2 Avaliação Flashcards
1) O que é inferência em regressão?
2) Qual a hipótese de MQO que se utiliza para as hipóteses?
3) Para que serve o teste de hipótese nos parâmetros?
1) Serve para investigar as variáveis independentes e dependentes na sua relação.
2) H5 - Os erros seguem uma distribuição normal
3) Para determinar se o parâmetro de interesse (B) tem relação com o regressor, portanto, se há o efeito de x em y.
Quais são as fórmulas para o teste de hipótese? (Desvio desconhecido e conhecido)
B^1 - B^1H0 / √var(B^1) (desvio conhecido)
B^1 - B^1H0 / √ §u² / (n -k) / (x¹ - xME)² (desvio desconhecido)
Como se dá o teste de hipótese para um estimador específico? Qual a sua distribuição?
B¹ : H⁰ = 0
B¹ : Hª ≠ 0
Possuem distribuição t student (Com intervalo de confiança de 1% 5% e 10% de acordo com o número de regressões.)
O que o resultado do teste de hipótese define?
Se B for igual a zero, não tendo efeito sobre a variável dependente, ou é diferente de zero, sendo relevante para o modelo
Qual é a interpretação básica para o teste de hipótese? E para seu intervalo?
Se o Z calculado for maior que o Z crítico: não podemos afirmar que B1 é igual a zero, consequentemente, não é possível afirmar que não há efeito de B em Y com um IT de N%
Se o Z calculado for menor que o Z crítico:
não podemos afirmar que B1 é diferente de zero, consequentemente, não é possível afirmar que há efeito de B em Y com um IT de N%
Sobre o intervalo: Podemos afirmar, com N% de confiança, que B1 está entre [ n, n]
Qual a fórmula para um intervalo de confiança?
IC = [B1 - Z√var(B1), B1 + Z√var(B1)]
O que são os modelos com logaritmos?
São modelos feitos para desenvolver outras interpretações para as variáveis (geralmente %)
O que são os variáveis discretas e contínuas? Quando usar uma ou outra?
A interpretação dos regressores variam dependendo do tipo de variável.
Continua: Variável infinita, não contáveis (Preço, peso, altura, lucro)
Discretas: Contáveis, variáveis finitas (Dummies, carros em um local, funcionários)
Qual o modelo log - log? Qual sua interpretação?
Ambas as variáveis são em log.
Ln(Y) = Ln(x)B1 + NO + u
Continua: O aumento de 1% em x gera em, média, uma variação de B% em Y
Discreta: O aumento de 1% em x gera em, média, uma variação de [exp(B) - 1]% em Y
Qual o modelo log - lin? Qual sua interpretação?
Transforma apenas a variável dependente em logaritmo
Ln(Y) = B1 + BO + u
Continua: O aumento de 1 unidades em x gera em média, uma variação de B.100% em Y
Discreta: Um aumento de 1 unidade em x , gera em média, uma variação de [exp(B) - 1].100% em Y
Qual o modelo lin - log? Qual sua interpretação?
Transforma apenas a variável independente em logaritmo
Y= ln(B1) + BO + u
Continua: O aumento de 1% em x gera, em média, uma variação de B/100% em Y
Quais são as 5 hipóteses do modelo de MQO?
H1 - exogeniedade: Não correlação entre os regressores e o erro E(u|x) = 0
H2 - Existe variabilidade no regressor ( Var(x) ≠ 0 )
H3- Homoscedasticidade: A variação do erro é constante ( Var (u|x) = 0
H4 - Não há correlação serial entre os erros ( cov( xx | uu) = 0
H5 - Normalidade dos erros: Os erros seguem uma distribuição normal (Teorema do limite central)
O que é endogeniedade? Quais são os erros mais comuns que causam endogeniedade?
Representa a violação da H1 (E(x|u)=0) e se dá de 3 formas.
Erro de mensuração
Viés
Causalidade reversa
O que é o viés de variável omitida? Como identificar o nível desse viés?
