eR ee ee ee, eee BOK: (2x* 39) LA bipilee de Me E[Y¥IY]-O nso assegura que 9 soma dos mecfdues J) regres gio seem 2800- | No modelo de RLS, 2 cov. amostral enbe os valores preditos pela regresséo, 50, Y , © 08 sidues 9 regresssa a, € somere igval 9 zero. Caso 2 undade de medidg de regresezo Se? udady , @ conversSe : rio afeta o | aso afely 9 estimativg co deste padntg do Y | ~ afeta © 4 20% -x)(¥%-Y) But SME BISY "Ss io | nix - (sxY 4 : | Cecil RS: C | gor = fi Ext = Be. Bln -3) = Bisar= R*Zy" gaas 2a - 2y"- (Zax) eae ali) - a a : ea Sot soT: SQe + SQR SQR= Zyi= 2 (y-7- Be 26 3 2, sind ; _— RSG 2 AtSy? APaleckR? Aone R= SQe Bye sy (etre) Set far soon came madele serenile F R a 2 qekel ts B + oR) aw Pr okt. ep) si F pe & r wt bea, 9223 is @ Pere oF seat; kee - powslor: 8. hee PLT > Tas He] a-2 var (Pu)? o. = o* Bet Svi-n¥ var (.) 2x gt 2 oc? 2x : RS oon oe & EstKskeo t ep( fi) i Tas= X-fo x \Ex ad ep (fo)s [2X TON Be a x, ne i: a. Bay ndXV- SySY angers comelogso Vesey) Sfn3X?-(BXY Ila 39? - BY) yeast &* decmledds . u-se S* = SQE a-k-t Esbokshia 2. Jas = x- M, 3}ia cw afd = =X vor A) pe *g) Miefroqressso Simples Vor(Ad = Zly-2'o? Var d= = A, a? sat; —— SQT? od a -x) ose: gar? 2 E(x; -*) onde: 7, € 0 1 - ésimo Um estimader ysldo , quardo residue de reyressvo PX; 2 oi ¢ wg # S(x i ele em todas 35 oubras va Zz SaQT, réveis iodependentes , € onde: fy & 2 Tene de MQO SQT, € © soma des quedrades dos residues da regress Seo eshimakivas dodos 3 pork da eiz quadrads de variincia-—alevlada ae? - As veees , 2 vansacia eshmads corrigidy Peles grevs de liberdode , pela — mrulbiplicagso — por n Quando n> eshs correcro faz povea (n-k-1) diferenga-Plotecomelsedo , E 0 corelagso toda «de ym inal com ele Prien. No eshotichica & ume medida que —inkorma og quonl valor de uma realizagse de uma waidvel cleans 5 é capaz de inf leerciar se0s vizinhes: Edi eae ~ 1 oC abcess poeta @ f C cowelagso perfeihs) O agnikico bobst = auséncia de ac Para uma voridve! aleahsary Xe discrete, eshocionsria, dependente dos fempo com = meg gm, sua auboconolygso Rlk) é& — dada por: nck) = ECOG =p) hos =) o + Para veribicar exichoncia de aeberorrelagco pode se user o— beshe de Durcbir - Wakson - Se os residuos forem — correlacionados ~ pshimahivas 980 CBicivebos > molar evra padr.ta* A hemocedssticidade observagse |? avalia oO varidnciad esra coda abs. de X. « Anaica se 8 evolugdo da is- persio dos residues em Forno do ince + mare yma Fate eH menta. @ Examina -se 3 disk cibuigse dos rasdues arg cod 4 p observa qseo de x Os — dados regredi des crenden linear. Yiz Bo tBiX + BoD; + DX; Quand. r Bs *BeX + Bs +E oe EC): foBBB)y . Quarda O pre f . Wole(p)-t] % Deo: Bu + PX { we O: mate he &a Abigso © @ perds de diberentes pertodos de experimentos ov eshdos longiky- parka! panes 20 longo dos is Um exemple € quendo um ropo de hers dinais e g ee pontes de uma pesquisa deiciliar se muda eos pesquisedires p50 consequen mais acomparhs -los “ Qualqver sbvagso onde uma vandve! —explicakiva é corelacionada ae « eo € Weedadge, 2011 p. pa). Endégeno quer dizer qve © variivel gue cous 6 crescimente Cov deerescimento D 6 déhieiweds dovks do cokexto do modelo. 