Departamento de Cincias Econmica

Econometria II
Heterocedasticidade
(continuao)
Prof: Graciela Profeta
Campos, 01 de fevereiro de 2013
3.2 HETEROCEDASTICIDADE
3.2.3- Consequncias da heterocedasticidade: Estimao de MQG
III.)Consequncias do uso de MQO na presena de
heterocedasticidade
J sabemos que na presena de heterocedasticidade:
Mas se insistssemos em usar o estimador de MQO para
obter as estimativas da regresso, o que aconteceria:
com os intervalos de confiana, com os testes de hipteses
(teste t e F)
BLUE" " ) MQG (
BLUE" " no ) MQO (
*
2
^
^
2
|
|
3.2 HETEROCEDASTICIDADE
III.)Consequncias do uso de MQO na presena de
heterocedasticidade
Vamos considerar dois casos:
i) Primeiro: Estimativas de MQO na presena de
heterocedasticidade
ii) Segundo: Estimativas de MQO sem considerar a
heterocedasticidade
3.2 HETEROCEDASTICIDADE
III.)Consequncias do uso de MQO na presena de
heterocedasticidade
i)Estimativas de MQO na presena de
heterocedasticidade
Se estimarmos uma regresso usado o estimador de
MQO ( ) cuja varincia :
Mesmo que seja conhecido, possvel estabelecer
intervalos de confiana e testar hiptese a partir de teste
t e F (de forma confivel)?
^
2
|
( )
stica heteroced ) var(
2
2
2 2
^
2
=

i
i i
x
x o
|
2
i
o
3.2 HETEROCEDASTICIDADE
III.)Consequncias do uso de MQO na presena de
heterocedasticidade
Resposta: No!
Pois em geral,
Portanto, na presena de heterocedasticidade a
inferncia estatstica sobre as estimativas de MQO no
so confiveis,
Isto porque, os intervalos de confiana so
desnecessariamente grande o que implica em valores
dos teste t e F inexatos.
) var( ) var(
2
^
^
*
2
| | s
3.2 HETEROCEDASTICIDADE
ii) Estimativas de MQO SEM considerar a
heterocedasticidade
A situao neste caso, pode ainda ser pior do que a
apresentada no caso anterior.
Aqui, alm de usarmos , usamos tambm a varincia
homocedstica, mesmo na presena de
heterocedasticidade.
Demonstrao: ver (DEMO01_01_fevereiro emanexo)
) MQO (
^
2
|
( )
2
2
2
2
^
2
2
2
^
2
) var( de viesado estimador um que ica, homocedst ) var(

= =
i
i i
i x
x
x
o
|
o
|
3.2 HETEROCEDASTICIDADE
III.)Consequncias do uso de MQO na presena de
heterocedasticidade
Portanto, na presena de heterocedasticidade, vimos que o
estimador convencional de dado por:
O que implica em :
Pouca confiabilidade dos Intervalos de confiana obtidos do
modo convencional;
Os teste de hipteses (t e F) no tero validade para inferncias
2
o
hetero de presena na O TENDENCIOS agora ,
) 2 (
2
^
2
^

