Aula 10 Introdução ao Stata 7 de junho de 2013. Exemplo: Gastos médicos com um único regressor...
Transcript of Aula 10 Introdução ao Stata 7 de junho de 2013. Exemplo: Gastos médicos com um único regressor...
Aula 10
Introdução ao Stata7 de junho de 2013
Exemplo: Gastos médicos com um único regressor
• Medical Expenditure Panel Survey• Variável dependente: ldrugexp (log dos gastos
com medicamentos prescritos)• Variável endógena: hi_empunion: variável de
seguro de vida endógena.• Ter este seguro saúde é uma variável de
escolha. Aqueles que esperam gastar mais com saúde, escolhem um emprego que ofereça este tipo de seguro saúde.
Possíveis instrumentos
• firmsz: tamanho da firma.• multlc: se a firma tem múltiplas localidades.Estes instrumentos poderiam captar se o
indivíduo tem acesso ao seguro saúde suplementar via o empregador. Estas duas últimas variáveis podem não ser relevantes para os aposentados, CP, e que compram seguro de forma privada.
Possíveis instrumentos
• Ssiratio: razão entre a renda individual advinda da seguridade social e a renda de todas as fontes – indicativo de restrições de renda.
• Lowincome: dummy indicando o status de baixa renda das pessoas.
Os instrumentos são relevantes pois tem uma correlação negativa com o acesso a seguridade suplementar.
O papel direto da renda está sendo controlado pela variável linc (log da renda total familiar).
Regressão Linear: Variáveis instrumentais
• Teste de sobreidentificação:– A validade de um instrumento não pode ser testada em um
modelo exatamente identificado.– É possível testar a validade em um modelo sobreidentificado
(mais instrumentos que regressores endógenos).– Testa se instrumentos sobreidentificadores são não
correlacionados com o erro.– Testes: testes de sobreidentificação, teste de Hansen, teste de
Sargan e teste Hansen-Sargan.
Teste de sobreidentificação
21 yy
– Imagine o seguinte modelo:
– Se y2 é endógeno, tenho que ter um instrumento , tal que:
– Suponha que este instrumento é z1, rodo MQ2E e salvo resíduos. Testo se: (z2 é o outro instumento)
0),cov(
0),cov( 2
zyz
0)ˆcov( 2 ez
• Regredir os resíduos das variáveis instrumentais sobre todos instrumentos e as variáveis exógenas e a constante.
• A rejeição da hipótese nula indica que pelo menos um instrumento não é válido. Entretanto não sabemos qual instrumento.
• Não rejeitar a hipótese nula não garante que todos instrumentos sejam válidos!
Teste de sobreidentificaçãoQui quadrada com assintótica com gl = número de restrições sobreidentificadoras
• Usando ssratio e multlc.• A estatística de teste é distribuída qui quadrada com 1 gl. (2-1
= restrições de sobreidentificação).• Como p > 0.05 , não podemos rejeitar a hipótese nula e
concluimos que a restrição de sobreidentificação não é válida.
Teste de sobreidentificação
Excluded instruments: ssiratio multlc
Included instruments: totchr age female blhisp linc
Instrumented: hi_empunion
Chi-sq(1) P-val = 0.3061
Hansen J statistic (overidentification test of all instruments): 1.048
• Usando ssratio, multlc, lowincome, firmsz• A estatística de teste é distribuída qui quadrada com 3 gl. (4-1
= restrições de sobreidentificação).• Como p < 0.05 , rejeita a hipótese nula e concluimos que a
restrição de sobreidentificação é válida.
Teste de sobreidentificação
Excluded instruments: ssiratio lowincome firmsz multlc
Included instruments: totchr age female blhisp linc
Instrumented: hi_empunion
Chi-sq(3) P-val = 0.0089
Hansen J statistic (overidentification test of all instruments): 11.590
Regressão quantílica
Regressão quantílica
• Técnica de regressão mais robusta que apresenta vantagens em comparação ao método de MQO no caso de violações das suposições do modelo de regressão clássico.
