Upload
buidien
View
213
Download
0
Embed Size (px)
Citation preview
Capítulo 3
O Modelo de Regressão Linear Simples: Especificação e Estimação
Introdução
Teoria Econômica Microeconomia: •Estudamos modelos de oferta e demanda (quantidades demandadas e oferecidas dependem do preço); •Estudamos funções de produção em que explicam a quantidade de um artigo produzido em função da quantidade de um insumo (ex trabalho) utilizado; Macroeconomia: •Estudamos funções investimento – explica que a quantidade de investimento agregado na economia depende da taxa de juros; •Estudamos funções consumo que relacionam o consumo agregado e o nível de renda disponível.
As especificações envolvem relacionamento entre variáveis econômicas. Estudaremos como utilizar uma amostra de dados econômicos para obter informações sobre tais relacionamentos.
Usaremos Modelos de Regressão Ex: Se o preço de um bem (variável) varia de uma certa maneira, de quanto variará a quantidade demandada ou ofertada? Ex: Se conhecemos o valor de uma variável, podemos prever o valor da outra?
3.1 Um Modelo Econômico
Estudaremos a relação entre renda familiar e despesa com alimentação. 1) Experimento: selecionar aleatoriamente residências em
uma população 2) Suponha que nos interessam residências com renda familiar
de $ 480 3) Chamaremos y – variável aleatória “despesa mensal com
alimentação” 4) A v.a. Y é contínua e tem uma função densidade de
probabilidade f(y)
5) Se x é a renda mensal da residência, f(y/x = $480) é a função densidade de probabilidade condicional.
6) A média condicional ou valor esperado de Y é Ou seja, é a despesa mensal média daquela pop. com alimentação. 7) A variância condicional de y é
|( | $480) y xE y x
2var( | $480)y x
3.1 Um Modelo Econômico
8) Análise econométrica: •Se a renda mensal aumenta de $20, de quanto, em média, aumentarão as despesas com alimentação? •É possível a despesa mensal cair quando a renda aumenta? •Qual é a despesa mensal com alimentação para uma família com renda de $800? 9) Construir um modelo econômico e em seguida um modelo econométrico ou estatístico. 10) Suponha que a relação consumo e renda sejam funções lineares. FUNÇÃO DE REGRESSÃO SIMPLES | 1 2( | ) y xE y x x
2
( | ) ( | )E y x dE y x
x dx
“” denota “mudança em”
(3.1.1)
(3.1.2)
3.2 Um Modelo Econométrico
Hipóteses do Modelo de Regressão Linear Simples -I
• O valor médio de y, para cada valor de x, é dado pela regressão linear
1 2( )E y x
• Para cada valor de x, os valores de y se distribuem em torno do seu valor médio, seguindo distribuições de probabilidade que têm todas a mesma variância,
2var( )y • Os valores de y são todos não correlacionados e tem covariância zero. A implicação disso é que não existe qualquer associação linear entre eles.
cov( , ) 0i jy y
Essa hipótese pode se tornar mais forte se assumirmos que os valores de y são todos estatisticamente independentes.
• A variável x não é aleatória e deve assumir pelo menos dois valores diferentes
• (opcional) Os valores de y são normalmente distribuídos em torno de sua média para cada valor de x,
2
1 2~ [( ), ]y N x
3.2.1 Introduzindo o Termo de Erro
O termo de erro aleatório é
1 2( )e y E y y x
Rearranjando, temos
1 2y x e
y é a variável dependente; x é a variável explanatória ou independente
(3.2.1)
(3.2.2)
Hipóteses do Modelo de Regressão Linear Simples -II
RS1. 1 2y x e
RS2. ( ) 0E e
1 2( )E y x
RS3. 2var( ) var( )e y
RS4. cov( , ) cov( , ) 0i j i je e y y
RS5. A variável x não é aleatória e deve assumir pelo menos dois valores diferentes.