=

n
u i
o
3.2 HETEROCEDASTICIDADE
III.)Consequncias do uso de MQO na presena de
heterocedasticidade
Exemplo pgina 322 Gujarati: Experimento Monte Carlo (Davidson
e Makinnon);
Obtiveram os valores para os erros-padro de MQO, de MQO com
hetero e de MQG
Regrediram o
seguinte modelo:
) N(0, ~ e 1 1,
,
2 1
2 1
i
i
i i i
X u
u X Y
o
| |
| |
= =
+ + =
Pressuposto: varincia do erro heterocedstica e
est relacionada ao regressor X com um expoente
alfa. Se alfa 1, a var(ui) proporciona a X, se alfa
2, a var(ui) proporcional ao quadrado de X.
3.2 HETEROCEDASTICIDADE
III.)Consequncias do uso de MQO na presena de
heterocedasticidade
Resultados de MQO superestimamos verdadeiros erros-padro (MQG)
3.2 HETEROCEDASTICIDADE
III.)Consequncias do uso de MQO na presena de
heterocedasticidade
Concluso 1: Na presena de hetero a melhor opo
USAR MQG
Concluso 2: Na prtica nem sempre possvel
aplicar MQG!
Concluso 3:Na verdade, nem sempre trocar MQO
por MQG ou MQP a melhor opo, a
no ser quando se trata de elevado
grau de heterocedasticidade
3.2 HETEROCEDASTICIDADE
3.2.4) Deteco da heterocedasticidade
No existe regras firmes e fortes;
Existem apenas regras prticas;
Mas porque isto ocorre?
Em estudos econmicos no se conhece, a priori,
Isto ocorre, porque na economia no trabalhamos com toda a
populao Y correspondentes aos X selecionados;
Na prtica, ns s temos um valor amostral de Y que
corresponde a um valor de X.
2
i
o
3.2 HETEROCEDASTICIDADE
3.2.4) Deteco da heterocedasticidade
Com base nisto, podemos afirmar que a
heterocedasticidade um caso de intuio, palpites
baseados em informaes de artigos cientficos, etc.
Portanto, dado essa realidade que temos apenas
mtodos prticos formais e outros informais de detectar
a hetero.
Alm disso, salienta-se que estes mtodos so baseados
no estudo dos resduos de MQO,
) (
i
u
3.2 HETEROCEDASTICIDADE
3.2.4) Deteco da heterocedasticidade: I) mtodos informais
a) Natureza do problema
Presena de hetero est relacionada natureza do
problema;
Exemplo:
Geralmente em estudos que analisam o consumo em funo da
renda, a varincia residual em torno da renda aumenta quando a
renda aumenta;
Espera-se que ocorra o mesmo para estudos semelhantes;
Alm disso, estudos como este que usam dados de corte (POF,
PNAD, IBGE) geralmente apresentam problemas de hetero.
3.2 HETEROCEDASTICIDADE
3.2.4) Deteco da heterocedasticidade: I) mtodos informais
b) Mtodo Grfico: procedimentos:
Passo1: Regrida o modelo, supondo homocedasticidade e salva os
resduos;
Logo, a regresso poder ser feita por MQO;
Passo 2: Faa a anlise do comportamento grfico dos resduos
ao quadrado que uma boa proxy de ui contra para
casos de duas variveis, ou dos contra os Xi para mais de
duas variveis.
O objetivo verificar se o valor mdio estimado de Y ( Y
estimado pela linha de regresso) se relaciona sistematicamente
com o resduos ao quadrado.
Exemplos:
) (
2
i u
) (
2
i u
^
i
Y
3.2 HETEROCEDASTICIDADE
3.2.4) Deteco da heterocedasticidade
No h
padro
sistemtico
H padro sistemtico=
relao linear entre Ui e
Y
OBS: Grficos
gerados a partir
dos U
estimados ao
quadrado e do
Yi estimado
3.2 HETEROCEDASTICIDADE
3.2.4) Deteco da heterocedasticidade: II) mtodos formais
a) Teste de Park:
Formalizao do mtodo grfico;
Considera a seguinte forma funcional:
Como desconhecido, Park sugere usar como
uma proxy
Assim, temos:
) (34 ln ln ln
2 2 2 2
i i i
vi
i i
v X e X + + = = | o o o o
|
2
i
o
) (
2
i u
3.2 HETEROCEDASTICIDADE
a) Teste de Park:

+ + =
= + + =
icidade homocedast ivo significat no
de funo pois
sticidade, heteroceda
ivo significat

: testada
ser a Hiptese
(35) ln ln
: logo , ln que em , ln ln ln
2
i
2
^
2 2
2
^
i
i i
i
i i
i
X
v X u
v X u
o
|
| o
o o | o
3.2 HETEROCEDASTICIDADE
a)Teste de Park: Procedimentos
Exemplo 1-teste de park: Eviews
2
^
2
^
2
^
i i 2 1 i
do cia significn a Verifcar : 3 Passo
) (35' ln ln
(35) em como regresso a Calcular : 2 Passo
u os obter e hetero) erar (desconsid MQO por (36) Calcular : 1 Passo
(36) u X Y : modelo seguinte o Suponha
|
| o
| |
i i
i
i
v X u + + =
+ + =
3.2 HETEROCEDASTICIDADE
a)Teste de Park: Procedimentos
Problema do teste segundo Goldfeld e Quandt:
O termo de erro de (35) vi, pode ser heterocedstico; uma vez que ele pode no
atender alguns pressupostos do MRLC.

