![Page 1: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/1.jpg)
AULA 9 – Revisão Econometria
DISCIPLINA: EconometriaPROFESSOR: Bruno MoreiraCURSO: Tecnólogo em Gestão Financeira
![Page 2: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/2.jpg)
Para Gujarati (2000), econometria visa essencialmente, a uma conjunção da
teoria econômica com medidas concretas, como uma ponte entre a teoria e as
técnicas de inferência estatística.
•O que é Econometria?
![Page 3: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/3.jpg)
Construção de um Modelo Econométrico
![Page 4: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/4.jpg)
Economia Escassez de dados para testar as hipóteses;Erros de mensuração;Revisões dos dados.
Finanças Base de dados muito grande - esforço maior para analisá-los;Dados com muito “ruído”;Em geral não são normalmente distribuídos, embora as metodologias assim os considerem.
Características da Econometria “Econômica” e das “Finanças”
![Page 5: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/5.jpg)
Séries temporais;
Cross-section (corte transversal);
Painel.
Exemplo de dados econométricos
![Page 6: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/6.jpg)
Séries temporais consistem em um conjunto de valores observados em diferentes pontos ao longo de um determinado período de tempo.
Séries temporais
![Page 7: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/7.jpg)
Cross-section (corte trasnversal) consiste em uma amostra de dados coletados em um determinado ponto no tempo.
Cross-section (corte trasnversal)
![Page 8: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/8.jpg)
Painel consiste em uma série de tempo para cada membro do corte transversal do conjunto de dados.
Painel
![Page 9: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/9.jpg)
Regressão : Conceitos
O que é uma regressão?
Regressão pode ser entendida como o estudo da dependência de uma variável em relação a uma ou mais variáveis com o objetivo de estimar e/ou prever a média ou o valor médio da dependente em termos dos valores
fixos das variáveis que a explica.
![Page 10: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/10.jpg)
Diferença entre Regressão e Causação
Regressão X Causação
Uma relação estatística, por si só, não pode logicamente implicar em uma causação.
Para atribuir causalidade, deve-se recorrer a considerações teóricas.
![Page 11: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/11.jpg)
Diferença entre Regressão e Correlação
Regressão X Correlação
Regressão e Correlação são conceitos intimamente relacionados, mas conceitualmente distintos.
O objetivo da correlação é medir o grau ou intensidade de associação linear entre as variáveis.
Na regressão objetivamos prever o valor médio de uma variável com base em valores fixados de outras variáveis.
![Page 12: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/12.jpg)
Modelo de Regressão Linear Simples
Esta equação define o Modelo de Regressão Linear Simples
![Page 13: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/13.jpg)
Modelo de Regressão Linear Simples
Em que:
u = Termo de erro ou termo estocástico é: uma variável estocástica ou aleatória mas não observável ; representa todos os fatores desconhecidos que possam
influenciar uma relação económica.
Y XVariável dependente Variável independenteVariável explicada Variável explicativaRegressando Regressor
![Page 14: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/14.jpg)
Termo de erro
Razões principais que justificam a presença do termo de erro nos modelos econométricos:
(a) no termo de erro incluímos fatores desconhecidos;
(b) fatores conhecidos mas não quantificáveis (gostos, preferências, risco, incerteza);
(c) os chamados erros de especificação: - especificação matemática imprópria - inclusão de variáveis irrelevantes
- exclusão de variáveis relevantes
(d) erros de medição ou erros nas observações devido as simplificações, arredondamentos e transformações dos dados.
![Page 15: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/15.jpg)
Hipóteses Adjacentes ao Modelo de Regressão Linear Simples
Considerando:
Hipótese 1 → E(u) = 0A probabilidade do erro ser x unidades
acima da reta é a mesma de ser x unidades abaixo.
Hipótese 2 →E(u/x) = 0O valor médio de u não depende do valor de x.
![Page 16: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/16.jpg)
Função de Regressão Populacional
Assim, considerando o valor esperado da equação que define o Modelo de Regressão Linear Simples condicionado a x, e levando em consideração a
hipótese 2 temos:
Que é a nossa Função de Regressão Populacional
![Page 17: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/17.jpg)
Função de Regressão Amostral
Por sua vez, quando não temos a disposição toda a população estudada podemos analisar apenas uma pequena parcela deste total, a amostra, o que nos dará a Função de Regressão Amostral
(FRA).