RS6. (opcional) Os valores de e são normalmente distribuídos em torno de sua média 2~ (0, )e N
3.3 Estimação dos Parâmetros para a Relação de Despesas
3.3 Estimação dos Parâmetros para a Relação de Despesas Utilizar a informação amostral para estimar os parâmetros 1 e 2
3.3 Estimação dos Parâmetros para a Relação de Despesas
3.3.1 O Princípio de Mínimos Quadrados
• A reta ajustada da regressão é
1 2ˆ
t ty b b x
• O resíduo de mínimos quadrados
1 2ˆ ˆt t t t te y y y b b x
• Qualquer outra reta ajustada
* * *
1 2ˆ
t ty b b x
• A reta de mínimos quadrados tem a menor soma de resíduos ao quadrado
2 2 *2 * 2ˆ ˆ ˆ ˆ( ) ( )t t t t tte y y e y y
(3.3.1)
(3.3.2)
(3.3.3)
3.3 Estimação dos Parâmetros para a Relação de Despesas
3.3.1 O Princípio de Mínimos Quadrados
• As estimativas de mínimos quadrados são obtidas pela minimização da função da soma de quadrados
2
1 2 1 2
1
( , ) ( )T
t t
t
S y x
• Obtenha as derivadas parciais
1 2
1
2
2 1
2
2 2 2
2 2 2
t t
t t t t
ST y x
Sx x y x
• Iguale as derivadas a zero
1 2
2
1 2
2( ) 0
2( ) 0
t t
t t t t
y Tb x b
x y x b x b
(3.3.4)
(3.3.5)
(3.3.6)
• Rearranjando a equação 3.3.6, temos duas equações usualmente conhecidas como equações normais,
1 2t tTb x b y 2
1 2t t t tx b x b x y • Fórmulas para as estimativas de mínimos quadrados
2 22
t t t t
t t
T x y x yb
T x x
1 2b y b x
Como essas fórmulas funcionam para qualquer dos valores da amostra de dados, elas são os estimadores de mínimos quadrados.
(3.3.7a)
(3.3.7b)
(3.3.8a)
(3.3.8b)
3.3.2 Estimativas para a Função de Despesa com Alimentação
2 22
2
(40)(3834936,497) (27920)(5212,520)
(40)(21020623,02) (27920)
0,1283
t t t t
t t
T x y x yb
T x x
1 2
130,313 (0,1282886)(698,0) 40,7676
b y b x
Um modo conveniente de mostrar os valores de b1 e b2 é escrever a reta de regressão estimada ou ajustada:
ˆ 40,7676 0,1283t ty x
(3.3.9a)
(3.3.9b)
(3.3.10)
3.3.3 Interpretação das Estimativas
• O valor b2 = 0,1283 é uma estimativa de 2, a quantidade que a despesa com alimentação cresce semanalmente quando a renda semanal aumenta em $1. Assim, nós estimamos que se a renda subir $100, as despesas semanais com alimentação aumentarão aproximadamente $12,83. • Estritamente falando, a estimativa de intercepto b1 = 40,7676 é uma estimativa do gasto semanal com alimentação para uma família com renda nula.
3.3.3a Elasticidades
• A elasticidade renda da demanda é um modo útil de caracterizar a resposta da despesa do consumidor à mudanças na renda. Dos princípios microeconômicos, a elasticidade de qualquer variável y em relação a outra variável x é
variação percentual em /
variação percentual em /
y y y y x
x x x x y
• Em um modelo econômico linear dado pela equação 3.1.1, nós mostramos que
2
( )E y
x
• A elasticidade da despesa “média” em relação à renda é
2
( ) / ( ) ( )
/ ( ) ( )
E y E y E y x x
x x x E y E y
(3.3.11)
(3.3.12)
(3.3.13)
( , ) (698,00,130,31)x y
• Um modo alternativo freqüentemente utilizado é mostrar a elasticidade no “ponto das médias”
já que é um ponto representativo da reta de regressão.
2
698,00ˆ 0,1283 0,687
130,31
xb
y
3.3.3b Previsão
Suponha que nós queremos prever a despesa semanal com comida para um domicílio com uma renda semanal de $750. Essa previsão é conduzida pela substituição de x = 750 na nossa equação estimada para obter
ˆ 40,7676 0,1283
40,7676 0,1283(750) $130,98
t ty x
Nós prevemos que um domicílio com uma renda semanal de $750 gastará $130,98 por semana em comida.
(3.3.14)
(3.3.15)
3.3.3c Exame da Saída do Computador
Dependent Variable: DESP.ALIM
Method: Least Squares
Sample: 1 40
Included observations: 40
VARIABLE Coefficient Std. Error t-Statistic Prob.
C 40.76756 22.13865 1.841465 0.0734
INCOME 0.128289 0.030539 4.200777 0.0002
R-squared 0.317118 Mean dependent var 130.3130
Adjusted R-squared 0.299148 S.D dependent var 45.15857
S.E. of regrression 37.80536 Akaike info criterion 10.15149
Sum squared resid 54311.33 Schwarz criterion 10.23593
Log likelihood -201.0297 F-statistic 17.64653
Durbin-Watson stat 2.370373 Prob(F-statistic) 0.000155
Figura 3.10 Saída da Regressão pelo EViews
3.3.4 Outro Modelo Econômico
• O modelo “log-log” 1 2ln( ) ln( )y x
• A derivada de ln(y) em relação a x é
[ln( )] 1d y dy
dx y dx
• A derivada de em relação a x é 1 2 ln( )x
1 22
[ ln( )] 1d x
dx x
• Colocando esses dois pedaços em igualdade um com o outro e resolvendo para 2:
2
dy x
dx y (3.3.16)