Quando H1 é violado, existindo correlação de um regressor com o erro gerando um viés na variável.
Para solucionar se faz:
1) Análise dos regressores viesados (B0* B1* B2*)
2) Análise da regressão auxiliar com X2 do erro ( (X’X)X’X² = X²)
3) com X² se encontra o viés (subestimado ou sobreestimado)
Como saber o efeito do viés de acordo com a covariância e o valor do B?
Se o B² > 0 e houver uma Cov(x¹, x²) > 0: Sobreestimado o B¹ do viés
Se o B² > 0 e houver uma Cov(x¹, x²) < 0: Subestimado o B¹ do viés
Se o B² < 0 e houver uma Cov(x¹, x²) > 0: Sobrestimado o B¹ do viés
Se o B² < 0 e houver uma Cov(x¹, x²) < 0: Subestimado o B¹ do viés
Depois de identificado o viés por x² omitido, quais são as possibilidades de x² no modelo viesados?
X² pertencer ao modelo: Sua adição pode reduzir o viés
X² não pertencer ao modelo: pode ser adicionado, mas não influe no viés
O que é FIV?
É o R2 do modelo auxiliar e mede o poder explicativo do x² em x¹ e representa o fator de inflação da variância (aumentando ou diminuindo a variação do estimador).
1 / (1- R²j)
Com a relação do modelo viesado com um x² omitido, quais são as possibilidades que podem ser tomadas e seus efeitos quando ele é relevante?
X² é relevante B² ≠ 0 (tem influência e deve ser incluso)
Possibilidade 1 Cov(x¹, x²) ≠0 : Diminuí o viés ↓ e aumenta o R² ↑ (Adicionar mais um estimador aumenta a variabilidade do poder explicativo)
Possibilidade 2 Cov(x¹, x²) = 0: Var(B¹) ↓ diminuirá ( deve ser incluso por que diminuirá a variância do estimador em específico)
Com a relação do modelo viesado com um x² omitido, quais são as possibilidades que podem ser tomadas e seus efeitos quando ele é não relevante?
X² é não relevante B² = 0 (não tem influência e pode ser incluso)
Possibilidade 3 Cov(x¹, x²) ≠0 : aumenta o R² ↑ e aumenta a Var(B1) ↑ (não dever ser incluso até pq não afeta o viés, e só gera prejuízo)
Possibilidade 4 Cov(x¹, x²) = 0: indiferente, pois não tem nenhum efeito sobre o var(B1), R²j ou viés
Como se dá o erro de mensuração e qual seu efeito?
Erro na coleta de dados.
Se ocorrer no Y: inflação da variância do erro ( Var(u) ↑ )
Se ocorrer no X: será viesado e ineficiente
O que é a causalidade reversa? Quais são seus efeitos?
Quando Y pode causar X e não o contrário. Viola H1
Pode ser causado por VVO
Para solucionar se deve assumir a Variável que assuma a H1 corretamente.
O que é a multicolinearidade? Quais seus efeitos?
Violação de H2. Representa a não variabilidade do erro.
Pode ser:
Exata: há uma correlação perfeita entres os regressores
Solução para exata: retirar um regressor
Quase Exata: há uma correlação quase perfeita entres os regressores
Indentifcavel com:
1) R² alto
2) teste t ineficiente e teste F eficiente
Causa perda de eficiência e redução do poder do teste de hipótese
O que é Heterocedasticidade? Quais são seus efeitos?
Violação do H3. Há variabilidade no erro, não sendo constante para a variação de X .
Também ocorre pela violação de H4
Causa perda de eficiência do estimador.
Detectável por: Kroenker, goldfeld
Solucionar com: estimador de white.
O que é a não normalidade dos erros? Qual seu efeito?
Violação de H5. Os erros não seguem distribuição normal.
Causa o viés e ineficiência dos testes de hipóteses.
Solução: assumir o teorema do limite central.
