Академический Документы
Профессиональный Документы
Культура Документы
Alexandre here
Ernesto
Objectivos de aprendizagem
2
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
O que é heterocedasticidade?
3
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
O pressuposto nº 5 do MCRL, impõe que os erros devem ter uma variância constante e independente de i,
dada a expressão matemática pela seguinte equação:
𝑉𝑎𝑟 𝑢𝑖 = 𝜎 2 (1)
Tendo variâncias iguais significa que os erros são homocedásticos. Contudo, é muito comum em análises
de regressões esta propriedade ser violada. E nestes casos, dizemos que o pressuposto de
homocedasticidade foi violado, e a variância do termo de erro aleatório depende da própria observação que
esta a ser examinada, de tal forma que:
Note que a única diferença entre as equações (1) e (2) é a subscrição i anexada em 𝜎 2 , significa que a
variância pode mudar para toda observação diferente na amostra 𝑖 = 1, 2, 3, … , 𝑛
4
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Para sermos mais claros, é útil voltarmos para um modelo de regressão simples dado por:
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 + 𝑢𝑖 (3)
Admitamos que erros podem ter um dos seguintes comportamentos possíveis, após estimação do modelo:
Figura 1 – Variância constante Figura 2 – Variância heterocedástica crescente Figura 3 – Variância heterocedástica decrescente
5
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Consequências da heterocedasticidade
6
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Isto acontece, porque nenhuma das variáveis explicativas esta correlacionada com o termo de erro
aleatório. Uma equação correctamente especificada dará valores para os coeficientes estimados muito
próximo aos valores reais dos parâmetros.
…..CONTUDO….
3. Subestimação das variâncias dos estimadores, o que conduz para altos valores do teste t e F.
Heterocedasticidade tem um grande impacto sobre ao testes de hipóteses, tornando o teste t e teste F
não confiáveis, pois há uma grande probabilidade de rejeitar uma hipótese nula verdadeira.
7
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 + 𝑢𝑖 3
𝑉𝑎𝑟 𝑢𝑖 𝜎2
𝑉𝑎𝑟 𝛽1 = 𝐸 𝑛 2
= 𝑛 2
(4)
𝑖=1 𝑥𝑖 − 𝑥 𝑖=1 𝑥𝑖 − 𝑥
Esta expressão aplica-se apenas se a variância dos resíduos for constante 𝜎 2 . Em presença de
heterocedasticidade, a variância muda com toda observação individual i, portanto a variância do estimador
de 𝛽1 será agora dada por:
𝑉𝑎𝑟 𝑢𝑖 𝜎𝑖2
𝑉𝑎𝑟 𝛽1 = 𝐸 𝑛 2
= 𝑛 2
(5)
𝑖=1 𝑥𝑖 − 𝑥 𝑖=1 𝑥𝑖 − 𝑥
8
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Detectar a heterocedasticidade
9
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Detectando a heterocedasticidade
1. De uma forma informal, geralmente feita por meio de gráficos – método gráfico;
2. A segunda forma é por meio de testes formais para a heterocedasticidade, tais como:
Teste Goldfeld-Quandt e;
Teste White.
10
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Como proceder?
• Basta representar num gráfico o quadrado dos resíduos do modelo contra os valores ajustados de Y e
os Xs e observar os padrão de comportamento do gráfico.
11
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
12
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
uˆt2 a1 a2 Z 2t a3 Z 3t ... a p Z pt vt
Onde 𝑍𝑘𝑖 é o conjunto de variáveis que determinam a variância do termo erro aleatório (usualmente 𝑍𝑘𝑖 são as variáveis
explicativas Xs usadas no modelo original e que reconhecidamente influenciam o erro aleatório).
Passo 3: Formule a hipótese nula e a hipótese alternativa. A hipótese nula é de que os erros são
homocedásticos e a alternativa é de que pelo menos um dos as é diferente de zero e que pelo menos um
dos Zs afectam a variância dos resíduos:
𝐻0 : 𝑎1 = 𝑎2 = ⋯ = 𝑎𝑝 = 0
𝐻𝐴 : 𝑎1 ≠ 𝑎2 ≠ ⋯ ≠ 𝑎𝑝 ≠ 0
13
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Passo 4: Determine 𝐿𝑀 = 𝑛𝑅2 , onde 𝑛 𝑒 𝑅2 são provenientes da regressão auxiliar. A estatística LM segue
uma distribuição Qui-quadrado 𝑥 2 com 𝑝 − 1 graus de liberdade (LM = lagrange multiplier).
• Se 𝐿𝑀 > 𝑥 2 𝑃−1,𝛼 , Rejeitamos a hipótese nula e concluímos que existe evidência significativa de
presença de heterocedasticidade.
