Cap. 8

Cap.
8 - Análise de Regressão Múltipla: O problema da

inferência
Wallace Patrick1
1 Departamento de Economia - UFPB
Econometria
Wallace Patrick (UFPB) Cap. 8 Agosto/2023 1 / 21

Sumário
1 Hipótese de Normalidade
2 Teste de Hipóteses
3 Teste de Significância geral da regressão
4 Mı́nimos quadrados restritos
5 Teste de Chow

Hipótese de Normalidade
Sumário
5 Teste de Chow

As hipóteses do MQO apresentadas são suficientes para a estimação

dos parâmetros da regressão.
Mas para fazer inferência, precisamos supor que ui segue alguma
distribuição de probabilidade.
ui ∼ N(0, σ 2 ).
Como resultado, as variáveis seguem a distribuição t, com n-k graus
de liberdade.
β̂1 − β1
t=
ep β̂1
A distribuição t pode ser usada para estabelecer intervalos de confiança
e testar hipóteses sobre os verdadeiros coeficientes da regressão.

Teste de Hipóteses
Sumário
5 Teste de Chow

Podemos usar o teste t para verificar uma hipótese sobre qualquer

dos coeficientes parciais de uma regressão.
Ex : H0 : β2 = 0
H1 : β2 ̸= 0
Com isso, defini-se um intervalo de confiança para β2
β̂2 − tα/2 ep(β̂2 ) ≤ β2 ≤ β̂2 + tα/2 ep(β̂2 )
Se o intervalo não incluir o valor proposto como hipótese nula, po-

demos rejeitar H0 com α% de confiança.

Teste de Significância geral da regressão
Sumário
5 Teste de Chow

Teste F
Dados o modelo de regressão com k variáveis
Yi = β1 + β2 X2i + β3 X3i + ... + βk Xki + ui
Para testar a hipótese
H0 : β2 = β3 = ... = βk = 0
H1 : nem todos os βs′ = 0

Teste F
Lembrando que:
yi2 = ŷi2 +
X X X
ûi2
yi2 = β̂2 yi x2i + β̂3 yi x3i + ... + β̂k yi xki +

X X X X X
ûi2
SQT = SQE + SQR

Teste F
yi x2i + β̂3 yi x3i + ... + β̂k yi xki /(k − 1)

P P P
β̂2
F = P 2
ûi /(n − k)
SQE /(k − 1)
F =
SQR/(n − k)
Fcal > F α(k − 1, n − k) → Rejeita-se H0

F α(k − 1, n − k) é o valor crı́tico de F no nı́vel α de significância.
k-1 graus de liberdade do numerador.
n-k graus de liberdade do denominador.

Relação entre o R 2 e o Teste F
R 2 /(k − 1)
F =
(1 − R 2 )/(n − k)
Quanto maior o R 2 maior o valor de F.

O teste F é também um teste de significância de R 2 .
R 2 = 0 → F é zero.
R 2 = 1 → F é infinito.

A contribuição ”marginal”de uma variável explicativa
Yi = β1 + β2 X2i + ui
Estimar a regressão acima e depois incluir X3i
SQE com X2 → Q1 = β̂2

P
yi x2i
SQE com X2 e X3 Q2 =→ β̂2 yi x2i + β̂3
P P
yi x3i
SQE do acréscimo de X3 → Q3 = Q2 − Q1
SQT → Q4 =
P 2
y i
SQR → Q5 = Q4 − Q2

A contribuição ”marginal”de uma variável explicativa
SQEnovo − SQEvelho /n◦ de novos regressores

F =
SQRnovo /(n − n◦ de parametros do novo modelo)
Q3 /knovos
F =
Q5 /n − ktotal novo

Mı́nimos quadrados restritos
Sumário
5 Teste de Chow

Função de produção Cobb-Douglas
Yi = β1 X2iβ2 X3iβ3 e ui
Y = produção, X2 insumo trabalho, X3 insumo capital

Aplicando o logaritmo:
lnYi = lnβ1 + β2 lnX2i + β3 lnX3i + ui
Restrição: Retornos Constantes de Escala - RCE (variação proporcional no

produto e nos insumos)
β2 + β3 = 1
exemplo de restrição de igualdade linear.

1ª Abordagem
Estimar a regressão sem restrições e fazer o teste de hipótese (teste t)
(β̂2 + β̂3 ) − 1
t=
ep(β̂2 + β̂3 )
tcalculado > tcritico → rejeita-se a hipótese nula de RCE

2ª Abordagem
Incorporar a restrição desde o inı́cio. (β2 = 1 − β3 )
lnYi = β0 + (1 − β3 )lnX2i + β3 lnX3i + ui
lnYi = β0 + lnX2i + β3 (lnX3i − lnX2i ) + ui
lnYi − lnX2i = β0 + β3 (lnX3i − lnX2i ) + ui
ln(Yi /X2i ) = β0 + β3 ln(X3i /X2i ) + ui
(Yi /X2i ) → razão produto/trabalho.

