Econometria

1.  Transformações lineares

- Aplicação: coeficiente beta padronizado
 Efeitos da dimensão dos
dados nas estatísticas MQO
o 

o  Alterando a escala de y levará a uma

correspondente alteração na escala dos
coeficientes e dos erros-padrão, sem nenhuma
alteração na significância ou na interpretação.
o  Alterando a escala de uma variável x levará a
uma mudança na escala dos respectivos
coeficiente e erro-padrão, sem nenhuma
alteração na significância ou na interpretação.
2
 Unidades de medida

o  Será que quando mudamos as unidades de

medida de x e y afetamos as estimativas MQO?
o  Não afetamos o grau de ajuste do modelo
medido pelo R2
o  O redimensionamento dos dados é feito com
intuito de melhorar a aparência da equação
estimada, sem alterar os resultados essenciais.

3
 Unidades de medida

o  A forma como os dados são apresentados nem

sempre é a mais adequada para a apresentação
em uma tabela.
o  A escala dos dados pode ser alterada sem que
as relações fundamentais entre as variáveis
seja modificada.

4
 Unidades de medida
o  Exemplo 2.3 Salários de diretores executivos e
retornos de ações (Wooldridge, página 31)

salaryi = β 0 + β 1.roei + ui
o  Salário anual em milhares de dólares
o  Retorno médio (3 anos) da ação sobre o patrimônio
líquido da empresa que ele trabalha (%)
o  E se usássemos o sálário em dólares?? Sem dividir
por 1000…? O que mudaria?

5
Unidades de medida salário em dólares
(*1000)
Modelo 1: Estimativas OLS usando as 209 observações 1-209
Variável dependente: sdolar

Variável Coeficiente Erro Padrão estatística-t p-valor

const 963191 213240 4,5169 0,00001 ***
roe 18501,2 11123,3 1,6633 0,09777 *

Média da variável dependente = 1,28112e+006

Desvio padrão da variável dependente = 1,37235e+006
Soma dos resíduos quadrados = 3,86567e+014
Erro padrão dos resíduos = 1,36655e+006
R2 não-ajustado = 0,0131886
R2 ajustado = 0,00842142
Graus de liberdade = 207
Verosimilhança-Logarítmica = -3248,26
Critério de informação de Akaike = 6500,53
Critério Bayesiano de Schwarz = 6507,21
Critério de Hannan-Quinn = 6503,23
6
 Unidades de medida
o Unidade de medida de y
Se a variável dependente y é multiplicada por uma
constante c, as estimativas de intercepto e
inclinação também são multiplicadas por c.

o  Unidade de medida da variável independente x

Se a variável independente é dividida ou multiplicada
por alguma constante c , o coeficiente estimado da
inclinação é multiplicado ou dividido por c,
respectivamente.
7
Unidades de medida (roenova=roe*100)
Modelo 2: Estimativas OLS usando as 209 observações 1-209
Variável dependente: salary

Variável Coeficiente Erro Padrão estatística-t p-valor

const 963,191 213,24 4,5169 0,00001 ***
roenova 0,185012 0,111233 1,6633 0,09777 *

Média da variável dependente = 1281,12

Desvio padrão da variável dependente = 1372,35
Soma dos resíduos quadrados = 3,86567e+008
Erro padrão dos resíduos = 1366,55
R2 não-ajustado = 0,0131886
R2 ajustado = 0,00842142
Graus de liberdade = 207
Verosimilhança-Logarítmica = -1804,54
Critério de informação de Akaike = 3613,09
Critério Bayesiano de Schwarz = 3619,77
Critério de Hannan-Quinn = 3615,79
8
 Unidades de medida: conclusões

o  Os R-quadrados das duas regressões são

idênticos.
o  A soma dos resíduos ao quadrado e o erro
padrão da regressão diferem nas equações
(poderá ver algebricamente que dependerá do
fato de estar multiplicando ou dividindo a sua
variável y ou x por uma constante).

9
 Exemplo
pesônas = βˆ 0 + βˆ1.cigs + βˆ 2 .rendfam

VD é
pesônas βˆ βˆ βˆ
= 0 + 1 .cigs + 2 .rendfam dividida por
16 16 16 16 16

ˆ ˆ ⎛ cigs ⎞ ˆ
pesônas = β 0 + 20.β1.⎜ ⎟ + β 2 .rendfam
⎝ 20 ⎠
Uma VI é
dividida por
cigs 20
maços =
20

pesônas = βˆ 0 + 20.βˆ1.maços + βˆ 2 .rendfam 10

 Exemplo

Variável (1) pesonasc (2) pesonasclb (3) pesonasc

dependente
Variáveis
independentes
Cigs -0,4634 -0,0289 -
(0,0916) (0,0057)
Maços - - -9,268
(1,832)
Rendfam 0,0927 0,0058 0,0927
(0,0292) (0,0018) (0,0292)
Intercepto 116,974 7,3109 116,974
(1,049) (0,0656) (1,049)
Obs. 1388 1388 1388
R-quadrado 0,0298 0,0298 0,0298
SQR 557485,51 2177,6778 557485,51
EPR 20,063 1,2539 20,063
 Coeficientes beta ou
padronizados
o  A idéia é substituir y e cada x por suas versões
padronizadas, ou seja, subtraída da média e
dividida pelo desvio-padrão (comparamos com
a população)
o  Eles mostram quantos desvios-padrão y varia
para cada variação de um desvio-padrão em x.

12
Coeficientes beta ou padronizados

o  Como padronizo uma variável?

n  Uma variável é padronizada em uma amostra
pela subtração da sua média e dividindo o
resultado por seu desvio padrão.
n  A transformação z de cada variável da amostra é
computada.

X−X
z=
DP(X )
13
Coeficientes beta ou padronizados
y = βˆ + βˆ .x + û
i 0 1 i1 i

y i − y ⎛ σˆ 1 ⎞ ˆ ( x i1 − x1 ) û i
= ⎜ ˆ ⎟β1. +
σˆ y ⎝ σy ⎠ σˆ 1 σˆ y

z y = b̂1.z1 + erro

⎛ σˆ j ⎞ ˆ
b̂ j = ⎜ ˆ ⎟β j , é o coeficiente padronizado
⎝ σy ⎠
14
Coeficientes beta ou padronizados

o  Qual o significado de um coeficiente beta?

n  Se xi aumentar em um desvio padrão, em média,
o y estimado, então será alterado em b1 desvios-
padrão.
n  Os efeitos não são medidos em termos das
unidades originais de y e x, mas em unidades de
desvios-padrão.
 Formas funcionais

•  Variáveis binárias
•  Não linearidade nas variáveis
 Variáveis binárias numa regressão
Variáveis binárias ou dummy:
- valor 1 para algumas observações (efeito ou pertencem a algum grupo) e zero para
observações restantes.
- Deslocamentos discretos de uma função dentro do modelo de regressão.
-  Efeito tratamento
-  Exemplos: efeito da universidade nos ganhos ao longo da vida, diferenças de sexo no
comportamento da oferta de trabalho, etc.
Formas funcionais