O ensino do modelo clássico de regressão linear por meio de simulação de Monte Carlo

Autores

DOI:

https://doi.org/10.11606/issn.1982-6486.rco.2018.152100

Palavras-chave:

Simulação de Monte Carlo, Modelo clássico de regressão linear, Distribuição amostral, Estimadores de mínimos quadrados

Resumo

Este trabalho apresenta um conjunto de estudos de Monte Carlo, usando softwares de planilha eletrônica, que pode ser usado para facilitar a aprendizagem do conceito de distribuição amostral em um contexto de aprendizagem do modelo clássico de regressão linear. A partir da construção de duas planilhas básicas, uma para regressão simples e outra para regressão múltipla, outras planilhas podem ser facilmente obtidas com pequenas alterações no processo gerador de dados. As alterações que podem ser introduzidas incluem variações no tamanho das amostras e em diversas características do termo de erro, como sua variância, valor médio e função de probabilidade. Também podem ser introduzidas correlações entre os regressores no modelo de regressão múltipla. Um professor de econometria introdutória pode usar o conjunto de planilhas de modo a obter figuras e tabelas que facilitam a visualização do desempenho dos estimadores de mínimos quadrados ordinários para diferentes situações. Deste modo, os estudantes podem compreender na prática como as violações nas premissas do modelo clássico de regressão linear afetam om desempenho dos estimadores de mínimos quadrados ordinários e dos testes de hipóteses usualmente empregados no contexto da análise de regressão. As violações trabalhadas no presente trabalho incluem heterocedasticidade, omissão de variáveis relevantes, erros não normais e multicolinearidade.

Downloads

Os dados de download ainda não estão disponíveis.

Downloads

Publicado

2018-12-28

Edição

Seção

Casos e Outras Contribuições Didáticas

Como Citar

Pagliarussi, M. S. (2018). O ensino do modelo clássico de regressão linear por meio de simulação de Monte Carlo. Revista De Contabilidade E Organizações, 12, e152100. https://doi.org/10.11606/issn.1982-6486.rco.2018.152100