Capitulo 21 Gujarati Resumo Parte 3

181
181
EconometriaSemestre2010.01
21.7.TESTESDERAIZUNITRIA
Considereomodelo:
Esteprocessoserumprocessoderaizunitria(umpasseioaleatrio)se=+1.Omodelodado
porestaequaoumAR(1)estacionriose| |<1.Se =1,omodeloumarandomwalk.A
equaopodeserreescritacomo:(1 .B)Yt=utondeBooperadordeatraso,BYt=Yt1.
O modelo descrito por (21.4.1) ser uma random walk sempre que a raiz de (1.B) = 0 for a
unidade(isto,se =1).Porissoadenominaotestederaizunitria.
Ostestespararaizunitriamaiscomunssoapropriadosparasriescom,nomximo,umaraiz
unitria,ouseja,supesequeasrietornaseestacionriaapsaprimeiradiferena.
Aidiaportrsdotestederaizunitriabemsimples:faaaregressodeYtemYt1everifique
seocoeficienteestimadoestatisticamenteiguala+1.Sefor,oprocessonoestacionrio.Do
contrrio,oprocessoestacionrio.
Ento, um ponto importante a lembrar nos testes de raizunitriaqueahiptesenulaindica

queoprocessoNOESTACIONRIO.Desejasetestarashipteses:
H0: =1(omodeloumpasseioaleatrio)versus
H1: < 1(omodeloumAR(1)estacionrio)
A idia mais direta para testar estas hipteses seria a estimao de por mnimos quadrados,
seguidadeumtestet.Noentanto,seH0forverdadeira,oestimadordetemumvisnegativo,e
aestatsticatnotemdistribuiotdeStudent.
Para contornar este problema, Dickey e Fuller (1979) realizaram diversas simulaes e
encontraramadistribuiodoestimadorde quando =1,permitindoestabelecerosnveisde
significnciaapropriados,oquedeuorigemaplicaoprticadostestesderaizunitria.
ProfessoraMnicaBarros
ENCE
182
182
Porrazestericas,ostestesDickeyFuller(DF)trabalhamcomaequao(21.4.1)naformade
diferenas,ouseja:
Estaexpressopodeserescritademaneiraalternativacomo:
Onde=1.
Ento, ao invs de estimar a equao (21.4.1) (a equao em nvel), estimamos (21.9.2), a
equaoem1a.diferenaetestamosahiptesenula=0,queequivalentehiptesenula =
1(omodeloumpasseioaleatrio,asrienoestacionria).
Ostestesdehiptesepodemserescritosemtermosdecomo:
H0: =0(omodeloumpasseioaleatrio)versus
H1: < 0(omodeloumAR(1)estacionrio)
Note que, se = 0 em (21.9.2), a expresso se torna: Yt = Yt Yt 1 = ut , ou seja, a srie de 1a.

