De Netter, Marks R. An Applied Statistician’s Creed (publicado em Journal of the Royal Statistical Society, Series C, v.45, n.4, vem a tabela mais engraçada da Estatística (até agora, para mim).
Agora imagine os erros tipo I e II sobrepostos nesta divertida tabela. ^_^
Este é um post sem maiores pretensões. É apenas um exemplo de variáveis instrumentais em Econometria para ser usado em sala de aula. O objetivo é discutir o uso de uma variável instrumental com base em uma amostra de países que fez parte de uma matéria jornalística sobre o preço dos ingressos de futebol no Brasil, lá em 2013.
A matéria apresenta uma tabela interessante que nos dá a possibilidade de pensar em uma estimativa de curva de demanda por ingressos de futebol. Há diversos problemas importantes. Primeiro, o preço médio do ingresso parece (embora não esteja claro) ser mensal. Segundo, a amostra não parece ser nada aleatória, mas motivada por algum critério que desconhecemos. Terceiro, não sei se os valores em reais foram ajustados para as inflações do Brasil e dos respectivos países cujos dados formam a tabela.
Mesmo assim, vou tentar ilustrar o problema econométrico aqui. Trata-se do fato de que temos apenas a quantidade vendida (portanto comprada) de ingressos (a cada mês), logo, temos o ponto de equilíbrio das curvas de oferta e de demanda. Como obter uma curva de demanda a partir disto? Precisamos de um instrumento que desloque apenas a curva de oferta, o que nos ajudaria a identificar a curva de demanda.
Assim, procurei algo que geralmente impacta apenas a oferta. Escolhi a precipitação média anual de chuvas. A idéia é que as preferências dos consumidores não seriam afetadas pelo mau tempo, mas a oferta de ingressos sim (estou supondo que os clubes baixarão os preços de venda para atraírem mais consumidores em dias chuvosos).
Pode não ser o melhor instrumento do mundo (e este é um bom debate para outro dia), mas como a idéia é só ilustrar o método em sala de aula (terei que gastar um pouco mais de tempo em sala, claro), aí vai o resultado utilizando o bom e velho Gretl.
Observamos uma elasticidade-preço unitária, o mesmo valendo para a elasticidade-renda. O resultado é bastante limitado (além do que eu disse lá em cima, há o fato de termos apenas 16 observações…), mas poderemos ver em sala de aula que o teste de sobre-identificação (o teste de Sargan) nos diz que o instrumento utilizado está ok.
Eu sei que não é o melhor exemplo de economia do futebol que alguém poderia fazer, mas como exemplo para uma aula de variáveis instrumentais (cuja utilidade estou longe de ter explicado aqui, eu sei), até que ficou um exemplo simpático.
Este artigo é essencial para todos nós, economistas ou não. (um ótimo resumo está aqui)
Um artigo bastante detalhado e interessante sobre a eterna controvérsia está nesta coletânea que, aliás, tem ótimos artigos sobre outros temas.
Eis a notícia. Como é de conhecimento comum aos já iniciados em Estatística ou Econometria, qualquer previsão pode ser feita no ponto ou no intervalo. Se observarmos a prática do FMI, Banco Mundial ou de qualquer outra consultoria privada nacional, observaremos que as projeções divulgadas são as pontuais.
Qual o motivo disto? Arrogância? Não. O motivo é reduzir a instabilidade natural que existe nas cabecinhas de gente como a gente. É óbvio que a inflação prevista pontualmente pode não se realizar, mas o importante é que o erro seja pequeno. E quem acha mais fácil falar em “4.5 + ou – 0.02” do que em “4.5, mas é só uma previsão estatística” na hora do cálculo do crediário que atire a pedra.
Mas, sejamos justos, o intervalo é mais preciso, né? Mais ou menos. Pois muito bem, digamos que se queira adotar intervalos de confiança para a divulgação das previsões. Por exemplo, suponha que o Banco Central quisesse mudar sua previsão de inflação para uma intervalar. Seria esta uma boa forma de diminuir a instabilidade nos mercados? O sujeito olha para a previsão e vê algo como 5.5% + ou – 0.4. A pergunta seria: “de onde veio o 0.4? Provavelmente veio de algum nível de confiança determinado.
Agora, esta é uma questão que nos remete novamente ao fato de que alguma arbitrariedade seria inevitável (agora, na determinação do nível de confiança). Se o objetivo é mostrar que o economista “é ignorante quanto à realidade”, como diz a notícia, acho que mais fácil seria dizer que a previsão é baseada em teoria estatística. Não é necessário este trabalho todo.
