UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIENCIAS SOCIAS APLICADAS DEPARTAMENTO DE ECONOMIA Introduo ` Econometria ca a Professor: Erik

k Alencar de Figueirdo e Aula 11

28 Jul 2008 7:04 p.m.

Quebra dos pressupostos do mtodo de MQO: Heterocedasticidade e 0. INTRODUCAO Considere o modelo multivariado na forma matricial: y = X + u, onde y1 y2 y = . ; . . yn xk1 xk2 . ; . . xkn 1 2 = . ; . . k u1 u2 u = . . . . un [1]

1 1 X=. . . 1

x21 x22 . . . x2n

.. .

Note que os vetores y e u possuem dimenso n 1; o vetor tem dimenso k 1 e a matriz X dimenso a a a n k. A inferncia para os parmetros , a partir do mtodo MQO, requer as seguintes suposies: e a e co MQO.1: a matriz X no-estocstica, ou seja, a estimao realizada com base em valores observados de e a a ca e X; MQO.2: a matriz X X possui rank igual a k, isto , ela possui k vetores linearmente independentes; e MQO.3: a E(X u) = 0; MQO.4: os erros u so caracterizados por: a E(u) = 0 var(u) = E(uu ) = 2 I Vejamos, com maior ateno, a hiptese MQO.4. Note que o operador de esperana aplicado a todos ca o c e os elementos do vetor: E(u ) u1 0 1 u2 E(u2 ) 0 E(u) = E . = . = . . . . . . . . un Com relao ` varincia: ca a a u1 u2 var(u) = E(uu ) = E . ( u1 . . un E(u2 ) 1 E(u2 u1 ) un ) = . . . E(u1 u2 ) E(u2 ) 2 . . . .. . E(u1 un ) E(u2 un ) . . . 2 E(un ) E(un ) 0

u2

E(un u1 ) E(un u2 )

Introduo ` Econometria - Aula 11 ca a

pgina 2 a

2 cov(u2 u1 ) var(u) = . . .

cov(u1 u2 ) 2 . . .

.. .

cov(un u1 ) cov(un u2 )

cov(u1 un ) 1 0 cov(u2 un ) 0 1 = 2 . . . . . . .. . . . . 2 0 0

0 0 . = 2 I. . . 1

A primeira hiptese arma que X determin o e stico. A segunda hiptese postula que a matriz X X, o de ordem k k, possui k vetores linearmente independentes, isto implica em dois resultados. Primeiro, ela possui inversa. Segundo, inexistem relaes entre as variveis explicativas, ou de uma forma equivalente, no co a a h multicolinearidade. a A hiptese MQO.3 assegura que a esperana do erro condicionada as variveis explicativas igual o c a e a zero. Isto , no existe endogeneidade. Por m, a suposio MQO.4 carrega consigo duas hipteses e a ca o fortes: a) a varincia dos erros a mesma para todos os elementos da matriz de varincias-covarincias a e a a (homocedasticidade) e; b) as covarincias entre os elementos de u so nulas dois a dois, isto implica na a a ausncia de autocorrelao entre os res e ca duos. Neste caso, diz-se que a distribuio de u esfrica, podendo ser representada por: ca e e u iiN (0, 2 I). Sob estes pressupostos o estimador de MQO: = (X X)1 X y, no-viesado: e a e possui varincia m a nima dada por: E() = ; var() = 2 (X X)1 .

Neste caso, tem-se o seguinte resultado para : Teorema de Gauss-Markov: Mediante os pressupostos do MQO, nenhum outro estimador linear no-viesado para os coa e ecientes , possuir varincia amostral inferior aos estimadores de MQO (). Ou seja, o a a melhor estimador linear no-viesado com varincia m a a nima. Entretanto, o que acontecer com se os pressupostos forem violados? a 2. HETEROCEDASTICIDADE Na presena de homocedasticidade, o sistema representado pela equao 1 possuir k + 1 parmetros e c ca a a a varincia do erro. Considerando uma amostra de tamanho n, com n > k + 1, os parmetros podem ser a a facilmente obtidos a partir da inferncia MQO. e Entretanto, suponha a existncia da heterocedasticidade. Neste caso, a matriz de varincias-covarincias e a a para u ser: a 2 0 0 1 2 0 2 0 var(u) = E(uu ) = . . .. . . . . . . . . . 0 0
2 n

