Desempenho de testes de heterocedasticidade na regressão linear simples

• Ano de defesa: 2024
• Autor(a) principal: Silva, Jonas Firmiano da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Estatística Aplicada e Biometria
• Palavras-chave em Português: Análise de regressão - Testes; Mínimos quadrados; Estatística Aplicada e Biometria
• Link de acesso: https://locus.ufv.br/handle/123456789/33818; https://doi.org/10.47328/ufvbbt.2025.146

A regressão linear é uma ferramenta fundamental em diversas áreas de pesquisa, sendo o método dos mínimos quadrados ordinários (MQO) um dos mais utilizados para estimar os parâmetros da regressão. No entanto, para que o MQO seja considerado o melhor estimador linear não viesado, algumas hipóteses precisam ser atendidas, entre elas a homocedasticidade dos resíduos. A violação dessa hipótese pode levar a problemas na inferência dos parâmetros estimados, tornando crucial a detecção de heterocedasticidade nos modelos lineares. Este estudo tem como objetivo avaliar a eficácia e o poder de diferentes testes estatísticos na identificação da heterocedasticidade. Utilizando simulação de dados, foram avaliados os testes de White, Breusch-Pagan e Glejser, analisando seu desempenho quando há o aumento do coeficiente de variação das variâncias (CVV) e o aumento das amostras de 15 a 150 observações. Os resultados indicam que o poder dos testes aumenta com o crescimento do CVV, tornando-os mais eficazes na detecção de heterocedasticidade à medida que a variabilidade da variância dos resíduos se intensifica. Além disso, o aumento do tamanho da amostra melhora a confiabilidade dos testes. O teste de White apresentou um poder ligeiramente superior em comparação aos demais, mas todos demonstraram poder crescente na medida em que o CVV e o tamanho da amostra aumentam. Observou-se que o poder dos testes é mais estável em amostras maiores, mantendo-se elevado para diferentes valores de CVV. Palavras-chave: Teste de White; Teste de Breusch-Pagan; Teste de Glejser; Mínimos quadrados; Poder do teste.