MQOMatricial -
Transcript of MQOMatricial -
-
7/24/2019 MQOMatricial -
1/28
O Modelo de Regresso Linear em Forma MatricialAula 24
Prof. Moiss A. Resende Filho
Introduo Econometria (ECO 132497)
13 de junho de 2014
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 1 / 28
http://find/ -
7/24/2019 MQOMatricial -
2/28
Introduo
Porque investir no Modelo de Regresso Linear Mltipla (RLM) emforma matricial?
1 Cursos de ps-graduao, normalmente, utilizam lgebra linear.
2 Generalizar os resultados essenciais para os modelos com vriasvariveis explicativas.
3 Possibilitar a condensao da notao.
Porque no utiliza lgebra linear desde o incio do curso de Introduo Econometria?
Um curso introdutrio de econometria deve incentivar odesenvolvimento dacompreenso intuitiva e slida do material, o
que mais fcil de atingir usando a lgebra do dia a dia (porexemplo, uso de somatrio). Em suma, deseja-se evitar o estudo daeconometria enquanto um exerccio prolongado de matemticaabstrata, o que seria de pouca utilidade os simples praticantes da
disciplina ou econometristas aplicados.Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 2 / 28
http://find/ -
7/24/2019 MQOMatricial -
3/28
Introduo
Conveno: matrizes e vectores sero denotados por letras em negrito,as matrizes em letras maisculas, por exemplo, A, e os vetores, em letrasminsculas, por exemplo, b. A transposio de uma matriz ser denotado por um apstrofo, demaneira que a transposio de A A0. O inverso de uma matriz ser denotado por um sobrescrito 1. Porexemplo, o inverso da matriz A A1.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 3 / 28
http://find/ -
7/24/2019 MQOMatricial -
4/28
O MRLM em forma matricial
Considere o modelo de regresso linear mltipla com kparmetros eobservaes indexadas por i:
yi =1xi1+2xi2+ . . .+kxik+ui, i=1,. . ., n (1)
As n equaes em (1) formam o sistema de equaes:
26664y1
y2...yn
37775= 266641x11+2x12+ . . .+kx1k
1x21+2x22+ . . .+kx2k...
1xn1+2xn2+ . . .+kxnk
37775 + 26664u1
u2...un
37775 (2)ou, equivalentemente266
64
y1y2...yn
37775
=
26664
x11 x12 x1kx21 x22 x2k
... ...
... ...
xn1 xn2 xnk
37775
26664
12
...k
37775
+
26664
u1u2...un
37775
(3)
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 4 / 28
http://find/ -
7/24/2019 MQOMatricial -
5/28
O MRLM em forma matricial
Se h umintercepto, ento xi1 =1, 8i, tal que para cada observaoi, o vetor xi de dimenso k 1
xi =
26664
x11xi2
...xik
37775
=
26664
1xi2
...xik
37775
, i=1, ..., n
O vetor de parmetros de dimenso k 1
=
2666412
..
.k
37775
Assim, as n equaes em (1) podem ser, compactamente, representadaspor
yi =x0
i+u
i, i=1, 2,. .. , n
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 5 / 28
http://find/ -
7/24/2019 MQOMatricial -
6/28
O MRLM em forma matricial
Alternativamente, para cada varivel j, dena o vetor xj (de dimenson 1) das n observaes de xj tal que:
xj=
26664
x1jx2j
...xnj
37775
,j=1, 2, ..., k
ou coluna j da matriz X, tal que
X=
264x11 x12 x1k
... ...
... ...
xn1 xn2 xnk
375=
x1(n1)
xk(n1)=
2
66664x01
(1k)...
x0n(1k)
3
77775 O sistema de equaes (3) pode, compactamente, ser representado por
y
(n1)
= X
(nk)
(k1)
+ u
(n1)Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 6 / 28
http://find/ -
7/24/2019 MQOMatricial -
7/28
A matriz de varincia-covarincia dos erros
(nn)
=E((u E(ujX)) (u E(ujX))0 jX) =E(uu0jX), pois admite-se
que E(ujX) = 0(n1)
.
