Documente Academic
Documente Profesional
Documente Cultură
CAPTULO 10
MULTICOLINEARIDADE: O QUE ACONTECE SE OS REGRESSORES SO
CORRELACIONADOS?
Yi = 1 + 2 X 2i + 3 (2 X 2i 1) + ui = ( 1 3 ) + ( 2 + 2 3 ) X 2i + ui = 1 + 2 X 2i + ui , em que
1 = ( 1 3 ) e 2 = ( 2 + 2 2 ) . Podemos, portanto, estimar 1 e 2 singularmente,
mas no os originais, pois s temos duas equaes para resolver trs incgnitas.
10.3 (a) Embora os valores numricos do intercepto e dos coeficientes angulares de
PNBpc e TAF tenham mudado, os seus sinais so os mesmos. Alm disso, essas
variveis continuam sendo estatisticamente significativas. As mudanas devem ser
devidas incluso da varivel TFT, indicando que pode haver alguma colinearidade
entre os regressores.
(b) Como o valor t do coeficiente de TFT muito significativo (o valor p s 0,0032),
essa varivel, aparentemente, se encaixa no modelo. O sinal positivo desse coeficiente
tambm faz sentido porque quanto mais filhos tiver uma mulher, maiores so as
chances de aumentar a mortalidade infantil.
(c) Esta uma daquelas ocorrncias felizes em que, apesar da possvel
colinearidade, os coeficientes individuais so, assim mesmo, estatisticamente
significativos.
10.4 A relao pode ser reescrita assim:
2
X 2i 3 X 3i = 12.3 X 2i + 13.2 X 3i
1
1
X 2i = 1 X 1i 3 X 3i = 21.3 X 1i + 23.1 X 3i
2
2
X 3i = 1 X 1i 2 X 2i = 31.2 X 1i + 32.1 X 2i
3
3
X 1i =
Portanto,
Da,
2
2
2
2
R1.23
= r122 + (1 r122 ) r13.2
= 1 . Analogamente, R2.13
= R3.12
= 1.
2 =
1 = Y 2 X 2 3 X
1 = Y 2 X 2 = Y 2 X 2
1 = Y 3 X 3 = Y 3 X 3
Logo, 1 = 1 + 1 Y .
(c) No, pelas seguintes razes:
var( 2 ) =
var( 2 ) =
2
2i
2
1
2
2i
(1 r )
2
23
2
2i
(Nota: r23 = 0 )
2
2
Repare que =
2
i
n3
12 =
2
i
n2
1
, e dela se pode
x 2j 1 R 2j
2
j
ou um alto
2
3i
10.13 (a) Reportando-nos Equao (7.11.15), vemos que se todos os r forem zero,
R ser zero, ipso facto.
(b) No ser explicada pelo modelo nenhuma variao do regressando se este no
tiver correlao com nenhum dos regressores.
10.14 (a) Se todas as correlaes de ordem zero, ou simples, forem iguais a r, a
Equao (7.11.5) se reduz a
2r 2 (1 r ) 2r 2
R =
=
.
(1 r 2 )
1+ r
2
r12.3 =
r (1 r )
r
=
.
2
1 r
1+ r
GNPt = 1 + ( 2 + 4 ) M t + ( 3 4 ) M t 1 + ui = 1 + 1M t + 2 M t 1 + ui ,
poderemos
r =
2
23
( x2i x3i ) 2
( x22i )( x32i )
Logo, (
x ) = r ( x22i )( x32i ) .
2 i 3i
2
23
10.22 Como ep ( 2 + 3 ) =
valores de covarincia so dados, verificar o que se pede mera questo de substitulos na equao.
10.23 (a) Ceteris paribus, a varincia do coeficiente estimado de k diminui medida
que
Yi = 20,995 + 0,710Zi
ep = (6,341)
t = (3,311)
(0,066)
(10,771)
r = 0,906
0,980958
E.P. da regresso
Soma quad resduos
Verossimilhana Log
Estat Durbin-Watson
0,124862
0,405356
20,76993
0,461405
Erro-padro
Estatstica-t
0,782070
2,525683
0,405783
2,570749
0,569840
0,782925
Varivel dependente mdia
Desvio-padro
da
varivel
dependente
Critrio info Akaike
Critrio Schwarz
Estatstica-F
Probabilidade (Estatstica-F)
Probabilidade
0,0180
0,0162
0,4407
12,49048
0,904848
-1,225512
-1,084068
722,2174
0,000000
Erro-padro
0,290493
0,035525
Estatstica-t
4,844960
38,27295
Probabilidade
0,0000
0,0000
Erro-padro
0,250312
0,055221
Estatstica-t
15,57499
34,50388
Probabilidade
0,0000
0,0000
Erro-padro
0,1080
0,0238
Estatstica-t
17,0680
58,6972
Probabilidade
0,0000
0,0000
Coeficiente
3,898610
1,905351
0,977824
Coeficiente
1,8437
1,3988
0,9922
A regresso auxiliar de LPIB contra LIPC mostra que h alta correlao entre as duas
variveis, indicando a possibilidade de haver problemas de colinearidade com os
dados.
