Aula 5
Técnicas de estimação
A econometria é o laboratório dos economistas, que busca reproduzir o
funcionamento do mundo de forma experimental, como se faz nas
ciências naturais.
Aula 6: Aula 5:
Aula 4:
Como aplicar o conceito Técnicas para estimar o
de Retorno Econômico a impacto dos projetos Os conceitos estatísticos
projetos sociais sociais na prática necessários para
compreender a avaliação
Aula 8:
Aula 7: Aula 9:
Estudos de
Como calcular o caso e Avaliação final e
retorno econômico discussão apresentação dos
na prática dos trabalhos
trabalhos individuais
Plano de Aula
lado. 13
14
2230
3806
33
34
1122
1963
15 3446 35 2012
Vamos estimar, a partir de um teste 16
17
4362
1474
36
37
3374
2179
de diferença de médias com 95% de 18
19
3606
3663
38
39
3298
2518
confiança, se o programa teve impacto 20 2661 40 2749
Grupo de Tratamento:
𝑥 = 2.958,10 IC = 904,69 ; 3.417,27
𝐸𝑃 = 234, 26
Grupo de Controle:
𝑥 = 2.455,65
IC = 1.029,60 ; 2.774,53
𝐸𝑃 = 162, 69
A média do grupo de controle é menor (ponto estimado), mas está
contida no intervalo do grupo de tratamento.
Método Experimental
Conclusão: não é possível afirmar que o programa gerou impacto
no salário dos participantes 1 ano após o término na intervenção.
Teste de
Regressão
igualdade de
simples
médias
𝑦 = 𝑎+𝑏∗𝑥+𝑒
Termo de erro do
Indicador de Participação no
modelo
impacto programa
Regressão Simples
2952 1
3985 1
1449 1
3508 1
3906 1
3117 1
controles. 2774
1193
0
0
3312 0
2664 0
3126 0
Vamos agora reestimar o impacto desse 2124
1122
0
0
Mãos à obra:
1. Com a base de dados aberta, clique na guia “Dados” > “Análise de
Dados”.
2. Na janela que aparece, clique em “Regressão” > “Ok”.
3. Na nova janela, em “Intervalo Y de entrada” selecione a coluna do
indicador de impacto (incluindo o seu título).
4. em “Intervalo X de entrada” selecione a coluna da dummy de tratamento
(incluindo o seu título).
5. Clique em “Rótulos”.
6. Clique “Ok”.
7. Pronto! O Excel exibirá uma nova planilha com as estimações desejadas
(e mais algumas que não vamos estudar aqui).
Regressão Simples
Essas são as
informações
que nos
interessam
Regressão Simples
Estimativa pontual do
impacto (b)
Regressão Simples
A estimativa pontual do impacto (𝑏) reportada pelo Excel deve ser
interpretada da seguinte forma:
Um ano após a intervenção, os beneficiários apresentam, em média, um salário R$
502,25 maior do que os não-beneficiários.
No exemplo, temos:
Tratamento X Controle:
IMPACTO
Indicador de Impacto
20 = - 5 ?!
15
10 Tratamento
Controle
5
7 17 12 17
0
Antes Depois
Método Não-Experimental
No método não-experimental, precisaremos coletar/utilizar outras
informações sobre os participantes e não participantes a fim de
garantir grupos “comparáveis” e, assim, uma estimação com o
menor viés possível.
𝑦 = 𝑎 + 𝑏1 ⋅ 𝑥1 + 𝑏2 ⋅ 𝑥2 + 𝑏3 ⋅ 𝑥3 + 𝑒
Termo de erro do
Indicador de Participação no Variáveis que se relacionam modelo
impacto programa com 𝒙𝟏 𝒆 𝒚
𝑦 = 𝑎 + 𝑏1 ⋅ 𝑥1 + 𝑏2 ⋅ 𝑥2 + 𝑒
Exemplo:
Vamos agora calcular o impacto do programa de capacitação
profissional pela Regressão Múltipla, considerando que:
1. A seleção para o programa não foi aleatória.
2. Dentre os inscritos elegíveis, escolheu-se os 20 indivíduos com
menor escolaridade.