Que também pode ser escrita da seguinte forma:
* Atenção para a diferença entre as duas.
![Page 18: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/18.jpg)
Regressão : Conceitos
O desafio é, portanto, estimar a FRP a partir da FRA.
Aqui enfrentaremos alguns problemas!!!
Pois é possível termos diversas FRA possíveis. Por causa da flutuação das amostras é difícil estimar a FRP de
maneira acurada.
Para n amostras é possível termos n FRAs.
![Page 19: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/19.jpg)
Mínimos Quadrados Ordinários
Para resolvermos o problema e conseguirmos obter a FRA que mais aproxima-se da FRP podemos utilizar do
método
Mínimos Quadrados Ordinários
Sob certas hipóteses restritivas, o MQO tem algumas propriedades estatísticas muito atraentes, fazendo com que seja um dos métodos mais utilizados de regressão.
![Page 20: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/20.jpg)
Mínimos Quadrados Ordinários
O método de MQO pode ser apresentado relembrando a seguinte forma:
FRP
Como não é diretamente observável, a estimamos a partir da FRA:
![Page 21: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/21.jpg)
Mínimos Quadrados Ordinários
Mas como estimamos a FRA propriamente dita?
Primeiro vamos expressar
Da seguinte forma:
Que mostra apenas que os resíduos são simplesmente as diferenças entre os valores reais e estimados.
![Page 22: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/22.jpg)
Mínimos Quadrados Ordinários
Então, para n pares de observação Y e X, queremos determinar a FRA de tal modo que seja tão próxima
quanto possível do Y real. Para tanto podemos adotar o seguinte critério:
Minimizando o quadrado dos erros. Ao elevarmos os erros ao quadrados implicitamente estaremos dando maior peso aos que se encontram
![Page 23: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/23.jpg)
Mínimos Quadrados Ordinários
Assim, como foi visto, a soma dos resíduos ao quadrado é uma função dos estimadores
Pois, o método MQO escolhe os estimadores de tal
maneira que, para uma dada amostra, é mínimo possível.
Em outras palavras, para uma dada amostra, o método MQO nos fornece estimativas únicas dos estimadores que dão menor valor
possível de
![Page 24: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/24.jpg)
O MODELO CLÁSSICO DE REGRESSÃO LINEAR (MCRL)
A partir de algumas hipóteses feitas com relação à interação entre estas variáveis é possível
trabalharmos com o:
O MODELO CLÁSSICO DE REGRESSÃO LINEAR (MCRL)
Assim, o MCRL formula 10 hipóteses a respeito do comportamento das variáveis Y e X e os coeficientes
β, bem como da interação entre eles.
![Page 25: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/25.jpg)
Modelo Clássico de Regressão Linear
Hipótese 1: Linearidade nos parâmetros
![Page 26: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/26.jpg)
Modelo Clássico de Regressão Linear
Hipótese 2: Os valores de X são fixados em amostra repetida
![Page 27: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/27.jpg)
Modelo Clássico de Regressão Linear
Hipótese 2: Os valores de X são fixados em amostra repetida
No nosso exemplo, escolhendo um valor de X (por exemplo US$ 80,00) teremos vários valores de Y.
Isso implica que nossa análise de regressão é uma regressão condicional (condicional aos vários valores do regressor).
![Page 28: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/28.jpg)
Modelo Clássico de Regressão Linear
Hipótese 3: Valor médio zero da perturbação ui
Dado o valor de X, o valor médio ou esperado do termo de erro estocástico ui é zero.
![Page 29: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/29.jpg)
Modelo Clássico de Regressão Linear
Hipótese 3: Valor médio zero da perturbação ui
Isso significa que, os fatores não incluídos explicitamente no modelo (incluídos portanto, em u),
não afetam sistematicamente o valor médio de Y, pois os valores positivos de u se anulam com os valores
negativos.
De modo que a sua média, ou o efeito médio sobre Y é nulo.