(X3i /X2i ) → razão capital/trabalho.

Teste F
Comparar as regressões não restrita e restrita.
(SQRR − SQRSR )/m

F =
SQRSR /(n − k)
( )/m
P 2 P 2
ûR − ûSR
F = P 2
ûSR /(n − k)
û = SQR da regressão sem restrição.

P 2
P SR
ûR = SQR da regressão restrita.
2

Teste de Chow
Sumário
5 Teste de Chow

Teste de Chow
Teste de Chow
Teste para a estabilidade estrutural dos parâmetros.

Usado para verificar se há mudança estrutural nos parâmetros quando
envolve o uso de séries temporais.
Passos
1. Estima-se a regressão para o perı́odo completo e obtém SQRR .
2. Divide a amostra onde existe a possibilidade de quebra estrutural.
3. Estima a primeira subamostra e obtém SQR1 .
4. Estima a segunda subamostra e obtém SQR2 .
5. Somar os quadrados dos resı́duos das duas amostras.
SQRSR = SQR1 + SQR2

Teste de Chow
Teste de Chow
Se não existe mudança estrutural, então a SQRR e a SQRSR não deveriam

ser estatisticamente diferentes.
(SQRR − SQRSR )/k
F =
SQRSR /(n1 + n2 − 2k)
H0 : Não há quebra estrutural.

Fcalculado > Fcritico → rejeita-se a hipótese nula de estabilidade e con-
cluı́mos que é melhor estimar em perı́odos separados.
Obs: O teste pressupõe que conhecemos o ponto de quebra estrutural.

Cap. 8

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cap. 8

Uploaded by

Copyright:

Available Formats

Cap.

8 - Análise de Regressão Múltipla: O problema da

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 1 / 21

3 Teste de Significância geral da regressão

4 Mı́nimos quadrados restritos

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 2 / 21

3 Teste de Significância geral da regressão

4 Mı́nimos quadrados restritos

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 3 / 21

As hipóteses do MQO apresentadas são suficientes para a estimação

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 4 / 21

3 Teste de Significância geral da regressão

4 Mı́nimos quadrados restritos

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 5 / 21

Podemos usar o teste t para verificar uma hipótese sobre qualquer

Com isso, defini-se um intervalo de confiança para β2

β̂2 − tα/2 ep(β̂2 ) ≤ β2 ≤ β̂2 + tα/2 ep(β̂2 )

Se o intervalo não incluir o valor proposto como hipótese nula, po-

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 6 / 21

3 Teste de Significância geral da regressão

4 Mı́nimos quadrados restritos

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 7 / 21

Dados o modelo de regressão com k variáveis

Yi = β1 + β2 X2i + β3 X3i + ... + βk Xki + ui

Para testar a hipótese

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 8 / 21

yi2 = β̂2 yi x2i + β̂3 yi x3i + ... + β̂k yi xki +

SQT = SQE + SQR

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 9 / 21

yi x2i + β̂3 yi x3i + ... + β̂k yi xki /(k − 1)

Fcal > F α(k − 1, n − k) → Rejeita-se H0

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 10 / 21

Relação entre o R 2 e o Teste F

Quanto maior o R 2 maior o valor de F.

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 11 / 21

A contribuição ”marginal”de uma variável explicativa

Estimar a regressão acima e depois incluir X3i

SQE com X2 → Q1 = β̂2

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 12 / 21

A contribuição ”marginal”de uma variável explicativa

SQEnovo − SQEvelho /n◦ de novos regressores

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 13 / 21

3 Teste de Significância geral da regressão

4 Mı́nimos quadrados restritos

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 14 / 21

Função de produção Cobb-Douglas

Y = produção, X2 insumo trabalho, X3 insumo capital

lnYi = lnβ1 + β2 lnX2i + β3 lnX3i + ui

Restrição: Retornos Constantes de Escala - RCE (variação proporcional no

exemplo de restrição de igualdade linear.

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 15 / 21

tcalculado > tcritico → rejeita-se a hipótese nula de RCE

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 16 / 21

lnYi = β0 + (1 − β3 )lnX2i + β3 lnX3i + ui

lnYi = β0 + lnX2i + β3 (lnX3i − lnX2i ) + ui

lnYi − lnX2i = β0 + β3 (lnX3i − lnX2i ) + ui

ln(Yi /X2i ) = β0 + β3 ln(X3i /X2i ) + ui

(Yi /X2i ) → razão produto/trabalho.

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 17 / 21

(SQRR − SQRSR )/m

û = SQR da regressão sem restrição.

Wallace Patrick (UFPB) Cap. 8 Agosto/2023 18 / 21

3 Teste de Significância geral da regressão