Claro que há sempre a patuléia da pterodoxia (e suas quintas colunas da blogosfera) que adoram dizer que “econometria não serve para nada porque o mundo é complicado”, etc. Para isto, basta, por exemplo, escolher intervalos de confiança ruins e divulgar sempre as péssimas previsões para, lentamente, minar a confiança das pessoas na Ciência Econômica. É como colocar um falso ponto em debate e, a partir daí, repeti-lo como verdadeiro para depois, sim, desmascará-lo (entre aspas). Claro que a alternativa desta gente é o debate sobre as idéias “Marshall-Kaleckinas com toques Hicksianos contra o dragão da maldade Friedmaniano” ou algo tão verborrágico quanto.
Óbvio é que uma previsão é apenas uma previsão. Mais óbvio ainda é que a econometria é baseada em estatística que, por definição, tem que ser considerada como algo que jamais nos dará respostas definitivas. Agora, dizer que o intervalo de confiança é uma forma de nos mostrar o quão ignorantes somos me parece um exagero. Eu prefiria ouvir isto de um Pedro Valls, de um Márcio Laurini, enfim, de gente que realmente trabalha com econometria e que, mais importante, entende do assunto.
Para mim, parece que o intervalo de confiança trará muito pouco ganho para o entendimento da realidade econômica. Bastava um rodapé na tabela. O que isto trará na prática é apenas mais ou menos trabalho para os encarregados destas previsões. Dou as boas-vindas ao intervalo, mas ressalto: a ignorância econômica, esta continuará se manifestando através das declarações estranhas de alguns economistas, repórteres, leigos, enfim, gente que ou tem má formação econômica, ou interesses ocultos. Simples assim.
UPDATE p.s. Aposta com o leitor: se algo sair errado, os economistas oficiais (e aliados) dirão que a culpa é do modelo. (quem quiser apostar, deixe o comentário aqui).
É o que diz Charles Plosser, excelente econometrista, e presidente do FED da Philadelphia.
A Brief History of Production FunctionsS. K. MISHRA
North-Eastern Hill University (NEHU) October 9, 2007
Abstract:
This paper gives an outline of evolution of the concept and econometrics of production function, which was one of the central apparatus of neo-classical economics. It shows how the famous Cobb-Douglas production function was indeed invented by von Thunen and Wicksell, how the CES production function was formulated, how the elasticity of substitution was made a variable and finally how Sato’s function incorporated biased technical changes. It covers almost all specifications proposed during 1950-1975, and further the LINEX production functions and incorporation of energy as an input. The paper is divided into (1) single product functions, (2) joint product functions, and (3) aggregate production functions. It also discusses the ‘capital controversy’ and its impacts.
Keywords: Production function, Cobb-Douglas, CES, Transcendental, translog, Zellner-Revankar, VES, Bruno, Kadiyala, Diewert, Kummel, Mundlak, Engineering, Kmenta, McCarthy, Fare, Mitchell, Multi-output, joint product, Data Envelopment, Household, Humbug, Cambridge capital controversy
JEL Classifications: B13, B21, B23, C13, D24, D33, E25
Working Paper Series
The human brain is “hard-wired” for pattern recognition. So much so, in fact, that it often finds patterns that are not really there. This is why the field of statistics is so counter-intuitive for so many people (and you thought it was all the Greek letters).
I was thinking and reading about global warming this morning when a thought struck me: could I test climate trends against a null hypothesis of a random walk? It took only a few minutes to discover that a pair of authors from the US Geological Survey have already done so. In a 2005 article in Geophysical Research Letters, Timothy Cohn and Harry Lins were unable to reject the hypothesis that the warming of the last 100 years was due to randomness. The trend is statistically insignificant.
I draw two conclusions. First, politicians should not do anything drastic to “fix” global warming. Second, if we insist on democratic governance, we ought to emphasize statistics in the high school curriculum. I propose dropping trigonometry (which is useless to almost everyone) and replacing it with statistics.
O IEDI, órgão ligado às indústrias, divulgou o último dado da mais complicada variável (em termos de mensuração): a utilização da capacidade instalada. Diz o pessoal de lá:
O economista-chefe do Instituto de Estudos para o Desenvolvimento Industrial (Iedi), Edgard Pereira, não vê trajetória explosiva no Nível de Utilização da Capacidade Instalada (Nuci), calculado pela Confederação Nacional da Indústria (CNI), que ficou em 82,8% em outubro, ante 82,5% em setembro. “Foi apenas um ajuste na margem”, afirmou.
