtu.be/7w7LODmYzy4
Bases de dados disponíveis em: https://app.box.com/s/4yl70hj73c9mqyh1jb0l8skics4xf8i1
Análise de Regressão Linear - Pressupostos do Modelo de regressão linear simples. Nessa aula você verá a importância dos pressupostos na modelagem estatística. Você verá como
é importante um modelo que atenda bem às premissas a fim de que se possa fazer boas inferências estatística. Verá ainda a resolução de uma questão do concurso da Petrobrás para estatístico, realizado pela Cesgranrio.
#RegressãoLinear #Estatística #Petrobrás
Aula 1 - https://youtu.be/auXcMq_nu5o
Aula 2 - https://youtu.be/7___XIr_Bho
Aula 3 - https://youtu.be/qk6Zzr8r5-A
Aula (slides): http://bit.ly/2S_aula4
Para provas resolvidas e Apostilas de Questões: WhatsApp +5521980721945
Saiba como ajudar esse projeto http://bit.ly/2Bq2BNE
Estatístico Responsável: Anselmo Alves de Sousa CONRE 9743
Introdução ao modelo clássico de regressão linearFelipe Pontes
Revisão de Matrizes (exercício feito em casa e não será feito na sala). Introdução à RL simples. Pressupostos. Testes de hipóteses. Aplicações práticas.
Entendimento sobre Regressão Linear Simples e Múltipla;
Diferenças entre Correlação x Regressão;
Conhecer os pressupostos da regressão;
Estimar parâmetros do modelo;
Compreender o coeficiente de determinação;
Prática computacional de Regressão
A previsão do ibovespa através de um modelo de regressão linear múltipla - Da...Daniel Brandão de Castro
Resumo:
O índice Ibovespa tem forte correlação com os demais índices de bolsa de valores e indicadores de mercado de modo que surgiu a ideia de se criar um modelo estatístico obtido através de uma regressão linear de múltiplas variáveis com o objetivo de se prever o valor projetado do índice e assim conseguir operar no mercado de futuros na BM&F com o objetivo de se obter ganhos financeiros acima do índice Ibovespa baseados nos desvios observados entre o valor real e o seu projetado.
Palavras chave: Ibovespa, previsão, modelo
Analise de Regressão Linear Modelo Linearizável - Veja como linearizar alguns modelos - Resolução de duas questões de Estatística da Cebraspe: MPU/2013 e STM/2018.
Aula de Métodos e Técnicas de Análise da Informação para Planejamento, julho de 2017, UFABC
Apresentação disponível em: https://youtu.be/7w7LODmYzy4
Bases de dados disponíveis em: https://app.box.com/s/4yl70hj73c9mqyh1jb0l8skics4xf8i1
Análise de Regressão Linear - Pressupostos do Modelo de regressão linear simples. Nessa aula você verá a importância dos pressupostos na modelagem estatística. Você verá como
é importante um modelo que atenda bem às premissas a fim de que se possa fazer boas inferências estatística. Verá ainda a resolução de uma questão do concurso da Petrobrás para estatístico, realizado pela Cesgranrio.
#RegressãoLinear #Estatística #Petrobrás
Aula 1 - https://youtu.be/auXcMq_nu5o
Aula 2 - https://youtu.be/7___XIr_Bho
Aula 3 - https://youtu.be/qk6Zzr8r5-A
Aula (slides): http://bit.ly/2S_aula4
Para provas resolvidas e Apostilas de Questões: WhatsApp +5521980721945
Saiba como ajudar esse projeto http://bit.ly/2Bq2BNE
Estatístico Responsável: Anselmo Alves de Sousa CONRE 9743
Introdução ao modelo clássico de regressão linearFelipe Pontes
Revisão de Matrizes (exercício feito em casa e não será feito na sala). Introdução à RL simples. Pressupostos. Testes de hipóteses. Aplicações práticas.
Entendimento sobre Regressão Linear Simples e Múltipla;
Diferenças entre Correlação x Regressão;
Conhecer os pressupostos da regressão;
Estimar parâmetros do modelo;
Compreender o coeficiente de determinação;
Prática computacional de Regressão
A previsão do ibovespa através de um modelo de regressão linear múltipla - Da...Daniel Brandão de Castro
Resumo:
O índice Ibovespa tem forte correlação com os demais índices de bolsa de valores e indicadores de mercado de modo que surgiu a ideia de se criar um modelo estatístico obtido através de uma regressão linear de múltiplas variáveis com o objetivo de se prever o valor projetado do índice e assim conseguir operar no mercado de futuros na BM&F com o objetivo de se obter ganhos financeiros acima do índice Ibovespa baseados nos desvios observados entre o valor real e o seu projetado.
