Heterocedasticidade, autocorrelação e multicolinearidade: viés × eficiência do MQO

A ideia que organiza o assunto

O tópico 8 disse o que o MQO faz; o tópico 9, de que ele precisa para ser BLUE, e montou essas necessidades como uma escada em que cada hipótese compra uma propriedade. Este tópico lê a mesma escada de cima para baixo: dado que uma hipótese falhou, o que exatamente se perdeu?

E a resposta é a única coisa que realmente precisa ser decorada aqui: as três falhas que dão nome ao tópico não custam a mesma coisa.

Heterocedasticidade e autocorrelação quebram o degrau que comprava a variância mínima. O MQO continua não viesado e consistente; o que se perde é a eficiência e — a parte que decide quase todos os itens — a validade dos erros-padrão usuais, e com eles dos testes t e F e dos intervalos de confiança.
Endogeneidade quebra o degrau que comprava o não viés. Perdem-se o não viés e a consistência. É o caso diferente e pior, e é do tópico 9.
Multicolinearidade imperfeita não quebra degrau nenhum. Não viola hipótese alguma, o MQO permanece BLUE, e o que cresce é a variância dos coeficientes individuais.

É esse o eixo que o próprio título nomeia — viés × eficiência — e é o eixo mais limpo da disciplina inteira. Um item que atribui viés à heterocedasticidade é Errado; um item que reduz o custo da variável omitida a perda de eficiência também é.

Falta uma advertência que separa quem decorou do slogan de quem entendeu. O adjetivo que todo mundo memoriza é ineficiente, e ele é o menos importante dos dois efeitos. Ineficiência é imprecisão: os intervalos ficam mais largos do que poderiam ser, e mais dados os estreitam. O estrago real é que as fórmulas usuais de erro-padrão deixam de estimar a verdadeira variância do estimador — e então t, F e intervalo de confiança continuam saindo impressos na tabela, parecendo o que sempre pareceram, e significando outra coisa. Quem sabe apenas “fica ineficiente” aceita a continuação “mas os testes continuam válidos”, que é falsa.

Três fronteiras. Como se lê o R², o t e o F, e o fato de que t e F podem discordar, é do tópico 8 — a discordância é a assinatura da multicolinearidade, mas a leitura da saída é lá. As hipóteses de Gauss-Markov, o teorema BLUE, o viés de variável omitida e a endogeneidade são do tópico 9. E a raiz unitária, a regressão espúria e a cointegração são do tópico 12: resíduos autocorrelatos e série não estacionária são problemas vizinhos, e não o mesmo problema. Este aqui responde apenas: quebrada a hipótese, o que sobra do estimador e o que sobra da inferência.

Por que se usa (e o que custa)

Os consertos existem, são três, e cada um paga um preço diferente — saber qual preço é o que a banca cobra quando o item passa do diagnóstico para o remédio.

Erros-padrão robustos — de White, ou de Newey-West quando há também autocorrelação. Mantêm as estimativas pontuais do MQO intactas e recalculam apenas a matriz de variâncias. Consertam a inferência, e é por isso que hoje são o padrão. O que não fazem é recuperar a eficiência: o estimador continua sendo o mesmo MQO ineficiente, só que agora com erros-padrão honestos. E a sua justificativa é assintótica, de modo que em amostra pequena podem ser piores que os usuais.

Mínimos quadrados generalizados — MQG, e a sua versão ponderada, o MQP. Reponderam as observações pelo inverso da variância do erro, ou transformam a série para remover a estrutura de autocorrelação, e devolvem o estimador eficiente. O preço é a informação exigida: é preciso conhecer a estrutura da variância ou da correlação. Estimada essa estrutura, tem-se o MQG factível, cuja validade também é apenas assintótica — e uma estrutura mal especificada entrega um estimador que não é eficiente nem tem inferência confiável.

Reespecificar. Muitas vezes a autocorrelação e a heterocedasticidade não são defeitos do erro, e sim sintoma de forma funcional errada ou de dinâmica omitida. Corrigir o modelo resolve o sintoma e um problema maior junto.

Para a multicolinearidade o cardápio é outro e o preço é o que importa: obter mais dados, ou mais variação no regressor, é a solução honesta; excluir o regressor colinear troca variância por viés, e devolve o problema ao tópico 9 em forma de variável omitida. Quando o objetivo é apenas prever dentro da amplitude amostral, o tratamento correto é nenhum — a multicolinearidade não atrapalha a previsão.