diferenaestacionriaeasrieoriginalumpasseioaleatrio.
Comoestimaraequao(21.9.2)?
Crieasriedeprimeirasdiferenas Yt efaasuaregresso(semconstante)emrelaosrie
original defasada de 1 instante, isto , Yt1. Verifique se o coeficiente angular estimado desta
regressozero.Seforestatisticamenteigualazero,conclumosque =1eYtumprocessono
estacionrio.Se<0,ento 1 <0eento <1easrieYtestacionria.
Como testar as hipteses? Infelizmente os testes t usuais no funcionam (nem para grandes
amostras)paraverificarasignificnciade.DickeyeFullerencontraram,atravsdesimulaode
MonteCarlo,adistribuiodoestimadorde.
Sob a hiptese nula H0: = 0, o valor t estimado para o coeficiente de Yt1 na equao (21.9.2)
segue a estatstica Tau (), cujos valores crticos esto na tabela D.7 de Gujarati, reproduzida a
ENCE
183
183
seguir.OtestebaseadonestaestatsticachamadodetesteDickeyFuller,ousimplesmenteteste
DF.
Note tambm que, se rejeitamos a hiptese nula no teste DF, ento a srie estacionria, e o
testetusualvoltaaservlido.
Jvimosqueexistemdiversostiposdeprocessosderaizunitria.OtesteDFdeveseraplicado
levando em conta cada uma destas possibilidades, ou seja, deve considerar as seguintes
(DIFERENTES)hiptesesnulas:
Yt um passeio aleatrio : Yt = .Yt 1 + ut
Yt um passeio aleatrio com deslocamento : Yt = 1 + .Yt 1 + ut
Yt um passeio aleatrio com deslocamento em torno de tendncia determinstica : Yt = 1 + 2 .t + .Yt 1 + ut
Equaes(21.9.2,21.9.4e21.9.5)
A metodologia empregada no teste a mesma em qualquer uma das especificaes anteriores,
masosvalorescrticosdotesteserodiferentes.
Emtodososcasosahiptesenula=0(srienoestacionria)eahiptesealternativa<0
(srieestacionria).RejeitarahiptesenulasignificaqueasrieemnvelYt:
estacionriacommdiazeroem(21.9.2)
estacionriacommdia1/(1)em(21.9.4)
estacionriaemtornodeumatendnciadeterminsticaem(21.9.5)
ENCE
184
184
Note que, em qualquer dos casos, o teste unilateral. A rejeio da hiptese nula ocorrer,
intuitivamente, se a estatstica Tau for muito pequena (abaixo do valor crtico), pois o teste
para=0contraahiptesedenegativo.
OsvalorescrticosdaestatsticaTaudotesteDFsodiferentesdependendodahiptesenulaque
estsendotestada.
ComofazerotesteDickeyFuller?
Estime(21.9.2),(21.9.4)ou(21.9.5)porMQO.
Encontre o coeficiente estimado de Yt1 na equao e dividao por seu desvio padro,
obtendoaestatsticaTau.
ConsulteastabelasdeDickeyeFuller.SeMENORqueovalorcrticotabelado,rejeitara
hiptese nula H0: = 0, o que indica que a srie NO POSSUI RAIZ UNITRIA (
ESTACIONRIA).
Se MAIORqueovalorcrticotabelado,NOREJEITAMOSAHIPTESENULAH0: =0,
oquesignificaqueasrieNOESTACIONRIA.
Exemplosriedeexportaesbrasileiras
Suponha que desejamos analisar a srie trimestral de exportaes em milhes de dlares
mostradanoinciodestecaptulo.
Ocorrelogramamostradoaseguir:
ENCE
185
185
Jobservamosnoinciodocaptuloqueolentodecaimentodaautocorrelaosugerequeasrie
noestacionria.VamostestarestaconjeturaatravsdotesteDFemsuastrsespecificaes
(21.9.2),(21.9.4)e(21.9.5).OtestefoirealizadonosoftwareEviewsverso4.1.
1)TesteDFhiptesedepasseioaleatrioEquao(21.9.2)
Null Hypothesis: EXPORTS has a unit root
Lag Length: 0 (Fixed)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
0.180364
-2.603423
-1.946253
-1.613346
0.7352
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation

Dependent Variable: D(EXPORTS)
Method: Least Squares
Date: 06/24/10 Time: 16:53
Sample(adjusted): 1995:1 2010:1
Included observations: 61 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
EXPORTS(-1)
0.003849
0.021341
0.180364
0.8575
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
-0.011226
-0.011226
4284.248
1.10E+09
-596.1758
Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat
458.4845
4260.402
19.57954
19.61414
1.907662
Aequaoestimada:
Yt=+0,003849.Yt1
Analogamente ao exposto em Gujarati (p.655), este modelo deve ser descartado, pois o
coeficiente de Yt1 positivo, ou seja, = 1 > 0, o que indicaria que > 1, e a srie de
exportaesseriaexplosiva.
Ovalordaestatstica,nestecaso,+0.1803.Ovalorcrticoaonvel5%1,946.Como > valor

crtico, no rejeitamosahiptesenuladeraizunitria,indicandoqueasrienoestacionria
(naverdade,dasconsideraesanteriores,omodeloindicaumcomportamentoexplosivo).
ENCE
186
186
2)TesteDFhiptesedepasseioaleatriocomdeslocamentoEquao(21.9.4)
1% level
5% level
10% level
t-Statistic
Prob.*
-1.134474
-3.542097
-2.910019
-2.592645
0.6967