Palavras chave: Ibovespa, previsão, modelo
Aula de Métodos e Técnicas de Análise da Informação para Planejamento, julho de 2016, UFABC
Gravação de aula disponivel em: https://youtu.be/uoZqwLDlJb0
Bases de dados disponíveis em: https://app.box.com/s/4yl70hj73c9mqyh1jb0l8skics4xf8i1
manual para analises estacisticas canonicas. atraves desse material diversas analises para correlacao de dois grupos de dados poderao ser realizadas. a analise estatistica é fundamental e crucial para a analise de dados de experimentos agricolas, para que possamos entender o funcionameno dos diversos aspectos relacionados a atividade agricola.
Testes de hipóteses para uma amostra.
- Introdução ao teste de hipótese
- Testes de hipóteses para a média (amostras grandes)
- Testes de hipóteses para a média (amostras pequenas)
- Testes de hipóteses para variância e desvio padrão
Atividade - Letra da música "Tem Que Sorrir" - Jorge e MateusMary Alvarenga
A música 'Tem Que Sorrir', da dupla sertaneja Jorge & Mateus, é um apelo à reflexão sobre a simplicidade e a importância dos sentimentos positivos na vida. A letra transmite uma mensagem de superação, esperança e otimismo. Ela destaca a importância de enfrentar as adversidades da vida com um sorriso no rosto, mesmo quando a jornada é difícil.
proposta curricular da educação de jovens e adultos da disciplina geografia, para os anos finais do ensino fundamental. planejamento de unidades, plano de curso da EJA- GEografia
para o professor que trabalha com a educação de jovens e adultos- anos finais do ensino fundamental.
Slides Lição 10, CPAD, Desenvolvendo uma Consciência de Santidade, 2Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 10, CPAD, Desenvolvendo uma Consciência de Santidade, 2Tr24, Pr Henrique, EBD NA TV, Lições Bíblicas, 2º Trimestre de 2024, adultos, Tema, A CARREIRA QUE NOS ESTÁ PROPOSTA, O CAMINHO DA SALVAÇÃO, SANTIDADE E PERSEVERANÇA PARA CHEGAR AO CÉU, Coment Osiel Gomes, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Com. Extra Pr. Luiz Henrique, de Almeida Silva, tel-What, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique, https://ebdnatv.blogspot.com/
Slides Lição 9, Betel, Ordenança para uma vida de santificação, 2Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 10, Betel, Ordenança para buscar a paz e fazer o bem, 2Tr24, Pr Henrique, EBD NA TV, 2° TRIMESTRE DE 2024, ADULTOS, EDITORA BETEL, TEMA, ORDENANÇAS BÍBLICAS, Doutrina Fundamentais Imperativas aos Cristãos para uma vida bem-sucedida e de Comunhão com DEUS, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Comentários, Bispo Abner Ferreira, Com. Extra Pr. Luiz Henrique, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique
Sequência Didática - Cordel para Ensino Fundamental ILetras Mágicas
Sequência didática para trabalhar o gênero literário CORDEL, a sugestão traz o trabalho com verbos, mas pode ser adequado com base a sua realidade, retirar dos textos palavras que iniciam com R ou pintar as palavras dissílabas ...
1. Econometria
Tópico 3 – Regressão Múltipla
O Problema da Inferência
Ricardo Bruno N. dos Santos
Professor Adjunto da Faculdade de Economia
e do PPGE (Economia) UFPA
2. Lembre-se que os vídeos necessários para o
acompanhamento dessa apresentação são todos os
vídeos que iniciam por 05, e encontram-se dentro da
pasta Vídeos no mediafire.
Link do mediafire:
http://www.mediafire.com/?q1dbpxh1b4uxo
No Slideshare:
3. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
O que devemos ter em mente?
- Normalidade dos resíduos, portanto, devemos
considerar:
𝑢𝑖~𝑁(0, 𝜎2)
- Deve-se levar em conta que nossos estimadores são
os Melhores Estimadores Lineares Não Tendenciosos (MELNT)
4. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
A estatística t para avaliar os estimadores ’s continua a
mesma, ou seja, para avaliar a significância estatística
individual dos estimadores devemos considerar que:
𝑡 =
𝛽1 − 𝛽1
𝑒𝑝 𝛽1
𝑡 =
𝛽2 − 𝛽2
𝑒𝑝 𝛽2
𝑡 =
𝛽3 − 𝛽3
𝑒𝑝 𝛽3
Nesse caso, segue distribuição t com n-3 graus de
liberdade.
5. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
O teste de hipótese na Regressão Múltipla
Como já observado na regressão simples, o teste de
hipótese anteriormente aplicado é semelhante a múltipla, por
esse motivo, não iremos nos deter nesse tópico novamente,
analisaremos apenas o modelo já estimado na seção anterior
sobre mortalidade infantil, e a partir deste modelo iremos
tecer alguns comentários sobre a análise da significância e da
construção do intervalo de confiança.
6. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
O modelo estimado para o caso da mortalidade infantil
foi:
𝑀𝐼𝑖 = 263,6416 − 0,0056𝑃𝑁𝐵𝑝𝑐𝑖 − 2,2316𝑇𝐴𝐹𝑖
𝑒𝑝 = 11,5932 0,0019 0,2099
𝑡 = 22,7411 −2,8187 −10,6293
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 0,00000 0,0065 0,000000
𝑅2
= 0,7077 𝑅2
= 0,6981
Podemos estabelecer que:
𝐻0: 𝛽2 = 0 𝑒 𝐻1: 𝛽2 ≠ 0
7. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
A interpretação literal da hipótese nula (H0) seria a de que,
mantida constante a Taxa de Alfabetização Feminina, X2 (PNBpc)
NÃO EXERCE influência (linear) sobre Y ( Mortalidade Infantil). Para
testar tal hipótese, usamos o teste t, onde:
𝑡 = −
0,0056
0,0020
= −2,8187
Podemos então achar o valor tabelado para comparar se o
valor do t calculado de -2,8187 é, em módulo, maior que o valor
tabelado, para encontrarmos o valor tabelado basta consultarmos
a tabela t para 𝛼 = 5% e com 61 graus de liberdade, haja vista
que o número de observações utilizadas é de 64.
Com (n-k) graus de liberdade, sendo k o número de
variáveis, teremos: (64-3=61 gl) o valor tabelado portanto é de 2
8. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
Assim, podemos verificar que o valor calculado é maior
que o tabelado, nos direcionando a rejeição da hipótese nula.
Logo a conclusão é de que é significativo o efeito do PNBpc na
Mortalidade Infantil. A seguir podemos visualizar o gráfico
para essa situação:
10. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
Outro importante elemento a ser considerado é o intervalo
de confiança do modelo, com os resultados fornecidos já é
possível construí-lo com base na seguinte fórmula:
𝛽2 − 𝑡 𝛼
2
𝑒𝑝 𝛽2 ≤ 𝛽2 ≤ 𝛽2 + 𝑡 𝛼
2
𝑒𝑝( 𝛽2)
Com os valores informados verifica-se que:
−0,0056 − 2 0,002 ≤ 𝛽2 ≤ −0,0056 + 2 0,002
−0,0096 ≤ 𝛽2 ≤ −0,0016
Com isso, o intervalo acima incluirá o verdadeiro valor do
coeficiente 𝛽2 com um nível de confiança de 95%. Dessa forma, se
100 amostras de tamanho 64 forem selecionadas e 100 intervalos
de confiança como o de cima forem formulados, esperamos que
em 95 deles incluam o verdadeiro parâmetro populacional 𝛽2.
11. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
No tópico anterior foi calculado o teste de
Normalidade, e verificou-se que os resíduos atenderam a
hipótese de normalidade.
O teste de significância geral
Já foi retratado que devemos testar se os estimadores
𝛽2 e 𝛽3 são em conjunto iguais a zero, ou seja, devemos
verificar se 𝛽2 = 𝛽3 = 0, para realizar tal procedimento,
deveremos recorrer a estatística F.
Quando abordamos a regressão linear simples, fizemos
uma análise sobre a estatística F, sua forma de interpretação e
o cálculo de sua estatística a partir da tabela da ANOVA.
12. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
Porém ficou claro que em modelos simples a medida da
F não possui muito sentido, haja vista que temos apenas uma
variável independente, no caso da regressão múltipla,
teremos duas ou mais variáveis independentes no modelo, o
que deixa o teste F com maior sentido.
Para tanto, vamos recorres a Tabela da ANOVA,
lembrando que essa tabela é composta pela Soma de
Quadrados, que para o modelo múltiplo foi verificado nas
aulas anteriores.