Como funciona

Heterocedasticidade. A variância do erro deixa de ser constante: Var(u | X) varia com os regressores. É típica de dados em corte transversal — gasto das famílias contra renda, lucro de empresas de portes muito diferentes, médias calculadas sobre grupos de tamanhos diferentes.

Consequências, na ordem em que importam: o MQO continua não viesado e consistente, porque a demonstração do não viés usa a exogeneidade e não a estrutura da variância; deixa de ser eficiente, e quem passa a ser eficiente é o MQG; e os erros-padrão usuais ficam viesados, em qualquer das duas direções, invalidando t, F e intervalos. Uma consequência que não ocorre: o R² e o R² ajustado continuam válidos, porque medem uma razão entre variações totais e não dependem da hipótese de homocedasticidade.

Em tese o viés do erro-padrão pode cair para qualquer dos dois lados, mas a banca já cobrou a direção: um item de 2024 afirmando que, na presença de heterocedasticidade, as estatísticas t saem maiores que o esperado, foi dado como Certo. O caso usual é o erro-padrão subestimado, que infla o t e faz rejeitar a nula mais do que se deveria — a mesma direção que a autocorrelação positiva produz. Guarde “em qualquer das duas direções” para justificar por que a inferência é inválida, e a direção inflacionária para responder ao item que pergunta para que lado.

Diagnóstico: o gráfico dos resíduos contra os valores ajustados, em que a nuvem abre em leque; e os testes formais — Breusch-Pagan, que regride os resíduos ao quadrado nos regressores; White, que acrescenta quadrados e produtos cruzados e por isso capta também alguns erros de forma funcional; e Goldfeld-Quandt, que compara a variância de dois subgrupos. Em todos eles a hipótese nula é a ausência do problema: rejeitar a nula é concluir que há heterocedasticidade.

Autocorrelação. Os erros de períodos diferentes são correlacionados entre si, Corr(uₜ, uₛ) ≠ 0. É o problema clássico de séries temporais, quase sempre na forma AR(1), e em economia o sinal usual é positivo: choques persistem.

As consequências são as mesmas da heterocedasticidade — não viés e consistência preservados, eficiência e erros-padrão perdidos — mas há uma direção que vale memorizar porque é a que produz o erro mais caro na prática. Sob autocorrelação positiva, os erros-padrão usuais subestimam a verdadeira variância do estimador: as estatísticas t saem infladas, rejeita-se a nula mais do que se deveria e o modelo parece significativo sem ser.

E uma exceção que a banca pode cobrar: quando o modelo inclui a defasagem da variável dependente entre os regressores, a autocorrelação deixa de ser inofensiva para o não viés. O regressor defasado passa a ser correlacionado com o erro, e aí sim há viés e inconsistência — não porque a autocorrelação mudou de natureza, mas porque ela produziu endogeneidade. A regra geral continua sendo a do parágrafo anterior; esta é a sua exceção, e ela tem nome próprio.

Diagnóstico: Durbin-Watson, que só serve para AR(1), exige intercepto e regressores estritamente exógenos, não vale com defasagem da dependente e tem uma faixa inconclusiva; h de Durbin, para o caso da defasagem; Breusch-Godfrey, que é geral — admite ordens superiores e regressores defasados — e por isso é o preferido; e o correlograma dos resíduos. Remédio: erros-padrão HAC de Newey-West, ou os procedimentos de Cochrane-Orcutt e Prais-Winsten, que são MQG factível.

Multicolinearidade. É correlação alta entre regressores, e convém separar de saída os dois casos, porque quase todo item se decide nesse adjetivo.

A perfeita é combinação linear exata: X’X fica singular, não há inversa, as equações normais têm infinitas soluções e os coeficientes não são únicos. Viola a hipótese 3 e impede a estimação. É o que acontece com a armadilha das variáveis binárias, quando se incluem todas as categorias mais o intercepto.

A imperfeita é o caso real, e é o que este tópico trata: correlação alta, porém não exata. Ela não viola hipótese alguma de Gauss-Markov e o MQO continua BLUE. Tudo o que ela faz está numa fórmula:

Var(β̂ⱼ) = σ² / [ SQTⱼ · (1 − R²ⱼ) ]

em que R²ⱼ é o R² da regressão de Xⱼ contra todos os outros regressores. Quanto mais os outros X explicarem Xⱼ, mais R²ⱼ se aproxima de 1, e mais a variância do coeficiente explode. O fator de inflação da variância, VIF = 1/(1 − R²ⱼ), é exatamente essa parte da fórmula, e é por isso que ele se chama assim.