![Page 30: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/30.jpg)
Modelo Clássico de Regressão Linear
Hipótese 4: Homocedasticidade ou variância igual de ui
Dado o valor de X, a variância de ui é a mesma para todas as observações. Ou seja, as variâncias condicionais de ui são
idênticas.
por causa da hipótese 3
![Page 31: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/31.jpg)
Modelo Clássico de Regressão Linear
Hipótese 4: Homocedasticidade ou variância igual de ui
A variância de ui para cada Xi é algum número constante positivo igual a σ2 .
De outra forma, a população dos Y dado X têm igual dispersão ou variância.
![Page 32: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/32.jpg)
Modelo Clássico de Regressão Linear
Hipótese 4: Homocedasticidade ou variância igual de ui
![Page 33: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/33.jpg)
Modelo Clássico de Regressão Linear
Hipótese 4: Homocedasticidade ou variância igual de ui
Se a dispersão varia para os diversos valores fixados de X temos uma situação de heterocedasticidade.
![Page 34: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/34.jpg)
Modelo Clássico de Regressão Linear
Hipótese 5: Nenhuma autocorrelação entre as perturbações ui
Dado dois valores de X quaisquer, Xi e Xj, a correlação entre quaisquer dois valores ui e uj (i≠j) é zero.
![Page 35: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/35.jpg)
Modelo Clássico de Regressão Linear
Hipótese 5: Nenhuma autocorrelação entre as perturbações ui
Não há correlação serial entre os erros.
Por exemplo, se houvesse uma correlação entre ut e ut-1, Yt não dependeria apenas de X, mas de ut-1, pois este também
explica ut.
![Page 36: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/36.jpg)
Modelo Clássico de Regressão Linear
Hipótese 6: Covariância zero entre ui e Xi ou E(uiXi) = 0
Isso significa que quando expressamos uma FRP, X e u exercem influência separada (independente) e cumulativa em Y.
![Page 37: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/37.jpg)
Modelo Clássico de Regressão Linear
Hipótese 7: O número de observações n deve ser maior que o número de parâmetros
Ou seja, o número de observações deve ser maior que o de variáveis explicativas.
![Page 38: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/38.jpg)
Modelo Clássico de Regressão Linear
Hipótese 8: Variabilidade nos valores X
Os valores de X em uma dada amostra não podem ser todos iguais.
Se todos os valores fossem iguais Xi = X‾
![Page 39: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/39.jpg)
Modelo Clássico de Regressão Linear
Hipótese 8: Variabilidade nos valores X
Isso tornaria impossível o cálculo dos coeficientes
![Page 40: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/40.jpg)
Modelo Clássico de Regressão Linear
Hipótese 9: Não há viés ou erro de especificação no modelo
Parte do princípio de que o modelo foi construído a partir de uma fundamentação teórica.
![Page 41: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/41.jpg)
Modelo Clássico de Regressão Linear
Hipótese 9: Não há viés ou erro de especificação no modelo
Parte do princípio de que o modelo foi construído a partir de uma fundamentação teórica.
![Page 42: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/42.jpg)
Modelo Clássico de Regressão Linear
***Hipótese 10: Não há multicolinearidade perfeita entre as variáveis explicativas
Não há relações lineares perfeitas entre as variáveis
Nenhuma das variáveis explicativas pode ser escrita como
combinação linear das demais.
![Page 43: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/43.jpg)
Modelo Clássico de Regressão Linear
***Hipótese 10: Não há multicolinearidade perfeita entre as variáveis explicativas
![Page 44: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/44.jpg)
Modelo Clássico de Regressão Linear
***Hipótese 10: Não há multicolinearidade perfeita entre as variáveis explicativas
Exemplo: Seja o modelo
Em que Y = consumo; X2 = renda; X3= riqueza
![Page 45: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/45.jpg)
Melhor Estimador Linear Não-Viesado
No entanto, podemos admitir que, sob as hipóteses do MCRL as estimativas por mínimos quadrados
possuem algumas propriedades ótimas.
Estas propriedades estão descritas no Teorema de Gauss-Markov.
E condicionam os estimadores a ser o Melhor Estimador Linear Não-Viesado (MELNV).
![Page 46: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/46.jpg)
Melhor Estimador Linear Não-Viesado
Um estimador, digamos o , será considerado um MELNV caso sejam válidas as seguintes condições:
1. É linear, isto é, uma função linear de uma variável aleatória, tal como a variável dependente Y no modelo de regressão.
