Você está na página 1de 8

CAPITULO 17

O modelo de defasagem distribuda: = multiplicador de curto prazo ou de impacto (variao do valor mdio de Y em decorrncia da variao unitria de X no mesmo perodo). Se variao de X mantida, +1+k da a variao do valor mdio de Y no perodo seguinte. Essas somas parciais so chamadas multiplicadores intermedirios. = +1+k = = multiplicador de defasagem de longo prazo ou total. *= / = padronizado, somatrios parciais do padronizado nos do a proporo do impacto de longo prazo ou total sentido em certo perodo. A razo das defasagens: - Motivos psicolgicos (fora do hbito), as pessoas no alteram instantaneamente seu padro de consumo. - Motivos tecnolgicos (Aumentar capital na economia leva tempo). - Motivos institucionais (Fora de contratos, legislao, etc.). Estimao do modelo de defasagem infinita: Podemos adotar 2 abordagens estimao Ad hoc e Restrio a priori nos , pressupondo que os seguem algum padro sistemtico. Estimao Ad hoc: Problemas: 1. No h nenhuma orientao a priori quanto a durao mxima da defasagem 2. medida que se estimam as sucessivas defasagens, restam menos graus de liberdade. 3. Nas sries temporais econmicas, valores sucessivos (defasagem) tendem a estar altamente correlacionados, a multicolinearidade conduz a estimativas pouco precisas, isto , o erros-padro tendem a ser grandes. 4. A busca sequencial pela durao da defasagem abre ao pesquisador a tentao da garimpagem de dados. Abordagem de Koyck aos modelos de defasagem distribuda: Modelo de defasagens finito. Supondo que todos os tem o mesmo sinal, Koyck pressupe que eles declinam geometricamente como se segue: k= k= 0,1,... = lambida Onde 0 < < 1, conhecido como a taxa de declnio da defasagem distribuda. 1 a velocidade de ajustamento.u

Caractersticas do esquema de Koyck: 1. Ao presumir valores no negativos para , Koyck exclui mudana de sinal dos . 2. Ao pressupor <1 ele d menos importncia aos distantes que aos atuais. 3. Ele assegura que a soma dos , que d o multiplicador de longo prazo finita. = (1/(1-)) Transformao de Koyck: Y = + X + X- + X- +...+u (1.0) Defasa em 1 perodo. Y- = + X- + X- + X- +...+ u- Multiplica por Y- = + X- + X- + X- +...+ u- (1.1) Subtraindo (1.1) de (1.0) , obtm. Y = (1 ) + X + Y- + v onde v = (u - u-) Aspectos da transformao de Koyck: 1. Comeamos com um modelo de defasagem, mas acabamos com um modelo auto-regressivo. Isso mostra q podemos ento converter um modelo em outro. 2. Y- pode ser estocstico, e os MQO pressupe que as variveis exp, so no est 3. Se u originais no estiverem serialmente correlacionados, os v exibiro correlao seria. Portanto podemos nos deparar com o problema da correlao serial. 4. A presena de Y defasado viola uma das premissas que alicera o teste d de Durbin-Watson. Portanto teremos que formular um teste alternativo para a correlao serial na presena do Y defasado. Alternativa teste h de Durbin. Defasagem mediana: o tempo necessrio para se completar a primeira metade, ou 50% da variao total de Y que se segue a uma alterao unitria em X. Modelo de Koyck: Defasagem Mediana = Defasagem mdia: Desde que todos os k sejam positivos, a defasagem mdia definido como: Defasagem mdia =

a mdia das defasagens ponderadas.

Modelo de Koyck: defasagem mdia = Mediana e mdia funciona como uma medida sinttica da velocidade Y responde a X. Racionalizao do modelo de Koyck: Expectativas adaptativas Y = + X* + u Como X* no diretamente observvel ento para formar a expectativa: X* - X*- = (X - X*-)

0 < < 1, conhecido como coeficiente de expectativas. X*t tambm pode ser escrito como: X* = X + (1 )X*- Hiptese das expectativas racionais: Pressupes que os agentes econmicos individuais recorrem a informaes disponveis atuais e relevantes para formar suas expectativas. Modelo de ajustamento de estoques ou de ajustamento parcial: Y* - Y- = (Y* - Y-) = coeficiente de ajustamento Y* - Y- = mudana efetiva (Y* - Y-) = mudana desejada O mecanismo de ajustamento pode ser escrito como: Y = Y* + (1 )Y- Mostrando que o estoque de capital observado no perodo t uma mdia ponderada do estoque de capital desejado no perodo t e do estoque de capital existente no perodo anterior. Modelo de ajuste parcial: Y = + X + (1 )Y- + u Podemos facilmente deduzir a funo de longo prazo simplesmente dividindo e por e emitindo o termo correspondente ao Y defasado. Importante: Os 3 modelos resultam no mesmo modelo final de estimao. Estimao de modelos auto regressivos: Os trs modelos possuem a seguinte forma comum: Y = + X + Y- + v Todos tem natureza auto regressiva. Podem dar problemas pela presena de variveis explanatrias estocsticas e a possibilidade de correlao serial. O modelo de ajustamento parcial o nico que pode ser estimado por MQO se o erro atender as premissas do modelo de regresso linear clssica. Porem no pode se dizer que ele prefervel em relao aos outros modelos. Deteco de auto correlao nos modelos auto regressivos: O teste h de Durbin OBS: O modelo para grandes amostras. h = p
( )