Ou seja, (nn)
=E[uu0jX] =E[
26664
u1u2...un
37775
u1 u2 un
jX], onde ui
o i-simo erro populacional do modelo de regresso mltipla.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 7 / 28
http://find/ -
7/24/2019 MQOMatricial -
8/28
A matriz de varincia-covarincia dos erros
(nn)
= E[uu0jX] =E[
26664
u1u2...un
37775
u1 u2 un
jX]
= E(
26664
u21 u1u2 u1unu2u1 u
22 u2un
... ...
...unu1 unu2 u2n
37775jX)
=
26664
Var(u1jX) Cov(u1 , u2jX) Cov(u1 , un jX)Cov(u2 , u1jX) Var(u2jX) Cov(u2 , un jX)
... ...
...Cov(un, u1jX) Cov(un, u2jX) Var(un jX)
37775
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 8 / 28
http://find/ -
7/24/2019 MQOMatricial -
9/28
Estimao por Mnimos Quadrados Ordinrios
b= arg mine SQR(e)SQR(e)
eu0
eu, como
eui
yi x
0ie o i-simo resduo sobe
= (y Xe)0(y Xe)= y0y
(11)y0Xe
(11)
Xe0 y(11)
+Xe0 Xe(11)
= y0y2
y0X
(1k) e+
e
0
X0X
(kk) e, transposta de escalar (4)
As condies de primeira ordem
SQR(
e)
e= 0
(K1)
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 9 / 28
http://find/ -
7/24/2019 MQOMatricial -
10/28
Estimao por Mnimos Quadrados Ordinrios
Para um vetor y de dimenso n 1 e um vetor z de dimenso k 1,dene-se
y
z
(kn)
264
y1z1
y2z1
ynz1...
... . . .
...y1zk
y2zk
ynzk
375
Por exemplo, se y=a0z=a1z1+ +akzk, ento
y
z= 264
y1z1..
.y1zk375= 264
a1...ak375=a.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 10 / 28
http://find/ -
7/24/2019 MQOMatricial -
11/28
Estimao por Mnimos Quadrados Ordinrios
Para um vetor y de dimenso n 1 e um vetor z de dimenso k 1,dene-se
y
z
(kn)
264 y1z1 y2z1 ynz1... ... . . . ...y1zk
y2zk
ynzk
375
Se y=Az=264a11 a1k... . . . ...ak1 akk
375264z1...zk
375= 264a11z1+ +a1kzk...ak1z1+ +akkzk
375,y
z
(kn) 264y1z1
ynz1...
. ..
...y1
zk ynzk
375= 2664(a11z1++a1kzk)
z1 (ak1z1 ++akkzk)z1
..
.
. ..
...(a11z1++a1kzk)
zk (ak1z1 ++akkzk)zk
3775=264a11 ak1
... . . .
...
a1k akk
375
=A0.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 11 / 28
http://find/ -
7/24/2019 MQOMatricial -
12/28
Estimao por Mnimos Quadrados Ordinrios
Para um vetor y de dimenso n 1 e um vetor z de dimenso k 1,dene-se
y
z
(kn)
264 y1
z1y2z1
ynz1
... ...
. . . ...
y1zk
y2zk
ynzk
375
Considernado A=264a11 a1k... . . . ...ak1 akk
375= 264a01...
a0k
375 e a forma quadrticay=z0Az=
k
i=1 k
l=1ai,lzizl=
k
i=1ai,lz
2i +
k
i=1 k
l6=iai,lzizl
yz (kn)
266664
(k
i=1k
l=1a i,lzizl)
z1...
(k
i=1k
l=1a i,lzizl)
zk
377775
=
2642a01z...