icidade homocedast ivo significat no

de funo pois
sticidade, heteroceda
ivo significat

: testada
ser a Hiptese
2
i i
X o
|
No h
heterocedasticida
de na varincia
do s erros
3.2 HETEROCEDASTICIDADE
b)Teste de Glejser
Segue a ideia do teste de Park
Procedimentos:
Passo 1: Estimar por MQO o modelo a seguir, e obter
os resduos
Passo 2: Regrida | |contra Xi, dado que Xi est
estritamente associado a .
i i 2 1 i
u X Y + + = | |
i
u
^
i
u
^
2
i
o
3.2 HETEROCEDASTICIDADE
b)Teste de Glejser: Procedimentos
Glejser adotou as seguintes formas funcionais para seu teste:
(42)
(41)
(40)
1
(39)
1
(38)
(37)
2
2 1
^
2 1
^
2 1
^
2 1
^
2 1
^
2 1
^
i
i
i
i i i
i
i
i
i
i
i
i
i
i
i i i
v X u
v X u
v
X
u
v
X
u
v X u
v X u
+ + =
+ + =
+ + =
+ + =
+ + =
+ + =
| |
| |
| |
| |
| |
| |

homo ivo significat no

Hetero ivo significat
|
Problemas destacados por G-Q:
i) No pode-se garantir que vi
homocedstico;
ii) Formas funcionais (41) e (42)
no so lineares nos
parmetros
3.2 HETEROCEDASTICIDADE
c)Teste de Goldfeld - Quandt
Aplicado quando acreditamos que a varincia
heterocedstica , se relaciona de modo positivo
a uma das variveis explanatrias do modelo de
regresso .
Considere o seguinte modelo de regresso:
) (
2
i
o
o pressuposi por constante uma que sendo ,
: temos Xi, a positivo modo de relaciona se Como
u X Y
2 2 2 2
i
2
i
i i 2 1 i
o o o
o
| |
i
X =
+ + =
3.2 HETEROCEDASTICIDADE
c)Teste de Goldfeld - Quandt
Portanto, pressupe-se que seja proporcional
ao quadrado da varivel X.
Se isto for verdade, ento podemos afirmar que:
) (
2
i
o
i
2
X de valores os forem maior quanto maior sera
i
o
Provvel heterocedasticidade
3.2 HETEROCEDASTICIDADE
c)Teste de Goldfeld Quandt: procedimentos
OBS: A omisso de C observaes deve ser feita para aumentar a diferena
entre o grupo com varincia pequena e o grupo com varincia grande
Passo1: Ordenar de forma
crescente os valores de Xi
Passo 2: Omita C
observaes centrais
(esse C definido a priori)
e divida as n- C
observaes em dois
grupos (n-c)/2.
ObS X1 X2
1 3396 9355
2 3787 8584
3 4013 7962
4 4014 8275
5 4146 8389
6 4241 9418
7 4387 9795
8 4538 10281
9 4843 11750
3.2 HETEROCEDASTICIDADE
c)Teste de Goldfeld Quandt: procedimentos
Passo 3: Ajustar regresses de MQO para ambos ao
grupos e obter os respectivos valores de SQR
(SQR
1
e SQR
2
). Sendo SQR
1
para o grupo que
apresenta varincia pequena e SQR
2
para o
grupo que apresenta varincia grande.
OBS: Cada uma dessas SQR apresentam:
intercepto o incluindo estimados serem a parmetros de nmero o K
liberdade de graus
2
) 2 (
ou
2
) ( K C n
K
C n