Será mesmo? Eis o exercício para o pessoal de Econometria: (i) com os principais indicadores econômicos do Brasil, construa um cenário destacando os principais focos possíveis de inflação, (ii) no IPEADATA, obtenha a série citada acima e faça dois gráficos: um, com a evolução mensal da série e outro com os fatores sazonais.
Após fazer isto tudo, procure avaliar a afirmação do pessoal da CNI.
Thomas Kang resume a palestra da grande professora (ex-professor, como sabem os mais antigos) na USP.
Cheguei a este relatório de um grande banco internacional por conta do Matizes Escondidos. É uma excelente dica ler este documento. Por que? Porque todo aquele preguiçoso que diz que não se lembra de Econometria quando chega ao final do curso perceberá que preguiça tem um custo: o de nunca conseguir se manter em um baita emprego como o do autor do relatório. Há sempre um assim, em qualquer faculdade (e o papo é sempre o mesmo: “eu aprendi, mas já esqueci”…coisa que nunca acontece com sexo…, etc).
Você pode até enganar alguns por algum tempo, mas jamais todos por muito tempo.
Ah sim, mais tarde tem a segunda edição do e-book.
Measuring the Welfare Gain from Personal Computers
Jeremy Greenwood and Karen A. Kopecky
NBER Working Paper No. 13592
November 2007
JEL No. E01,E21,O33,O47
ABSTRACT
Do melhor blog de economia que conheço:
Here are some Econometrics Haiku from noted econometrician Keisuke Hirano.
Supply and demand:
without a good instrument,
not identified.
I relate to these especially:
T-stat looks too good.
Use robust standard errors–
significance gone.
From negation comes
growth, progress; not unlike a
referee report.
A versão completa está aqui.
Coisas engraçadas. Reproduzo na íntegra.
Gregor Smith of Queen’s University has discovered an amazing new relationship, Japan’s Phillips Curve Looks Like Japan. John Palmer of EclectEcon believes that the result may be systematic as he has discovered that Canada’s Phillip’s Curve looks like Canada.
Todo estudante de Economia ou interessado no tema “Econometria” deveria acompanhar esta discussão entre Robin Hanson e Russ Roberts. É bem esclarecedora sobre os limites e possibilidades do uso de regressões para se entender o mundo.
Não me tome como um “anti-econometria” (discurso antigo dos pterodoxos que, hoje, ainda se debatem para usarem cientificamente a econometria, embora já saibam clicar nos botões do Eviews ou similares). O ponto é que você tem que usar um bocado econometria para, então perceber o potencial e os limites do instrumento.
Claro, não me tome também como a palavra final. Não sou oráculo. Para oráculos, consulte alguns sabichões que publicam em jornais ou blogs (pretensamente) de economia. Acompanhe a discussão acima e leia também o que disse McCloskey sobre a prática econométrica dos economistas.
Laurini tem dúvidas. Mais ainda, eu e ele queremos ler o tal artigo do Samuel Pessôa e do Gabriel Hartung. A dúvida do Laurini é pertinente. Veja o trecho abaixo:
Eu particularmente não sou um grande fã do artigo do Levitt e Donahue (2001), já que acho que a metodologia econométrica não é adequada para testar a hipótese em questão, já que é basicamente uma análise de correlação. O que seria adequado seriam os modelos de tratamento dinâmico ( evoluções dos modelos de dinamic choice como Carneiro, Hansen e Heckmann (2003)), mas creio que os dados existentes não permitam este tipo de análise.
Pô, Samuel, divulga o artigo!
Eis o resumo, bem interessante.
…do Samuel é achar que o mundo se divide em “direita” e “esquerda”. No mais, a matéria é interessante, embora ele me pareça muito otimista sobre os efeitos do aborto sobre a violência.
Para começo de conversa, qualquer estudante de Marketing tem que aprender Econometria. Agora, isto não é sinônimo de aprender o que é uma regressão múltipla e sair por aí fazendo trabalhos de duvidosa qualidade.
Posto isto, o passo seguinte é estudar bem um livro de Econometria. Já fez isto? Então, agora, você está pronto para a discussão relevante: entender quando aspectos teóricos da Econometria influem na sua prática profissional. Por exemplo, considere os trechos abaixo deste interessante texto:
If the Lucas critique is relevant, and it is ignored, marketing models may yield biased predictions of the effects of marketing policy changes (we refer to the article from Franses for both a concrete illustration and additional references on this issue). Biased parameter estimates are perhaps one of the most serious issues in econometric modeling. Therefore, ignoring the Lucas critique could be considered as fatal a flaw as ignoring endogeneity. Endogeneity happens to be the primary factor affecting price elasticity estimates according to a recent meta-analysis (Bijmolt, Van Heerde, and Pieters 2005).