2a0kz
375=2264a
01...
a0k
375 z=2Az.Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 12 / 28
http://find/ -
7/24/2019 MQOMatricial -
13/28
Estimao por Mnimos Quadrados Ordinrios
Propriedades de diferenciao matricial: para um vetor 1 k deconstantes, a0 e uma matriz k kde constantes, A
a0z
z =
z0a
z =a
Az
z = A0
z0Az
z = (A + A0)z=2Az, se A=A0
Sejam a0 =(y0X), z=e e A=(X0X)=A0. Pelas propriedades dediferenciao matricialacima
(2(y0X)e)e =2X0y,
e0(X0X)ee =2X0Xe, 2
e0(X0X)eee =2X0X.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 13 / 28
http://find/ -
7/24/2019 MQOMatricial -
14/28
Estimao por Mnimos Quadrados Ordinrios
AssimSQR(e)e =2X0Xe X0y= 0(K1) =>
X0Xb(K1)
= X0y(K1)
(Equaes Normais de MQO) (5)
DaX0 y Xb=X0bu=0, ondebuy Xb o vetor n 1 deresduos de MQO: X e os resduos de MQO so ortogonais. O estimador de MQO
b(k1)=X0X(kk)1
X0
y(k1)
Note que 2SQR(e)
e
e j
e=b =2 (X
0X)0 =2X0X que uma matriz k k
simtricae denida positiva, se X "full rank".
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 14 / 28
http://find/ -
7/24/2019 MQOMatricial -
15/28
Estimao por Mnimos Quadrados Ordinrios
Note que:
X0X(kk)
=
266664
x01(n1)
...x0
k(n1)
377775
x1(n1)
xk(n1)
=
2
64
n
i=1x2i1
n
i=1xi1xik
... ...
...
n
i=1xikxi1
n
i=1x2ik
3
75.
X0y=
264x01y...x0ky
375= 264ni=1yixi1...
n
i=1yixik
375 .
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 15 / 28
http://find/ -
7/24/2019 MQOMatricial -
16/28
A matriz de varincia-covarincia do Estimador MQO
1 Inexistncia de vis de MQO: como
b=(X0X)1 X0y=(X0X)1 X0 (X+ u)= +(X0X)1 X0u, entoE(bjX)=(X0X)1 X0E(ujX) =0, se E(ujX) = 0(n1)
.
2 A matriz de varincia-covarincia de
b
Var(bjX) = Eb E(bjX) b E(bjX)0= E
X0X
1X0u
X0X
1X0u
0jX
= EhX0X
1X0uu0X X0X
1jXi
=
X0X1
X0E(uu0jX)X
X0X1
= 2
X0X1
, se E(uu0jX) =2I (erros esfricos)
3 Estimandob2 =bu0bu/(n k), obtemosdVar(bjX)=b2 (X0X)1.Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 16 / 28
E i M i Q d d O di i
http://find/ -
7/24/2019 MQOMatricial -
17/28
Estimao por Mnimos Quadrados Ordinrios
Para o modelo y
i =1+2xi2+
ui, note que, neste caso, k
=2.
X0X(kk)
="
n
i=1x2i1
n
i=1xi1xi2
n
i=1xi2xi1
n
i=1x2i2
#, mas como xi1 =1, 8i,
X0X
(kk)
= " n
n
i=1xi2
n
i=1xi2
n
i=1x
2
i2# (X0X)1 = 1
nni=1 (xi2x2 )
2
ni=1x
22i
ni=1x2i
ni=1x2i n
X0y
(k1)
= "
n
i=1yi
n
i=1yixi2# e
b(k1)
="b1b2
#=(X0X)1 X0y=
" yb2x2
ni(xi2x2 )yi
ni(xi2x2 )
2
#
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 17 / 28
E i M i Q d d O di i
http://find/ -
7/24/2019 MQOMatricial -
18/28
Estimao por Mnimos Quadrados Ordinrios
Para o modelo yi =1+2xi2+ui, note que, neste caso, k=2.
Var(
bjX)
(kk)
=
" Var(
b1jX) Cov(
b1 ,
b2jX)
Cov(
b2,b
1jX) Var(b2jX)
# Var(bjX) =2 (X0X)1 = 2
nni=1 (xi2x2 )
2 ni=1x22i ni=1x2ini=1x2i n
talque:
Var(
b1jX) =
2 ni=1x22i
nni=1 (xi2x2 )
2 , Var(
b2jX) =
2
ni=1 (xi2x2 )
2 e
Cov(b1 ,b2jX) =Cov(b2 ,b1jX) = 2 ni=1x2ini=1 (xi2x2 )2 .