Date: 06/24/10 Time: 17:38
Variable
Coefficient
Std. Error
t-Statistic
Prob.
EXPORTS(-1)
C
-0.049221
1562.810
0.043387
1115.212
-1.134474
1.401357
0.2612
0.1663
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.021348
0.004761
4250.248
1.07E+09
-595.1772
1.869506
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
458.4845
4260.402
19.57958
19.64879
1.287031
0.261184
Aequaoestimada:
Yt=1568,810,0492.Yt1
OvalordaestatsticaTau1,13,eovalorcrticodaestatsticaDickeyFulleraonvel5%2,91.
Assim, no rejeitamos a hiptese nula de raiz unitria, ou seja, a srie no estacionria. Isso
ocorretambmaonvel1%,poisaestatsticaDickeyFulleraonvel1%3,54.
Nestemodelo,ovalorestimadode10,043387=0,9566.
ENCE
187
187
3)TesteDFhiptesedepasseioaleatriocomdeslocamentoetendnciaEquao(21.9.4)
1% level
5% level
10% level
t-Statistic
Prob.*
-3.025398
-4.115684
-3.485218
-3.170793
0.1340

Date: 06/24/10 Time: 17:57
Variable
Coefficient
Std. Error
t-Statistic
Prob.
EXPORTS(-1)
C
@TREND(1994:4)
-0.259732
991.3335
170.7898
0.085851
1075.672
61.15799
-3.025398
0.921595
2.792599
0.0037
0.3606
0.0071
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.137341
0.107594
4024.685
9.39E+08
-591.3294
1.727489
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
458.4845
4260.402
19.48621
19.59002
4.616973
0.013783
Aequaoestimada:
Yt=991,33+170,79.t0,2597.Yt1
OvalordaestatsticaTau3,025,eosvalorescrticosdaestatsticaDickeyFulleraosnveis1%e
5%so,respectivamente,4,12e3,48.Logo,aestatsticaTaumaiorqueosvalorescrticose
norejeitamosahiptesenuladeraizunitria,ouseja,asrienoestacionria.Nestemodelo,
ovalorestimadode10,2597=0,7403,bemdiferentedoencontradonomodeloanterior.
NotetambmqueoscoeficientesdatendnciaedeYt1sosignificantes,masaconstanteno.
Assim,talvezaespecificaomaiscorretadomodelonestecasoseja:Yt=.t+.Yt1
importantetambmverificarseasriediferenciadaestacionriaouno,poisissoindicariaque
oprocessoI(2),enoI(1),ouseja,queaordemdeintegraodasriemaisalta.
Repetimosaanlisecomasriede1a.diferenadasexportaes.
ENCE
188
188
4)TesteDFhiptesedepasseioaleatrioparaasriede1a.diferenadasexportaes
VejaabaixocomofazerotestenoEviews.
Indicaqueotesteestsendofeitona
1a.diferenadasrie
IndicaqueestamosfazendootesteDF(e
nooADF),ouseja,nmerodelags=0nas
diferenasdoladodireitodaequao
Naespecificaomostradaacimatestamosahipteseda1a.diferenadasrieserumprocesso
I(2),ouseja, Yt um passeio aleatrio : Yt = .Yt 1 + ut ondeagoraYtasrieda1a.diferena.
Null Hypothesis: D(EXPORTS) has a unit root
Exogenous: None
1% level
5% level
10% level
t-Statistic
Prob.*
-7.318054
-2.604073
-1.946348
-1.613293
0.0000

Dependent Variable: D(EXPORTS,2)
Date: 06/24/10 Time: 19:42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(EXPORTS(-1))
-0.952307
0.130131
-7.318054
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.475806
0.475806
4312.065
1.10E+09
-586.7824
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
-7.262133
5955.789
19.59275
19.62765
1.925618
5%so,respectivamente,2,60e1,95.Logo,aestatsticaTauMENORqueosvalorescrticose
REJEITAMOSahiptesenuladeraizunitria,ouseja,asrieda1a.diferenaestacionria.
ENCE
189
189
5)TesteDFhiptesedepasseioaleatriocomdeslocamentoparaasriede1a.diferenadas
exportaes
VejaoquadroaseguirparaverificarcomoseimplementaotestenoEviews:

