previsão de inadimplência em operações de microcrédito
previsão de inadimplência em operações de microcrédito
previsão de inadimplência em operações de microcrédito
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
No mo<strong>de</strong>lo Binomial <strong>de</strong> link probit, quando se quer verificar o impacto que uma variável<br />
causa sobre a outra, mantendo as <strong>de</strong>mais constantes, usa-se o efeito marginal. Segundo<br />
Gonzaga, Leite e Machado (2003), os efeitos marginais são variações percentuais da<br />
probabilida<strong>de</strong> do evento ocorrer quando uma <strong>de</strong>terminada variável in<strong>de</strong>pen<strong>de</strong>nte é<br />
modificada. Assim, se a variável é discreta, o efeito marginal me<strong>de</strong> a diferença entre a<br />
probabilida<strong>de</strong> <strong>de</strong> o indivíduo ter uma ou outra característica. No caso <strong>em</strong> que a variável é<br />
contínua, o efeito marginal me<strong>de</strong> <strong>em</strong> quanto muda a probabilida<strong>de</strong> quando há um aumento <strong>de</strong><br />
uma unida<strong>de</strong> <strong>de</strong>sta característica. Neste estudo, trabalhou-se com a média dos efeitos <strong>de</strong> cada<br />
variável explicativa sobre a taxa <strong>de</strong> <strong>inadimplência</strong>, variável resposta <strong>em</strong> interesse, dada por:<br />
�E(<br />
y / x )<br />
�x<br />
n<br />
i i �1<br />
T<br />
� n � ( x ˆ<br />
i � ) ˆ � j<br />
ij<br />
i�1<br />
� i ,� 1,..,<br />
n;<br />
j , � 1,..,<br />
p<br />
(6)<br />
Dessa forma, como �( ˆ �)<br />
T<br />
x representa uma probabilida<strong>de</strong> e, portanto, é não negativa, o sinal<br />
i<br />
do efeito marginal só <strong>de</strong>pen<strong>de</strong> do sinal do coeficiente � ˆ . Valores positivos do efeito marginal<br />
ten<strong>de</strong>m a aumentar a taxa média <strong>de</strong> <strong>inadimplência</strong> e valores negativos ten<strong>de</strong>m a reduzir.<br />
O procedimento utilizado para se escolher quais as principais variáveis que <strong>de</strong>veriam estar<br />
contidas no mo<strong>de</strong>lo foi o método Stepwise i e, posteriormente, houve a exclusão <strong>de</strong> variáveis<br />
não significativas, a 10% <strong>de</strong> significância. A escolha do melhor tipo <strong>de</strong> ligação se <strong>de</strong>u por<br />
meio da avaliação do Akaike Information Criterion (AIC) e pela função <strong>de</strong>svio ou <strong>de</strong>viance. A<br />
estatística <strong>de</strong>viance e o critério AIC são medidas do ajuste do mo<strong>de</strong>lo aos dados. A <strong>de</strong>viance<br />
<strong>de</strong> um mo<strong>de</strong>lo qualquer po<strong>de</strong> ser <strong>de</strong>finida como o <strong>de</strong>svio <strong>de</strong>ste mo<strong>de</strong>lo <strong>em</strong> relação ao mo<strong>de</strong>lo<br />
saturado (que inclui todas as variáveis). Normalmente, os mo<strong>de</strong>los com <strong>de</strong>viance mais baixa<br />
são melhores. No entanto, para testar se há diferença entre as <strong>de</strong>viances <strong>de</strong> dois mo<strong>de</strong>los<br />
<strong>em</strong>prega-se o teste Qui-quadrado. O critério AIC é calculado a partir do valor da <strong>de</strong>viance<br />
adicionado a um fator que penaliza o número <strong>de</strong> parâmetros estimados. De forma similar,<br />
quanto menor o valor do AIC, melhor o ajuste do mo<strong>de</strong>lo.<br />
Após a construção do mo<strong>de</strong>lo, seu ajuste é analisado por meio da estatística <strong>de</strong> Hosmer e<br />
L<strong>em</strong>eshow. O teste <strong>de</strong> Hosmer e L<strong>em</strong>eshow <strong>de</strong>monstra se o mo<strong>de</strong>lo está classificando as<br />
unida<strong>de</strong>s amostrais ao verda<strong>de</strong>iro grupo a que ela pertence. As hipóteses <strong>de</strong>sse teste são:<br />
�H0<br />
: valores esperados são iguais aos valores observados<br />
�<br />
�H1<br />
: valores esperados são diferentes dos valores observados<br />
Rejeita-se a hipótese nula quando o p-valor é menor que o nível <strong>de</strong> significância estabelecido.<br />
4 RESULTADOS<br />
Os mo<strong>de</strong>los finais foram estimados por meio <strong>de</strong> 999 reamostragens bootstraps e todos os<br />
resultados paramétricos foram comparados com o mo<strong>de</strong>lo final, que foi consi<strong>de</strong>rado como<br />
referência. Os mo<strong>de</strong>los Probit e Logit são mo<strong>de</strong>los <strong>de</strong> estimação não-lineares com variável<br />
<strong>de</strong>pen<strong>de</strong>nte binária. O Mo<strong>de</strong>lo Probit é uma alternativa do mo<strong>de</strong>lo Logit que admite a função<br />
<strong>de</strong> distribuição Normal para expressar a relação não linear entre as probabilida<strong>de</strong>s estimadas<br />
da variável <strong>de</strong>pen<strong>de</strong>nte e as variáveis explicativas.<br />
Link Logit Link Probit<br />
Valor P-valor Valor P-valor<br />
Resíduo <strong>de</strong>viance 17138 1 17138 1<br />
8