2. É não viesado, isto é, seu valor médio esperado é igual ao valor verdadeiro β2.
3. Tem mínima variância na classe de todos os estimadores lineares não viesados.
![Page 47: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/47.jpg)
Melhor Estimador Linear Não-Viesado
3. Tem mínima variância na classe de todos os estimadores lineares não viesados.
Um estimador não-viesado com a menor variância é conhecido como um estimador eficiente.
![Page 48: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/48.jpg)
Teorema de Gauss-Markov
No contexto da regressão pode-se provar que os estimadores por MQO são MELNV.
Esta é a essência do Teorema de Gauss-Markov.
Teorema de Gauss-Markov: dadas as hipóteses do Modelo Clássico de Regressão Linear, os estimadores por mínimos quadrados, na classe dos estimadores lineares não viesados, têm mínima variância, isto é, são MELNV.
![Page 49: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/49.jpg)
O Coeficiente de Determinação r2
Depois de estimados os coeficientes de nossa regressão, como verificar o “grau de ajuste” (o quão bem a reta de regressão
amostral se ajusta aos dados) do modelo estimado?
Através do Coeficiente de Determinação r2 ou (R2 para regressões múltiplas)
Que é uma medida sintética que diz o quão bem a reta de regressão amostral se ajusta aos dados.
![Page 50: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/50.jpg)
Hipótese da Normalidade
Mas, além de averiguar o “grau de ajuste” da regressão, podemos verificar se cada um dos coeficientes obtidos é estatisticamente significante.
Isso é possível através do Teste de Hipótese. Para tanto, mais uma hipótese desse ser inserida ao nosso contexto.
A Hipótese da Normalidade dos erros que resulta no:
Modelo Clássico de Regressão Linear Normal
50
![Page 51: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/51.jpg)
Modelo Clássico de Regressão Linear Normal
O MCRLN assume, então, que cada termo de erro ui é distribuído normalmente com:
Ou simplesmente:
51
![Page 52: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/52.jpg)
Modelo Clássico de Regressão Linear Normal
Considerando que, se duas variáveis normalmente distribuídas possuem covariância igual a zero elas
são ditas independentes, podemos dizer que:
Em que NID significa:
Normalmente e independentemente distribuído. 52
![Page 53: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/53.jpg)
Hipótese da Normalidade
Mas por que assumir que os erros são normalmente distribuídos?
Ou ainda, por que a distribuição normal?
53
![Page 54: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/54.jpg)
Hipótese da Normalidade
1 – Sabemos que o termo de erro representa a influência de uma série de variáveis independentes que não estão explicitamente
introduzidas na regressão.
Pela Teoria do Limite Central sabemos ainda que se há um grande número de variáveis aleatórias independentes e identicamente distribuídas, o seu somatório tende a uma distribuição normal a
medida que o número destas variáveis aumenta.
54
![Page 55: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/55.jpg)
Hipótese da Normalidade
2 – Assumindo a hipótese da normalidade dos erros a distribuição de probabilidade dos estimadores do MQO também se torna mais
simples de calcular.
Pelas propriedades da distribuição linear “toda função linear de variáveis normalmente distribuídas é também normalmente
distribuída”.
55
![Page 56: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/56.jpg)
Hipótese da Normalidade
3 - A própria distribuição normal é mais simples de se trabalhar pois utiliza-se de apenas dois parâmetros:
Normal (média, variância)
56
![Page 57: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/57.jpg)
Hipótese da Normalidade
4 – Quando se trabalha com amostras relativamente pequenas, a hipótese da normalidade nos permite não apenas calcular a
distribuição de probabilidade dos estimadores por MQO, mas também, que se use os testes estatísticos para os testes de
hipótese.
57
![Page 58: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/58.jpg)
Hipótese da Normalidade
Hipóteses dos estimadores por MQO sob a hipótese da Normalidade
1. São não-viesados;
2. Possui variância mínima;
3. São consistentes, isto é, à medida que a amostra aumenta eles convergem para os valores verdadeiros da população.
58
![Page 59: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/59.jpg)
Hipótese da Normalidade
4 – os estimadores podem ser calculados da seguinte forma:
59
![Page 60: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/60.jpg)
Hipótese da Normalidade
5 – Sob a hipótese da normalidade os estimadores terão variância mínima entre todos os estimadores não viesados,
lineares ou não.