Exogenous: Constant
1% level
5% level
10% level
t-Statistic
Prob.*
-7.348840
-3.544063
-2.910860
-2.593090
0.0000
Novamente, a estatstica Tau (7,35) inferior aos valores crticos a 1 e 5%, e rejeitamos a
hiptesenula.Assimasrieda1a.diferenaestacionria.
6)TesteDFhiptesedepasseioaleatriocomdeslocamentoetendnciaparaasriede1a.
diferenadasexportaes
Exogenous: Constant, Linear Trend
1% level
5% level
10% level
t-Statistic
Prob.*
-7.284629
-4.118444
-3.486509
-3.171541
0.0000
Novamente, a estatstica Tau (7,28) inferior aos valores crticos a 1 e 5%, e rejeitamos a
hiptesenula.Assimasrieda1a.diferenaestacionria.
ENCE
190
190
TesteDickeyFulleraumentado(testeADF)
OtesteoriginaldeDickeyeFullersupequeoprocessoytumAR(1)epodeserestendidopara
incorporaraomodeloapresenadenovoslagsdavarivelYt.IssolevaaoschamadostestesADF
(AugmentedDickeyFullerTests),cujaaplicaosegue,emlinhasgerais,omesmomecanismoque
otesteDickeyFulleroriginal.
O grande problema na aplicao dos testes ADF talvez seja, exatamente, a especificao de
quantas defasagens incluir na equao a ser testada, ou seja, a ordem do modelo AR(p) a ser
estimadoparaYt.
OtesteADFconsisteemestimararegresso:
OndetumrudobrancoeYt1=Yt1Yt2(analogamenteparaoutrasdefasagens).
Onmerodedefasagensaincluirnaequao(21.9.9),emgeral,determinadoempiricamente.A
idiaincluirumnmerosuficientedetermosparaqueoerronoapresentecorrelaoserial.
Uma estratgia escolher um nmero suficientemente grande de defasagens, e usar os termos
atadefasagemmaisaltasignificante.Porexemplo,nocasodedadosmensais,ajusteomodelo
com um nmero de defasagens m > 12. Uma outra idia minimizar algum um critrio de
informao, como AIC ou BIC, para a escolha do nmero de defasagens. O Eviews usa esta
estratgia.
Uma regra emprica sugerida por Schwert (1989) escolher m igual parte inteira de
N 1/ 4
ondeNotamanhodasrie.Porexemplo,seN=100observaes,issonosdariam
12
100
=12lags,seN=200,teramosm=int(14,27)=14lags.
No teste ADF, a hiptese nula ainda H0: = 0 e os valores crticos so os mesmos do teste
DickeyFulleroriginal.
ENCE
191
191
Exemplosriedeexportaesbrasileirascontinuao
J vimos que a srie de exportaes I(1) e o modelo que parece mais adequado o com
tendnciaedeslocamento,dadopelaequao(21.9.5).Apartirdestemodeloadicionamosnovos
lagseexecutamosotesteADF.Aespecificaodonmerodelagsserfeitaautomaticamente
peloEviews(vejaafiguraaseguir).

Lag Length: 2 (Automatic based on SIC, MAXLAG=10)
1% level
5% level
10% level
t-Statistic
Prob.*
-1.820128
-4.121303
-3.487845
-3.172314
0.6824

