PREFÁCIO
vii
corretas, pois me lembro de somente um punhado de sugestões para adicionar ou remover material. Uso uma abordagem sistemática em todo o texto, pela qual cada tópico está fundamentado, de modo lógico, no material anterior, e as hipóteses são introduzidas somente se forem necessárias para obter uma conclusão. Por exemplo, os pesquisadores aplicados, bem como os teóricos, sabem que nem todas as hipóteses de Gauss-Markov são necessárias para mostrar que os estimadores de mínimos quadrados ordinários (MQO) são não viesados. Contudo, quase todos os livros de econometria introduzem um completo conjunto de hipóteses (muitas das quais são redundantes ou, em alguns casos, logicamente conflitantes) antes de provar a inexistência de viés do MQO. De forma semelhante, a hipótese de normalidade é muitas vezes incluída entre as hipóteses que são necessárias para o Teorema de Gauss-Markov, quando é razoavelmente bem conhecido que a normalidade não desempenha nenhum papel para mostrar que os estimadores de MQO são os melhores estimadores lineares não viesados. Minha abordagem sistemática é ilustrada pela ordem das hipóteses que uso para regressão múltipla na Parte 1. Esse ordenamento resulta numa progressão natural por sintetizar resumidamente o papel de cada hipótese. RLM.1: Apresenta o modelo populacional e interpreta os parâmetros populacionais (que esperamos estimar). RLM.2: Introduz amostragem aleatória da população e descreve os dados que usamos para estimar os parâmetros populacionais. RLM.3: Adiciona a hipótese nas variáveis explicativas que nos possibilita calcular as estimativas da nossa amostra; esta é a assim chamada hipótese da colinearidade perfeita. RLM.4: Assume que, na população, a média do erro não observável não depende dos valores das variáveis explicativas; esta é a hipótese da “independência da média” combinada com a média populacional zero do erro e é a principal hipótese que produz inexistência de viés de MQO. Depois da introdução das Hipóteses RLM.1 até a RLM.3, podem-se discutir os vínculos algébricos apropriados dos mínimos quadrados ordinários – isto é, a propriedade dos MQO para um conjunto de dados específico. Pela adição da hipótese RLM.4, podemos demonstrar que os MQO são não viesados (e consistentes). A hipótese RLM.5 (homoscedasticidade) é adicionada ao Teorema de Gauss-Markov e para que as fórmulas habituais de variância dos MQO sejam válidas. A hipótese RLM.6 (normalidade), que não é apresentada até o Capítulo 4, é adicionada para complementar as hipóteses do modelo linear clássico. As seis hipóteses são usadas para obter inferências estatísticas exatas e concluir que os estimadores de MQO têm as menores variâncias entre todos os estimadores não viesados. Eu uso abordagens paralelas quando recorro ao estudo das propriedades de amostras grandes e quando lido com regressões de dados de séries temporais na Parte 2. A apresentação e a discussão cuidadosas das hipóteses tornam mais fácil a transição à Parte 3, que cobre tópicos avançados que incluem a utilização de cortes transversais agrupados, a exploração das estruturas de dados em painel e a aplicação dos métodos de variáveis instrumentais. De forma geral, empenhei-me em fornecer uma visão unificada da econometria, de acordo com a qual todos os estimadores e as estatísticas de testes são obtidos usando um pouco de princípios, intuitivamente racionais, de