3 forks de endogeneidade : varisvels omiTias Se hs ume waridve| comida ro erode, ely acobo—sendo inorporads 8&0 Gisg ech vor. omikida 889 correlacionada wm alguma das variaveis — eyp/i- catnes que est no model Ce qe € bem woman Po pece ssariamenke hovers corcelogso enbe —variove] explicahve © erro cero DE MENSURAGAO = dependende da relagso'enbre 8 varia wt que hemos © com erro) @ 9 que ado hemos (sen ero), podemos fer cxrrelogsn ere 9 vansvel que Herm (com emo) @ 0 ero , pois 0 270 tonkim porhe — doquilo que aSe Foi -mensurado covelamente SIMULTANEWADE == quando uma das verisveis explicahvas 6 determnada pela _vandvel explicads 70 modelo. Ou sey, x influencia y , ms y também influencia x simul haneanente. Neoces coco oy e@ © erro geralmente posmem correlecSo enhe Si.Assimetna ( Skewness) Media da — assimetria. © da aistribuigzo de probabihdade de uma variével —aleatemia real - valved ~ Pode ser pasihve , oe- gatve ee indeinads Ew ome dishibyiges unicavda/ um vies tegative Coegative skew) todica que 8 cauda 0 [odo eBquerdo Ja AungS0 densidede probabilidede © mais longa 0” Iga do que. 10 lado) iret, © vice -verse Hg cosos em que. uma cada eats longa mS outro ' & mais lorga, 2 assimelria se tora mais complexe, A assimehin 050s determina «© 0 ~—relacionamenhe #8 media 2 medions Vids Negative Viés Positive Ewslem vdrian—esHmodores de oasimeliia, Pore 2 leshe de. Jarque - erg , Wo-se wn Spe 3 (3) ‘Ld ly. v)Cortese. Cortesis 7“ Nocrasis'} pico, ev 02 alhra chs pleos a dichibvigso Medida do de prepabi lidade de ums varivel— allealo'ing ‘real - valued” Cum descritor de Formato de ume ash de probabilidlade © assim Como assimehon , poss. ot: Feren has meneiras de ser calevlede Uma medidg comm & 9 eurtose de Pesrson , baseeda em ua versbe estalar do varhe momento des dades de ume populogte Neste hpo de medisso , ais curboses —-Sigr'Ficam _ dp vandneia SE" pesullado de —infrequertes desvios extremos Commonte wsa-se 2 redial Excesso de Cirlose pore prover 0m? comparaqse 20—*Formolo © de uma diskibuigse com de uma Normal. Assim: g Porenato Excesso de Cortese negative dishabvigzes — plaiedrbicas Excosso de Excesso oe Crbose positive distibuigaes — lephocdrticas Clee nes distribuig ges D © Laplace) 3 C C Cosine pumentada) : ~ 0,593762.. © Co setanle biperbshes): 2 WC Seniareile Wigner) = I LC Logistics) ug wt usibswe) « = 12 NC Normal) 0 ¥ Brick — muitos leshe ce — arque - Bera, 59 -5¢ ertimedores do ewhose. # Pry 0 ied (+ 2 (x ay)” Cc = L Sfacay h{So ange em, UB =: -kef 3 — (s c- curfese * - C kurtosis) nL A'/6 +(c+3"/24] S- as5imehis we n= nimero de obser. (sk ) - ae i ft 3( et sees Sewness, - @ he ke Otmere de reg essores 4 = ~ yz)? (4 2tu-3)) Br fy to 08 ashatres dhe 3° T moments cones X & 9 méde. amostral Ag > ON & 6 eshimador lo 2° momento central, = Yeridncia + O tedo de Jacque Berm deve ser ybiizado apenas quando