60
![Page 61: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/61.jpg)
Teoria da Estimação
Depois de assumirmos que os erros se distribuem normalmente, e consequentemente os estimadores da FRA, é possível agora testá-los para avaliar o quão próximos estão dos
reais coeficientes.
OU seja, se os betas encontrados são confiáveis ou não.
Esta parte da análise econométrica é conhecida como Teoria da Estimação.
Que consiste em duas partes:
Estimativa de ponto;
Estimativa de intervalo.
61
![Page 62: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/62.jpg)
Estimativa de ponto
Estimativa de ponto
A Estimativa de ponto é o que temos feito até o momento. Calcular uma única estimativa (um valor) para um determinado parâmetro populacional que nos informará os valores de:
Outros exemplos de estimativa de ponto são a média amostral, a variância amostral etc.
62
![Page 63: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/63.jpg)
Estimativa de ponto
Entretanto, sabemos que para cada nova FRA poderemos ter outros valores das estimativas de ponto, inclusive para os estimadores.
Assim, torna-se interessante não apenas trabalharmos com pontos isolados, mas com um verdadeiro intervalo de pontos aos quais os
valores dos coeficientes poderiam assumir.
Para isso trabalharemos com a Estimativa de Intervalo.
63
![Page 64: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/64.jpg)
Estimativa de Intervalo
Estimativa de Intervalo estabelece uma faixa de valores dentro da qual um parâmetro populacional provavelmente se encontrará.
Este intervalo dentro do qual um parâmetro populacional é esperado ocorrer é chamado de Intervalo de Confiança (IC).
64
![Page 65: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/65.jpg)
Estimativa de Intervalo
Matematicamente o Intervalo de Confiança pode ser representado da seguinte maneira:
Em que 1:1 – α = nível de confiança;α = nível de significância.
65
![Page 66: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/66.jpg)
Estimativa de Intervalo
1 – α →Nível de confiança: é a probabilidade de que o intervalo encontrado contenha o valor real do parâmetro analisado;
α → Nível de significância: é a probabilidade de que o intervalo encontrado NÃO contenha o valor real do parâmetro analisado.
66
![Page 67: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/67.jpg)
Estimativa de Intervalo
67
![Page 68: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/68.jpg)
Cálculo do Intervalo de Confiança
Cálculo do IC:
Considerando que os erros seguem uma distribuição normal podemos dizer que os próprios estimadores também seguem esta
distribuição.
Então é possível trabalharmos com a estatística:
68
![Page 69: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/69.jpg)
Cálculo do Intervalo de Confiança
Entretanto, toda vez que o desvio-padrão populacional não for conhecido devemos trabalhar com a estatística t-student.
Dado as características estatísticas da distribuição Z ela pode ser reescrita da seguinte forma:***:
Prova no Apêndice 5A.
69
![Page 70: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/70.jpg)
Cálculo do Intervalo de Confiança
Então, é possível estabelecer o Intervalo de Confiança para o estimador utilizando a estatística t-student ao invés da normal.
70
![Page 71: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/71.jpg)
Cálculo do Intervalo de Confiança
Que por sua vez pode ser matematicamente expresso da seguinte forma:
Ou considerando os graus de liberdade:
71
![Page 72: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/72.jpg)
Cálculo do Intervalo de Confiança
Exemplo:
A estimação de um modelo que testava a influência da renda no consumo resultou nos seguintes valores:
E considerando um α (Nível de significância) de 5%, calcule os limites do intervalo de confiança para .
72
![Page 73: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/73.jpg)
Cálculo do Intervalo de Confiança
73
![Page 74: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/74.jpg)
Cálculo do Intervalo de Confiança
74
![Page 75: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/75.jpg)
Cálculo do Intervalo de Confiança
75
![Page 76: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/76.jpg)
Cálculo do Intervalo de Confiança
Mas, notem que isso é diferente de dizer que a probabilidade é de 95% por cento que o intervalo específico (0,4268-0,5914) contenha o β2 verdade.
Como o intervalo agora é fixo e não aleatório, portanto, β2 ou reside nele ou não: a probabilidade de que o especificado intervalo
fixo inclua o β2 verdadeira é, então, 1 ou 0.
