Upload
raijunior
View
227
Download
0
Embed Size (px)
DESCRIPTION
Regressão Linear
Citation preview
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
TESTE DE BREUSCH PAGAN
10 de junho de 2015
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Conteúdo
1 Breusch e Pagan
2 Teste Breusch PaganCálculo da Estatística de TesteExemplo
3 SimulaçãoProgramando o teste no R
4 Aplicação Real
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Breusch e Pagan - História de seus Idealizadores
O teste
O teste de Breusch Pagan, é um teste estatístico que tem porobjetivo testar a hipótese nula de que existe homoscedasticidadenos dados.
Idealizadores
Ele tem esse nome para homenagear seus criadores o Profo TrevorStanley Breusch e o Profo Adrian Rodney Pagan.
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Trevor Stanley Breusch
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Adrian Rodney Pagan
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Conceitos importantes
1. Multiplicadores de Lagrange - LM2. Distribuição Assintótica3. Bootstrap para a validação do teste
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Ideologia do teste
Perguntas feitas à Adrian Pagan
1. Qual foi a motivação para criar o teste?2. Quais foram as di�culdades encontradas?3. O que este teste difere dos demais testes paraHomoscedasticidade?
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
Métodos formais
Teste para veri�cação da homoscedasticidade;
São realizados com base nos resíduos;
Para a maioria do pressuposto da regressão existehomoscedasticidade;
As hipóteses consistem em:H0 : σ
2
1= σ2
2= σ2
3= ... = σ2n
H1: pelo menos um dos σ2n é diferente
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
Métodos formais
Metodologia do teste
É um teste para veri�car se as variâncias dos erros são iguais(homoscedasticidade) ou diferentes (heteroscedasticidade). Éindicado para grandes amostras e quando a suposição denormalidade nos erros é assumida.
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
Passos
1o Etapa: Ajusta-se o modelo de regressão linear simples
Yi = β0 + β1xi + ψi
e obtenha os resídios ψi .
2o Etapa: Devemos obter o
σ2 =n∑
i=1
ψ2
i /n
3o Etapa: Encontrar as variáveis p que são de�nidas como;
pi =ψ2
i
σ2
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
Passos
4o Etapa: Faça uma nova regressão para a variável resposta p,construída sobre os valores da regressora x;
pi = α1 + α2xi + ψi
5o Etapa: Obter a estatística de teste θ, sabendo que:
θ =SQRes × ( 1
1−R2 − 1)
2∼ χ21
Onde:
R2 =SQres
SQRes − SQReg
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
Despesas de consumo x Renda
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
1o Etapa - Exemplo: Despesas de consumo x Renda
Ajustar o modelo de regressão linear, encontrar os resíduos eos valores ajustados.
x = 173, 1667
y = 119, 733
β1 =
∑ni=1
(xi − x)(yi − y)∑ni=1
(xi − y)2
β1 =65675, 33102974, 2
= 0, 6377846
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
1o Etapa - Exemplo: Despesas de consumo x Renda
β0 = y − x β1
= 119, 733− (173, 1667× 0, 6377) = 9, 28994
Valores ajustados (y)
yi = β0 + β1xi
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
2o Etapa - Exemplo: Despesas de consumo x Renda
Devemos obter o σ2 =∑n
i=1 ψ2i
nQue é o estimador de máxima verossimilhança de σ2.
ψ = y − y
SQres =n∑
i=1
(yi − yi )2
SQres = 67.352.015
Estimar o vício
σ2 =SQres
n=
67.352.01530
= 2.245.067
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
3o Etapa - Exemplo: Despesas de consumo x Renda
Encontrar as novas variáveis respostas pi
pi =ψ2
i
σ2
pi = β0 + β1xi
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
4o Etapa - Exemplo: Despesas de consumo x Renda
Faça a regressão p construída sobre x.
pi = β0 + β1xi
β0 = −0, 742614
β1 = 0, 010063
pi = −0, 74261+ 0, 01006xi
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
5o Etapa - Exemplo: Despesas de consumo x Renda
Obter a estatística de teste θ.
θ =SQRes × ( 1
1−R2 − 1)
2∼ χ21
SQres =n∑
i=1
(εi )2 = 48, 90992
R2 =SQres
SQRes − SQReg
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
5o Etapa - Exemplo: Despesas de consumo x Renda
SQE = 48, 909((1/(1− 0, 1757))− 1)
SQE = 10, 42518
BPG =12SQE
BPG =10, 42518
2BPG = 5, 212588
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Cálculo da Estatística de TesteExemplo
5o Etapa - Exemplo: Despesas de consumo x Renda
Análise
Baseado no valor da estatística de teste e considerando umaaproximação da χ2
1, rejeitamos Ho .
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Programando o teste no R
Maneira de usar
lmtestbptest(formula, varformula = NULL, studentize = TRUE, data =list())
Argumentos
formula: o modelo a ser testado.varformula: uma formula descrevendo apenas as variáveisexplicativas para a variância.studentize: Logico. Se de�nido TRUE a estatística de teste usadaserá a se Koenker.data: o banco de dados que contem as variáveis do modelo.
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Dados
Serão usados dois banco de dados na aplicação real, que foramobtidos por meio do pacote MASS, com tamanhos diferentes. Osdados são:Os dados cars que nos mostra a distancia (variável resposta)percorrida por um carro em uma determinada velocidade (variávelregressora).Enquanto o outro banco de dados, Insurance, consiste no númerode segurados de uma companhia de seguros de carros que foramexpostos à risco (variável regressora), e o número de reclamaçõesrecebidas desses segurados (variável resposta)
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Aplicação Real dos dados cars
require(MASS)
data(cars)
attach(cars)
x=speed # a velocidade do carro
y=dist # distância percorrida
plot(x~y)
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Aplicação nos dados cars
# Ajustar o modelo
mod1=lm(y~x)
# Encontrar os resíduos do modelo
erro1=residuals(mod1) # Resíduos do modelo1
# Obter o SQRes e o sigma
sqres1=sum((erro1)^2)
sigma=sqres1/50 # n=50
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Aplicação nos dados cars
# Encontrar o p
p=erro1^2/sigma # são as minhas novas variáveis respostas
# Repetir o processo, modelando novamente
mod2=lm(p~x)
# Obter os resíduos para o modelo p
erro2=residuals(mod2)
sqres2=sum((erro2)^2)
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Aplicação nos dados cars
# obtendo R-quadrado
summary(mod2)
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Aplicação nos dados cars
# Estatística de teste
r=0.0448
theta=(sqres2*((1/(1-r))-1))/2
θ = 3.17396
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Aplicação do teste no R para os dados cars
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Aplicação nos dados Insurance
Regressão I
Breusch e PaganTeste Breusch Pagan
SimulaçãoAplicação Real
Aplicação do teste nos dados Insurance
Regressão I