Note que agora o sistema 1 possui n + k parmetros. Os k betas e as n varincias do erro. Neste caso, a a se no forem adotadas hipteses adicionais, ser imposs realizar uma inferncia a partir dos n pontos da a o a vel e amostra (dado que n + k > n). a E fcil imaginar uma situao onde exista heterocedasticidade. Vejamos o caso onde os dados em corte ca representam os gastos familiares. E natural esperar que o gasto mdio aumente quando a renda aumenta. e Mas tambm de se esperar que a varincia dos gastos tambm cresa na medida em que a renda cresce. e e a e c

Introduo ` Econometria - Aula 11 ca a

pgina 3 a

Supondo que o rendimento representado pela varivel x2i , ento a matriz de varincias-covarincias poder e a a a a a ser representada por: x21 0 0 0 0 x22 E(uu ) = 2 . . . = 2 A. .. . . . . . . . 0 0 x2n Note que esta matriz possui apenas um parmetro desconhecido ( 2 ). No entanto, ela baseia-se em um a pressuposto muito forte para a heterocedasticidade, qual seja: a varincia cresce na medida em que a renda a aumenta. O que se pode destacar que esta representao apenas um caso particular da heterocedasticie ca e dade, em geral, esta caracter stica possui formas diversas. A partir de agora a heterocedasticidade ser tratada por uma representao no-esfrica para u: a ca a e var(u) = 2 . Onde representa uma matriz denida positiva n n. 3. PROPRIEDADES DOS ESTIMADORES DE MQO A presena de heterocedasticidade no altera o no-viesamento e a consistncia do estimador de MQO, c a a e vejamos: = (X X)1 X y. Substituindo y por X + u: = (X X)1 X [X + u] = (X X)1 X X + (X X)1 X u = I + (X X)1 X u, da qual resulta: = (X X)1 X u.

Tomando o valor esperado em ambos os lados da equao acima e sabendo que (X X)1 X deterca e min stica: E( ) = (X X)1 X E(u). Por hiptese E(u) = 0, logo: o ou seja, E( ) = 0, E() = .

Este resultado assegura que beta no-viciado, porm ele no ser eciente, dado que no mais possuir e a e a a a a varincia m a nima. Vejamos, como u no-esfrico var(u) = 2 . Como denida positiva ento existir: e a e e a a 1 = P P. Faamos uma modicao na equao 1, multiplicando-a por P , assim: c ca ca y = X + u onde y = P y, X = P X e u = P u. Da denio 2 temos = P ca var(u ) = 2 P P = 2 P P 1 (P
1

[2]

P 1 , assim:

)P = 2 I.

Logo, as variveis transformadas conduzem a um erro esfrico. Onde o estimador ser: a e a GLS = (X X )1 X y = (X 1 X)1 X 1 y.