Assim:
13. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
𝑦𝑖
2
= 𝛽2 𝑦𝑖 𝑥2𝑖 + 𝛽3 𝑦𝑖 𝑥3𝑖 + 𝑢𝑖
2
𝑆𝑄𝑇 = 𝑆𝑄𝐸 + 𝑆𝑄𝑅
Considerando a hipótese de normalidade temos:
𝐹 =
𝛽2 𝑦𝑖 𝑥2𝑖 + 𝛽3 𝑦𝑖 𝑥3𝑖
2
𝑢𝑖
2
𝑛 − 3
=
𝑆𝑄𝐸/𝑔𝑙
𝑆𝑄𝑅/𝑔𝑙
14. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
Assim a nossa tabela da ANOVA é composta por:
No nosso exemplo temos:
15. Análise da Regressão Múltipla (Tópico 2):
O problema da Inferência
Como a partir dos dados da regressão podemos
encontrar toda a estrutura da ANOVA?
Na verdade a regressão solta dois valores pelos quais
podemos encontrar todos os dados da ANOVA, são a SQR e o
R2.
Vejamos no resultado do modelo de Mortalidade
Infantil
17. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaDevemos lembrar que:
𝑅2 = 1 −
𝑆𝑄𝑅
𝑆𝑄𝑇
E que:
𝑆𝑄𝑇 = 𝑆𝑄𝐸 + 𝑆𝑄𝑅
Se temos 𝑅2 e SQR podemos concluir então que:
𝑆𝑄𝑇 =
𝑆𝑄𝑅
1−𝑅2 logo: 𝑆𝑄𝑇 =
106.315,6
1−0,707665
= 363.677,3
𝑆𝑄𝐸 = 363.677,3 − 106.315,6 = 257.361,7
Considerando: (n-k)=61 e k-1=2 temos
18. Análise da Regressão Múltipla (Tópico
2):
O problema da Inferência
𝐹 =
257.361,7
2
106.315,6
61
=
128.680,8
1.742,879
= 73,8324
Portanto, apenas com duas informações é possível
encontrar todos os valores da tabela da ANOVA.
Considerando então um modelo com k variáveis:
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + 𝛽3 𝑋3𝑖 + ⋯ + 𝛽 𝑘 𝑋 𝑘𝑖
Formula-se a hipótese:
𝐻0: 𝛽2 = 𝛽3 = ⋯ = 𝛽 𝑘 = 0
Considerando os resultados da F do modelo da
mortalidade infantil, rejeita-se a hipótese nula, conclui-se que
pelo menos um dos estimadores é diferente de zero.
19. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaA importante relação entre o 𝑹 𝟐 e a estatística F
Verificamos que:
𝐹 =
𝑛 − 𝑘
𝑘 − 1
×
𝑆𝑄𝐸
𝑆𝑄𝑅
=
𝑛 − 𝑘
𝑘 − 1
×
𝑆𝑄𝐸
𝑆𝑄𝑇 − 𝑆𝑄𝐸
=
𝑛 − 𝑘
𝑘 − 1
×
𝑆𝑄𝐸/𝑆𝑄𝑇
1 −
𝑆𝑄𝐸
𝑆𝑄𝑇
=
𝑛 − 𝑘
𝑘 − 1
×
𝑅2
1 − 𝑅2
=
𝑅2
𝑘 − 1
1 − 𝑅2
𝑛 − 𝑘
20. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaOu seja, para realizar a estatística F, basta que
tenhamos o valor do R2.
Dessa forma, podemos encontrar a tabela ANOVA pela
seguinte maneira:
21. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaA contribuição “incremental” ou “marginal” de uma
variável independente (explanatória)
No tópico anterior, fazendo uso das variáveis
padronizadas, podemos observar que a variável Taxa de
Mortalidade Infantil tinha um peso (impacto) maior na
redução da Taxa de Mortalidade Infantil.
Com o R2 é possível fazer uma outra análise,
verificamos que o R2 para o modelo foi de 0,7077, mas não
podemos informar qual parte desse valor deve-se à variável
PNBpc e qual deve-se a TAF, graças a possível correlação que
possa ocorrer entre as duas variáveis na amostra. Podemos
aplica a técnica da ANOVA para identificar isso.
22. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaProcederemos da seguinte forma: será feita uma
inclusão sequencial estimando um modelo linear tendo como
variáveis dependentes PNBpc e em seguida um modelo com
apenas a TAF. Aqui na verdade queremos verificar a
contribuição individual de cada variável, ou seja, queremos
saber se a inclusão da variável no modelo aumenta a SQE (e,
por conseguinte, o R2).
A regressão obtida considerando apenas MI e PNBpc
será:
23. Análise da Regressão Múltipla (Tópico
2):
O problema da Inferência
A tabela ANOVA da Regressão será:
24. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaNesse caso o valor da estatística F já se encontra no modelo
(12,3598), mas a sua fórmula de cálculo será:
𝐹 =
60.449,5
4890,7822
= 12,3598
Pelo resultado do modelo, verifica-se que a estatística F é
significativa, observe que se pegarmos a razão t e elevarmos ao
quadrado (-3,5156)^2= 12,3594, que é um valor muito próximo a
estatística F obtida.
Então vamos para a próxima etapa com os seguintes
questionamentos:
1) Qual a contribuição marginal da TAF, sabendo que o PNBpc já
está no modelo e tem relação significativa com MI?
2) A contribuição incremental da TAF é estatisticamente
significativa?
3) Qual o critério para acrescentar variáveis no modelo?
25. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaPara responder a tais perguntas, devemos fazer uso da
ANOVA. Para isso vamos visualizar, em uma tabela, a
contribuição incremental de TAF no modelo, para fazer essa
avaliação devemos fazer o seguinte passo:
𝐹 =
𝑄2/1
𝑄4/61
=
𝑆𝑄𝐸 𝑛𝑜𝑣𝑜 − 𝑆𝑄𝐸 𝑣𝑒𝑙ℎ𝑜
𝑛º 𝑑𝑒 𝑛𝑜𝑣𝑜𝑠 𝑟𝑒𝑔𝑟𝑒𝑠𝑠𝑜𝑟𝑒𝑠
𝑆𝑄𝑅 𝑛𝑜𝑣𝑜
𝑔𝑙(= 𝑛 − 𝑛º 𝑑𝑒 𝑛𝑜𝑣𝑜𝑠 𝑝𝑎𝑟â𝑚𝑒𝑡𝑟𝑜𝑠 𝑛𝑜 𝑛𝑜𝑣𝑜 𝑚𝑜𝑑𝑒𝑙𝑜)
Logo usando 𝐹 =
𝑄2/1
𝑄4/61
26. Análise da Regressão Múltipla (Tópico
2):
O problema da Inferência
Em que o 𝑆𝑄𝐸 𝑛𝑜𝑣𝑜 = 𝑆𝑄𝐸 sob o novo modelo (ou seja, após
adicionar os novos regressores = 𝑄3), 𝑆𝑄𝐸 𝑣𝑒𝑙ℎ𝑜 = 𝑆𝑄𝐸 no
modelo velho (= 𝑄1) e 𝑆𝑄𝑅 𝑛𝑜𝑣𝑜 = 𝑆𝑄𝑅 no novo modelo (ou
seja, levando em conta todos os regressores = 𝑄4). Assim:
27.
28. Análise da Regressão Múltipla (Tópico
2):
O problema da Inferência
𝐹 =
196.912,9
1742,8786
= 112,9814
No entanto, a forma mais fácil de se fazer isso é
utilizando o R2, cuja expressão:
𝐹 =
(𝑅 𝑛𝑜𝑣𝑜
2 − 𝑅 𝑣𝑒𝑙ℎ𝑜
2
)/𝑔𝑙
(1 − 𝑅 𝑛𝑜𝑣𝑜
2
)/𝑔𝑙
𝐹 =
(0,7077 − 0,1662)/1
(1 − 0,7077)/61
= 113,05
A hipótese aqui testada no caso é:
𝐻0: 𝑇𝐴𝐹 𝑛ã𝑜 𝑐𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑖 𝑝𝑎𝑟𝑎 𝑜 𝑎𝑢𝑚𝑒𝑛𝑡𝑜 𝑑𝑜 𝑆𝑄𝐸
29. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaAssim a tabela da ANOVA fica:
30. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaQuando acrescentar uma nova variável?
O procedimento que verificamos anteriormente na
estatística F induz à um método formal para decidir se
devemos adicionar uma variável ao modelo de regressão.
Frequentemente, os pesquisadores são confrontados com a
tarefa de escolher entre vários modelos que envolvem a
mesma variável dependente, mas diferentes variáveis
independentes. A se fazer uma escolha ad hoc (pois muitas
vezes o fundamento teórico é fraco), caímos na tentação de
escolher o modelo que reflete o maior R2 ajustado.
31. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaTeste de igualdade para dois coeficientes de regressão
Uma das formas de verificarmos a inserção ou não de
novas variáveis no modelo e observar a restrição (ou
igualdade) dos estimadores de tais variáveis.
Suponha que estejamos trabalhando com a seguinte
regressão múltipla:
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + 𝛽3 𝑋3𝑖 + 𝛽4 𝑋4𝑖 + 𝑢𝑖
E que desejamos testar as seguintes hipóteses:
𝐻0: 𝛽3 = 𝛽4 ou 𝛽3 − 𝛽4 = 0
𝐻0: 𝛽3 ≠ 𝛽4 ou 𝛽3 − 𝛽4 ≠ 0
32. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaOu seja, com esse procedimento, passamos a verificar
se (ou testar) se os dois coeficientes angulares 𝛽3 e 𝛽4, são
iguais.
A hipótese nula tem importância prática. Imagine que o
modelo anterior remeta a uma função demanda de um bem,
onde Y= quantidade demandada do bem, X2 = o preço do
bem; X3 = renda do consumidor; X4 = riqueza do consumidor.
Neste caso, a hipótese nula significa que os coeficientes da
renda e da riqueza são os mesmos. Ou, se 𝑌𝑖 e os X forem
expressos em foram logarítmica, a hipótese nula implica que
as elasticidades renda e riqueza do consumo são iguais.
33. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaA hipótese nula com essas características pode ser testada a
partir da seguinte expressão:
𝑡 =
𝛽3 − 𝛽4 − 𝛽3 − 𝛽4
𝑒𝑝 𝛽3 − 𝛽4
Que segue uma distribuição t com (n-4) graus de liberdade.
O erro padrão pode ser obtido pela seguinte equação.
𝑒𝑝 𝛽3 − 𝛽4 = 𝑣𝑎𝑟 𝛽3 + 𝑣𝑎𝑟 𝛽4 − 2𝑐𝑜𝑣( 𝛽3, 𝛽4)
Logo:
𝑡 =
𝛽3 − 𝛽4 − 𝛽3 − 𝛽4
𝑣𝑎𝑟 𝛽3 + 𝑣𝑎𝑟 𝛽4 − 2𝑐𝑜𝑣( 𝛽3, 𝛽4)
34. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaNota
Podemos estabelecer a covariância como:
𝑐𝑜𝑣 𝛽3, 𝛽4 =
−𝜎2 𝑟34
2
𝑥3 𝑥4 − 𝑛 𝑋3 𝑋4 1 − 𝑟34
2
35. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaCom isso, o processo envolve os seguintes passos:
1) Estimados 𝛽3 e 𝛽4. Isso evidentemente pode ser feito pelo
programa de sua escolha, nesse caso estamos vendo o Gretl.
2) A maioria dos programas calcula de forma rotineira os erros
padrões de cada estimador.
3) Obtemos a razão t. Porém, devemos ter cuidado com a
hipótese nula que passa a ser 𝛽3 − 𝛽4 = 0.
4) Se a variável t calculada for maior que o valor crítico de t no
nível de significância proposto para dados graus de liberdade,
poderemos rejeitar a hipótese nula; caso contrário, não a
rejeitamos. Como alternativa, se o valor p da estatística t for
baixo, poderemos rejeitar a hipótese nula.
36. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaPelo resultado da função cúbica de custo total temos:
𝑌𝑖 = 141,7667 + 63,4777𝑋𝑖 − 12,9615𝑋𝑖
2
+ 0,9396𝑋𝑖
3
𝑒𝑝 = 6,3753 4,7786 0,9857 0,0591
𝑅2 = 0,9983 𝑐𝑜𝑣 𝛽3, 𝛽4 = −0,0576
𝑡 =
−12,9615 − 0,9396
0,9867 2 + 0,0591 2 − 2 −0,0576
= −
13,9011
1,0442
= −13,3130
Usando 6 graus de liberdade (10-4), o valor t observado é superior
ao valor tabelado, com isso, podemos concluir pela rejeição da
hipótese nula, ou seja, os valores dos coeficientes são diferentes.
37. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaMínimos Quadrados Restritos: testes de restrições de
igualdade linear.