Date: 06/24/10 Time: 20:01
Variable
Coefficient
Std. Error
t-Statistic
Prob.
EXPORTS(-1)
D(EXPORTS(-1))
D(EXPORTS(-2))
C
@TREND(1994:4)
-0.147365
0.125435
-0.597411
493.5868
111.9188
0.080964
0.105485
0.106063
909.3323
57.17440
-1.820128
1.189124
-5.632601
0.542801
1.957499
0.0743
0.2396
0.0000
0.5895
0.0555
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.479804
0.441271
3229.626
5.63E+08
-557.8322
1.986022
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
466.2914
4320.675
19.07906
19.25512
12.45176
0.000000
ENCE
192
192
Aequaoestimada:
Yt=493,59+111,92.t0,1474.Yt1+0,1254. Yt10,5974. Yt2
5%so,respectivamente,4,12e3,48.Logo,aestatsticaTaumaiorqueosvalorescrticose
norejeitamosahiptesenuladeraizunitria,ouseja,asrienoestacionria.
Neste modelo, o valor estimado de 1 0,1474 = 0,8526, bem diferente dos modelos
anteriores.
Crticasaostestesderaizunitria
Antes de discutir os problemas relativos a estes testes, lembrese das definies de tamanho e
potnciadeumteste.
Tamanhodeumteste()
Otamanhodeumteste(ounveldesignificnciadoteste)asuaprobabilidadedeerrodo
tipoI,ouseja,aprobabilidadederejeitarahiptesenulaquandoelaverdadeira.Nocaso
dostestesADF,aprobabilidadededizerqueasrieestacionriaquando,naverdade,
elanoestacionria.
Potnciadeumteste
Paraumtestedehiptesesgenricoarespeitodeumparmetro,afunopotnciaa
probabilidadederejeitarahiptesenulaquandoovalordoparmetro, escritaK().Um
erro do tipo II cometido quando rejeitamos a hiptese nula e ela falsa, ou seja, o
mximo valor da funo potncia quando H0falsa.Apotnciadoteste,porsuavez,
definida como um menos o erro do tipo II. Assim, idealmente, gostaramos que a
potnciadotestefosseamaiorpossvel,poiselasignificarejeitarH0 quandoH0falsa.
No caso dos testes ADF, alta potncia significa alta probabilidade de dizer que a srie
estacionria (i.e, rejeitar H0) quando H0 falsa, isto , quando a srie realmente
estacionria.
ENCE
193
193
AmaioriadostestesDickeyFullertembaixapotncia,isto,tendeaaceitarahiptesede
raiz unitria quando ela falsa. Ou seja, os testes encontram uma raiz unitria mesmo
quandoasrienoatem.
21.8.COINTEGRAO
Em geral, a regresso de uma srie no estacionria em outra produz uma regresso espria.
Engle e Granger (1987) mostraram que existem situaes em que duas (ou mais) variveis no
estacionrias do tipo random walk podem ser empregadas diretamente num modelo de
regresso. Eles notaram que uma combinao linear de duas ou mais sries no estacionrias
podeserestacionria.Setalcombinaolinearestacionriaexiste,assriesnoestacionrias
so ditas cointegradas, e esta combinao linear chamada de equao de cointegrao,
podendoserinterpretadacomoumarelaodeequilbriodelongoprazoentreasvariveis.
Porexemplo,sejamYteXtdoispasseiosaleatrios,esuponhaqueexistaut=Yt.Xtestacionria.
Nestecaso,YteXtsochamadasdecointegradase oparmetrodecointegrao,quepode
ser estimado por uma regresso por mnimos quadrados ordinrios de Yt em Xt. Um ponto
importante : duas sries cointegradas requerem, obrigatoriamente, a mesma ordem de
diferenciaoparaalcanaraestacionariedade.Porexemplo,seYtI(2)eXtumcandidatoa
cointegrarcomYt,entoobrigatoriamenteXtdeveserI(2).
Opropsitodostestesdecointegraodeterminarseumconjuntodesriesnoestacionrias
ounocointegrado.Emlinhasgerais,cointegraosignificaqueexisteumcomovimentoentre
variveis que exibem tendncia. Duas variveis cointegradas apresentam uma relao de
equilbriodelongoprazo.
Considere uma srie temporal Yt no estacionria, que se torna estacionria aps a aplicao
sucessivadeddiferenas.NestecasodizemosqueYtintegradadeordemd,edenotamosYt~
I(d). Sries integradas possuem uma componente de tendncia estocstica, e a aplicao de
choquesaestassriesresultaemalteraespermanentesnasmesmas.
ENCE
194
194
A identificao do grau apropriado de diferenciao (d) normalmente feita atravs da FAC

(funo de autocorrelao) de Yt. Aplicamse diferenas sucessivas at que a FAC decaia com
suficienterapidez.Esteprocedimentotem,noentanto,certograudesubjetividade,poisoanalista
deve determinar se o decaimento da FAC, aps um dado nmero de diferenas, j
suficientemente rpido para que a srie diferenciada seja considerada estacionria. Um
procedimentoalternativotestaraordemdeintegraodeYt,oqueconstituioschamadostestes
deraizunitria,comooDickeyFullereoADF.Onomedostestesderivadofatodonmerode
razessobreocrculounitrio(razesunitrias)corresponderaonmerodediferenasnecessrio
paratornarumasrieI(d)estacionria.
Segundo Tsay (2002), um procedimento adequado na modelagem de sries temporais no

