Professional Documents
Culture Documents
PARTE I: CAPTULO 4
4.
O ESTIMADOR DE MNIMOS QUADRADOS
4.1 INTRODUO
4.2 MOTIVANDO O USO DE MNIMOS QUADRADOS
4.3 PROPRIEDADES EM AMOSTRAS FINITAS DOS ESTIMADORES DE MQO
4.4 PROPRIEDADE EM GRANDES AMOSTRAS DOS ESTIMADORES DE MQO
4.5 INTERVALO DE CONFIANA
4.6 PREVISO
4.7 PROBLEMA COM OS DADOS
4.8 SUMRIO E CONCLUSES
_________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 2
4.1 INTRODUO
Cap 3
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 3
Outras
1) uma abordagem natural
2) mesmo no caso de modelos no-lineares, o estimador de
mnimos quadrados um timo preditor
3) considerando algumas suposies, o estimador de mnimos
quadrados ser o mais eficiente
(4-1)
Equao
Populacional
1
1
xi yi = xi x i ' b
n i =1
n i =1
(4-2)
Equao
Amostral
_________________________Notas
Notas de aula de econometria I Profa. Marina Silva da Cunha 5
E y E x {[E [ y | x ] x ' ]}
= 2 E y E x {x [E [ y | x ] x ' ]} = 0
EyEx[xE[y|x]] EyEx[xx] = 0
EyEx[xE[y|x]] EyEx[xx] = 0
y
_________________________Notas
Notas de aula de econometria I , Profa. Marina Silva da Cunha 6
Sabe-se que:
EyEx[xE(y|x)] = cov[x, E(y|x)] + E[x]
E Ex[E(y|x)]
= cov[x, y] + E[x] E[y]
E
= ExEy [xy]
Portanto, a condio necessria (quando a 1. derivada igual a zero) para
o mnimo
ExEy [xy
xy] = ExEy[xx]
que igual (4-1), ou seja
(4-3)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 7
________________________Notas
Notas de aula de econometria I , profa. Marina Silva da Cunha 8
E[b|X] =
Entretanto,
E[b] = Ex{E[b|X]}
]} = Ex[]=
Assim, para qualquer conjunto de observaes, o estimador de mnimos
quadrados tem esperana . Alm disso, atravs da mdia de b dos possveis
valores de X, obtemos a mdia incondicional de b que tambm .
__________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 9
(4-7)
(4-10)
Var [ price]
Quando h apenas uma varivel omitida ou includa fcil verificar a
direo do vis. No entanto, se mais que uma varivel includa ou
excluda fica mais difcil.
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 10
(4-12)
Com isto, = 1 ser um estimador no-viesado,
no
considerando a
2
restrio
Assim,
E [b | X] = 1 = 1
2 0
(4-13)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 11
4.3.4
VARINCIA
DO
ESTIMADOR
DE
MNIMOS
QUADRADOS
Anlise para
X no-estocstico ou [situao experimental em que o pesquisador escolhe X]
X estocsticos, utilizando a anlise condicional e a mdia dos valores
observados de X
Utilizando (4-4)
+ )
b = (XX) 1X(X
b = + (XX) 1X
X
b = (XX) 1X
b = + A
funo linear dos erros
estimador linear e no viesado de
V [b|X] = E[(b )) (b )|X]
= E[(XX) 1X X(XX) 1|X]
1
= (XX) 1XE[|X]X(XX)
X
= (XX) 1X(
X 2I)X(XX) 1
= 2(XX) 1XX(XX) 1
I
= 2(XX) 1
(4-15)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 12
var[b | x] = var[b | x] =
( xi x )
no-viesado de .
Ento,
E[Cy|X] = E[(CX
+ C)|X] =
com y = X + e CX = I
Portanto, existem muitos candidatos, por exemplo, as primeiras k linhas de
X. ou seja:
C = [X01:0], em que X01 a inversa das k primeiras linhas de X
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 13
b0 = + C
b0 = C
Com isso,
var[b0 |X] = E[(b0 )(b0 )|X] = E[CC|X]
var[b0 |X] = 2CC
Agora, vamos construir a diferena entre b0 e b.