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 18 / 28
http://find/ -
7/24/2019 MQOMatricial -
19/28
(Questo 14, Anpec 2011). Considere o modelo de regresso lineary=X+ u, em que y, X e u so vetores de dimenso n 1 e um
escalar. Adicionalmente, suponha que E(ujX) =0,
E(uu0jX) =
266664
1 0 0 0 00 3 0 0 00 0 4 0 00 0 0 6 0
0 0 0 0 8
377775
, X=
266664
1111
1
377775
e y=
266664
0750
0
377775
. Com base nisso
pede-se:
1 Calcule a estimativa MQO de ,
b= (X0X)1X0y.
2 Obtenha Var(u1jX),Var(u2jX),Var(u3jX),Var(u4jX),Var(u5jX) e
Cov(ui, ujjX), i6=j.3 Obtenha Var(b1jX) edVar(b1jX).
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 19 / 28
1 Si l li d ti d d MQO b (X0X)1 X0
http://find/ -
7/24/2019 MQOMatricial -
20/28
1 Simples aplicao do estimador de MQO:=(X0X) X0y: Pelas dimenses da matriz de dados X que 5 1, sabe-se que otamanho da amostra n=5 e que h uma nica varivel explicativa,tal que o modelo economtrico , necessariamente, yi =
1
+ui.
Como X0X=
1 1 1 1 1 266664
1111
1
377775
=n=5,
X0y=
1 1 1 1 1
266664
0750
0
377775
= n
i=1yi=12,
b= (X0X)1X0y=n1 ni=11 yi =51 12=2, 4 (a mdia de y). Var(
b1jX) =
2 (X0X)1 =2n1 e
dVar(
b1jX) =
b2 (X0X)1 =
ibu2i
n(nk)
= (02.4)2 +(72.4)2 +(52.4)2 +(02.4)2 +(02.4)2
5(51)
=2, 26.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 20 / 28
http://find/ -
7/24/2019 MQOMatricial -
21/28
Como E(uu0jX) =
2
666641 0 0 0 00 3 0 0 00 0 4 0 0
0 0 0 6 00 0 0 0 8
3
77775=
2
6664Var(u1jX) Cov(u1 , u2jX) Cov(u1 , u5jX)
Cov(u1, u2jX) Var(u2jX) Cov(u2 , u5jX)...
... ...
Cov(u5, u1jX) Cov(u5 , u2jX) Var(u5jX)
3
7775, ento, sabemos
que: E(u21 jX) =Var(u1jX) =1, E(
22jX) =Var(u2jX) =3,
E(23jX) =Var(u3jX) =4, E(24jX) =Var(u4jX) =6,
E(
2
5jX) =Var
(u
5jX) =8, ou seja, o erro heterocedstico. E(ijjX) =Cov(ui, ujjX) zero para todo i,j=1, .., 5 e i6=j,portanto no h correlao entre os erros, o que garantido no caso deamostras (yi, x0i), i=1, ..., n aleatrias.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 21 / 28
Questo 6 da lista 5: considere os seguintes modelos de regresso
http://find/ -
7/24/2019 MQOMatricial -
22/28
Questo 6 da lista 5: considere os seguintes modelos de regressoModelo 1: yi =1+ui, com i=1, .., n.Modelo 2: yi =1+2xi2+ui, com i=1, .., n.Modelo 3: yi =1xi1+2xi2+ui, com i=1, .., n.
Note que cada modelo acima um caso particular do Modelo Clssico deRegresso Linear:
y=X+ u
onde y n 1, X n K, K 1 e u n 1.
1 Para cada modelo, apresente as matrizes X, X0X e X0y em termos desoma dos quadrados e dos produtos cruzados das variveis dosmodelos. Por exemplo, para o modelo 1, X
(n1)= [1...1]0,tal que
X0X= ni=11=n e X0y=ni=1yi.