Entendeu? Não? Ficou na dúvida sobre o que significa um parâmetro viesado? Ou não entendeu o que é endogeneidade? Então, novamente, volte ao livro-texto. Se não teve problemas, prossiga.
While the Lucas critique may therefore be an issue in some marketing settings, it definitely will not be the only one applied marketing researchers should be concerned about, as correctly pointed out by Franses. We would like to add two further remarks in this respect. First, omitted variable bias may be particularly relevant in many marketing settings, and could play as big a role as the Lucas critique or the endogeneity issue – including or excluding covariates such as a promotion dummy or advertising may affect price elasticity estimates almost as much as ignoring versus accommodating endogeneity (Bijmolt, Van Heerde, and Pieters 2005). Second, a flaw such as ignoring autocorrelation may seem one degree less fatal than flaws leading to biases, since it “only” leads to inefficient parameter estimates. However, we argue that autocorrelation may be a signal of serious model misspecification. If the autocorrelation is caused by omitting predictors uncorrelated with the included predictors, the inefficiency of OLS can be successfully remedied by GLS. For example, suppose that a model for beer sales excludes temperature (which in itself is highly autoregressive) and none of the included (marketing-mix) predictors happens to be correlated with temperature. On the other hand, suppose a model omits pelevant variables (e.g., lagged marketing-mix variables) that are correlated with the included predictors (e.g., current marketing-mix variables). In both cases, a residual test will reveal autocorrelation, a seemingly small issue since it “only” leads to inefficient estimates, which is true in the former case. However, in the latter case the parameter estimates for the included predictors are also biased, which cannot be remedied by GLS. Instead, the model specification should be extended with the omitted predictors.
Pronto, agora você entendeu: existe algo importante na Estatística, quando aplicada a problemas de decisão que, sim, é fruto do trabalho de um sujeito chamado Robert Lucas. Não fosse por este economista, seu uso dos métodos estatísticos em Marketing poderia sofrer de sérios problemas o que é sempre desagradável quando se deseja fazer previsões.
Em resumo, você pode evitar o estudo dos métodos estatísticos e econométricos ou se refugiar sob as asas daqueles professores que fingem que te ensinam econometria. Ok, é uma solução factível. Mas não é a melhor solução, principalmente se você deseja aprender mais uma ferramenta útil para sua prática profissional.
Já até ouço: “ah, mas ninguém aplica isto, por que eu deveria me arriscar”? A resposta é óbvia: você é empresário de sua própria carreira e, portanto, deve conhecer o custo de oportunidade inerente às suas escolhas no que pretende mostrar ao seu chefe (de hoje). O dia de amanhã a Deus pertence e, saber mais é sempre uma forma de hedge em sua vida, profissional ou não.
Assim, pode ser uma excelente idéia aprender não apenas a Econometria mas, eventualmente, aprender a testar limitações deste método. Muito “colunista” que leio nas badaladas colunas de revistas para “C.E.O.’s com déficit de atenção” (ou problemas de amor-próprio) fala ad nauseam sobre interdisciplinaridade. De minha parte, nunca vi um único estudante de Administração que fizesse três cadeiras de Econometria no Doutorado, ou todas as da graduação.
Nunca é tarde para aprender, claro. Mas, com o passar do tempo, o custo de aprender aumenta, ceteris paribus…
“Monetary Policy, Judgment and Near-Rational Exuberance”
by James B. Bullard, George W. Evans, and Seppo Honkapohja We study how the use of judgment or “add-factors” in macroeconomic forecasting may disturb the set of equilibrium outcomes when agents learn using recursive methods. We examine the possibility of a new phenomenon, which we call exuberance equilibria, in the New Keynesian monetary policy framework. Inclusion of judgment in forecasts can lead to self-fulfilling fluctuations in a subset of the determinacy region. We study how policymakers can minimize the risk of exuberance equilibria.
Em outras palavras: fazer ajustes “não-paramétricos” (por assim dizer) nas previsões de um banco central qualquer que pretende influenciar as expectativas dos agentes privados pode gerar um resultado distinto. Bayesianos também sofrem de crítica de Lucas? ^_^
Mais um amigo publicou no Economics Bulletin.
…é a elasticidade que relaciona o número de veículos por habitante ao número de óbitos por acidentes de trânsito. Ou seja, um aumento de 1% no número de veículos gera uma queda de 0.515% no número de óbitos. O que isto significa? Quais as implicações? Como fazer um trabalho como este? Meu caro, olha o link aí em cima.
Quem lê este blog não pode reclamar de uma coisa: nunca há falta de idéias para trabalhos de econometria.