se lem —amastras grandes. Em omorkas meneres,a aprox. X76 Tah * Tests 2 litjtbesa dha ladies virem de uma dlistnbuigse normal He: (S+0), (C enccdete =O po sya, = 3) He 6 a hipdhese mula de que 03 dads him —ohskibuigSo normal ' - 2 * JB bem uma —disterbvigse =X" com D grus de = Nberdade # Em jpoqvonse svothas , 9 sproximogt y? mule sersel e pote gerer wm ere oo Fee | quende —reyeila-se i, sends He verdadero . Isho — acenkece paque er e-valo- res Ven de uma dis tribuigas — uniforme @ ~~ podem pe ornare uma dishibuigbo — unicaudal com —assmebnn 3 Aireifa—, especialmente pera p> wlores pequencsTeche de Brevseh = GadFray » Pde canter 3 + Pp U-p + Ee — Enconkear R* da regressvo auxiliar — acima Em emostras grandes Cn-p) R? ~ Xp — se UmplR? far maior que wlor extica de Xe ( dishnbugso Fam p om ge berdade ) , 2 regressda — auxiliar — € Impor- poke @ 08 residues dependem dos seus Pp velores defasa- jos € de X- Assim, se © op)RE For grande — rayeihy- hipshese aula de inewishoncio dle a2hocomelogsrg mos 2 dos eres ov sea, he evidércia oe que 30 menos um dos Ps 79 regressto auxilior € ~— diferente de zero.Teste Vurbin- Watson ——(_ aprofundando ) « Testo p/ sukocorrelagsSo de — log | » Baseada apenas nos residues de uma reqessTo + d<4 iadicador de problem: de / S bo - é.- aukstorrslaiia: pesihiva ee. rcldvos 204-4) (residues sucessives —praximos ) = Ge bet i e JZ indicade de residues suces- z sos mubs diferentes, indicando auto- pw: = Ce -e,,) conelagso negahiva ee 2 + Hipsheses sbyacentes: Ze = modelo de regressSo inclui berm conshonbe 5 DWe FC py far) - weréicis siphaatag © Ac. waddle oh supestos finos ( nda eshoesshicos ), - dishirbios Up - P hat @, gerados supostamente por um processo ARC) J. 2C1-) Acam, DW nso pode ser vsede para P Jetectar avtecerrelaczes de ardem = mais P > cocbciente de alta que 1 nes residues correlog50 — amastral _ ferme de erro U, suposto Normal. edhe we, residuas: = modelo oso inlui Y defasado como varisvel — explicativa - ndo exishem — observagses Falkankes na amoshea TESTE: oe. esa Ho: errs de modelo ndo Avocaneeshe, Atri apresentamy AC Geral de fe" dc des tudincia te vagatber He ci meee eee L Ha: eres do modelo aee- 4 du. endénciy que eres A S30 parttiv. corelacionddos sentam avhocorrelacsa sera! dee beta: beaks icconplidtne we onlin AVTOCORRELAGAD = NEGATIVA Aad Kida CE? acne tomlin reyets Ho A-d 7 dy evdénca qe ere i sto regativamente — correlacionados. d. <(4-d)< dy becke inconclusive.eshe de Durbin - Wohson He: Nao exishe correlagsa serial dos residues Wi Exishe corelagso aerial «des residues. corelagso Regso Auséacia de Ragse Avhoesreclxso Monte | AE | Aiazal ito | ngornal 8 et aa 4 OMe 2p subocorelaso de S pe? Uma estetisheo de (e,-4.4) iy 1 + Sempre vm valor je GO 2 4 Teste Tolerance até 1: sem mulbicolinesridede (1-2) 13 Ol, pulbicolnearidase — aceibivel aboixo O14: mulbicelinesrdade — problemshrea Teshe de Posordnvo—voFesarea» z 2 pee FOC) Tolerance, = = Reyrsite to sioiade des sides Cyt) me Rages Jo quedreda doz wolores