Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Heterocedasticidade
y = 0 + 1x1 + 2x2 + . . . kxk + u
Lembre-se da hiptese de homocedasticidade: condicional s variveis explicativas, a varincia do erro, u, constante. Se isso no for verdade, ou seja, se a varincia de u diferente para diferentes valores de xs, ento os erros so heterocedsticos. Exemplo: pense no gasto das famlias com alimentao em funo da renda; medida que a renda aumenta, aumenta a varincia dos gastos em alimentao.
1 2
Exemplo de heterocedasticidade
f(y|x)
.
x1 x2 x3
E(y|x) = 0 + 1x
x
3
( )
i
, onde SQTx = ( xi x ) .
2 2 i 2
( ) r u Var ( ) = SQT
j j
regresso de x j em todas as outras variveis independentes, e SQT j a soma dos quadrados dos resduos dessa regresso.
Erros-padro robustos
Agora que temos uma estimativa consistente da varincia, sua raiz quadrada ser uma estimativa do erro-padro. Tais erros-padro so chamados de erros-padro robustos. s vezes a varincia estimada corrigida pelos graus de liberdade, pela multiplicao por n/(n k 1). Quando n , essa correo faz pouca diferena.
7
Teste de heterocedasticidade
Queremos testar se H0: Var(u|x1, x2,, xk) = 2, que equivalente a H0: E(u2|x1, x2,, xk) = E(u2) = 2. Se assumirmos que a relao entre u2 e xj linear, podemos testar uma restrio linear. Logo, para u2 = 0 + 1x1 ++ k xk + v, isso significa testar: H0: 1 = 2 = = k = 0 (modelo homocedstico).
9
O teste de Breusch-Pagan
No observamos o erros, mas podemos utilizar suas estimativas: os resduos da regresso por MQO. Aps fazer a regresso dos quadrados dos resduos em todos os xs, podemos utilizar o R2 para obter um teste F ou LM. A estatstica F simplesmente a estatstica F da significncia da regresso: F = [R2/k]/[(1 R2)/(n k 1)], que tem distribuio Fk, n k 1. A estatstica LM LM = nR2, que tem distribuio 2k.
10
Exemplo Exemplo
Banco de dados Hprice1.gdt Verificar a heterocedasticidade em uma equao simples de preos de imveis. Aps fazer a regresso original, geramos os resduos e o quadrado destes resduos em todos os xs (Gravar Resduos Quadrados cria uma nova varivel no banco de dados chamada usq1).
Modelo 1: Estimativas OLS usando as 88 observaes 1-88 Varivel dependente: price Varivel const lotsize sqrft bdrms Coeficiente Erro Padro estatstica-t -21,7703 29,475 -0,7386 0,00206771 0,000642126 3,2201 0,122778 0,0132374 9,2751 13,8525 9,01015 1,5374 p-valor 0,46221 0,00182 <0,00001 0,12795
*** ***
Mdia da varivel dependente = 293,546 Desvio padro da varivel dependente = 102,713 Soma dos resduos quadrados = 300724 Erro padro dos resduos = 59,8335 R2 no-ajustado = 0,672362 R2 ajustado = 0,660661 Estatstica-F (3, 84) = 57,4602 (p-valor < 0,00001) Verosimilhana-Logartmica = -482,877 Critrio de informao de Akaike = 973,755 Critrio Bayesiano de Schwarz = 983,664 Critrio de Hannan-Quinn = 977,747
12
11
Exemplo
Exemplo
Modelo 2: Estimativas OLS usando as 88 observaes 1-88 Varivel dependente: usq1 Varivel const lotsize sqrft bdrms Coeficiente Erro Padro estatstica-t -5522,79 3259,48 -1,6944 0,201521 0,0710091 2,8380 1,69104 1,46385 1,1552 1041,76 996,381 1,0455 p-valor 0,09390 0,00569 0,25128 0,29877 * ***
13
Mdia da varivel dependente = 3417,32 Desvio padro da varivel dependente = 7094,38 Soma dos resduos quadrados = 3,67752e+009 Erro padro dos resduos = 6616,65 R2 no-ajustado = 0,160141 R2 ajustado = 0,130146 Estatstica-F (3, 84) = 5,33892 (p-valor = 0,00205) Verosimilhana-Logartmica = -896,986 Critrio de informao de Akaike = 1801,97 Critrio Bayesiano de Schwarz = 1811,88 Critrio de Hannan-Quinn = 1805,96
P-valor baixo, forte evidncia contra a hiptese nula LM = 88.(0,1601)=14,09 P-valor =~0,0028
14
O teste de White
O teste de Breusch-Pagan ir detectar formas de heterocedasticidade lineares. O teste de White permite no-linearidades por utilizar quadrados e produtos cruzados de todos os xs. Basta computar a estatstica F ou LM para testar se todos os xj, xj2 e xjxh so conjuntamente significativos.