D = C (XX)11X ou C = D + (XX)1X
Alm disso,
Dy = (C (XX)11X)y = Cy (XX)1Xy = b0 b
Voltando,
var[b0 |X] = 2CC
= 2[(D + (XX)1X)) (D + X (XX)1)]
= 2[(DD + DX(XX
XX)1 + (XX)XD + (XX)1XX(XX)1)]
I
XX
mas, como CX = I CX = DX + (XX)1
.. DX = 0
I
Portanto,
] = 2(XX)1 + 2DD
var[b0 |X] = 2 [DD + (XX)1
= var[b |X] + 2DD
uma forma quadrtica (no-negativa)
DD = qDDq = ZZ 0
Ento,
var[b0 |X] var[b||X]
Assim, b o melhor estimador linear no-viesado de , a medida que
possui varincia mnima.
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 14
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 15
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 16
var[b|X] =
i = ei
Por analogia
2 =
1
n
ei2
um estimador natural.
pois MX = 0
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 17
assim, o estimador natural viesado, mas esse vis se reduz quadro n aumenta.
Um estimador no-viesado de 2 , portanto
s2 =
e' e
nk
(4-17)
E[ s 2 ] = Ex {E[ s 2 | X]} = Ex
E[e' e | X] = Ex
(n k ) 2 = Ex { 2 } = 2
n k
n k
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 18
(4-18)
Para cada bk
bk|X ~ N(k, 2(XX)kk1)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 19
b e s2 os estimadores de e 2 :
E[b|X] = E[b] = o estimador de mnimos quadrados no viesado
E[s2|X] = E[s2] = 2
1]
Var[b|X] = 2(XX)1 e Var[b] = 2E[(XX)
E
s2
plim b =
a
2 1
b ~ N , Q
n
plim s =
2
2 X' X
2 1
= Q
n
plim s
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 20
4.4.1
CONSISTNCIA DOS
ESTIMADORES
DE
MNIMOS
QUADRADOS DE
Seja o processo gerador de X no especificado, ou seja, X pode ser um misto
de constantes ou variveis aleatrias, gerados independentemente do processo que
gera .
Faamos 2 suposies:
1 Modificamos a suposio A5 {Tabela 4.1]
A5a. (xi, i) i = 1, ..., n uma seqncia de observaes independentes
2 Referente ao comportamento dos dados em grandes amostras
X' X
=Q
[uma matriz definida positiva] (4-20)
n
plim
n
X' X X'
b = +
n
n
(4-21)
X'
plim b = + Q 1plim
1
1 n
1
X' = xi i = w i =w
n
n i =1
n
Substituindo na equao anterior
plim b = + Q 1plim(w )
(4-22)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 21
utilizando
A3
E[ w ] = 0
pois ,
utilizando B-70
X 2 X' X
X' ' X X'
= E[var[w | X ]] = E
| X = E[' | X] =
n
n n
n n
n
2 X' X
= 0.Q = 0
n
plimw = 0
X'
plim w = plim
=0
n
plim b = + Q -1 0 =
plim b =
(4-25)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 22
X' X X'
b = +
n
n
(4-21)
X' X 1 1
(n) 2 (b ) = ( n) 2
X'
n
n
X' X 1
n (b ) =
X'
X'
n
n
(4-26)
X' X 1
1 1
p lim
X' = Q
X'
n
n
n
(4-27)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 23
X' = n ( w E[ w ])
n
Ver (4-23), em que E[ w ] = 0 . Para obter a distribuio de
(4-28)
nw ,
w pode
ser
(4-29)
n w :
1
n
2 Qn = 2 [Q1 + Q 2 + K + Q n ]
(4-30)
Mas
lim
n
Qn = 2Q
(4-31)
X'
n
N [0, 2Q]
(4-32)
E, segue que
1
d
1
1
1
2
1
Q
X' N [Q 0, Q ( Q)Q ]
n
(4-33)
Combinando os termos
d
n (b ) N [0, 2Q 1 ]
(4-34)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 24
2 1
b ~ N , Q
n
(4-35)
(XX)1
e
2
com
e' e
nk
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 25
n
1
s =
' M
nK
Q 1 dado por:
ou
s2 =
1
[ '[I X( X' X) 1 X' ]]
nK
1
n
[' ' X( X' X) 1 X' ]
nK
n
1
n ' ' X X' X X'
=
n k n
n n n
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 26
n
Alm disso, a constante
n K
primeiro termo
2 =
1
i2
2
o qual converge em probabilidade
para
plim
s 2=,ou2 seja
Q1
2 X' X
2 1
= Q
n
Ps-multiplicando porplim s
ou
Por fim, o
2 X' X
2 1
s
= Q
n
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 27
f ( )
'
e o Teorema 4.4 se
2 1
f (b) ~ N f ( ), Q '
n
(4-36)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 28
Gauss- Markov:
ML:
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 29
variabilidade da amostra
Nvel de confiana: (1- )
b|X ~ N[ , 2(XX)1]
Para qualquer elemento de b,
zk =
bk k
(4-38)
2 S kk
elemento da diagonal principal
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 30
tk =
bk k
~ t(1 / 2 ,nk )
2
kk
sS
(4-41)
(4-42)
n = 52
n k = 47
k=5
t(47,5%) = 2,012
bilateral
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 31
freqente:
decomposio de Oaxaca
(1973) e Blinder (1973)
Seja w um vetor k x 1 de constantes conhecidas
Ento, a combinao linear c = wb normalmente distribuda
c = wb ~ N( = wb, c2 = w[
w 2(XX)1]w)
c2 = sc2 = w[ s 2 ( X X) -1 ]w
Portanto, o intervalo de confiana para :
Prob c t sc c + t sc = 1
2
2
ver aplicao.