A mesma fórmula mostra os dois remédios honestos: aumentar SQTⱼ — mais variação no regressor, o que na prática quer dizer mais dados — ou reduzir σ². E mostra por que nada disso é viés: o numerador e o denominador são variâncias, e a média do estimador não aparece em lugar nenhum.

A assinatura da multicolinearidade é o par que o tópico 8 antecipou: R² alto e teste F rejeitando, com estatísticas t individuais insignificantes. Acompanham-na erros-padrão grandes, coeficientes que mudam muito quando se acrescenta ou retira uma observação, e sinais contrários ao esperado pela teoria. O que ela não faz: não enviesa, não afeta o teste F conjunto, não prejudica a previsão dentro da amplitude amostral e não invalida a regressão.

Uma distinção final, que é a mais fácil de embaralhar: multicolinearidade é correlação entre regressores; endogeneidade é correlação entre um regressor e o erro. A primeira custa precisão; a segunda custa a estimativa.

O que decide os itens

A tabela que resolve a maior parte dos itens do tópico:

falha	não viés	consistência	eficiência	erros-padrão usuais
heterocedasticidade	mantém	mantém	perde	inválidos
autocorrelação	mantém	mantém	perde	inválidos
multicolinearidade imperfeita	mantém	mantém	mantém — segue BLUE	válidos, porém grandes
multicolinearidade perfeita	não há estimativa única	—	—	—
endogeneidade (tópico 9)	perde	perde	—	inválidos

E os pares que decidem o resto:

par	o que decide
ineficiente × viesado	heterocedasticidade e autocorrelação só tiram a eficiência; o item que acrescenta viés cai
perder eficiência × perder a inferência	o dano que decide item é o erro-padrão errado, não a largura do intervalo
colinearidade perfeita × imperfeita	a perfeita impede estimar; a imperfeita apenas infla variâncias
multicolinearidade × endogeneidade	correlação entre regressores × correlação entre regressor e erro
nula dos testes de diagnóstico	é sempre a ausência do problema; rejeitar significa que o problema existe
Breusch-Pagan × White	o de White inclui quadrados e produtos cruzados e capta também erro de forma funcional
Durbin-Watson × Breusch-Godfrey	DW só AR(1) e sem defasagem da dependente; BG é geral e admite ambas
autocorrelação positiva × negativa	a positiva subestima o erro-padrão, infla o t e faz rejeitar demais
erros-padrão robustos × MQG	robustos consertam a inferência; MQG recupera a eficiência
MQO × MQG sob heterocedasticidade	o eficiente passa a ser o MQG, ponderando pelo inverso da variância
efeito sobre o R²	heterocedasticidade e autocorrelação não invalidam o R²
t individuais insignificantes com F significativo	assinatura da multicolinearidade, não erro de cálculo
excluir regressor colinear	troca variância por viés de variável omitida
autocorrelação com defasagem da dependente	é a exceção: aí há viés e inconsistência, por endogeneidade

Números que caem

quantidade	valor
amplitude da estatística de Durbin-Watson	de 0 a 4
DW indicando ausência de autocorrelação	≈ 2
DW próximo de 0	autocorrelação positiva
DW próximo de 4	autocorrelação negativa
relação entre DW e o ρ estimado	d ≈ 2(1 − ρ̂)
fator de inflação da variância	VIF = 1/(1 − R²ⱼ)
VIF quando o regressor é ortogonal aos demais	1
VIF de referência para colinearidade preocupante	acima de 10 (R²ⱼ > 0,9); parte da literatura usa 5
variância do coeficiente	σ² / [SQTⱼ (1 − R²ⱼ)]
ordem de autocorrelação que o Durbin-Watson testa	1

Como a CEBRASPE derruba você aqui

Esta seção ainda não foi medida: os itens deste tópico estão sendo explicados. Quando estiverem, as frequências reais aparecem aqui e o texto abaixo é reescrito contra elas.

Três advertências antes do julgamento. A primeira vale para toda a disciplina: o número de itens que chegam a este tópico é piso, não medida — a banca nomeia o assunto no comando do grupo, e um item curto carrega poucas palavras próprias para classificar.

A segunda também: boa parte do que o acervo guarda sobre regressão não sobreviveu à extração, porque a notação matemática desses cadernos veio em fonte simbólica e chegou ilegível.

