[MÚSICA] [MÚSICA] Neste módulo, nós vamos ver como lidar com a quebra de algumas das hipóteses importantes que vimos ao longo do curso. Veremos duas principais hipóteses que não serão válidas. A primeira hipótese é a hipótese de homocedasticidade, ou seja, a variância dos erros condicionais ao "x" não serão mais constantes. Vamos ver que, para lidar com a quebra dessa hipótese, temos duas soluções importantes. A primeira: basta corrigir a variância do nosso estimador, que não será mais a variância que derivamos nas aulas passadas, e, assim, podemos manter a estimação por MQO simplesmente corrigindo a variância. A alternativa é propormos um novo estimador, não mais o estimador de mÃnimos quadrados ordinários, mas um novo estimador que, mesmo com a quebra da hipótese de homocedasticidade, tenha todas as propriedades importantes que vimos no estimador de MQO, como o não-viés e a eficiência. Existem vários exemplos para a quebra da hipótese de homocedasticidade, como, por exemplo, na relação entre consumo e renda. Isso porque observamos que, para maiores nÃveis de renda, a variação do consumo é maior. Ou seja, a variação do "y" não é mais homocedástica condicional a "x". Como no modelo linear a variância dos erros é exatamente igual a variância dos "y", nós temos que a hipótese de homocedasticidade não será mais válida. A segunda hipótese que relaxaremos para propor outras alternativas é a hipótese de exogeneidade, ou média condicional zero dos erros. Essa hipótese não será válida para alguns casos, como, por exemplo, na omissão de variáveis relevantes que sejam correlacionadas com as demais explicativas do modelo, quando temos problemas de simultaneidade entre as variáveis (ou seja, "y" explica "x", mas "x" também explica "y"), para casos em que temos erro de medida entre as variáveis, entre outros exemplos. Nós veremos algumas estratégias para lidar com a quebra dessa hipótese, como, por exemplo, o uso de "proxies" (ou variáveis parecidas com aquelas que não observamos) ou usando variáveis instrumentais para identificar o efeito que pretendemos estimar. Ao final do módulo, nós veremos alguns testes importantes de endogeneidade, ou seja, testes que mostrarão a diferença entre os estimadores, corrigindo ou não o problema de endogeneidade. [MÚSICA] [MÚSICA] [MÚSICA]