Caractersticas da estatstica h
1. No importa quantas variveis X ou quantos valores defasados de Y so includos no modelo. Para calc H consideramos apenas a var do de Y- 2. O teste no aplicvel se [n var()] for maior que 1

3. Como o teste de grandes amostras, sua aplicao em amostras pequenas no se justifica rigorosamente. O Teste Breusch-Godfrey melhor pra amostras grande ou pequenas e finitas, e portanto prefervel ao teste h. Teste de Grenger Verifica a causalidade de variveis, exemplo: PIB = M- + jPIB-j + u1 (1) M = M- + j PIB-j + u2 (2) 1. H causalidade unidirecional de M para PIB se o coeficiente estimado do M defasado em (1) so, como um grupo, estatisticamente diferente de 0 e o conjunto dos coeficientes estimados do PIB defasado em (2) no so. 2. Existe uma causalidade unidirecional de PIB para M se o conjunto de coeficientes defasados de M em (1) no diferente de zero e o conjunto do PIB em (2) for diferente de 0. 3. Causalidade bilateral se o conjunto de coeficiente de M e do PIB so estat diferente de 0 nas duas regresses. 4. H independncia quando os conjuntos de coeficientes de M e do PIB no so estat significativos em nenhuma regresso.

CAPTULO 18
Modelo de equaes simultneas: 1. Nos modelos de equaes simultneas esto envolvidas mais de uma varivel dependente, ou endgena, tornando necessrio tantas equaes quanto o nmero de variveis endgenas. 2. Uma caracterstica exclusiva dos modelos de equaes simultneas que a varivel endgena (o regressando) pode aparecer como varivel explanatria (regressor) em outra equao do sistema. 3. Em consequncia, essa varivel se torna estocstica, e esta geralmente correlacionada com o termo de erro da equao que varivel explanatria. 4. Nessa situao, o mtodo clssico MQO pode no ser aplicvel, os estimadores assim obtidos no so consistentes. 5. O exemplo Monte Carlo ilustra essa situao tpica de equaes simultneas.

CAPTULO 19
As Variveis podem ser endgenas (determinadas dentro do modelo) e predeterminadas (determinados fora do modelo). As variveis endgenas so consideradas estocsticas e as predeterminadas so tratadas como no estocsticas. As variveis predeterminadas se dividem em duas categorias: exgenas que podem ser correntes ou defasadas e endgenas defasadas. Os so coeficientes estruturais. Uma equao na forma reduzida aquela que expressa uma varivel endgena apenas em termos das variveis predeterminadas e dos termos de erro estocsticos. Funo Consumo: C = + Y + u (1.1) Identidade da re: Y = C + I (1.2) Substituindo (1.1) em (1.2): Y = + I + w (1.3) Substituindo (1.3) em (1.1): C = + I + w (1.4) Os coeficientes e so multiplicadores de impacto ou de curto prazo. Medem a influncia imediata de uma variao unitria no valor da varivel exgena sobre a varivel endgena. O MQO pode ser estimado no modelo da forma reduzida. Esse procedimento conhecido como MQI (mnimos quadrados indiretos). Problemas de identificao: Se a equao for identificada podemos obter os parmetros da equao estrutural a partir dos coeficientes da forma reduzida. Se no puder ser feito, ento ou a equao no identificada ou subidentifiicada. Uma equao pode ser exatamente identificada ou superidentificada. Diz-se que exatamente identificada se for possvel obter para ela valores numricos exatos de seus parmetros estruturais. Diz-se que superindentificada se mais de um valor numrico puder ser obtido para alguns dos parmetros das equaes estruturais. O problema da identificao surge porque uma equao na forma reduzida pode servir para vrios modelos de equaes. Regra para identificao: Condies de identificao por ordem e posto:

