Sunteți pe pagina 1din 3

Lista 3 - Econometria 1(EAE0324) Professor: Moises Vassallo Monitor: Pedro Schneider - pschneider@usp.

br Data de Entrega: 13/09 A lista dever ser feita usando EXCLUSIVAMENTE o Excel e entregue pelo Erudito.

Regresso Mltipla:
y = 0 + 1 x1 + 2 x2 + ... + k xk + u

Onde: Y = Varivel Dependente/Explicada = Regressando x1 , x2 , ...xk =Variveis Independentes/Explicativas = Variveis de Controle = Regressores Hiptese Adicional: Ausncia de multicolinearidade. Na amostra, nenhuma das variveis independentes constante e no existe uma relao linear exata entre as variveis independentes.

1.1

Mnimos Quadrados Ordinrios


n X i=1

Objetivo escolher os parmetros de forma a minimizar a soma do quadrado dos resduos. min u i 2

0 ,...,k

0 1 x1 k xk Onde: u i = y y =y Interpretao: Efeito parcial ou ceteris paribus. 1 x1 Ex: k=2 x2 = 0 y =

1 unidades de y." "Tudo o mais constante, uma variao de 1 unidade de x1 varia, em mdia,

1.2

Regresso Particionada - Frisch Waugh

Considere um modelo de regresso linear mltipla com 2 regressores, i.e, k = 2. 1 : Uma outra forma de expressar Pn i1 yi =1 r 1 = Pin 2 i1 i=1 r

Onde:

r i1 so os resduos de OLS da regresso simples de x1 em x2 Primeiro Passo: Regredir x1 em x2 x 1 = 0 + 1 x 2 + ri 1 Segundo Passo: Computar r i1 Terceiro Passo: Regredir y em r 1 y = 0 + 1 r i1 + z i 1

Intuio(Di um pouco a cabea para entender) : Os resduos do primeiro passo so a parte de x1 que no explicada por x2 . Ao estimarmos a regresso do 3o passo queremos explicar y pela parte de x1 que no explicada por x2 e que no correlacionada com a parte de y que no explicada pela parte no explicada por x2 , i.e, a parte que explicada por x1 . De outra forma, r i1 xi1 aps os efeitos de xi2 serem excludos.

1.3

Comparao Regresso Simples com Regresso Mltipla para k=2


0 + 1 x1 y = 0 + 1 x1 + 2 x2 y =

1 = 1 + 2 1 ,onde 1 a inclinao da regresso de x2 em x1 . Em particular, s so iguais se: 2 = 0 O efeito parcial de x2 em y zero na amostra, i.e, x1 e x2 so no correlacionados na amostra, i.e, 1 = 0 Note que esse um exemplo simples de omisso de varivel relevante. Mais ainda, quando h esse problema, as estimativas de MQO so enviesadas. 1 ) = E ( 1 ) 1 = 2 V ies( 1 1 no-enviesado. Logo, se x1 e x2 so no correlacionados,

1.4

Sobreidenticao:

Tambm conhecido como incluso de varivel irrelevante. Logo, uma ou mais variveis independentes includas no modelo no afetam y na populao, i.e, k = 0 (NOTE QUE NO O ESTIMADO) s permanecem no-enviesados, mas h perda de grau de liberdade, i.e, impacto na varincia. Logo, estimativas menos precisas.

1.5

Teorema de Gauss-Markov

s so os melhores(mais ecientes/menor varincia) estimadores Sob as hipteses do MQO/OLS, beta lineares noo enviesados (BLUE). OLS1: Linear nos parmetros y = 0 + 1 x1 + 2 x2 + ... + k xk + u OLS2: Amostra Aleatria OLS3: Ausncia de Multicolinearidade OLS4: Mdia Condicional Zero OLS5: Homocedasticiade E (u|x1 , ...xk ) = 0 V ar(u|x1 , ..., xk ) = 2 2

Exerccio
1. Regresso Mltipla no Excel Queremos explicar o preo das residncias nos EUA em um determinado ano. (a) Regresso Simples: Tamanho do imvel price = 0 + 1 sqrf t + u i. ii. iii. iv. Estime os parmetros, usando suas frmulas. Estime o modelo pelo mtodo de mnimos quadrados ordinrios. (SOLVER). Estime o modelo pelo mtodo das condies de momento. (SOLVER). Calcule o R2 .

NO VALE USAR FERRAMENTA DE ANLISE DE DADOS

(b) Regresso Mltipla Incluindo a varivel nmero de cmodos: price = 0 + 1 sqrf t + 2 bdrms + u i. ii. iii. iv. Estime o modelo pelo mtodo de mnimos quadrados ordinrios(SOLVER). Estime o modelo pelo mtodo das condies de momento. (SOLVER). Estime o modelo, particionando a regresso. (FRISCH-WAUGH). 1 a estimativa do coeciente para o tamanho do imvel na regresso simples. Seja Calcule o seu vis. v. Calcule o R2