Teste de Chow
IGUALDADE DE EQUAÇÕES
Às vezes deseja-se saber se um conjunto de equações são idênticas, com a possibilidade de agrupar os dados e ajustar uma única equação para obter as estimativas de uma determinada variável dependente. Como exemplo, tem-se equações para estimar o volume ou a altura de árvores, entre outras.
Seja, por exemplo, a seguinte situação em que se tem o seguinte modelo linear:
cujas equações, ajustadas com dois conjuntos de dados independentes, considerando a mesma variável dependente (Y) e independente (X), são:
É possível verificar a igualdade das equações, ou seja, verificar se os coeficientes ajustados são iguais, possibilitando o uso de uma única equação, por meio do Teste de Chow (Gujarati e Porter, 2008), de acordo com a sequência de passos a seguir:
• Combinar as observações utilizadas no ajuste das duas equações (n1+n2) e ajustar uma equação com este total de observações, obtendo-se as estimativas dos parâmetros (β0` + β1`) e a soma do quadrado dos resíduos (SQRes1), com n1+n2–p graus de liberdade, sendo p o número de parâmetros a serem estimados. Neste exemplo p=2.
• Obter as somas de quadrados dos resíduos para cada equação independentemente, isto é, (SQRes2 e SQRes3), com n1-p e n2-p graus de liberdade, respectivamente, e obter a soma de quadrado dos resíduos conjunta SQRes4= SQRes2 + SQRes3, com n1+n2–2p graus de liberdade.
• Obter a diferença, entre as somas de quadrados dos resíduos nos itens anteriores, ou seja: SQRes5= SQRes1 - SQRes4.
• Em seguida calcula-se a estatística F, dada por:
• , com p e n1+n2–2p graus de liberdade.
Regra de decisão: Se Fcalculado > Ftabelado => rejeita-se Ho, isto é, rejeita-se a igualdade entre as estimativas dos parâmetros do modelo.
Exemplo: Sejam duas equações hipsométricas referentes ao modelo:
Hi = β0 + β1 . DAPi + ε, ajustadas com 2 conjuntos de dados (n1=22 e n2=18). Será que uma única equação com todas as 40 observações seria tão precisa quanto as equações separadas?
Dados:
• Equação (com 22 observações):
As estimativas dos parâmetros, suas respectivas estatísticas, medidas de precisão da equação e análise de variância são apresentadas abaixo:
• Equação (com 18 observações):
As estimativas para a segunda equação, são:
• Equação (com 40 observações:
Unindo-se as duas bases de dados, ou seja, as alturas e diâmetros utilizados para o ajuste das equações separadamente, encontrou-se as seguintes estimativas:
Teste F:
Considerando as somas de quadrado dos resíduos obtidas nos ajustes anteriores e os respectivos número de parâmetros (p) e observações (n1 e n2), realizou-se o teste F, dado por:
SQRes1= 152,92778
SQRes4= SQRes2 + SQRes3
SQRes4= 70,82795 + 71,49272 = 142,32067
SQRes5= SQRes1 - SQRes4
SQRes5= 152,92778 – 142,32067 = 10,60711
F(5%; 2 e 36gl) = 3,27
Fcalculado < Ftabelado => Aceita-se Ho, pelo teste F, a 5% de significância, ou seja, que os β`s das equações são iguais estatisticamente. Com isso a equação conjunta (com 40 observações) pode ser utilizada para estimar a altura das árvores.
Referência Bibliográfica
GUJARATI, D. N.; PORTER, D.C. Basic econometrics. 5.ed. McGraw-Hill Education. 2008. 944p.