3.2 HETEROCEDASTICIDADE
c)Teste de Goldfeld Quandt: procedimentos
Passo 4: Estime a razo:
Supondo que ui se distribui normalmente, podemos
afirmar que segue a distribuio F com (n-C-2K) 2gl,
tanto no numerador quanto no denominador.
Neste caso, a hiptese nula a ser testada de
homocedasticidade
gl SQR
gl SQR
1
2
=

<
>
icidade homocedast
sticidade heteroceda
:
o crtico cal
o crtico cal
NRH F
RH F
Deciso

3.2 HETEROCEDASTICIDADE
d)Teste de Breusch-Pagan-Godfrey (BPG)
( )
mi m i i
i ki k i
Z Z f
u X X
o o o o
| | |
+ + + =
+ + + + =
...
: por dada erro do varincia a que Considere
) 43 ( .... Y
: modelo seguinte o Suponha
2 2 1
2
2 2 1 i
(homo) constante uma que , 0 ...
se disso, Alm Z. dos linear funo uma Ento
... : que Supondo
1
2
2
2
2 2 1
2
o o o o
o
o o o o
= = = =
+ + + =
i m
i
mi m i i
Z Z
Ou seja, a varincia uma
funo de variveis no
estocsticas Z, sendo que
alguns ou todos os Xi podem
servir de Z.
Hiptese nula a ser testada
3.2 HETEROCEDASTICIDADE
d)Teste de Breusch-Pagan-Godfrey (BPG): Procedimentos
Passo 1: Estime (44) por MQO e obtenha os resduos
Passo 2:
Passo 3:
Passo 4: Regrida pi contra os Z, da seguinte forma:
k n
u
n
u
i i

= =

^
2
2
2
~
^
2
2
~
: MQO de do , de MV estimador o que em , Obter o o o

pi variveis Construa
2
~
^
2
o
i
u
=
i mi m i
v Z Z p + + + + = o o o ... 1
2 2 1
3.2 HETEROCEDASTICIDADE
d)Teste de Breusch-Pagan-Godfrey (BPG): Procedimentos
Passo 5: Obter a SQE (soma dos quadrados explicados pela
regresso) e defina:
Exemplo 2- teste BPG: Eviews

>
>
O

= O

icidade homocedast
sticidade heteroceda
: Deciso
s temo ,
mente indefinida aumentando n
icidade homocedast
ui de normal o distribui
: supondo ), (
2
1
0
2 2
0
2 2
2
1
~
RH
RH
SQE
crtico cal
crtico cal
m
asy
_ _
_ _
_
3.2 HETEROCEDASTICIDADE
e)Teste Geral de Heterocedasticidade de WHITE
Procura superar as limitaes apresentadas nos
testes de:
Goldfeld-Quandt (G-Q) : necessidade de ordenamento
a priori das variveis e retirada de C observaes
centrais
Breusch- Pagan- Godfrey: pressuposto de normalidade
para ui.
) 45 ( Y
: modelo seguinte o Suponha
3 3 2 2 1 i i i i
u X X + + + + = | | |
3.2 HETEROCEDASTICIDADE
e)Teste de WHITE: Procedimentos
Passo 1: Estime (45) por MQO e obtenha
Passo 2: Calcule a seguinte regresso auxiliar:
i
u
^
(homo) ) (u var 0 : se disso, Alm
s ' X aos ente funcionalm relaciona se ) (u var a
que e ) (u var que se - pressupe ente Implicitam : obs
(46)
1 6 4 4 3 2
i
2
3 2 6
2
3 5
2
2 4 3 3 2 2 1
^
o o o o o o
o
o o o o o o
= = = = = =
=
+ + + + + + =
i
i
i i
i i i i i i i i
v X X X X X X u
3.2 HETEROCEDASTICIDADE
e)Teste de WHITE: Procedimentos
Passo 3: Calcule nR
2
que segue distribuio de qui-
quadrado com o graus de liberdade igual ao
nmero de regressores da regresso auxiliar,
exceto o intercepto.
Neste caso, temos:
2 2
~ _
asy
nR

<
>
icidade homocedast
sticidade heteroceda
: Deciso
0
2 2
0
2 2
RH
RH
crtico cal
crtico cal
_ _
_ _
3.2 HETEROCEDASTICIDADE
e)Teste de WHITE: Procedimentos