Econometria

Econometria é uma aplicação de métodos estatísticos a dados econômicos para dar conteúdo empírico às relações econômicas. Mais precisamente, é "a análise quantitativa de fenômenos econômicos reais com base no desenvolvimento simultâneo de teoria e observação, relacionados por métodos apropriados de inferência". Um livro de introdução à economia descreve a econometria como permitindo aos economistas "examinar montanhas de dados para extrair relações simples". Jan Tinbergen é um dos dois fundadores da econometria. O outro, Ragnar Frisch, também cunhou o termo no sentido em que é usado hoje.

Uma ferramenta básica para econometria é o modelo de regressão linear múltipla. Teoria econométrica usa teoria estatística e estatística matemática para avaliar e desenvolver métodos econométricos. Os econometristas tentam encontrar estimadores que tenham propriedades estatísticas desejáveis, incluindo imparcialidade, eficiência e consistência. Econometria aplicada usa econometria teórica e dados do mundo real para avaliar teorias econômicas, desenvolver modelos econométricos, analisar a história econômica e fazer previsões.

Modelos básicos: regressão linear

Uma ferramenta básica para econometria é o modelo de regressão linear múltipla. Na econometria moderna, outras ferramentas estatísticas são usadas com frequência, mas a regressão linear ainda é o ponto de partida mais usado para uma análise. A estimativa de uma regressão linear em duas variáveis pode ser visualizada como o ajuste de uma linha através de pontos de dados que representam valores emparelhados das variáveis independentes e dependentes.

A lei de Okun representa a relação entre o crescimento do PIB e a taxa de desemprego. A linha instalada é encontrada usando análise de regressão.

Por exemplo, considere a lei de Okun, que relaciona o crescimento do PIB com a taxa de desemprego. Esta relação é representada em uma regressão linear onde a mudança da taxa de desemprego (${displaystyle Delta {text{Unemployment}}}$) é uma função de uma interceptação (${displaystyle beta _{0}}$), um determinado valor do crescimento do PIB multiplicado por um coeficiente de inclinação ${displaystyle beta _{1}}$ e um termo de erro, $- Sim.$:

${displaystyle Delta {text{Unemployment}}=beta _{0}+beta _{1} Crescimento}}+varepsilon.}$

Os parâmetros desconhecidos ${displaystyle beta _{0}}$ e ${displaystyle beta _{1}}$ pode ser estimado. Aqui. ${displaystyle beta _{0}}$ é estimado em 0,83 e ${displaystyle beta _{1}}$ estima-se que seja -1.77. Isto significa que, se o crescimento do PIB aumentou em um ponto percentual, a taxa de desemprego seria prevista para cair em 1,77 * 1 pontos, outras coisas mantidas constantes. O modelo poderia então ser testado para significância estatística sobre se um aumento do crescimento do PIB está associado a uma diminuição do desemprego, como hipotetizado. Se a estimativa de ${displaystyle beta _{1}}$ não foram significativamente diferentes de 0, o teste deixaria de encontrar evidências de que as mudanças na taxa de crescimento e taxa de desemprego estavam relacionadas. A variância em uma previsão da variável dependente (desemprego) como função da variável independente (crescimento do PIB) é dada em polinomial menos quadrados.

Teoria

A teoria econométrica usa teoria estatística e estatística matemática para avaliar e desenvolver métodos econométricos. Os econometristas tentam encontrar estimadores que tenham propriedades estatísticas desejáveis, incluindo imparcialidade, eficiência e consistência. Um estimador é imparcial se seu valor esperado for o valor verdadeiro do parâmetro; é consistente se convergir para o valor verdadeiro à medida que o tamanho da amostra aumenta e é eficiente se o estimador tiver um erro padrão menor do que outros estimadores imparciais para um determinado tamanho de amostra. Os mínimos quadrados ordinários (OLS) são freqüentemente usados para estimativas, pois fornecem o BLUE ou "melhor estimador linear imparcial" (onde "melhor" significa estimador mais eficiente e imparcial) dadas as suposições de Gauss-Markov. Quando essas suposições são violadas ou outras propriedades estatísticas são desejadas, outras técnicas de estimativa, como estimativa de máxima verossimilhança, método generalizado de momentos ou mínimos quadrados generalizados, são usadas. Estimadores que incorporam crenças prévias são defendidos por aqueles que favorecem as estatísticas bayesianas em vez de estatísticas tradicionais, clássicas ou "frequentistas" abordagens.

Métodos

Econometria aplicada usa econometria teórica e dados do mundo real para avaliar teorias econômicas, desenvolver modelos econométricos, analisar a história econômica e fazer previsões.

A econometria pode usar modelos estatísticos padrão para estudar questões econômicas, mas na maioria das vezes eles são dados observacionais, em vez de experimentos controlados. Nisso, o projeto de estudos observacionais em econometria é semelhante ao projeto de estudos em outras disciplinas observacionais, como astronomia, epidemiologia, sociologia e ciência política. A análise dos dados de um estudo observacional é guiada pelo protocolo do estudo, embora a análise exploratória dos dados possa ser útil para gerar novas hipóteses. A economia geralmente analisa sistemas de equações e desigualdades, como oferta e demanda hipoteticamente em equilíbrio. Consequentemente, o campo da econometria desenvolveu métodos para identificação e estimação de modelos de equações simultâneas. Esses métodos são análogos aos métodos usados em outras áreas da ciência, como o campo de identificação de sistemas em análise de sistemas e teoria de controle. Tais métodos podem permitir aos pesquisadores estimar modelos e investigar suas consequências empíricas, sem manipular diretamente o sistema.

