Академический Документы
Профессиональный Документы
Культура Документы
1 2
βˆ1 = β1 + ∑
(xi − x )ui
,e
( )
da Var βˆ com heterocedasticidade é
j
∑ (xi − x )
2
Varˆ(βˆ ) =
∑ rˆ uˆ
ij i
2
( )
2
SQT
, onde SQTx = ∑ ( xi − x ) .
j
Var βˆ1 =
2
1
Erros-padrão robustos Erros-padrão robustos (cont.)
Agora que temos uma estimativa consistente da É importante lembrar que esses erros-
variância, sua raiz quadrada será uma estimativa
do erro-padrão.
padrão robustos têm justificativa apenas
Tais erros-padrão são chamados de erros-padrão assintótica – com amostras pequenas, as
robustos. estatísticas t´s obtidas com os erros-padrão
Às vezes a variância estimada é corrigida pelos robustos não terão distribuição próxima da
graus de liberdade, pela multiplicação por t, e as inferências não serão corretas.
n/(n – k – 1).
No Gretl há a opção de se calcular tais
Quando n → ∞, essa correção faz pouca
diferença. erros-padrão robustos.
7 8
Exemplo
Exemplo Modelo 1: Estimativas OLS usando as 88 observações 1-88
Variável dependente: price
2
Exemplo
Exemplo Modelo 2: Estimativas OLS usando as 88 observações 1-88
Variável dependente: usq1
15 16
Exemplo Exemplo
Modelo 5: Estimativas OLS usando as 88 observações 1-88
Variável dependente: lprice
3
Exemplo
Modelo 6: Estimativas OLS usando as 88 observações 1-88
Mínimos quadrados ponderados
Variável dependente: usq
Variável Coeficiente Erro Padrão estatística-t p-valor Embora seja possível estimar os erros-padrão
const 5,04683 3,345 1,5088 0,13507
yhat -1,70922 1,16333 -1,4692 0,14546 robustos para os estimadores de MQO, se
yhatsqr 0,145135 0,100992 1,4371 0,15436 soubermos alguma coisa sobre a forma específica
Média da variável dependente = 0,0325291
da heterocedasticidade, poderemos obter
Desvio padrão da variável dependente = 0,0736048 estimadores mais eficientes que os de MQO.
Soma dos resíduos quadrados = 0,452874
Erro padrão dos resíduos = 0,0729926 Como devemos especificar a natureza da
R2 não-ajustado = 0,0391735 LM=88.(0,0392)
heterocedasticidade, o processo de estimação é
R2 ajustado = 0,0165658
Estatística-F (2, 85) = 1,73275 (p-valor = 0,183) P-valor 0,178 mais trabalhoso.
Verosimilhança-Logarítmica = 106,99 A idéia básica é transformar o modelo em
Critério de informação de Akaike = -207,981
Critério Bayesiano de Schwarz = -200,549 outro cujos erros sejam homocedásticos.
Critério de Hannan-Quinn = -204,987
19 20
23 24
4
Exemplo de mínimos quadrados Mínimos quadrados
ponderados generalizados
Podemos obter os estimadores de tal forma que
A estimação da equação transformada por
as propriedades de eficiência destes estimadores
MQO é um exemplo de mínimos quadrados
MQO sejam melhores do que no modelo anterior
com presença de heterocedasticidade.
generalizados, MQG (ou GLS, em inglês).
No exemplo da poupança: MQG será BLUE neste caso.
MQG é igual aos mínimos quadrados
ponderados, MQP (ou WLS, em inglês)
onde cada resíduo ao quadrado é ponderado
O novo modelo satisfaz as hipóteses do modelo pelo inverso da Var(ui|xi).
linear clássico.
25 26
27 28
29 30
5
Observações sobre MQP
Lembre-se que utiliza-se MQP apenas por
eficiência, pois MQO continua não
tendencioso e consistente.
As estimativas serão diferentes devido a erros
amostrais, mas se forem muito diferentes,
então alguma outra hipótese de Gauss-Markov
também deve estar sendo violada.
31