(d) No caso, a melhor soluo seria expressar as importaes e o PIB em termos reais
dividindo-os pelo IPC, conforme observado no captulo do livro-texto. Os resultados do
Eviews 3 so os seguintes:
Varivel
dependente:
LOG(IMPORTA / IPC)
Mtodo: Mnimos quadrados
Data: 11/11/2000 Hora: 10:26
Probabilidade
0,8319
0,0000
10.28 (a) Como h cinco variveis explanatrias, haver cinco regresses auxiliares.
Por economia de espao, apresentamos a seguir somente os valores R obtidos com
essas regresses:
Varivel
dependente
X2
X3
X4
X5
X6
R
0,9846
0,9482
0,9872
0,9889
0,9927
Coeficiente
-22,10374
-1,037839
-0,294929
3,243886
0,684855
Erro-padro
Estatstica-t
8,373593
-2,639696
0,330227
-3,142805
0,073704
-4,001514
0,872231
3,719068
Varivel dependente mdia
Probabilidade
0,0216
0,0085
0,0018
0,0029
9,204273
0,119580
-2,128930
-1,935783
8,692569
0,002454
Coeficiente
3,254859
1,790153
-4,108518
2,127199
-0,030448
0,277792
0,854803
R-quadrado ajustado
0,782205
E.P. da regresso
Soma quad resduos
Verossimilhana Log
Estat Durbin-Watson
0,055806
0,031143
27,23099
1,793020
Erro-padro
Estatstica-t
19,11656
0,170264
0,873240
2,050012
1,599678
-2,568341
1,257839
1,691154
0,121848
-0,249884
2,036975
0,136375
Varivel dependente mdia
Desvio-padro
da
varivel
dependente
Critrio info Akaike
Critrio Schwarz
Estatstica-F
Probabilidade (Estatstica-F)
Probabilidade
0,8682
0,0675
0,0280
0,1217
0,8077
0,8942
9,204273
0,119580
-2,653874
-2,364153
11,77442
0,000624
TAXA
1,000000
0,571693
GE
0,571693
1,000000
GMO
0,058992
NEIN
ATIVOS
IDADE
0,701787
0,778932
0,044173
Dependentes
0,601358
0,881271
0,040994
0,234426
0,274094
0,015300
0,692881
0,549108
Escolaridade
GMO
0,058992
0,040994
1,000000
NEIN
0,701787
0,234426
ATIVOS
0,778932
0,274094
0,359094
0,359094
0,292243
0,775494
0,050212
-
Dependentes
-0,60135
-0,69288
0,292243
IDADE
0,044173
0,015300
0,775494
1,000000
0,987510
0,502432
0,987510
1,000000
0,417086
0,502432
0,417086
1,000000
-0,52083
-0,51355
-0,04836
0,520832
0,539173
0,513552
0,630899
0,048360
-
1,000000
0,05021
-0,60257
0,331067
Coeficiente
1904,578
-93,75255
0,000225
-0,214966
0,157208
0,015572
-0,348636
20,72803
37,32563
0,825555
R-quadrado ajustado
0,771879
E.P. da regresso
Soma quad resduos
Verossimilhana Log
Estat Durbin-Watson
30,62279
24381,63
-164,2220
1,779824
Erro-padro
Estatstica-t
251,9333
7,559849
47,14500
-1,988600
0,038255
0,005894
0,097939
-2,194896
0,516406
0,304427
0,025405
0,612970
3,722331
-0,093661
16,88047
1,227930
22,66520
1,646826
Varivel dependente mdia
Desvio-padro
da
varivel
dependente
Critrio info Akaike
Critrio Schwarz
Estatstica-F
Probabilidade (Estatstica-F)
Probabilidade
0,0000
0,0574
0,9953
0,0373
0,7632
0,5452
0,9261
0,2305
0,1116
2137,086
64,11542
9,898400
10,29835
15,38050
0,000000
Erro-padro
939728,1
87,09740
0,033175
0,476701
0,216227
0,233968
482,6832
Estatstica-t
-3,210973
-0,235493
-0,823945
-4,095429
-4,431634
0,219430
3,284049
Probabilidade
0,0124
0,8197
0,4338
0,0035
0,0022
0,8318
0,0111
Comparando esses resultados com os da Seo 10.10, vemos que a excluso de uma
nica observao pode alterar as magnitudes e/ou os sinais de alguns dos coeficientes,
o que fundamenta o argumento apresentado no texto de que, em casos de alta
colinearidade, pequenas mudanas nos dados podem levar a diferenas considerveis
nos resultados.