M = nmero de variveis endgenas do modelo. m = nmero de variveis endgenas em dada equao. K = nmero de variveis predeterminadas do modelo, incluindo o intercepto. k = nmero de variveis predeterminadas em uma dada equao. Condio de ordem para identificao: No caso de um modelo de M equaes simultneas, para que uma equao possa ser identificada, preciso que exclua no mnimo M 1 das variveis (tanto endgenas quanto predeterminadas) que aparecem no modelo. Se excluir exatamente M 1 variveis, a equao ser exatamente identificada. Se excluir mais de M 1 variveis, ser superidentificada. Para que uma equao seja identificada, em um modelo de M equaes simultneas, o numero de variveis predeterminadas excludas da equao no poder ser menor que o nmero de variveis endgenas includas nessa equao menos 1. A condio de ordem uma condio necessria, mas no suficiente, para a identificao. Isso acontece porque as variveis predeterminadas excludas, podem no ser todas independentes, de modo que no haja uma correspondncia um a um entre os coeficientes estruturais e os coeficientes reduzidos Condio de posto para identificao: Em um modelo contendo M equaes com M variveis endgenas, uma equao identificada se, e somente se, pelo menos um determinante diferente de zero de ordem (M 1)(M 1) puder ser construdo a partir dos coeficientes das variveis (tanto endgenas quanto predeterminadas) excludas da equao em pauta, mas includa nas outras equaes do modelo. A condio de posto nos diz se a equao identificada ou no, j a condio de ordem nos diz se exatamente identificada ou superidentificada. Teste de simultaneidade Demanda Q = + P + I + R + u Oferta Q = + P + u Equaes reduzidas: P = + I + R + u Q = + I + R + w 1 fazer a regresso de P contra I e R para obter V 2 fazer a regresso de Q contra P(estimado) e v(estimado) e aplicar o teste T no coeficiente de v se for significativo, no rejeitamos a hiptese de simulteneidade.

Teste de exogeneidade: Coloca-se as variveis endgenas estimadas na primeira equao e roda a regresso, pelo teste F verifica se os coeficientes das variveis endgenas estimadas so significativos, se sim, ento elas so endgenas, se no, ento elas so exgenas.

CAPTULO 20
Abordagem da estimao: Podemos adotar duas abordagens: mtodo de equao nica (mtodo de informao limitada) e mtodo de sistema (mtodo de informao completa). MQI mnimos quadrados indiretos Para equao estrutural apenas identificada, ou exatamente identificada. 1 Obtm-se as equaes na forma reduzida (varivel dependente como nica varivel endgena em relao de variveis predeterminadas) e do termo de erro estocstico. 2 Aplicamos o MQO s equaes na forma reduzida individualmente. Essa operao permissvel, uma vez que as variveis explanatrias dessa equaes so predeterminadas e, por conseguinte, no correlacionadas com os termos de erro estocsticos. As estimativas assim obtidas so consistentes. 3 Obtemos estimativas dos coeficientes estruturais originais pelos coeficientes estimados na forma reduzida. Se uma equao for exatamente identificada, existe uma correspondncia um para um entre os coeficientes estruturais e na forma reduzida. OBS: propriedades (de amostras pequenas), como no tendenciosidade, em geral no continuam vlidas nos MQI. MQ2E Mnimo quadrado de dois estgios. Caractersticas dos MQ2E: 1. Ele pode ser aplicado a uma equao individual no sistema sem levar diretamente em conta qualquer outra equao (ou equaes) no sistema. Por conseguinte, para resolver modelos economtricos que envolvam um grande numero de equaes, o MQ2E oferece um mtodo econmico. 2. Diferente do MQI, que fornece estimativas mltiplas dos parmetros nas equaes superidentificadas, o MQ2E prov somente uma estm por parmetro. 3. fcil de aplicar porque basta saber o nmero total de variveis exgenas ou predeterminadas sem conhecer quaisquer outras variveis do sistema. 4. O mtodo tambm pode ser aplicada a equaes exatamente identificadas. Mas, ento, MQI e MQ2E daro estimativas idnticas. 5. Se R nas formas reduzidas forem maiores que 0,8. As estimativas de MQO clssicas e as MQ2E sero muito prximas. Se R for baixo, ento os MQ2E no tero significado. Os Y estimados sero proxies muito precrios dos Y originais.

6. O erro-padro dos MQ2E podem ser estimados diretamente das regresses de segundo estgio (MQO). Porem eles precisam ser modificados. 7. Quando no existe nenhuma varivel endgena defasada, os estimadores de coeficientes MQ2E so consistentes se as variveis exgenas forem constantes em amostras repetidas e se os termos de erro forem distribudos de modo independente e idntico com mdias zero e varincias finitas. Se essas duas condies forem satisfeitas, a distribuio amostral dos estimadores de coeficientes MQ2E torna-se aproximadamente normal para amostras grandes. Quando contem variveis endgenas defasadas , a consistncia e a normalidade de amostras grandes dos estimadores de coeficientes MQ2E requerem uma condio adicional, que medida que a amostra aumente, o quadrado mdio dos valores assumidos por variveis endgenas defasadas convergem, em probabilidade, para um limite positivo. Se os termos de erro que aparecem nas vrias equaes estruturais no forem distribudos independentemente, as variveis endgenas defasadas no sero independentes da operao corrente do sistema de equaes, o que significa que essas variveis no so realmente predeterminadas. Se, ainda assim, essas variveis forem tratadas como predeterminadas no procedimento dos MQ2E, os estimadores resultantes no sero consistentes.

Você também pode gostar