76
![Page 77: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/77.jpg)
Testes de Hipóteses - Conceitos
Também é possível testar se os dados que obtivemos para uma população são corroborados pela evidência de uma amostra.
Esta é a base de Testes de Hipóteses.
Em outras palavras o testes de hipóteses procura averiguar se uma dada observação encontrada é compatível com a hipótese testada.
Onde a palavra “compatível”significa “suficientemente” próxima do valor hipotético de modo que podemos não rejeitar a hipótese levantada.
77
![Page 78: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/78.jpg)
Testes de Hipóteses - Passos
Para testarmos se uma hipótese é verdadeira ou não Tavares (2011) define os seguintes passos:
1) Definir a hipótese nula (H0) e a hipótese alternativa (H1);
Hipótese nula (H0): especifica um valor para o parâmetro que queremos testar. Representa uma crença que mantemos até que a evidência seja refutada ou aceita.
Hipótese alternativa (H1): confronta a hipótese nula.
78
![Page 79: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/79.jpg)
Testes de Hipóteses - Passos
2) Definir o nível de significância (α).
3) Definir a distribuição amostral a ser utilizada (parcela da população que será analisada).
4) Definir os limites da região de rejeição e aceitação (o Intervalo de Confiança)
5) Calcular a estatística da distribuição escolhida a partir dos valores amostrais obtidos.
79
![Page 80: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/80.jpg)
Testes de Hipóteses - Passos
Exemplo:
O IBGE divulgou que em 2009 o PIB per capita da cidade de Formiga foi de aproximadamente R$ 10.500,00. Em uma pesquisa realizada na cidade com uma amostra de
121 pessoas, encontrou-se um PIB per capita de R$11.000,00 com desvio-padrão de R$1.500,00. Ao nível
de significância de 5% é possível dizer que a média amostral é igual a média populacional?
80
![Page 81: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/81.jpg)
Testes de Hipóteses - Passos
1 - Formulando nossas hipóteses.
Ho: μ = R$ 10.500,00
H1: μ > R$ 10.500,00 (teste unicaudal à direita) – o retorno médio é superior a R$ 10.500,00;H1: μ < R$ 10.500,00 (teste unicaudal à esquerda) – o retorno médio é inferior a R$ 10.500,00;H1: μ ≠ R$ 10.500,00 (teste bicaudal) – o retorno médio é diferente de R$ 10.500,00.
81
![Page 82: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/82.jpg)
Testes de Hipóteses - Passos
2 - Definir o nível de significância.
O nível de significância de um teste é dado pela probabilidadede se cometer erro do tipo I (ocorre quando você rejeita a hipóteseHo e esta hipótese é verdadeira). Com o valor desta probabilidadefixada, você pode determinar o chamado valor crítico, que separa a
chamada região de rejeição da hipótese Ho da região de aceitação dahipótese Ho.
Definido em 5%.
82
![Page 83: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/83.jpg)
Testes de Hipóteses - Passos
O fato de estarmos usando resultados amostrais para fazermos inferência sobre uma população pode nos conduzir a erros. A estes erros damos os nomes:
Erro tipo I: rejeitar H0 quando ela é verdadeira. Sua probabilidade é dada por α, denominado nível de significância.
Erro tipo II: aceitar H0 quando ela é falsa. Sua probabilidade é dada por β e relaciona-se com o chamado Poder do teste (1- β).
83
![Page 84: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/84.jpg)
Testes de Hipóteses - Passos
3 - Definir a distribuição amostral a ser utilizada.
A estatística a ser utilizada no teste será definida em função dadistribuição amostral a qual os dados seguem.
Se quiser fazer um teste de hipótese para uma média ou diferença entre médias, utilize a distribuição de Z (variância conhecida) ou t de Student (variância desconhecida da população).
Se quiser comparar a variância de duas populações, então deverá trabalhar com a distribuição F, ou seja, da razão de duas variâncias.
84
![Page 85: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/85.jpg)
Testes de Hipóteses - Passos
4 - Definir os limites da região de rejeição
Os limites entre as regiões de rejeição e aceitação da hipótese Ho, você definirá em função :
Do tipo de hipótese H1; Do valor de (nível de significância); Da distribuição amostral utilizada.