estacionriasreconheceraordemdeintegraodassriesdeinteresseeidentificarummodelo
ARMA para os resduos. Estes, naturalmente, devem ser estacionrios, portanto sua
autocorrelaodevedecairrapidamente.AmodelagemARMAdosresduosnecessriapoisao
ajustarmos um modelo de regresso a duas sries temporais, freqentemente os resduos do
modelo original ainda apresentam correlao serial. Esta correo posterior assegura que os
resduoscorrigidosserodescorrelatados.
Cointegraonaprtica
SuponhaquevocobservouqueduassriesYteXtsoI(1).FaaaregressoporMQOdeYtemXt
eobtenhaosresduos.Isto:
Yt = + . X t + ut
Teste a estacionariedade dos resduos. Se eles forem I(0), ou seja, estacionrios, Yt e Xt
cointegram,aequaoobtidaporMQOarelaodecointegraoeostestesteFusuaispodem
ser aplicados sem problemas. A equao acima chamada de regresso cointegrante e o
parmetrooparmetrodecointegrao.
Exemploimportaeseexportaesbrasileiras
JvimosqueasriedeexportaesI(1),epossivelmenteamelhoreespecificaoparaelatem
driftetendnciadeterminstica.VamosverificarseasriedeimportaestambmI(1),pois
issoabreapossibilidadedasduassriescointegrarem(lembresequeseelastiveremordensde
integraodiferentes,noirocointegrar).
ENCE
195
195
OstestesDickeyFullerparaasriedeimportaessomostradosaseguir:
1)TesteDFhiptesedepasseioaleatrioEquao(21.9.2)
Null Hypothesis: IMPORTS has a unit root
Exogenous: None
1% level
5% level
10% level
t-Statistic
Prob.*
0.648838
-2.603423
-1.946253
-1.613346
0.8537

Dependent Variable: D(IMPORTS)
Date: 06/24/10 Time: 21:05
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IMPORTS(-1)
0.012995
0.020028
0.648838
0.5189
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
-0.011190
-0.011190
3259.039
6.37E+08
-579.4916
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
434.6432
3240.956
19.03251
19.06711
1.535624
Norejeitamosahiptesenula,asrieNOESTACIONRIA.Notetambmocoeficientepositivo
deYt1,queindicariaqueasrietemcomportamentoexplosivo.
2)TesteDFhiptesedepasseioaleatriocomdeslocamentoEquao(21.9.4)
Exogenous: Constant
1% level
5% level
10% level
t-Statistic
Prob.*
-0.637525
-3.542097
-2.910019
-2.592645
0.8539

Date: 06/24/10 Time: 21:14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IMPORTS(-1)
C
-0.028652
969.1208
0.044942
936.3589
-0.637525
1.034989
0.5262
0.3049
ENCE
196
196
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.006842
-0.009992
3257.107
6.26E+08
-578.9428
1.499999
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
434.6432
3240.956
19.04730
19.11651
0.406438
0.526250
Norejeitamosahiptesenula,asrieNOESTACIONRIA.
3)TesteDFhiptesedepasseioaleatriocomdeslocamentoetendnciaEquao(21.9.5)
1% level
5% level
10% level
t-Statistic
Prob.*
-1.954147
-4.115684
-3.485218
-3.170793
0.6140

Date: 06/24/10 Time: 21:16
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IMPORTS(-1)
C
@TREND(1994:4)
-0.128472
644.7266
70.53214
0.065743
926.1794
34.64881
-1.954147
0.696114
2.035630
0.0555
0.4891
0.0464
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.073066
0.041103
3173.651
5.84E+08
-576.8380
1.459026
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
434.6432
3240.956
19.01108
19.11490
2.285942
0.110768
Novamente,norejeitamosahiptesenula,asrieNOESTACIONRIA.
Assim,comoassriessoambasI(1),podemostentarfazeraregressodeumavarivelnoutra.
Nestecasotentaremosexplicarexportaesatravsdeimportaes.
ENCE
197
197
Omodeloajustado:
Dependent Variable: EXPORTS
Date: 06/24/10 Time: 21:03
Sample: 1994:4 2010:1
Included observations: 62
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
IMPORTS
-773.9056
1.237658
1288.245
0.060675
-0.600744
20.39826
0.5503
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.873973
0.871873
4554.092
1.24E+09
-609.2322
0.286903
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
22706.81
12722.75
19.71717
19.78578
416.0889
0.000000
Nota: vide Gujarati (pp.660661) nas regresses cointegrantes o valor da DurbinWatson

tende a ser pequeno e ele prope um teste baseado na hiptese d = 0 para verificar se as
variveissocointegradas.
Note o altssimo valor do R2 e o baixssimo valor da DurbinWatson. Isso poderia indicar uma
regressoespria.Mas,jsabemosqueasduassriessoI(1),eassimexisteapossibilidadede
queestaregressosejaverdadeira.Precisamosexaminarosresduosdestaregressoeverificar
sesoestacionrios.
Null Hypothesis: RESID_REGR_EXPORT_IMPOR has a unit root
Exogenous: None
1% level
5% level
10% level
t-Statistic
Prob.*
-1.886520
-2.603423
-1.946253
-1.613346
0.0570

