Cálculo de Propriedades Termodinâmicas de Misturas Binárias ...
Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy...
Transcript of Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy...
![Page 1: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/1.jpg)
Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy)
1
variáveis binárias (dummy)
![Page 2: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/2.jpg)
Como descrever informações qualitativas?
Fatores qualitativos podem ser incorporados a modelos de regressão.
Neste caso, classificamos os dados conforme algumas características qualitativas.
2
Exemplos: ser homem ou ser mulher; ser branco ou negro; morar no Rio ou em Niterói.... etc.
Estas variáveis qualitativas podem ser regressoresou variáveis dependentes.
Existem formas de incorporá-las ao modeloeconométrico.
![Page 3: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/3.jpg)
Variáveis binárias ou dummy
Nestes casos, as informações relevantes podem ser captadas pela definição de uma variável binária (variável zero-um)
Definição de uma dummy: identificar o Definição de uma dummy: identificar o evento que assumirá o valor um e o evento que assumirá o valor zero.
É sempre bom denominar a variável pelo evento que é igual a um:� Ser homem é igual a 1 – chamar a variável de
“homem” 3
![Page 4: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/4.jpg)
Variáveis binárias ou dummy
Como fica o banco de dados?
4
![Page 5: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/5.jpg)
Exemplo: com uma variável binária
Somente dois fatores afetam os salários: gênero e escolaridade
Qual a diferença entre o salário hora do homem e da mulher, dado o mesmo nível educacional?
5
![Page 6: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/6.jpg)
6
![Page 7: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/7.jpg)
Exemplo 2:
Se educação, experiência e permanência foram características relevantes para a produtividade, a hipótese nula para não existência de diferença entre homens e mulheres seria:
A alternativa seria que existe discriminação contra mulheres:
7
0: 0 =δo
H
0: 0 <δo
H
![Page 8: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/8.jpg)
Banco de dados: wage1.gdt
Rode o modelo acima
Quanto a mulher ganha , em média, a Quanto a mulher ganha , em média, a menos que o homem?
8
![Page 9: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/9.jpg)
Modelo 1: MQO, usando as observações 1-526 Variável dependente: wage
Coeficiente Erro Padrão razão-t p-valor
const -1,56794 0,724551 -2,1640 0,03092 ** female -1,81085 0,264825 -6,8379 <0,00001 *** educ 0,571505 0,0493373 11,5836 <0,00001 *** exper 0,0253959 0,0115694 2,1951 0,02860 **
9
exper 0,0253959 0,0115694 2,1951 0,02860 ** tenure 0,141005 0,0211617 6,6632 <0,00001 ***
Média var. dependente 5,896103 D.P. var. dependente 3,693086 Soma resíd. quadrados 4557,308 E.P. da regressão 2,957572 R-quadrado 0,363541 R-quadrado ajustado 0,358655 F(4, 521) 74,39801 P-valor(F) 7,30e-50
![Page 10: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/10.jpg)
Banco de dados: wage1.gdt
Rode o mesmo modelo acima, mas excluindo todos controles com exceção da dummy feminino.
� Qual o salário hora médio dos homens?
� O que é o intercepto?
� Teste de comparação das médias
10
![Page 11: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/11.jpg)
Modelo 2: MQO, usando as observações 1-526 Variável dependente: wage
Coeficiente Erro Padrão razão-t p-valor
const 7,09949 0,210008 33,8058 <0,00001 *** female -2,51183 0,303409 -8,2787 <0,00001 ***
11
female -2,51183 0,303409 -8,2787 <0,00001 ***
Média var. dependente 5,896103 D.P. var. dependente 3,693086 Soma resíd. quadrados 6332,194 E.P. da regressão 3,476254 R-quadrado 0,115667 R-quadrado ajustado 0,113979 F(1, 524) 68,53668 P-valor(F) 1,04e-15
![Page 12: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/12.jpg)
Banco de dados: GPA1.gdtEfeitos de se possuir computadores na avaliação de cursos superiores
� PC = 1 se o aluno tem computador em casa.
� hsGPA: nota no final do ensino médio
� ACT: nota do exame vestibular� ACT: nota do exame vestibular
Qual o efeito sobre a nota média final prevista no curso superior?
O que acontece com o efeito se retirar hsGPA e ACT? Interprete o significado do coeficiente de PC.