2 Usando os resultados do item (a), mostre que o estimador MQO de1 no modelo 1
b1 = n
1n
i=1
yi=y.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 22 / 28
http://find/ -
7/24/2019 MQOMatricial -
23/28
Modelo 1: yi= 1+ui, i=1, .., n.
X(n1)
=
26664
11
...1
37775, X0X= 1 1 1
26664
11
...1
37775=n,
X0y= 1 1 126664y1y2...yn
37775=ni=1yi.
Como (X0X)1 =n1 e X0y=ni=1yi, ento
b1 = (X0X)1X0y
= ni=1yi
n= y
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 23 / 28
http://find/ -
7/24/2019 MQOMatricial -
24/28
Modelo 2: yi= 1+2xi2+i, i=1, .., n.
X=
26664
1 x121 x22...
...1 xn2
37775
, X0X=
1 1 1x12 x22 xn2
26664
1 x121 x22...
...1 xn2
37775
=
" n
n
i=1xi2
n
i=1xi2
n
i=1x2i2
#, X0y=
1 1 1x12 x22 xn2
26664y1y2...yn
37775=" ni=1yini=1xi2yi#.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 24 / 28
A inversa de uma matriz quadrada A, A1 = 1jAj Adjunta de
http://find/ -
7/24/2019 MQOMatricial -
25/28
jAj
A= 1jAj
[1l+k jAjlk]0.
Assim, (X0X)1 = 1jX0Xj [1l+k [X0X]lk]
0 => (X0X)1 =
1nni=1 (xi2x2 )2 ix2i2 ixi2ixi2 n , pois
jX0Xj=nix2i2
ixi2
2=nni=1(xi2 x2)
2, uma vez que
ni=1(xi2 x2)
2 = ni=1x2i2 n
1 (ni=1xi2)2.
Deb= (X0X)1X0y temos que"b1b2
# =
1
nni=1(xi2 x2)
ix
2i2 ixi2
ixi2 n
iyiixi2yi
"b1b2# = 1nni=1(xi2 x2) ix2
i2 iyi
ixi2 i
xi2yi
nixi2yiixi2 iyi
b2 =
nixi2yiixi2 iyin
ni=1(xi2 x2)
=
n
i=1(xi2 x2)(yi y)
n
i=1(xi2 x2)2
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 25 / 28
http://find/ -
7/24/2019 MQOMatricial -
26/28
Exemplo com y=
266664
7065
9095
110
377775; X=
266664
1 801 100
1 1201 1401 160
377775.
X0X= 1 1 1 1 180 100 120 140 160 2666641 801 100
1 1201 1401 160
377775 = 5 600600 76000. (X0X)1 = 1jX0Xj [1
l+k [X0X]lk]0 =>
(X0X)1 = 1(576000600600) 76000 600600 5 = 195 3100 3100 14000 .
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 26 / 28
http://find/ -
7/24/2019 MQOMatricial -
27/28
X0y=
1 1 1 1 180 100 120 140 160
266664
70
659095
110
377775
=
43053800
.
b= "b1b2#= (X0X)1X0y= 19
5 3100
31001
4000
43053800
= 200.55
. Var(
bjX) =2 (X0X)1 =2
19
5 3100
31001
4000
; e quanto a 2?
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 27 / 28
http://find/ -
7/24/2019 MQOMatricial -
28/28
buy Xb=266664
706590
95110
377775
266664
1 801 1001 120
1 1401 160
377775
20
0.55=266664
610
4
22
377775.
bu0bu= 6 10 4 2 2266664
610
422
377775 =160.
dVar(
bjX) =
"dVar(
b1jX)
dCov(
b1 ,
b2jX)
dCov(b2 ,b1jX) dVar(b2jX)#
=
b2 (X0X)1 =
bu0bunk(X
0X)1 = 16052 19
5 3100
31001
4000
=
202.67 1.61.6 0.013
.
Moiss Resende Filho (ECO/UnB) (Wooldridge, Ap. E; Dougherty, Cap. 15) 13/06/2014 28 / 28
http://find/