Modelo Tobit.

Slides:



Advertisements
Apresentações semelhantes
Introdução ao Stata 05 de julho de 2013
Advertisements

Modelo de Variáveis discretas
Modelos de escolha discreta e análise da demanda do consumidor
Regressão linear simples Apenas existe uma variável dependente ou Y e uma variável independente ou preditora X Estatística Aplicada - Componente Prática.
INTRODUÇÃO AO AMBIENTE DE PROGRAMAÇÃO MATLAB MINICURSO PET-POTÊNCIA WILK MAIA TURMA 1 AULA 7.
O Processo de Poisson Série: Processos Estocásticos Disciplina: Métodos Matemáticos 1C Dennis S. Poisson, Sceaux, France.
Variáveis multinomiais ordenadas. Variável dependente ordenada: aplicações Avaliação de pesquisas de satisfação de clientes – Kreke et al. (1995): avaliação.
Estatística Aplicada a Finanças 1. Aprimorar os conceitos estatísticos básicos – Medidas de tendência e dispersão – Probabilidade – Intervalo de confiança.
Modelagem e Avaliação de Desempenho
OSCILAÇÃO SISTEMA MASSA – MOLA Pêndulos
ESTATÍSTICA AULA 11 Modelos probabilísticos mais comuns – Unidade 7
DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO
Probabilidade e Estatística Aplicadas à Contabilidade I
Distribuições de Probabilidade
ESTATÍSTICA . SÍNTESE DO 10.º ANO . RELAÇÕES BIDIMENSIONAIS (11.º ANO)
Modelos de escolha discreta e análise da demanda do consumidor
Heterocedasticidade O que fazer? Erro padrão robusto MQG
Estimação de Parâmetros – Unidade 9 Professor Marcelo Menezes Reis
Regressão com uma variável dependente Binária
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Intervalo de Confiança Camilo Daleles Rennó
ESTATÍSTICA AULA 12 Inferência Estatística e Distribuição Amostral – Unidade 8 Professor Marcelo Menezes Reis.
Distribuições de Probabilidade
EAL ESTATÍSTICA, PLANEJAMENTO E OTIMIZAÇÃO DE EXPERIMENTOS
Distribuições de Probabilidade
Modelos de Equações simultâneas
Algumas Distribuições de Probabilidade e Estatística de Contagem
Estimação de Máxima Verossimilhança
Modelos de variáveis qualitativas dependentes
Sistemas de Controle III N8SC3
Integração por Substituição
Tópicos em Econometria I
EQUAÇÃO DO 2º GRAU.
Distribuição de Probabilidade para uma ou entre duas
Equações do 2º Grau ax2 + bx + c = 0, a ≠ 0.
Pesquisa Operacional I Programação Linear
Sistemas de Controle III N8SC3
Multicolinearidade Referências: capítulo 10 (Gujarati)
Análise de regressão múltipla
Alguns tópicos do gretl
Análise de regressão múltipla
Método Simplex Montar um dicionário inicial
Aula 02 – Produtos Notáveis
DISTRIBUIÇÕES AMOSTRAIS
Prof. Elisson de Andrade
O que você deve saber sobre
ANÁLISE DE DADOS As medidas realizadas num biorreator, se usadas adequadamente com equações de definição, balanço global de energia e massa, e modelos.
Correlação: Há um Relacionamento entre as variáveis?
Inferência Estatística
FUNDAMENTOS DA ESTATÍSTICA
FUNDAMENTOS DA GESTÃO DE PROCESSOS Business Process Modeling Notation
Prof. Elisson de Andrade
Redução da desigualdade de renda no Brasil – determinantes e consequências Artur Henrique da Silva Santos, VI Prêmio SOF de Monografias, Coletânea.
Modelos Aditivos Generalizados (GAM): Uma visão prática
Revisão de inferência.
Controlando por covariadas
Unidade 6 – Desenho da amostra Aspectos técnicos
Prof. Artur Parte III: Análise dos dados de entrada e resultados
Mestrado Profissional em Física Médica
Algumas Distribuições de Probabilidade e Estatística de Contagem
Profa. Andréia Adami Escola Superior de Agricultura “Luiz de Queiroz” Universidade de São Paulo LCE0211 – Estatística Geral Profa.
Prof. Antonio Lopo Martinez
Favorável Desfavorável Interno Externo por AKOP.com.br Forças
Princípios de Telecomunicações
Modelos de escolha discreta e análise da demanda do consumidor
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2018 Intervalo de Confiança Camilo Daleles Rennó

SISTEMAS LINEARES DEFINIÇÃO
2ª ordem não-homogêneas
Estatística descritiva: medidas DE dispersão
Objetivo: Derivar e analisar alguns aspectos da demanda de mercado
Transcrição da apresentação:

Modelo Tobit

Modelo Tobit Adequado para modelar situações com solução de canto Y = 0 para uma parcela não desprezível das observações Exemplo: gastos com bebidas alcoolicas entre maiores de 18 anos Muitas pessoas gastam $ 0 Doações para entidades filantrópicas Muitas pessoas doam $ 0

Modelo tobit Por que mínimos quadrados ordinários é inadequado quando y=0 é solução de canto? Valores preditos de y podem ser negativos

Modelo tobit O modelo tobit expressa a variável dependente y em termos de uma variável latente y* y* = xβ + u, u|x ~normal(0, σ2) y = max(0, y*)

Modelo tobit P(y=0|x)=P(y*<0|x) = P(u<-xβ|x) = P(u/σ<-xβ/σ|x) onde Φ(.) é a função de distribuição acumulada da variável normal-padrão P(y>0|x) = Φ(xβ/σ)

Modelo tobit Valor esperado de y E(y|x)=P(y>0|x).E(y|y>0,x) Valor esperado para a subpopulação y>0 E(y|y>0,x)=xβ + σλ(xβ/σ) (2) onde λ(xβ/σ)= ϕ(xβ/σ)/Φ(xβ/σ) é chamada inversa de Mills ϕ(.) = função de densidade da distribuição normal-padrão Φ(.) = função de distribuição acumulada da normal-padrão Logo, mesmo para y>0 estimação por MQO não gera estimadores consistentes de β, uma vez que não leva em consideração a inversa de Mills

Modelo tobit Substituindo (2) em (1) E(y|x)= Φ(xβ/σ).E(y|y>0, x) = Φ(xβ/σ). [xβ + σλ(xβ/σ)] = Φ(xβ/σ). xβ + σ ϕ(xβ/σ)

Modelo tobit: efeitos marginais Efeito marginal: observações estritamente positivas (y>0) ∂E(y|y>0,x)/∂xj = βj{1- λ(xβ/σ)[xβ/σ + λ(xβ/σ)]} Efeito marginal: todas as observações (y≥0) ∂E(y|x)/∂xj = βj Φ(xβ/σ)

Modelo tobit: efeitos marginais Logo, efeitos marginais da variável xj sobre valor predito do modelo possui mesmo sinal do coeficiente βj, mas a magnitude do efeito marginal depende de todas as variáveis explicativas e os demais parâmetros estimados Interpretação dos coeficientes semelhante aos modelos binomiais