Dependent Variable: D(RESID_REGR_EXPORT_IMPOR)
Date: 06/24/10 Time: 21:28
Variable
Coefficient
Std. Error
t-Statistic
Prob.
RESID_REGR_EXPO -0.129668
RT_IMPOR(-1)
0.068734
-1.886520
0.0641
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.054975
0.054975
2370.043
3.37E+08
-560.0616
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
-79.45504
2438.006
18.39546
18.43007
2.056164
ENCE
198
198
Rejeitaseahiptesenuladeque=0aonvel5,7%,eportantopodemossuporque,paraeste
nvel a srie estacionria. Note que no rejeitamos a hiptese nula nos nveis 1% e 5% (mas
rejeitamos no nvel 10% o nvel de significncia do teste 5,7% como mostrado no incio da
tabela).
Assim, podemos concluir que a regresso entre exportaes eimportaesnoespria,e

podemosescrever:
EXPORTt=773,9056+1,2377*IMPORTt
Exemplo2IPCAeSELIC
NesteexemploanalisamosaexistnciaderazesunitriasnassriesmensaisdoIPCA(inflao)e
SELIC(taxabsicadejuros)noperodoentrejaneirode1995emaiode2010.Ogrficodasduas
sriesmostradoaseguir.
SELIC E IPCA (VARIAO % MENSAL)
5
4
3
2
1
0
-1
96
98
00
02
SELIC
04
06
08
IPCA
Oscorrelogramasdasduassriesestonasprximasfiguras.
ENCE
199
199
1)CorrelogramadeIPCA(variaopercentualmensal)
2)CorrelogramadeSELIC(variaopercentualmensal)
Oscorrelogramassugeremqueambasassriesnosoestacionrias.
ENCE
200
200
3)TestederaizunitriaparaSELIC
3.1)TesteDFparaaSELICusandoaespecificaodepasseioaleatrio
Null Hypothesis: SELIC has a unit root
Exogenous: None
1% level
5% level
10% level
t-Statistic
Prob.*
-1.895728
-2.577590
-1.942564
-1.615553
0.0555

Dependent Variable: D(SELIC)
Date: 06/25/10 Time: 17:32
Variable
Coefficient
Std. Error
t-Statistic
Prob.
SELIC(-1)
-0.018833
0.009934
-1.895728
0.0596
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.015702
0.015702
0.235577
10.15582
5.429048
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
-0.014264
0.237448
-0.048142
-0.030669
2.185729
Estatstica Tau = 1,896, que est entre os valores crticos 5% e 10%. Na verdade (vide tabela),
rejeitaseahiptesenula=0comnvel5,7%.Ouseja,comnvel5,7%(emaior)podesedizer
queasrieestacionria(masnocomnveismenoresque5,7%).
3.2)TesteDFparaaSELICusandoaespecificaodepasseioaleatriocomdeslocamento
Exogenous: Constant
1% level
5% level
10% level
t-Statistic
Prob.*
-2.770365
-3.465977
-2.877099
-2.575143
0.0646

Date: 06/25/10 Time: 17:38
ENCE
201
201
Variable
Coefficient
Std. Error
t-Statistic
Prob.
SELIC(-1)
C
-0.064982
0.088866
0.023456
0.041005
-2.770365
2.167193
0.0062
0.0315
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.040464
0.035191
0.233233
9.900334
7.773099
2.140704
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
-0.014264
0.237448
-0.062751
-0.027806
7.674924
0.006180
Estatstica Tau = 2,77, que est entre os valores crticos 5% e 10%. Na verdade (vide tabela),
rejeitaseahiptesenula=0comnvel6,5%.Ouseja,comnvel6,5%(emaior)podesedizer
queasrieestacionria.
3.3) Teste DF para a SELIC usando a especificao de passeio aleatrio com deslocamento e
tendncia
1% level
5% level
10% level
t-Statistic
Prob.*
-3.739908
-4.008706
-3.434433
-3.141157
0.0221

