ECONOMETRIA

Prof. Patricia Maria Bortolon, D. Sc.

Cap. 11 Heterocedasticidade: o que

acontece se a varincia do erro no
constante?

Fonte: GUJARATI; D. N. Econometria Bsica: 4 Edio.

Rio de Janeiro. Elsevier- Campus, 2006

1.
2.
3.
4.
5.

Qual a natureza da heterocedasticidade?

A multicolinearidade realmente um problema?
Quais so as suas consequncias?
Como possvel detect-las?
Quais so as medidas corretivas?

A natureza da Heterocedasticidade
Homo = igual; cedasticidade = espalhamento
2 = 2 , = 1, 2, ,

2 = 2 , = 1, 2, ,

Exemplo: poupana como funo da renda pessoas

com mais renda poupam mais, mas, com maior
variabilidade

Razes para ocorrncia

1. Modelos de aprendizagem pelo erro: no. de defeitos,
no. de erros em faturas
2. Exemplo da renda e poltica de dividendos: pessoas
com maior renda e empresas com maior lucro tero
maior discricionariedade na definio de poupana e
poltica de dividendos
3. Problemas na especificao do modelo (violao da
premissa 9) como omisso de variveis podem parecer
heterocedasticidade. Ex.: na funo demanda no
incluir o preo dos produtos concorrentes os
resduos podem dar a impresso de que a varincia
no constante

Razes para ocorrncia

4. Dados discrepantes ou outliers:

Razes para ocorrncia

5. Assimetria na distribuio dos regressores. Ex.: renda,
riqueza, escolaridade
Mais comum em dados em corte transversal.
Variedade de tamanhos de empresas por exemplo podem
causar heterocedasticidade.

Analisar exemplo da tabela 11.1

Estimao dos MQO na presena de

heterocedasticidade
= 1 + 2 +
2

2
=
2

2 =

2 2

2 2

Estimao dos MQO na presena de

heterocedasticidade

2
ainda um estimador linear;
no tendencioso;

consistente (2 converge para 2 medida que o tamanho

da amostra aumenta);
NO eficiente (no o estimador com varincia mnima na
classe dos estimadores no tendenciosos);
A varincia mnima diferente de

2 2
2

O mtodo dos mnimos quadrados

generalizados (MQG)

Observar na tabela 11.1 como aumenta com o

aumento do no. de empregados.
A questo : como dar maior peso s observaes com
menor variao?
o que faz o MQG
= 1 + 2 +
Para simplificar escreveremos:
= 1 0 + 2 +
Onde 0 = 1
Supondo 2 conhecidas:

O mtodo dos mnimos quadrados

generalizados (MQG)

Supondo 2 conhecidas:

= 1
+ 1
+ 1

= 1 0
+ 2 +
2

2
= =

1
2
(
)
2

1
2
(
)
2

j que 2 conhecido

j que 2 = 2

= 1 que uma constante, logo, homocedstico

O mtodo dos mnimos quadrados

generalizados (MQG)

MQO sobre o modelo transformado gera 1 e 2 que

so BLUE.
MQG = MQO sobre variveis transformadas de modo a
satisfazer as premissas dos mnimos quadrados padro.
Definindo =

1
2

O mtodo dos mnimos quadrados

generalizados (MQG)

A diferena entre MQO e MQG

MQO =>
MQG =>

1 2
=

0
1

1 0

O peso atribudo a cada observao inversamente

a seu . Estaremos dando maior peso s observaes
que se concentram em torno de sua mdia.
Como esse SQR uma ponderao por , e esse SQR ser minimizado para obter 1 e
2 , esse mtodo um caso especial do MQG que conhecido como MQP = Mnimos
Quadrados Ponderados

Consequncias do uso de MQO na presena de

heterocedasticidade
Se ignorarmos a heterocedasticidade e estimarmos 2
usando MQO e 2 =

2
2

essa varincia poder

estar super ou subestimada porque quando h

2

heterocedasticidade
no mais um estimador no
2
tendencioso de 2 .
2 no mais eficiente, ou seja, no tem varincia
mnima, logo, os intervalos de confiana sero mais
amplos, facilitando a no rejeio de H0.
Os testes t e F no sero mais confiveis.
Soluo: usar MQG
Ver quadro na pag. 322 com os erros-padro das 3 abordagens.

Deteco da heterocedasticidade
Em cincias sociais h pouco controle sobre
experimentos
Em geral temos um Yi para um Xi
No possvel obter a varincia do erro em Xi se s h
uma observao para aquele Xi
Como detectar?
Mtodos informais:
Natureza do problema: (i) exemplo da poupana e renda, (ii)
em dados de corte transversal se as unidades so muito
heterogneas
Mtodo grfico: (i) 2 x ; (ii) 2 x Xi

Mtodos formais de deteco

Teste de Park

2
= 1
2 +

2 =
+
2 = + +
Se for significativo h heterocedasticidade
O teste um procedimento em duas etapas: (i) estima-se a
regresso por MQO sem levar em conta a heterocedasticidade
e obtemos os 2 , e em (ii) estima-se a regresso do teste.
Crtica: o termo de erro pode no atender aos pressupostos
de MQO e ser ele prprio heterocedstico. O mtodo pode ser
estritamente exploratrio.
Ver arquivo Tabela11-1_Parker e Glejser.txt

Mtodos formais de deteco

Teste de Glejser
Sugere fazer regresso dos valores absolutos de contra a
varivel X.
Sugere vrios modelos.
Vamos testar: = 1 + 2 +
um teste que deve ser aplicado a grandes amostras.

Ver arquivo Tabela11-1_Parker e Glejser.txt

Mtodos formais de deteco

Teste de Breusch Pagan Godfrey
= 1 + 2 2 + + +
Suponha que a varincia do erro seja descrita como:
2 = (1 + 2 2 + + )
Os Xs podem servir como Zs.
O teste BPG testa se 1 = 2 = = = 0
Se isso ocorre 2 = 1 e portanto homocedstico
um teste para grandes amostras
Sensvel premissa de normalidade de se a amostra
pequena
Ver arquivo testeheteroc2_BPG.txt

Mtodos formais de deteco

Teste de White
No depende da premissa de normalidade

= 1 + 2 2 + 3 3 +
1. Estimar a regresso e obter os resduos
2
2
2. 2 = 1 + 2 2 + 3 3 + 4 2
+ 5 3
+ 6 2 3 +

Usar em 2 sempre os Xs, os mesmos ao quadrado e os produtos cruzados

3. Obter o R2 dessa regresso

4. Sob H0: homocedasticidade

. 2 ~ 2.. (assintoticamente)
g.l. = no. de regressores (sem a constante)
Ver arquivo testesheteroc3_white.txt

Mtodos formais de deteco

Teste de White
5. Se . 2 > 2, conclui-se que h heterocedasticidade
Se o modelo tem muitos regressores a incluso dos mesmos,
seus termos ao quadrado e os cruzados podem consumir
muitos g.l.

Ver arquivo testesheteroc3_white.txt

Providncias corretivas
Quando 2 conhecido: usar o mtodo dos mnimos
quadrados ponderados
Quando 2 no conhecido: estimar os modelos com
erros robustos a heterocedasticidade de White
Obs.: ver premissas plausveis sobre o padro da heterocedasticidade nas
pginas 337 a 341