• Se 𝐿𝑀 < 𝑥 2 𝑃−1,𝛼 , não rejeitamos a hipótese nula e concluímos que há evidências de que os erros são
homocedásticos.
• Alternativamente, determine o valor-p e rejeite a hipótese nula se o valor-p é menor do que o nível de
significância 𝛼 e não rejeitamos a 𝐻0 se valor maior do que 𝛼.
14
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
White (1980) desenvolve um teste mais geral para heterocedasticidade que elimina os problemas que
surgem noutros testes (Breusch-Pagan ,Goldfeld-Quandt, Park LM, Harvey-Godfrey e Glesjer LM).
Isto é, se não temos qualquer informação acerca da origem da heterocedasticidade, podemos usar o teste de White.
Caso tenhamos informações sobre o origem da heterocedasticidade, podemos aplicar o teste Breusch-Pagan.
Contudo, em casos de houver muitas variáveis explicativas a inclusão destas, bem como seus termos quadrados e produtos
cruzados podem rapidamente consumir os graus de liberdade logo, é preciso ter cautela.
15
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Os passos envolvendo a aplicação do teste de White, assumindo um modelo com duas variáveis
explicativas, como apresentado na sequência são:
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + 𝛽3 𝑋3𝑖 + 𝑢𝑖
Isto é, regressão do quadrado dos desvios sobre todas as variáveis explicativas, o quadrado das variáveis
explicativas e seus respectivos produtos.
16
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Passo 3: Formule a hipótese nula e a hipótese alternativa (pelo menos um dos as é diferente de zero).
𝐻0 : 𝑎1 = 𝑎2 = ⋯ = 𝑎𝑝 = 0 ↔ 𝐻𝑜𝑚𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑𝑒
𝐻𝐴 : 𝑎1 ≠ 𝑎2 ≠ ⋯ ≠ 𝑎𝑝 ≠ 0 ↔ 𝐻𝑒𝑡𝑒𝑟𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑𝑒
Onde 𝑛 é o número de observações usadas para estimar a regressão auxiliar no passo nº 2, e 𝑅 2 é o coeficiente de
determinação.
A estatística LM segue uma distribuição Qui-quadrado 𝑥 2 com 𝑝 − 1 graus de liberdade (LM = lagrange multiplier). Neste caso
especifico tem (6-1=5) graus de liberdade.
• Se 𝐿𝑀 > 𝑥 2 𝑃−1,𝛼 , Rejeitamos a hipótese nula e concluímos que existe evidência significativa de presença de
heterocedasticidade. Alternativamente, rejeitamos 𝐻0 se o valor-p é menor do que o nível de significância 𝛼.
• Se 𝐿𝑀 < 𝑥 2 𝑃−1,𝛼 , não rejeitamos a hipótese nula e concluímos que há evidências de que os erros são homocedásticos.
17
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Considere o modelo abaixo em que se estima o salário (U$ dólares) auferido por um individuo como função
dos anos de educação (educ) e respectiva avaliação de desempenho (iq).
18
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
19
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
20
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
21
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Em presença de heterocedasticidade, existem duas formas de procedimento que devem ser seguidas:
Reconhecendo que o estimador do MMQO não é o melhor, mas sendo ainda assim consistente, e que a
origem deste problema são de que as covariâncias e as estatísticas t estão erradas, os resultados deste
modelo não serão confiáveis e os estimadores do MMQO não são robustos.
Note que os MCRL são altamente sensitivos (i.e. não robustos) à presença de outliers.
Outliers são observações que não seguem o padrão normal das demais observações.
22
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
Onde
𝑉𝑎𝑟 𝑢𝑖 = 𝜎𝑖2
Se cada termo do modelo acima é dividido pelo desvio-padrão do termo de erro aleatório 𝜎𝑖 , obteremos o
seguinte modelo modificado:
Ou
𝑌𝑖∗ = 𝛽1 + 𝛽2 𝑋2𝑖
∗ ∗
+ 𝛽3 𝑋3𝑖 ∗
+ 𝛽4 𝑋4𝑖 ∗
+ ⋯ + 𝛽𝑘 𝑋𝑘𝑖 + 𝑢𝑖∗
23
PARTE III – Violação dos Pressupostos do MCRL | Heterocedasticidade
𝑢𝑖 𝑉𝑎𝑟(𝑢𝑖 )
𝑉𝑎𝑟 𝑢𝑖∗ = 𝑉𝑎𝑟 = =1
𝜎𝑖 𝜎𝑖2
24
PARTE III – Violação dos Pressupostos do MCRL | Multicolinearidade
Bibliografia utilizada
Autocorrelação:
Causas e implicações
Soluções metodológicas
25
PARTE III – Violação dos Pressupostos do MCRL | Multicolinearidade
Bibliografia utilizada
26
Copyright Alexandre Ernesto 2019.
27