Uso de Erros-Padrão Consistentes sob Heteroscedasticidade

O modelo de regressão linear é muito utilizado nas diversas áreas do conhecimento. Algumas suposições relativas ao modelo de regressão linear são tipicamente feitas. Uma delas estabelece que os erros possuem a mesma variância, ou seja, apresentam a propriedade de homoscedasticidade. Sob essas suposições o Estimador de Mínimos Quadrados Ordinários (MQO) é bastante interessante, pois nos fornece estimadores não-viesados, eficientes e consistentes. Quando a suposição de homoscedasticidade é violada dizemos que o modelo é heteroscedástico. Isso ocorre com frequência quando trabalhamos com regressões envolvendo dados de corte transversal. Na presença de heteroscedasticidade o estimador de MQO dos parâmetros lineares da estrutura de regressão permanece não-viesado e consistente, porém, o estimador usual da matriz de covariâncias do estimador de MQO dos parâmetros de regressão torna-se viesado e não consistente. Um procedimento comum consiste em utilizar o estimador de MQO para estimar os parâmetros lineares da estrutura de regressão juntamente com um estimador para a matriz de covariâncias de forma que as estimativas sejam consistentes tanto sob homoscedasticidade quanto sob heteroscedasticidade de forma desconhecida. Alguns autores propuseram estratégias para estimar a matriz de covariâncias do EMQO. Nesta pesquisa utilizamos métodos de simulação de Monte Carlo para avaliar os desempenhos de testes baseados nos estimadores HC0, HC3 e HC4 propostos por Halbert White (1980), Davidson & MacKinnon (1993) e Cribari-Neto (2004), respectivamente.