Detalhes bibliográficos
Ano de defesa: |
2004 |
Autor(a) principal: |
Chaves Inácio, Felipe |
Orientador(a): |
Cribari Neto, Francisco |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/6597
|
Resumo: |
Em modelos de regressão linear em que os erros são heteroscedásticos, a prática comum é utilizar o estimador de mínimos quadrados ordinários para a estimação dos parâmetros juntamente com um estimador consistente da matriz de covariâncias dessas estimativas que, em geral, é o estimador desenvolvido por White (1980) ou uma de suas variantes. Entretanto, estimadores da matriz de covariâncias baseados em esquemas de bootstrap têm-se mostrado boas alternativas aos estimadores tradicionais. Em especial o estimador desenvolvido por Cribari?Neto & Zarkos (2004), em que a probabilidade de seleção dos resíduos é ponderada pelo inverso do grau de alavancagem, apresenta desempenho superior aos estimadores consistentes tradicionais, principalmente em situações não-balanceadas em que há observações potencialmente influentes. Utilizando simulações de Monte Carlo, foi analisada neste trabalho a sensibilidade desse estimador a diferentes formas de reamostragem através da análise do comportamento de novos estimadores que utilizam outras probabilidades de seleção dos resíduos. Adicionalmente, investigou-se a sensibilidade da inferência baseada neste e em outros estimadores a situações de não-normalidade dos erros |