Existem ocasiões em que a teoria econômica sugere
que os coeficientes de um modelo de regressão estão sujeitos
a algum tipo de restrição de igualdade linear. Por exemplo,
considere a função de produção Cobb-Douglas:
𝑌𝑖 = 𝛽1 𝑋2𝑖
𝛽2
𝑋3𝑖
𝛽3
𝑒 𝑢 𝑖
Na forma logarítmica já verificamos que:
ln 𝑌𝑖 = 𝛽0 + 𝛽2 ln 𝑋2𝑖 + 𝛽3 ln 𝑋3𝑖 + 𝑢𝑖
Vamos supor que queiramos fazer um teste para
verificar a existência de retorno constantes de escala, a teoria
econômica estabelece que: 𝛽2 + 𝛽3 = 1
38. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaTrata-se, portanto, de um exemplo de restrição de
igualdade linear. Para descobrir se realmente existem
retornos constantes de escala podemos fazer uso de duas
abordagens.
Abordagem do teste t: A forma mais simples é verificar
pela expressão do teste t considerando agora as restrições,
nesse caso antes estávamos testando:
𝛽2 = 𝛽3 o que resultava em 𝛽2 − 𝛽3 = 0
Agora a situação seria:
𝛽2 + 𝛽3 = 1 o que resulta em 𝛽2 + 𝛽3 − 1 = 0
39. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaCom isso a fórmula estatística do teste t para a
explicitar a restrição, que antes por hipótese era zero,
tornando-se:
𝑡 =
𝛽2 + 𝛽3 − 1
𝑣𝑎𝑟 𝛽2 + 𝑣𝑎𝑟 𝛽3 + 2𝑐𝑜𝑣 𝛽2, 𝛽3
Logo a hipótese nula a ser testada é:
𝐻0: 𝛽2 + 𝛽3 − 1 = 0 , ou seja, a restrição existe, o
que implica que 𝛽2 + 𝛽3 = 1, concluindo-se pelos retornos
constantes a escala.
Rejeitar H0 é concluir pela existência ou de retornos
decrescentes ou retornos crescentes.
40. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaO que torna complicado o uso da t? O fato de calcular a
covariância torna a operação ou uso dessa estatística, apesar
de simples, mais demorado, pois teríamos que encontrar a
matriz var-cov dos estimadores.
Porém há outro método, que pelo uso de duas
regressões poderemos encontrar de forma mais rápida,
apesar de dar mais trabalho, o nosso teste.
41. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaAbordagem do teste F: Mínimos Quadrados Restritos
Trata-se de uma abordagem mais direta seria a o teste
F, no entanto, para realizar tal procedimento teríamos que
mudar a nossa restrição, uma delas seria:
𝛽2 = 1 − 𝛽3 ou 𝛽3 = 1 − 𝛽2
Isso nos permite eliminar um dos coeficientes betas na
equação das elasticidades de produção e reescrever a função
Cobb-Douglas da seguinte forma:
ln 𝑌𝑖 = 𝛽0 + 1 − 𝛽3 ln 𝑋2𝑖 + 𝛽3 ln 𝑋3𝑖 + 𝑢𝑖
= 𝛽0 + ln 𝑋2𝑖 + 𝛽3 ln 𝑋3𝑖 − ln 𝑋2𝑖 + 𝑢𝑖
42. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaTal expressão resulta em:
ln 𝑌𝑖 − ln 𝑋2𝑖 = 𝛽0 + 𝛽3 ln 𝑋3𝑖 − ln 𝑋2𝑖 + 𝑢𝑖
Que pela propriedade do log fica
ln
𝑌𝑖
𝑋2𝑖
= 𝛽0 + 𝛽3 ln
𝑋3𝑖
𝑋2𝑖
+ 𝑢𝑖
Que nos dará a razão produção trabalho Y/X2 e a razão
capital trabalho X3/X2.
Com isso teríamos dois modelos, um com uma
restrição, que foi a modelo que acabamos de construir e
outro modelo sem restrição, que é o modelo sem a
transformação.
Quando formos analisar, o modelo com restrição será,
geralmente, aquele que possuir menor número de variáveis.
43. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaAssim, podemos a partir dessa abordagem construir
uma estatística F considerando a SQR de cada um dos
modelos, onde:
𝑢 𝑆𝑅
2
= SQR da regressão sem restrições
𝑢 𝑅
2
= SQR da regressão com restrições
m = número de restrições lineares (no caso desse
exemplo 1)
k = número de parâmetros da regressão sem restrições;
n = número de observações.