Um dos métodos estatísticos fundamentais usados pelos econometristas é a análise de regressão. Os métodos de regressão são importantes em econometria porque os economistas normalmente não podem usar experimentos controlados. Normalmente, os dados mais prontamente disponíveis são retrospectivos. No entanto, a análise retrospectiva de dados observacionais pode estar sujeita a viés de variável omitida, causalidade reversa ou outras limitações que lançam dúvidas sobre a interpretação causal das correlações.

Na ausência de evidências de experimentos controlados, os econometristas geralmente buscam experimentos naturais esclarecedores ou aplicam métodos quase-experimentais para obter inferências causais confiáveis. Os métodos incluem projetos de descontinuidade de regressão, variáveis instrumentais e diferenças em diferenças.

Exemplo

Um exemplo simples de uma relação em econometria do campo da economia do trabalho é:

${displaystyle ln({text{wage}})=beta _{0}+beta _{1}({text{years of education}})+varepsilon.}$

Este exemplo assume que o logaritmo natural do salário de uma pessoa é uma função linear do número de anos de educação que a pessoa adquiriu. O parâmetro ${displaystyle beta _{1}}$ medidas o aumento do registo natural do salário atribuível a mais um ano de educação. O termo $- Sim.$ é uma variável aleatória que representa todos os outros fatores que podem ter influência direta no salário. O objetivo econométrico é estimar os parâmetros, ${displaystyle beta _{0}{mbox{ e }}beta _{1}}$ sob suposições específicas sobre a variável aleatória $- Sim.$. Por exemplo, se $- Sim.$ é uncorrelated com anos de educação, então a equação pode ser estimada com menos quadrados ordinários.

Se o pesquisador pudesse atribuir aleatoriamente pessoas a diferentes níveis de educação, o conjunto de dados assim gerado permitiria estimar o efeito das mudanças nos anos de educação sobre os salários. Na realidade, esses experimentos não podem ser conduzidos. Em vez disso, o econometrista observa os anos de educação e os salários pagos a pessoas que diferem em muitas dimensões. Diante desse tipo de dado, o coeficiente estimado em Anos de Educação na equação acima reflete tanto o efeito da educação sobre os salários quanto o efeito de outras variáveis sobre os salários, se essas outras variáveis fossem correlacionadas com a educação. Por exemplo, as pessoas nascidas em determinados lugares podem ter salários mais altos e níveis de educação mais altos. A menos que o econometrista controle o local de nascimento na equação acima, o efeito do local de nascimento nos salários pode ser falsamente atribuído ao efeito da educação nos salários.

A maneira mais óbvia de controlar o local de nascimento é incluir uma medida do efeito do berço na equação acima. Exclusão do local de nascimento, juntamente com a suposição de que $- Sim.$ não está relacionado com a educação produz um modelo não especificado. Outra técnica é incluir na equação conjunto adicional de covariados medidos que não são variáveis instrumentais, mas renderização ${displaystyle beta _{1}}$ identificável. Uma visão geral dos métodos econométricos utilizados para estudar este problema foi fornecida pelo Card (1999).

Diários

As principais revistas que publicam trabalhos em econometria são Econometrica, Journal of Econometrics, The Review of Economics and Statistics, Econometric Theory, Journal of Applied Econometrics, Econometric Reviews, The Econometrics Journal e Journal of Business & Estatísticas econômicas.

Limitações e críticas

Como outras formas de análise estatística, modelos econométricos mal especificados podem mostrar uma relação espúria onde duas variáveis estão correlacionadas, mas não relacionadas causalmente. Em um estudo sobre o uso da econometria nas principais revistas de economia, McCloskey concluiu que alguns economistas relatam valores-p (seguindo a tradição Fisheriana de testes de significância de hipóteses nulas de ponto) e negligenciam as preocupações com erros do tipo II; alguns economistas falham em relatar estimativas do tamanho dos efeitos (além da significância estatística) e em discutir sua importância econômica. Ela também argumenta que alguns economistas também falham em usar o raciocínio econômico para a seleção de modelos, especialmente para decidir quais variáveis incluir em uma regressão.

Em alguns casos, as variáveis econômicas não podem ser manipuladas experimentalmente como tratamentos atribuídos aleatoriamente aos indivíduos. Nesses casos, os economistas dependem de estudos observacionais, muitas vezes usando conjuntos de dados com muitas covariáveis fortemente associadas, resultando em um grande número de modelos com capacidade explicativa semelhante, mas diferentes covariáveis e estimativas de regressão. Em relação à pluralidade de modelos compatíveis com conjuntos de dados observacionais, Edward Leamer insistiu que "profissionais... retêm adequadamente a crença até que uma inferência possa se mostrar adequadamente insensível à escolha de suposições".