85
![Page 86: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/86.jpg)
Testes de Hipóteses - Passos
4 - Definir os limites da região de rejeição
86
![Page 87: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/87.jpg)
Testes de Hipóteses - Passos
4 - Definir os limites da região de rejeição
Então localizamos o intervalo de confiança para nossa amostra com α =5% e graus de liberdade = 120 na tabela t-student.
Pela tabela t-student : IC = + ou - 1,980
87
![Page 88: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/88.jpg)
Testes de Hipóteses - Passos
4 - Definir os limites da região de rejeição
88
![Page 89: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/89.jpg)
Testes de Hipóteses - Passos
5 – Calcular a estatística da distribuição escolhida a partir dos valores amostrais obtidos.
Para tanto calculamos a estatistica t de nossa amostra:
t =
89
![Page 90: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/90.jpg)
Testes de Hipóteses - Passos
5 – Calcular a estatística da distribuição escolhida a partir dos valores amostrais obtidos.
90
![Page 91: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/91.jpg)
Testes de Hipóteses - Passos
5 – Calcular a estatística da distribuição escolhida a partir dos valores amostrais obtidos.
OU ainda podemos calcular a Região Crítica:
91
![Page 92: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/92.jpg)
Testes de Hipóteses - Passos
5 – Calcular a estatística da distribuição escolhida a partir dos valores amostrais obtidos.
92
![Page 93: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/93.jpg)
Testes de Hipóteses - Passos
6 – Tomar decisão
Como em nosso exemplo a estatística t ficou dentro do intervalo de confiança (o valor do estimador ficou dentro da região de aceitação) dizemos que não é possível rejeitar a hipótese nula.
93
![Page 94: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/94.jpg)
Valor p
Uma estatística importante calculada nas regressões é o valor p (p-value).
O valor p pode ser entendido como o nível de significância observado ou exato. É o nível mínimo de significância ao qual a hipótese nula pode ser rejeitada. Em
outras palavras, a probabilidade exata de se cometer o erro tipo I.
Se o valor do p-valor for menor que o nível de significância estipulado, assume-se o erro tipo I e rejeita-se a hipótese nula.
Valor p < α → rejeita-se HoAo contrário, se o p-valor for maior, não é assumido o erro tipo I e não se rejeita a hipótese nula.
Valor p > α → não rejeita-se Ho
94
![Page 95: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/95.jpg)
Análise Output da regressão
Considere um modelo onde desejamos explicar o lucro por ação (LPA) de uma empresa através de algumas variáveis representadas por dados contábeis e medidas de mercado.
Neste caso, as variáveis independentes escolhidas foram:
Liquidez geral (liq_gera): Ativo Circulante + Realizável a Longo Prazo) / (Passivo Circulante + Passivo Não Circulante;
Presença em bolsa (presen): % de participação em transações na bolsa no período analisado;
Volatilidade (vol): variância ou mensuração do grau de risco de cada ativo;
95
![Page 96: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/96.jpg)
Análise Output da regressão
Lembrando que, para construirmos nosso modelo, temos que ter em mente o quadro visto:
Pois, na maioria dos casos, o modelo deve ser construído com base em uma teoria anterior.
96
![Page 97: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/97.jpg)
Análise Output da regressão
Assim, nossa hipótese é que o lucro por ação é explicado pela Liquidez geral, pela Presença em bolsa e pela Volatilidade.
Matematicamente falando: LPA = f(liq_gera; presen; vol)
Econometricamente falando:
LPA = β0 + β1 liq_gera+ β2 presen + β3 vol + ui
97
![Page 98: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/98.jpg)
Análise Output da regressão
Portanto, estimando nosso modelo (através do STATA) temos o seguinte output
LPA = β0 + β1 liq_gera+ β2 presen + β3 vol + ui
98
![Page 99: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/99.jpg)
Análise Output da regressão
Em que:
99
![Page 100: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/100.jpg)
Análise Output da regressão
Assim, o modelo estimado foi:
LPA = -0,843708 - 0,386184 liq_gera + 0,282046 presen -0,027831 vol
100
![Page 101: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/101.jpg)
Análise Output da regressão
Entretanto, considerando as estatísticas t e o valor p da regressão:
Como:Valor p > α → não rejeita-se Ho (neste caso, testa-se se o coeficiente é igual a 0)
É possível observar que para os coeficientes, liq_gera, presen e _const, não rejeitamos a hipótese nula de que eles são estatisticamente iguais a zero.