Assim,
44. Análise da Regressão Múltipla (Tópico
2):
O problema da Inferência
𝐹 =
𝑆𝑄𝑅 𝑅 − 𝑆𝑄𝑅 𝑆𝑅
𝑚
𝑆𝑄𝑅 𝑆𝑅
𝑛 − 𝑘
=
𝑢 𝑅
2
− 𝑢 𝑆𝑅
2
𝑚
𝑢 𝑆𝑅
2
𝑛 − 𝑘
=
𝑅 𝑆𝑅
2
− 𝑅 𝑅
2
𝑚
1 − 𝑅 𝑆𝑅
2
𝑛 − 𝑘
Onde,
𝑅 𝑆𝑅
2
≥ 𝑅 𝑅
2
e
𝑢 𝑆𝑅
2
≤ 𝑢 𝑅
2
Vamos verificar no exemplo para a função Cobb-
Douglas no Gretl.
45. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaComo exercício reproduza no Gretl o exemplo 8.4 da
página 219, sobre demanda de frango nos EUA.
Teste da Estabilidade estrutural ou dos parâmetros
nos modelos de regressão: O teste de Chow.
Esse teste é aplicado principalmente em series de
tempo, e sua finalidade é a de verificar se, ao longo dos anos,
uma determinada economia teve uma mudança e sua
trajetória, ou seja, ele define se ocorreu alguma mudança no
coeficiente de inclinação de nossa variável de interesse.
46. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaAgora o que seriam essas mudanças estruturais?
Seriam mudança decorrentes de alguns aspectos como:
Decorrente de forças externas – Guerras, Embargos
econômicos, Copa do Mundo no Brasil, etc;
Decorrentes de mudanças na política Econômica:
Câmbio Fixo para Flutuante, Plano Real, etc
Decorrentes de tomadas de decisões: Mudanças
tributárias, Investimentos no Nordeste, Construção de usinas
hidreelétricas, etc.
47. Análise da Regressão Múltipla (Tópico
2):
O problema da InferênciaComo verificar se a mudança ocorreu ou não? É usado
no Gujarati o exemplo da tabela 8.9, que apresenta dados
sobre a renda pessoal disponível e a poupança pessoal, em bi
US$, nos EUA entre 1970-1995.
Sabe-se que em 1982, ocorreu uma forte recessão na
economia americana, fato que poderia influenciar na relação
poupança X renda.
A ideia e construir uma estrutura de modelo onde
possamos verificar se a partir do ano em que se verifica uma
mudança na economia, se a inclinação de nossa variável de
interesse mudou. Assim, pode-se construir 3 regressões
específicas:
48. Análise da Regressão Múltipla (Tópico
2):
O problema da Inferência1970-1981 = 𝑌𝑡 = 1 + 2 𝑋𝑡 + 𝑢1𝑡 𝑛1 = 12 (a)
1982-1995= 𝑌𝑡 = 𝛾1 + 𝛾2 𝑋𝑡 + 𝑢2𝑡 𝑛2 = 14 (b)
1970-1995= 𝑌𝑡 = 𝛼1 + 𝛼2 𝑋𝑡 + 𝑢 𝑡 𝑛 = 26 (c)
Como proceder com o teste de Chow?
1) Estima-se a regressão (c) que será adequada se não houver
instabilidade dos parâmetros estimados, obtém-se a SQR com
(n-k) gl. Nesse caso ele será a 𝑆𝑄𝑅 𝑅, nesse caso ela é restrita
pela imposição de 1 = 𝛾1 e 2 = 𝛾2, ou seja, as regressões
dos subperíodos são iguais.
2) Estima-se a equação (a) e obtemos a SQR1, com (𝑛1 − 𝑘) gl.
3) Estima-se a equação (b) e obtemos a SQR2, com (𝑛2 − 𝑘) gl.
49. Análise da Regressão Múltipla (Tópico
2):
O problema da Inferência4) Como estamos considerando que os dois conjuntos de
amostras são independentes, podemos somar SQR1+SQR2 e
dizer que essa soma seja a Soma de Quadrado dos Resíduos
sem restrições (𝑆𝑄𝑅 𝑆𝑅)
5) Aplicamos tudo na Fórmula da F, onde:
𝐹 =
𝑆𝑄𝑅 𝑅 − 𝑆𝑄𝑅 𝑆𝑅
𝑘
𝑆𝑄𝑅 𝑆𝑅
𝑛 − 2𝑘
Vamos fazer no Gretl