estimades CY?) Aalie-se © cwelicienke de Y,? He: residues homeceda'sheos Hp: residues heleroceds’shieos Tate VIF © Vorionce — Inflation acho) vie = ch. viF até 1 sem rrulhcolineard. G- 2) Li LO: mulkolin. aceibovel acima (0+ metheolin. problems Th = cocbiciente de cenelagso de varw've/ Kk cm as demeis voriaveisTesre @ Dreusch = [go0- Baseade co beske mulkiplicador de Log range ,é bos. fonle vbilizado para beshar se as wandncdas dos erros sao oma Funeso —mulhielicativa = de uma wu mais aridvgig , tte | ave Val Gs) varidvel is) pode Cm) perbencer gu nb modelo om apa E indicade per) _grendes amostras @ quando 2 suposigSo de normalidade dos eros &— eSsumidy Bez n Re ~ Xero ae Deledls foemas. da heherocedasticidades ren Ho dickibuigse carmel His gishrbvigso p50 -normal D- ron fe - z| = Uso 2 dishabuigss de — probebilidade D. * D < Dente + aceiha Ho Ks < 03 gecalmenke inden dish buigdo apropnads Tedeve Farrar A Cloner 1% yz ~[r-i-4 - REE moet 1 6 Cet Cer He aveéncio de mulhicolinearidade ee A ni. wim, dev obsewvogaey He: exishe mull colinearidave ki mim de vdndvers ry 2 be oH Tanta ay) bes beyonkme cerenono XK? > Xesteo 9 reyeitea Ho tiny | det: deherminante | | Sys coehecienhe de2 tm w Re 38! Mews) ot: & + 8% +... 8X, + ¥ ve hemo d@ err estocdshico 99 regressTa@— auxiliar Ho. ase be helerocedssticidade IM > UMone cree H, 2 hs heberocedas hcidode ‘ Tete de White + Parecido om 0 LM e@ © Breusch - Pagon mas. para minicar 2 pera e = grus de Itberdade em regrensaes wes | OPH parsmetros O80 = 88 ume cegresszo auxilior Se emp ee yts & pire clube Ros - © teshe oe Whihe permite 50 ~ lineoridodes por uhilizer ceuzados «em bode os X'. quadrades e produbos eee ee ee 2 heterocedas ficidade. Foa- SQR: Tcchetemahibenmmeteentir ae Tg Tes = + Techs home cedeshicidade em = arvoshrar velahivem. grandes Divide 95 gmostas em «6S parhes ( a 2° com &% 20% obs dodos , € ® Ye 3 com quontidedes semelhartes de — dacos) Ordena 2 observegses de acerdo com =a vase! exgli- cakive que Se scredita ser a responsdvel = pela — heherocedlas- Licidade. Faz um modelo com 03 dados da 1? parte, cube = SHER com 9 3° ( conkendo es moiorts valores da var. 6a = (5 Co+t) esplicakina usada 9a ordenesso). Testa-se - SOE® Ho: var des erros em ambas regressdes Jo iguais. _SQEt | iO) ccs: | Bee came: ox ec Sh cece ee: FeeFe (SQR, - SQR;) ~ Ts A ~ Tops 9-4) [vse CB) Taghe ube Sheseak: pers ganhos constonte t. Usthe-) crescente Ts Bit Be fier Bo + var Bu + Ccov (3,f3.) Fp, n-k-1) - O teste F na regressde seve para ve- ribear 9 “ade- quabilidade~ de um Modelo F- Sar * Testy se ha k uma relagsa_ linear SOE entre a var respost Ye algumas das 0 P- 1 cegressoras ¥i, Kaw Xo + Teste seo ceeficen. te & importante Para Dee gressso, ov se2, se 2 vand- vel explicshiva & fara 0 modelo . ime ocbonhe de escale decrescenhe T: CA - fe) J usr 3, var foe + 2eov (BP) ~ T cp, ot)(cee ~ Usado pre beshe 2 presensa de — quebras ewhwag Fos modelos: Muto ubilizado = em andlises de series hemporais. Foe = SQB tte = _SOR nett « ee ee SAR inredate etn, - eK | Neste hecke, podemos dividir 90850 amos eM Subgnpes e compari -los ; cola um wom OU prance SAR, clo. | Oo beste de Chow — apones poke $8 diferentes , sen ‘odiexr se ests diferen- dos intercephos |, dos welicientes ongubores 30 | diz se as var cegrestdes ga decorre de ambos - . 