12
![Page 13: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/13.jpg)
Modelo 1: MQO, usando as observações 1-141 Variável dependente: colGPA
Coeficiente Erro Padrão razão-t p-valor
const 1,26352 0,333126 3,7929 0,00022 *** PC 0,157309 0,0572875 2,7460 0,00684 *** hsGPA 0,447242 0,0936475 4,7758 <0,00001 ***
13
hsGPA 0,447242 0,0936475 4,7758 <0,00001 *** ACT 0,00865901 0,0105342 0,8220 0,41251
Média var. dependente 3,056738 D.P. var. dependente 0,372310 Soma resíd. quadrados 15,14868 E.P. da regressão 0,332527 R-quadrado 0,219386 R-quadrado ajustado 0,202292 F(3, 137) 12,83426 P-valor(F) 1,93e-07
![Page 14: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/14.jpg)
Modelo 2: MQO, usando as observações 1-141 Variável dependente: colGPA
Coeficiente Erro Padrão razão-t p-valor
const 2,98941 0,0395018 75,6779 <0,00001 *** PC 0,169517 0,0626804 2,7045 0,00770 ***
14
Média var. dependente 3,056738 D.P. var. dependente 0,372310 Soma resíd. quadrados 18,43601 E.P. da regressão 0,364188 R-quadrado 0,049989 R-quadrado ajustado 0,043154 F(1, 139) 7,314107 P-valor(F) 0,007697
![Page 15: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/15.jpg)
Avaliação de políticas
Qual efeito de um programa econômico ou social sobre os indivíduos, empresas, etc...
Dois grupos de estudo: Dois grupos de estudo: � Grupo de controle: não participa do programa
� Grupo de tratamento: participa do programa
Escolha dos grupos de controle e tratamento não é aleatória.
15
![Page 16: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/16.jpg)
Avaliação de políticas
Definição do grupo de controle e tratamento:� Grupo de Tratamento: pessoas (do público- alvo) que serão atendidas pelo projeto.que serão atendidas pelo projeto.
� Grupo de Controle: pessoas com características similares, mas que não serão atendidas pelo projeto.
16
![Page 17: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/17.jpg)
Banco de dados. JTRAIN.GDTEfeitos da concessão de subsídios sobre as horas de treinamento
Dados de 1988 indústrias de Michigan
hrsemp: horas de treinamento por empregado no nível da empresa.
Subs = 1 se a indústria recebeu subsídio17
![Page 18: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/18.jpg)
Variável dependente na forma log
Regressão dos preços dos imóveis
Banco de dados Hprice1.gdt
Dummy colonial: igual a 1 se o imóvel tiver estilo colonial. Qual a sua interpretação?
18
![Page 19: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/19.jpg)
Reestimar o exemplo 2
Use log(salário hora)
Inclua termos quadráticos para experiência e tempo de permanência.e tempo de permanência.
Quanto as mulheres ganham a menos que os homens?
Qual a diferença percentual exata entre homens e mulheres?
19
![Page 20: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/20.jpg)
20
![Page 21: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/21.jpg)
Reestimar o exemplo 2
)297,0exp(/
)297,0exp())/exp(log(
297,0)/log(
297,0)log()log(
−=
−=
−=
−=−
salariohsalariom
salariohsalariom
salariohsalariom
salariohsalariom
21
257,01)297,0exp(
1
)297,0exp(/
−=−−=−
−=−
−=
salarioh
salariohsalariom
salarioh
salariom
salarioh
salariohsalariom
salariohsalariom
![Page 22: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/22.jpg)
Dummies para múltiplas categorias
Suponha que seus dados sejam sobre pessoas que trabalham nos setores primário, secundário e terciário da economia.
Para compará-los, inclua 2 variáveis dummies:
22
Para compará-los, inclua 2 variáveis dummies:
prim = 1 se a pessoa trabalha no setor primário e= 0 caso contrário; e sec = 1 se ela trabalha no setor secundário e = 0 caso contrário.
![Page 23: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/23.jpg)
Dummies para múltiplas categorias
Suponha que seus dados sejam sobre pessoas que trabalham nos setores primário, secundário e terciário da economia.
Para compará-los, inclua 2 variáveis dummies:
23
Para compará-los, inclua 2 variáveis dummies:
prim = 1 se a pessoa trabalha no setor primário e= 0 caso contrário; e sec = 1 se ela trabalha no setor secundário e = 0 caso contrário.
![Page 24: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/24.jpg)
Categorias múltiplas (cont.)
Qualquer variável expressa em categorias pode ser transformada em uma variável dummy.
Como o caso base é representado pelo
24
Como o caso base é representado pelo intercepto, se há n categorias, devem havern – 1 dummies.Se há muitas categorias, pode-se agrupar algumas delas.
![Page 25: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/25.jpg)
Exemplo: Equação do log salário hora
Modelo que considere as diferenças salariais entre quatro grupos: � Homens casados (marrmale)
Homens solteiros (grupo base)
25
� Homens solteiros (grupo base)� Mulheres casadas (marrfem)� Mulheres solteiras (singfem)
O “prêmio” por ser casado não é o mesmo para homens e mulheres!!!
![Page 26: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/26.jpg)
Exemplo: Equação do log salário hora
26
Lembre do grupo base!!!!
As estimativas das três variáveis medem a diferença proporcional nos salários relativamente aos homens solteiros.
![Page 27: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/27.jpg)
Exemplo: Equação do log salário hora
Os homens casados ganham cerca de 21,3% mais que os homens solteiros.Uma mulher casada deve ganhar 19,8% a menos que um homem solteiro.
27
que um homem solteiro.Diferença proporcional estimada entre as mulheres solteiras e as casadas é (-0,110-(-0,198)) = 0,088. Mulheres solteiras ganham 8,8% a mais que as mulheres casadas.