• Método mais robusto de estimação• Para algumas variáveis contínuas, não basta apenas
olhar o comportamento da média.• Usada nos casos em que os erros não têm
distribuição normal ou quando a variável dependente apresenta valores extremos.
Justificativas do uso
• A média pode ficar estável, mas o comportamento da variável é diferenciado ao longo da distribuição.
• Pode haver interesse em uma parte específica da distribuição da variável.
• A regressão quantílica permite examinar como os quantis da variável dependende mudam em resposta a um conjunto de variáveis independentes.
Regressão quantílica
• Método de MQO: estima o efeito médio de uma variável X sobre a distribuição condicional de Y em X.
Regressão quantílica
• Regressão quantílica: efeito em toda a distribuição condicional da variável de interesse dadas as variáveis explicativas.
• Visão mais completa da relação entre as variáveis.
Regressão quantílica
• Estimo para partes da distribuição.
MQO
Definições
• Quantil:
• Mediana
• Primeiro e último decil:
• Primeiro e último quartil:
Método de estimação
• Minimização do desvio médio absoluto:
• b será a mediana
Método de estimação
• Minimização para qualquer quantil:
• Minimiza a soma ponderada dos valore absolutos dos resíduos
• Regressão quantílica
Regressão quantílica
• As variáveis X afetam o comportamento de toda a distribuição de Y.
• O impacto num quantil inferior pode ser diferente do impacto na média.
• Para cada quantil, há uma regressão quantílica:
• Para cada quantil, haverá um vetor de parâmetros estimados.
Interpretação
• De que forma a distribuição condicional do quantil muda com variações de X
• Impacto das mudanças em xj, sob a hipótese de que os indivíduos permaneçam no mesmo quantil da distribuição depois da mudança.
Comandos no stata
• qreg: especificar o quantil
• Bsreg: erro padrão calculado por bootstrap• Sqreg: estima para diferentes valores dos
quantis simultaneamente.• Iqreg: estima para a diferença interquartílica
Exemplo
• Medical Expenditure Panel Survey• Log Gastos com medicamentos: ltotexp• Dado: mus03data.dta
24
68
10
12
Qua
ntile
s of
ln(t
otex
p)
if to
texp
> 0
0 .25 .5 .75 1Fraction of the data
0.296 0.363 0.300 0.381 0.385
_cons 5.898 4.748 5.649 6.600 5.649
0.141 0.166 0.143 0.182 0.233
white 0.318 0.338 0.499 0.193 0.499
0.046 0.054 0.047 0.060 0.052
female -0.077 -0.016 -0.088 -0.122 -0.088
0.004 0.004 0.004 0.005 0.004
age 0.013 0.016 0.015 0.018 0.015
0.018 0.022 0.018 0.022 0.020
totchr 0.445 0.459 0.394 0.374 0.394
0.046 0.055 0.047 0.060 0.059
suppins 0.257 0.386 0.277 0.149 0.277
Variable OLS QR_25 QR_50 QR_75 BSQR_50
2.0
04
.00
6.0
08
.00
10.
00In
terc
ept
0 .2 .4 .6 .8 1Quantile
-0.2
00
.00
0.2
00
.40
0.6
0=
1 if
sup
p in
s0 .2 .4 .6 .8 1
Quantile
0.2
00
.30
0.4
00
.50
0.6
00
.70
n o
f ch
roni
c co
ndn
s
0 .2 .4 .6 .8 1Quantile
-0.0
20
.00
0.0
20
.04
Age
0 .2 .4 .6 .8 1Quantile
-0.4
0-0
.20
0.0
00
.20
0.4
0=
1 i
f fe
mal
e
0 .2 .4 .6 .8 1Quantile
-1.0
0-0
.50
0.0
00
.50
1.0
0=
1 i
f wh
ite0 .2 .4 .6 .8 1
Quantile