Beruflich Dokumente
Kultur Dokumente
Alexandre here
Ernesto
Parte II – Modelos de
Chapter heading
Regressão Linear
AULA 5: Interpretação das estimativas do
MCRL em diferentes especificações, Grau
de ajuste e Testes de hipóteses
Objectivos de aprendizagem
2
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
3
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
Caso level-level
Valores de Y e X em level.
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖
Caso log-log
𝐿𝑛(𝑌𝑖 ) = 𝛽1 + 𝛽2 ln(𝑋𝑖 ) + 𝑢𝑖
4
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
Caso level-log
𝑌𝑖 = 𝛽1 + 𝛽2 𝐿𝑛(𝑋𝑖 ) + 𝑢𝑖
𝛽2
Interpretação: 1% de aumento em 𝑋𝑖 impacta 𝑌𝑖 em unidades.
100
Caso log-level
𝐿𝑛(𝑌𝑖 ) = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖
5
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
2. Grau de ajustamento
6
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
Grau de ajuste R2
A figura abaixo, painel a ilustra que se todas as observações se situassem na linha de regressão, obteríamos
um ajustamento perfeito, mas isso raramente acontece. Na prática a maioria dos valores estimados por meio de
uma regressão apresentam desvios (positivos e negativos), como observado no painel b.
7
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
Grau de ajuste R2
O que esperamos na prática, é que os resíduos em torno da linha de regressão sejam os menores possíveis e para
medirmos o grau de ajustamento entre as variáveis num modelo de regressão amostral usamos o coeficiente de
determinação.
𝑢𝑖2
𝑅2 =1−
(𝑌𝑖 − 𝑌)2
Onde:
Note que STQ é função de duas componentes: uma atribuível à linha de regressão e a outra a forças aleatórias porque nem todas as
observações de 𝑌𝑖 se situam sobre a linha ajustada (STO = SQE + SQR).
SQE é soma dos quadrados explicados pela regressão, ou seja, pela variável explicativa.
Propriedades de 𝐑𝟐 :
2. Seus limites são 0 ≤ 𝑅 2 ≤ 1, se 𝑅2 = 1 significa ajustamento perfeito, isto é, 𝑌𝑖 = 𝑌𝑖 para cada i. 𝑅 2 = 0 significa que não há
ajustamento.
8
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
1. Spurious regression (regressão falsa): acontece quando duas ou mais variáveis não estão
relacionadas, mas observa-se um coeficiente de determinação muito elevado;
2. Correlação não necessariamente implica causalidade: não importa o quão elevado é o valor de R2, pois
isto não sugere causalidade entre 𝑌𝑖 e 𝑋𝑖 , porque R2 é uma medida de correlação entre os valores observados
𝑌𝑖 e os valores estimados 𝑌𝑖 . Devemos antes, olhar para a teoria económica ou trabalhos empíricos passados e
intuição para aferir a causalidade entre as variáveis;
3. Um R2 muito baixo não significa que 𝑿𝒊 foi uma má escolha. Baixos valores de R2 não estão
necessariamente ligados ao uso de variáveis explanatórias erradas. A forma funcional usada no modelo pode
ser inapropriada, ou se se tratar de uma série temporal, a escolha do período pode estar incorrecta e lagged
terms podem preciser ser incluídos na regressão (má especificação do modelo).
4. Coeficientes de determinação R2 oriundo de modelos com diferentes formas funcionais não são
comparáveis. Por exemplo o R2 de 𝟏) 𝒀𝒊 = 𝜷𝟏 + 𝜷𝟐 𝑿𝒊 + 𝒖𝒊 não é comparável ao R2 de 𝟐) 𝒍𝒏𝒀𝒊 = 𝜷𝟏 +
𝜷𝟐 𝒍𝒏𝑿𝒊 + 𝒖𝒊
9
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
10
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
(a) Diferente de zero (b) Maior do que zero (c) Menor do que zero
11
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
𝛽𝑖 − 𝛽𝑖
𝑡= , onde 𝐷𝑃 𝛽𝑖 é 𝑜 𝑑𝑒𝑠𝑣𝑖𝑜 − 𝑝𝑎𝑑𝑟ã𝑜 𝑑𝑒 𝛽𝑖
𝐷𝑃(𝛽𝑖 )
𝛽𝑖 − 𝛽𝑖
−𝑡 𝑐𝑟𝑖𝑡𝑖𝑐𝑜 ≤ ≤ 𝑡 𝑐𝑟𝑖𝑡𝑖𝑐𝑜
𝐷𝑃(𝛽𝑖 )
Ou
𝛽𝑖 −𝑡 𝑐𝑟𝑖𝑡𝑖𝑐𝑜 ∗ 𝐷𝑃 𝛽𝑖 ≤ 𝛽𝑖 𝑒 𝛽𝑖 ≤ 𝛽𝑖 +𝑡 𝑐𝑟𝑖𝑡𝑖𝑐𝑜 ∗ 𝐷𝑃 𝛽𝑖
4. Tome uma decisão e apresente a sua conclusão sobre os resultados conforme os casos
que se apresentam nas regras de decisão da tabela apresentada no ponto 1.
12
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
Modelo abaixo testa se o nível de educação de uma pessoa esta ou não relacionado com o salário.
Ln(wagei ) = β0 + β1 Edui + ui
13
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
𝛽1 = 0
𝛽1 ≠ 0
𝛽1 − 𝛽1 0.068 − 0
𝑡= = = 2.72
𝐷𝑃(𝛽1 ) 0.025
14
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
Dado o modelo 𝑟𝑥𝑖 = 𝛼 + 𝛽𝑟𝑚𝑖 + 𝑢𝑖 descreve a eficiência do mercado financeiro do Reino Unido, em que
rxi é o excesso de retorno obtido por um banco e rmi são os e retornos excedentes do índice de mercado
Determine se o retorno obtido pelo banco britânico pode superar os ganhos do índice de mercado?
Considere o nível de teste para 5% e 𝑡 𝑐𝑟𝑖𝑡𝑖𝑐𝑜 = 1.96.
15
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
4. Erro do tipo I e II
16
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
Erro do tipo I e II
Este tipo de erro ocorre de acordo com um pré-determinado nível de significância, ou seja;
Quanto maior for a região de rejeição, maior é a probabilidade de rejeição de uma hipótese nula
verdadeira.
Erro do tipo II: ocorre quando não rejeitamos uma hipótese nula falsa.
Quanto maior a região de rejeição, menor é a probabilidade de não rejeição de uma hipótese nula falsa.
1. Quanto maior for o tamanho do teste, maior será a probabilidade de aumento do erro do tipo I e menor
a probabilidade de aumento do erro do tipo II;
2. Quanto menor for o tamanho do teste, menor será a probabilidade de aumento do erro do tipo I e maior
será a probabilidade de aumento do erro do tipo II.
17
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
18
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
Resumo
19
PARTE II - Modelos de Regressão Linear
Bibliografia utilizada
20
PARTE II - Modelos de Regressão Linear | Diferentes especificações, grau de ajuste e teste de hipóteses
Bibliografia utilizada
21
Copyright Alexandre Ernesto 2019.
22