3. A variável “anos de escolaridade” é observada.
Dummy de Anos de
Salário (R$)
tratamento Escolaridade
2464 1 4
2952 1 4
estimação. 2661
3435
1
0
9
10
1977 0 10
2551 0 11
1468 0 11
controles. 1122
1963
0
0
13
13
2012 0 15
3374 0 15
2179 0 15
3298 0 15
2518 0 15
2749 0 15
1. Regressão Múltipla
Mãos à obra:
1. Com a base de dados aberta, clique na guia “Dados” > “Análise de
Dados”.
2. Na janela que aparece, clique em “Regressão” > “Ok”.
3. Na nova janela, em “Intervalo Y de entrada” selecione a coluna do
indicador de impacto (incluindo o seu título).
4. em “Intervalo X de entrada” selecione todas as colunas com variáveis
independentes, incluindo a dummy de tratamento (incluindo o seu título).
5. Clique em “Rótulos”.
6. Clique “Ok”.
7. Pronto! O Excel exibirá uma nova planilha, no mesmo formato daquela
obtida na regressão simples.
2. Diferenças em Diferenças
2. Diferenças em Diferenças
Podemos incrementar nossa regressão múltipla quando também
dispomos do valor do indicador de impacto e das varáveis de
controle no momento do início do projeto, para ambos os grupos:
tratamento e controle.
Quando essas informações pré-tratamento estão disponíveis,
dizemos que há uma linha de base e podemos usar o método de
Diferenças em Diferenças.
A vantagem desse método está no fato de podermos “limpar” o
efeito de todos os demais fatores que afetam o indicador de impacto
e que são fixos no tempo, mesmo aqueles que não são observados
(ex.: inteligência, determinação etc.). Isso nos permite calcular o
impacto com maior precisão.
2. Diferenças em Diferenças
De forma esquemática:
Daí o nome
Antes Depois Diferença
Diferenças em
Controle A B B-A
Diferenças
Tratamento C D D-C
𝑦 = 𝑎 + 𝑏1 ⋅ 𝑑1 + 𝑏2 ⋅ 𝑑2 + 𝑏3 ⋅ 𝑑1 ⋅ 𝑑2
+𝑏3 ⋅ 𝑥3 + 𝑒
Coeficiente que
Indicador de
indica o impacto
impacto
Termo de erro do do programa
Outros fatores
modelo
2. Diferenças em Diferenças
Grupo de Controle:
𝑀é𝑑𝑖𝑎 𝑑𝑜 𝑠𝑎𝑙á𝑟𝑖𝑜 𝑎𝑛𝑡𝑒𝑠 𝐴 = 2.146,50
B − 𝐴 = 318,30
𝑀é𝑑𝑖𝑎 𝑑𝑜 𝑠𝑎𝑙á𝑟𝑖𝑜 𝑑𝑒𝑝𝑜𝑖𝑠 (𝐵) = 2.464,80
Grupo de Tratamento:
𝑀é𝑑𝑖𝑎 𝑑𝑜 𝑠𝑎𝑙á𝑟𝑖𝑜 𝑎𝑛𝑡𝑒𝑠 𝐶 = 2.291,50
𝐷 − 𝐶 = 833,20
𝑀é𝑑𝑖𝑎 𝑑𝑜 𝑠𝑎𝑙á𝑟𝑖𝑜 𝑑𝑒𝑝𝑜𝑖𝑠 (𝐷) = 3.124,70
Graficamente:
Tratamento X Controle
3500
3000
D-C Tratamento
2500 Controle
B-A
2000
Antes Depois
2. Diferenças em Diferenças
2. Diferenças em 2
3
3
2952
1730
3985
1
1
1
1
0
1
1
0
1
3306 1 0 0
Diferenças
4
4 1449 1 1 1
5 2946 1 0 0
5 3508 1 1 1
6 3862 1 0 0
6 3906 1 1 1
7 974 1 0 0
Primeiramente, precisamos
7 3117 1 1 1
8 3106 1 0 0
8 4667 1 1 1
reorganizar a base de dados 9
9
3163
1982
1
1
0
1
0
1
1. Dados “empilhados”. 12
12
1824
1977
0
0
0
1
0
0
13 822 0 0 0
13 2551 0 1 0
2. Duas variáveis dummy que 14
14
1663
1468
0
0
0
1
0
0
distinguem 15
15
1712
3289
0
0
0
1
0
0
tratamento/controle e 16
16
3074
1985
0
0
0
1
0
0
pré/pós-programa.
17 1879 0 0 0
17 2774 0 1 0
18 2998 0 0 0
18 1193 0 1 0