0 heshe pressupse que extiobore le Condo , 7 950 for possivel cloher- mudange eshwhuel cone gbenas quit’ ols) ponlels) ande| ho quebro momerlo em que 8 her de usar oubvos me bodes. miner ° code -38 A a J , : 5 Vanencias os eros, «= devem = Str = iguals: nos dig perodes examinados : | SOR ~ Com: Ee ee ki st . a como 1 «6 sSo—estimadores = 950 henden- ‘ a2 cesos das verdadeiras §—varidncias galsen i. Ass, yf Sok % 4 oe 2 (S F Cnzk) a tk) 2 - at if 7) ead wee ee Pigay A (#) Aleinf s =n [n€o2) - 9 [nl 2x) o ECV. - fir B%s, -BaXs.” — Cevese) 2 2 o InFs = In(o*)- 9 Inl2e)- 1 xCy;- Bi - Ack) (evece) 2 2 20° : av A = UCFVLSR ~ FvLcR) — ov A= -2C Fvicr - Fvesr) ow Ae - an FVCR mw Xm 4» me a de cestigaes FVSR impostas de FVLSR p/ FVLcR We (o-k)(SRAR- SsRAR) . SSRAR Esthichea do Mulhiplicador de Lagrange LM = (ak em)C SRaR- SSRAR) Ly? ee + 6RGR | onde kK: po de regressores em FVLSR wy RV Y ML Em on pequenos , ma hipstese eode ser_—eqeihada | pela ashWskea = Wald mas aso pela ML.Tete da fees. de = ver@ssimilhanga = CRY) Eshimador MQO Eskimador MMV pera ® pe ot Su Zu" n-2 a nso viesodo viesado, gordm com a gionde vies bende a desaperecer Yi= Bit BXe, + Bo Xai + 4 Foneso de verocsimilhangs CFV) logarthmicg do monte: O WF =e -Ainte*~ 2 lnler)- 4 : 6 Sito?) ~ 3 ole) - 2. OC Y.-B, ~ aXe file) Derivando UF em orden 9 fi, Br, Bs € 6? o iguoloeds 2 zero, oblemos 9s — meemos eskimodores de 3 qee os de MQO mas 8 oO sed diferente, Ho: fs =0 kite = 2 2. f [ies Bgo bf glee) 2 btar) - 1 30x -A- Arte e © logarttmica comm estrigges CFVLCR) = porque poss: a reshigso He > 3-20 oF ages & 2 FungSo de verossimilhanss Teshe de — signiFieancia pare 3 validade da —reshnigse de qe f2 * oO X= 2CFVsR - Fveer) Com 0 grosde, Aw Xiemr , mi n° de rechigses impoctsg de O para « ljeia i Se oma ov mais restrigses : forlem) validaGs) » o Fu Clogaribmice) a -2(FVLCR- FvLsR) roche sers igual 20 restsbo |e a5. 2in( rven' a= o FvseTay fom ‘Wos, - a ee | ae i 30 > plasried tae - ai oe 5 I 2A a A. gil = presrIe) (ey saz ® e any 2 ee ayn ae Xn, as oan my 27 a)S owe tp women “Hd we xy ~ -e ag5ejaurorajne »” 4 of dagpeg -webiy yi S : 3 ¥yos a (e>)F. sine pac = ie ¢ “LL &, 2x i [rergeran #97 IY °80 — \6 St exag- ankuce Bsc ne a! BL i | 7 | x 259 ey 2 er | novus -Arvebowor mune apegemee 8 aE GF call CON Toran apeprrry a : apepnysepoe2i2H woo ern ONT csi ec hennge LN yo “the May t ee vere 2 2 enerqey, > eymeed “eye Ole » a : # eye yyw OL ET roam ie ane ones ye as ¥ an +6 Mg) =9 prey ( z Jos. oak 29 ing ~ ae Re wos err) > PRPS, = vayeig 2 sey \ 2 9, x 58 * (Odd (ma-e) 2 2 voyem- 4nd \ apepueeui/oryyeiyy apepinyseearosajah} ¢@ > 1 Pp 8 J arice (LA wieel op ( bo 9 (E9) +5 )yaxru <2 by, [ME+0) + 9p¥ J 4 80 esag~ erbser