Introduo ` Econometria - Aula 11 ca a

pgina 4 a

Este o estimador de M e nimos Quadrados Generalizados (GLS) que corrige a heterocedasticidade. Sua varincia ser: a a var(GLS ) = 2 (X X )1 = 2 (X 1 X)1 . Note que esta expresso apresenta um menor valor em relao ` varincia do estimador de MQO. Logo, a ca a a no caso de heterocedasticidade, o estimador de MQO deixa de apresentar varincia m a nima: var(GLS ) = 2 (X 1 X)1 < var() = 2 (X X)1 . Basta observar que o denominador da expresso do GLS maior, pois 1 = P P . Por m, os erros a e padres usuais para o MQO deixam de ser vlidos o que, por sua vez, invalida os testes de hipteses t e F . o a o Vejamos, caso os dados apresentem heterocedasticidade, a matriz de varincias-covarincias correta para o a a estimador de MQO ser: a var() = E ( )( ) = E (X X)1 X uu X(X X)1 = 2 (X X)1 X X(X X)1 Note que a frmula convencional s permite calcular 2 (X X)1 . o o 4. CARACTER ISICAS DOS ERROS PADROES Dado a frmula convencional s permite calcular 2 (X X)1 , o que agora apenas uma parte da expresso o o e a verdadeira, ento as estat a sticas teste deixam de ser vlidas. a E importante ressaltar que mesmo que suspeitemos da heterocedasticidade, poss aplicar o mtodo e vel e MQO. O problema que a matriz 2 , possui n elementos para serem estimados a partir de n pontos. e Contudo, White (1980) mostrou que esta uma maneira incorreta de observar o problema. E importante e 2 encontrar uma estimativa para X X, que uma matriz quadrada de ordem k. e O mtodo de White prope a substituio da varincia 2 pelo quadrado do erro amostral (e2 ). Neste e o ca a t caso, a estimao ser: ca a var() = (X X)1 X 2 X(X X)1 , ca a o onde 2 = diag{e2 , e2 , ..., e2 }. Esta transformao torna os testes usuais vlidos assintticamente. Logo, o n 1 2 modelo MQO, embora no possua mais varincia m a a nima poder ser implementado. a 5. TESTE DE HIPOTESE PARA A HETEROCEDASTICIDADE A inecincia do estimador uma conseqncia sria para o modelo economtrico. Por conta disso, em uma e e ue e e anlise emp a rica, torna-se necessria a implementao de testes para a heterocedasticidade. Nesta seo a ca ca daremos ateno ao teste desenvolvido por White (1980). ca O teste de White baseado em uma regresso auxiliar. Onde o quadrado dos res e a duos ser regredido a frente a todas as variveis do modelo, seus valores elevados ao quadrado, seus produtos cruzados e a constante. a As variveis redundantes sero exclu a a das do modelo. Vejamos um exemplo: digamos que o processo de estimao envolve as variveis x1 e x2 e a constante: ca a x = {1, x1 , x2 }. Assim, o teste considerar: a {1, x1 , x2 , x2 , x2 , x1 x2 }. 1 2

Note que foram exclu das as variveis redundantes oriundas dos produtos cruzados da constante com x1 a e x2 e com ela mesma. Logo, a regresso auxiliar do teste ser obtida estimando o quadrado dos res a a duos (e2 ) da primeira regresso (y frente a {1, x1 , x2 }), contra as variveis {1, x1 , x2 , x2 , x2 , x1 x2 }. Diante da hiptese a a o 1 2 da homocedasticidade nR2 possuir distribuio 2 (5). Os graus de liberdade correspondem ao nmero de a ca u variveis explicativas na regresso auxiliar, exclu a constante. a a da Em geral sob hiptese nula da homocedasticidade tem-se o nR2 2 (q).

Introduo ` Econometria - Aula 11 ca a

pgina 5 a

Onde q o nmero de variveis explicativas na regresso auxiliar menos um. Caso a hiptese nula seja e u a a o rejeitada no haver nenhuma indicao sob a forma da heterocedasticidade, portanto o mtodo de GLS no a a ca e a poder ser implementado sem informaes adicionais. O problema do teste de White reside nos seus graus de a co liberdade. Na medida em que tem-se um grande nmero de regressores, o teste perde poder. Por exemplo, u considere k regressores na estimao original, desta forma, sua auxiliar ter [k(k + 1)/2] 1 parmetros. Se ca a a o k for igual a 10 teremos q = 54. Muitas vezes, quando o k grande, costuma-se fazer redues ad hoc nos e co regressores, excluindo-se os produtos cruzados. Por m, conclui-se que caso queira-se utilizar o mtodo de MQO, necessrio, na presena de heteroe e a c cedasticidade, utilizar o clculo da matriz de varincias-covarincias robusta. a a a
Nota adicional: O presente documento foi preparado a partir do sistema tipogrco (Plain) TEX, desenvolvido por a Donald Knuth. Verso preliminar, comentrios so bem-vindos! a a a REFERENCIAS [1] Johnston, J.; DiNardo, J. (2001). Metodos economtricos. Lisboa: McGraw Hill. e [2] White, H. (1980). A heteroscedasticity-consistent covariance matrix estimator and a direct test for heteroscedasticity. Econometrica, v. 48.