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 32
4.6 PREVISO
4. 6. 1 INTERVALO DE PREVISO
Aps a estimao dos parmetros, um uso comum da regresso para a previso.
Supondo que vamos prever o valor de y0 associado ao vetor x0. Este valor ser
y0 = X0 + 0
e segue o Teorema de Gauss-Markov que
0 = X0b
(4-45)
1 K 1K 1 0
0
0
jk
var[e ] = 1 + + ( x j x j )( xk xk )(Z' M Z)
n j =1 k =1
(4-48)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 33
MODELO
DE
1
2
(
y
y
)
i
i
n0 i
RMSE =
e do erro absoluto mdio
MAE =
1
( yi y i )
0
n
Estatstica U de Theil
U =
(1
n so os perodos na previso
) ( y y )
(1 n ) y
n0
(1 n ) ( y y )
(1 n ) ( y )
0
U =
i
0
y = y i y i 1
ou em %
y = y i y i 1 / y i 1
idem para y
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 34
4.7.1 MULTICOLINEARIDADE
O Teorema de Gauss-Markov estabelece que entre todos os estimadores
lineares no-viesados, o estimador de mnimos quadrados tem a menor varincia
Var[bk | X] =
2
(1 r122 )
n
(x
i =1 ik
xk )
2
(1 r122 ) S kk
(4-52)
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 35
var[bk | X] =
2
(1 Rk2 )
i =1( xik xk ) 2
n
(4-20)
contra as
demais
variveis
explicativas
explicativas.
Ingredientes para a preciso dos estimadores de mnimos quadrados
correlao
de
xk
com
as
demais
variveis,
varincia,
multicolinearidade.
a varincia.
varincia
varincia.
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 36
EXEMPLO 4.11
VIF =
1
(1 Rk2 )
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 37
M2 = [I X2(X2X2)1X2]
X X ] 1
ou var[b1.2|X] = 2[X1X1 X1X2(X2X2)1
2
1
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 38
Comparando as duas matrizes [ mais fcil pelas suas inversas, ver A-120]
A
Var[b1|X] var[b1.2|X] 1 = (1/2)X1X2(X2X2)1X2X1
que definida no-negativa.. Assim, embora b1 seja viesado, sua varincia
menor que a de b1.2.
Supondo que X1 e X2 so cada uma, uma simples coluna ou apenas uma varivel,
mensuradas como desvios da mdia. Ento,
em que
e
S11 1 r122
em que aparece o quadrado do coeficiente de correlao linear entre x1 e x2.
Quanto maior a correlao de x1 e x2 maior a varincia de b1.2 comparado com b1.
possvel que b1 seja um estimador mais preciso de b1.2, pelo critrio do erro
quadrado mdio.
O que fazer?
Estimador Pr teste
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 39
Na regresso mltipla
Na regresso simples [X = coluna de 1s + varivel]
Colocar a mdia de X,
x , quando no h informao
1 para x = 0
________________________Notas
Notas de aula de econometria I, Profa. Marina Silva da Cunha 40
observao i
(4-60)
se e(i) > 2
~ t (n-1-k )