Exemplo
Modelo 5: Estimativas OLS usando as 88 observaes 1-88 Varivel dependente: lprice Varivel const llotsize lsqrft bdrms Coeficiente Erro Padro estatstica-t -1,29704 0,651284 -1,9915 0,167967 0,0382811 4,3877 0,700232 0,0928652 7,5403 0,0369583 0,0275313 1,3424 p-valor 0,04967 0,00003 <0,00001 0,18308 ** *** ***
Exemplo
Mdia da varivel dependente = 5,63318 Desvio padro da varivel dependente = 0,303573 Soma dos resduos quadrados = 2,86256 Erro padro dos resduos = 0,184603 R2 no-ajustado = 0,642965 R2 ajustado = 0,630214 Estatstica-F (3, 84) = 50,4237 (p-valor < 0,00001) Verosimilhana-Logartmica = 25,8607 Critrio de informao de Akaike = -43,7213 Critrio Bayesiano de Schwarz = -33,812 Critrio de Hannan-Quinn = -39,7291
17 18
Exemplo
Modelo 6: Estimativas OLS usando as 88 observaes 1-88 Varivel dependente: usq Varivel const yhat yhatsqr Coeficiente Erro Padro estatstica-t 5,04683 3,345 1,5088 -1,70922 1,16333 -1,4692 0,145135 0,100992 1,4371 p-valor 0,13507 0,14546 0,15436
Mdia da varivel dependente = 0,0325291 Desvio padro da varivel dependente = 0,0736048 Soma dos resduos quadrados = 0,452874 Erro padro dos resduos = 0,0729926 R2 no-ajustado = 0,0391735 R2 ajustado = 0,0165658 Estatstica-F (2, 85) = 1,73275 (p-valor = 0,183) Verosimilhana-Logartmica = 106,99 Critrio de informao de Akaike = -207,981 Critrio Bayesiano de Schwarz = -200,549 Critrio de Hannan-Quinn = -204,987
19
Neste caso, a varincia do erro proporcional ao nvel de renda. Quanto maior o nvel de renda, maior a varincia do termo de erro, ou seja, maior a variabilidade da poupana.
22
Temos que transformar esta equao de forma que os erros virem homocedsticos.
23
24
MQG Factvel
Quando no conhecemos a forma da heterocedasticidade, precisamos estimar h(xi). Em geral, iniciamos com uma hiptese flexvel, tal como: Var(u|x) = 2exp(0 + 1x1 + + kxk) Precisamos, ento, estimar os s.
28
27
MQGF (cont.)
Nossa hiptese implica que u2 = 2exp(0 + 1x1 + + kxk)v, onde E(v|x) = 1; ento se E(v) = 1: ln(u2) = 0 + 1x1 + + kxk + e, onde E(e) = 1 e e independente dos xs. Agora, podemos substituir u por , e estimar a equao por MQO.
29
MQGF (cont.)
A estimativa de h obtida por = exp(); o peso ser o inverso dessa estimativa. Resumindo: Faa a regresso por MQO da equao original, salve os resduos, , eleve-os ao quadrado e tire o log. Faa a regresso de ln(2) em todas as variveis independentes o obtenha o valor ajustado . Faa a regresso por MQP utilizando 1/exp() como ponderador.
30
31