![Page 28: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/28.jpg)
Interação entre dummies
Interagir dummies é como subdividir o grupo. Exemplo: ter dummies para homens assim como para prim e sec.Adicione homem*prim e homem*sec, para um total de 5 dummies e 6 categorias.
28
total de 5 dummies e 6 categorias.O caso base é: mulher no terciário. prim é para mulheres no setor primário e sec é para mulheres no setor secundário.As interações refletem homens no primário e homens no secundário.
![Page 29: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/29.jpg)
Mais sobre dummies de interaçãoFormalmente, o modelo é y = β0 + δ1homem + δ2prim + δ3sec + δ4homem*prim + δ5homem*sec+ β1x + u. Então, por exemplo:Se homem = 0, prim = 0 e sec = 0:y = β + β x + u
29
y = β0 + β1x + u
Se homem = 0, prim = 1 e sec = 0:y = β0 + δ2prim + β1x + u
Se homem = 1, prim = 0 e sec = 1:y = β0 + δ1homem + δ3prim + δ5homem*sec + β1x + u
![Page 30: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/30.jpg)
Exemplo:
30
Outra forma de encontramos diferencias de salário entre homens casados, homens solteiros, mulheres casadas e mulheres solteiras.
![Page 31: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/31.jpg)
Outras interações com dummies
Podemos também interagir uma dummy, d, com uma variável contínua, x:
y = β0 + δ1d + β1x + δ2d*x + u.
31
y = β0 + δ1d + β1x + δ2d*x + u.
Se d = 0, então y = β0 + β1x + u.
Se d = 1, então y = (β0 + δ1) + (β1+ δ2) x +
u.
Temos uma mudança na inclinação.
![Page 32: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/32.jpg)
y
y = β0 +β1x
Exemplo de δ0 > 0 e δ1 < 0
d = 0
32x
y = (β0 + δ0) + (β1 + δ1) x
d = 1
![Page 33: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/33.jpg)
Exemplo:
Queremos verificar se o retorno da educação é o mesmo para homens e mulheres:
mede a diferença nos interceptos entre homens e mulheres
oδ
33
homens e mulheres
mede a diferença no retorno da educação entre homens e mulheres.
1δ
interação
![Page 34: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/34.jpg)
34
![Page 35: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/35.jpg)
35
• O retorno estimado da educação dos homens é 8,2%.
• Para as mulheres, o retorno é 0,082-0,0056 = 0,0764 (7,6%).
• Esta diferença de retorno é pouco significativa. Logo, não podemos rejeitar a hipótese nula de que o retorno para homens e mulheres é igual.
![Page 36: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/36.jpg)
Teste para diferenças entre grupos
Testar se uma função de regressão é diferente para um grupo em relação a outro pode ser pensado simplesmente como um teste para a significância conjunta da dummy e suas interações com todas as outras variáveis x.
36
com todas as outras variáveis x.
A hipótese nula é que os modelos não sãodiferentes para os grupos.Então, estimam-se os modelos com e sem todas as interações e calcula-se a estatística F.
Mas quando há muitas interações, há um procedimento mais fácil.
![Page 37: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/37.jpg)
Teste para diferenças entre grupos
Suponha que temos dois grupos e queremos testar se
interceptos e inclinações são diferentes para estes dois
grupos:
37
uxxxxy kkggggg ++++++= ....3... ,3,22,11,0, βββββ
Temos k+1 restrições.
![Page 38: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/38.jpg)
O teste de ChowÉ possível calcular a estatística F sem estimarmos o modelo irrestrito completo.Estima-se o SQR do modelo irrestrito, estimando o modelo para cada grupo: obtenha a SQR1; depois, faça o mesmo para o outro grupo e
38
depois, faça o mesmo para o outro grupo e obtenha a SQR2:
Estima-se o modelo restrito considerando todos os grupos juntos e obtenha a SQR. Então:
( )[ ] ( )[ ]1
12
21
21
+
+−
+
+−=
k
kn
SQRSQR
SQRSQRSQRF
![Page 39: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/39.jpg)
O teste de Chow (cont.)
O teste de Chow é apenas um teste F usual de exclusão de variáveis, se você observar que SQRir
= SQR1 + SQR2.
Observe que há k + 1 restrições (cada uma das
39
Observe que há k + 1 restrições (cada uma das inclinações e o intercepto).
Observe que o modelo irrestrito estimaria dois diferentes interceptos e duas inclinações diferentes, logo temos n – 2k – 2 graus de liberdade no denominador.
![Page 40: Análise de Regressão Múltipla com informação qualitativa ... · Variáveis binárias ou dummy Nestes casos, as informações relevantes podem ser captadas pela definição de](https://reader033.fdocumentos.tips/reader033/viewer/2022052421/5bedd08309d3f26e698c0e79/html5/thumbnails/40.jpg)
Modelo de Probabilidade Linear
Regressão múltipla para explicar um evento qualitativo.
y é 0 ou 1.y é 0 ou 1.
40