Nesse caso, nosso modelo pouco explicou o lucro por ação.101
![Page 102: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/102.jpg)
Análise Output da regressão
O que, de fato, também é apresentado pelo R2 muito baixo:
A grosso modo, apenas cerca de 5% do lucro por ação é explicado pelas variáveis apresentadas.
102
![Page 103: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/103.jpg)
Análise Output da regressão
Sabendo disso podemos tentar testar outra hipótese:
LPA = β0 + β1 vol + ui
OU seja, testar se o LPA pode ser explicado apenas pela volatilidade das ações.
103
![Page 104: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/104.jpg)
Análise Output da regressão
Assim, o resultado deste novo modelo: LPA = β0 + β1 vol + ui
104
![Page 105: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/105.jpg)
Análise Output da regressão
Que por sua vez nos apresenta que:
LPA = 1,927125 - 0,0277792 vol
Com um R2 = 0,0508
Mas com todas aos valores p estatisticamente significante, ou seja, menores do que α=0,05, rejeitando a
hipótese nula de que os coeficientes sejam igual a zero.105
![Page 106: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/106.jpg)
Análise Output da regressão
Com base na teoria que vimos até aqui, comparando os dois modelos, como o R2 se mostram praticamente nos mesmos níveis (0,0509 para o modelo completo e 0,0508 para o modelo restrito), optaríamos pelo segundo modelo, pois, todos os coeficientes são estatisticamente diferentes de zero.
106
![Page 107: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/107.jpg)
Análise Output da regressão
A tomada de decisão entre dois modelos inicia-se desta forma, mais a frente veremos outros testes a serem aplicados.
Mas de qualquer forma, temos que ter em mente a teoria econômica por trás do modelo. Vejamos se nosso modelo economicamente está correto:
107
![Page 108: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/108.jpg)
Análise Output da regressão
Nosso modelo está descrito da seguinte forma:
LPA = 1,927125 - 0,0277792 vol
Isso significa que o lucro por ação cai se a volatilidade aumenta (????)
Considerando que nos dados obtidos a volatilidade variou de 20 (mínima) até 260 (máxima) podemos construir um gráfico desta variação.
108
![Page 109: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/109.jpg)
Análise Output da regressão
109
LPA beta 0 beta 1 Vol LPA beta 0 beta 1 Vol
1,371545 1,927125 0,027779 20 -2,23973 150
1,093755 30 -2,51752 160
0,815965 40 -2,79531 170
0,538175 50 -3,0731 180
0,260385 60 -3,35089 190
-0,01741 70 -3,62868 200
-0,2952 80 -3,90647 210
-0,57299 90 -4,18426 220
-0,85078 100 -4,46205 230
-1,12857 110 -4,73984 240
-1,40636 120 -5,01763 250
-1,68415 130 -5,29542 260
-1,96194 140
![Page 110: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/110.jpg)
Análise Output da regressão
110
0 20 40 60 80 100120
140160
-2.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Volatilidade
LPA
![Page 111: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/111.jpg)
Análise Output da regressão
Com isso, nosso modelo nos diz que se a volatilidade for igual a 20 o lucro por ação será de cerca de 1,37, e caso a volatilidade suba para 260, este lucro será, na verdade, um prejuízo de cerca de -5,3.
Será????
Na verdade sabemos que o lucro por ação está num intervalo maior do que isso.
Além disso, alguns estudos apontam que o lucro por ação explica parte da volatilidade encontrada.
111
![Page 112: AULA 9 – Revisão Econometria DISCIPLINA: Econometria PROFESSOR: Bruno Moreira CURSO: Tecnólogo em Gestão Financeira](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc163497959413d8e9f59/html5/thumbnails/112.jpg)
Análise Output da regressão
Resultado:
Mesmo nossos os coeficientes sendo estatisticamente diferentes de zero, nosso modelo cai devido à sua falta de fundamentação teórica e empírica.
Ou seja, este nosso modelo seria rejeitado.
112