A terceira é deste tópico, e é a mais séria. Chegou até aqui um único item — o da autocorrelação. Os itens que testam a mesma proposição sobre heterocedasticidade e sobre multicolinearidade existem no acervo, mas foram classificados nos tópicos 8 e 9, ainda que sejam do mesmo grupo de prova. A consequência prática para quem estuda é que este tópico é mais cobrado do que a contagem daqui sugere, e que a revisão dele se faz junto com os dois vizinhos. O que se lê abaixo é julgamento sobre o formato da cobrança.

O formato é sempre o mesmo, e é o mais econômico que a banca tem: uma frase curta que aplica uma lista de adjetivos ao estimador. “Havendo heterocedasticidade, os estimadores serão ineficientes.” “Se houver autocorrelação dos resíduos, os estimadores serão ineficientes, viesados e inconsistentes.” Não há retórica para inspecionar — não adianta procurar sempre, nunca ou apenas, porque a afirmação é sobre um teorema, e teorema é absoluto por natureza.

O item se decide no ponto em que a lista para. Os dois itens do acervo construídos assim — um de heterocedasticidade, um de autocorrelação — têm a mesma estrutura: o primeiro adjetivo está certo e o gabarito depende do que vem depois da vírgula. Parou em ineficientes — Certo. Emendou viesados e inconsistentes — Errado. Leia adjetivo por adjetivo e marque no primeiro que não couber.

Daí as manobras que se repetem. Esticar a consequência é a principal: acrescentar viés e inconsistência a uma falha que só custa eficiência. Ela tem uma inversa igualmente cobrada — reduzir o custo da variável omitida ou da endogeneidade a perda de eficiência, quando ali o dano é justamente o não viés. Trocar o endereço da propriedade é a segunda: atribuir à multicolinearidade imperfeita a perda do BLUE, ou à heterocedasticidade a invalidação do R². Inverter a leitura do diagnóstico é a terceira, e mora nos números: dizer que rejeitar a nula do Breusch-Pagan indica homocedasticidade, ou que Durbin-Watson próximo de 2 acusa autocorrelação.

E há a meia-verdade, que é a armadilha mais fina do tópico: o item que diz corretamente que o estimador continua não viesado e conclui daí que a inferência segue válida. A primeira metade é verdadeira, a conclusão não é, e é exatamente para esse item que serve saber que o dano real está no erro-padrão.

Erros clássicos

Achar que heterocedasticidade ou autocorrelação enviesam os coeficientes. Não enviesam. O não viés vem da exogeneidade dos regressores, não da estrutura da matriz de variâncias dos erros. O estimador continua não viesado e consistente — e essa é a proposição mais testável do tópico.

Concluir que, permanecendo não viesado, o MQO permanece confiável para testar. Não permanece. Os erros-padrão usuais deixam de estimar a verdadeira variância, e com eles caem o t, o F e o intervalo de confiança.

Achar que a multicolinearidade viola uma hipótese de Gauss-Markov. Só a perfeita viola, e essa impede a estimação. A imperfeita não viola nada: o MQO segue BLUE, apenas com variâncias individuais infladas.

Ler R² alto com t insignificantes como erro de cálculo ou como modelo ruim. É a assinatura da multicolinearidade. O conjunto explica; o que falta é separar quem explica o quê.

Inverter a hipótese nula dos testes de diagnóstico. Em Breusch-Pagan, White, Goldfeld-Quandt e Breusch-Godfrey, a nula é a ausência do problema. Rejeitar é constatar que o problema existe.

Ler Durbin-Watson ao contrário. Perto de 2 é ausência de autocorrelação; perto de 0 é autocorrelação positiva; perto de 4, negativa. E não se usa DW em modelo com defasagem da variável dependente — ali vale o h de Durbin ou o Breusch-Godfrey.

Achar que erros-padrão robustos tornam o MQO eficiente. Não tornam. Eles corrigem a inferência e deixam a ineficiência onde estava. Quem recupera eficiência é o MQG.

Excluir o regressor colinear sem contar o preço. Retirar uma variável relevante para aliviar a colinearidade troca variância por viés de variável omitida — troca um problema de precisão por um problema de identificação, que é o problema pior.

Confundir multicolinearidade com endogeneidade. Uma é correlação entre regressores; a outra, entre regressor e erro. Só a segunda destrói a estimativa.

Achar que heterocedasticidade invalida o R². Não invalida: o R² e o R² ajustado continuam sendo estimativas válidas do ajuste. O que a heterocedasticidade invalida é a inferência.

Tratar autocorrelação como defeito exclusivo do erro. Com frequência ela é sintoma de forma funcional errada ou de dinâmica omitida, e nesse caso o remédio não é o erro-padrão robusto, é reespecificar o modelo.