Date: 06/25/10 Time: 17:41
Variable
Coefficient
Std. Error
t-Statistic
Prob.
SELIC(-1)
C
@TREND(1995:01)
-0.134727
0.315645
-0.001255
0.036024
0.098506
0.000497
-3.739908
3.204309
-2.524400
0.0002
0.0016
0.0124
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.073098
0.062856
0.229864
9.563621
10.95649
2.066120
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
-0.014264
0.237448
-0.086484
-0.034066
7.137040
0.001039
Rejeitaseahiptesenulaanvel2,2%.
ENCE
202
202
Em todos as especificaes, a hiptese nula foi rejeitada com nvel abaixo de 10%, e portanto
conclumosqueasrieestacionria,ouseja,noapresentaraizunitria.
4)TestederaizunitriaparaIPCA
4.1)TesteDFparaaIPCAusandoaespecificaodepasseioaleatrio
Null Hypothesis: IPCA has a unit root
Exogenous: None
1% level
5% level
10% level
t-Statistic
Prob.*
-3.664179
-2.577590
-1.942564
-1.615553
0.0003

Dependent Variable: D(IPCA)
Date: 06/25/10 Time: 17:44
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IPCA(-1)
-0.124316
0.033927
-3.664179
0.0003
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.068051
0.068051
0.371745
25.28962
-78.50685
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
-0.006902
0.385079
0.864205
0.881677
2.077836
Ahiptesenulaclaramenterejeitadaasrieestacionria.
4.2)TesteDFparaoIPCAusandoaespecificaodepasseioaleatriocomdeslocamento
Exogenous: Constant
1% level
5% level
10% level
t-Statistic
Prob.*
-5.495379
-3.465977
-2.877099
-2.575143
0.0000

Date: 06/25/10 Time: 17:46
ENCE
203
203
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IPCA(-1)
C
-0.272889
0.159234
0.049658
0.040112
-5.495379
3.969725
0.0000
0.0001
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.142315
0.137603
0.357605
23.27438
-70.86708
1.943289
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
-0.006902
0.385079
0.792033
0.826978
30.19919
0.000000
Novamente,nestaespecificaoconclumosquenohraizunitriaeasrieI(0).
4.3) Teste DF para o IPCA usando a especificao de passeio aleatrio com deslocamento e
tendncia
1% level
5% level
10% level
t-Statistic
Prob.*
-5.706429
-4.008706
-3.434433
-3.141157
0.0000

Date: 06/25/10 Time: 17:47
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IPCA(-1)
C
@TREND(1995:01)
-0.297889
0.247059
-0.000785
0.052202
0.070754
0.000522
-5.706429
3.491780
-1.504349
0.0000
0.0006
0.1342
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.152907
0.143546
0.356370
22.98697
-69.72392
1.919151
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
-0.006902
0.385079
0.790477
0.842895
16.33592
0.000000
NovamenterejeitamosahiptesenulaeconclumosqueasrieI(0).
ENCE
204
204
5)ModeloparaSELICcomofunodoIPCA
OfatodasduassriesseremestacionriasnospermiteentofazeraregressodeSELICemIPCA
semqueestaregressosejaespria.
Dependent Variable: SELIC
Date: 06/25/10 Time: 17:50
Sample: 1995:01 2010:05
Included observations: 185
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
IPCA
1.158634
0.697375
0.071328
0.088474
16.24383
7.882287
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.253459
0.249379
0.637326
74.33173
-178.1605
0.275397
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
1.582525
0.735616
1.947681
1.982495
62.13045
0.000000
Osresduosdestaregressosoestacionrios,comomostraotestederaizunitriaabaixo(fizo
testeapenasparaaespecificaodepasseioaleatrio).
Null Hypothesis: RESID_1 has a unit root
Exogenous: None
1% level
5% level
10% level
t-Statistic
Prob.*
-3.800640
-2.577590
-1.942564
-1.615553
0.0002

Dependent Variable: D(RESID_1)
Date: 06/25/10 Time: 18:38
Variable
Coefficient
Std. Error
t-Statistic
Prob.
RESID_1(-1)
-0.142425
0.037474
-3.800640
0.0002
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.072414
0.072414
0.321991
18.97311
-52.06871
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
-0.009450
0.334323
0.576834
0.594306
2.102549
Assim, concluise que podemos usar a variao mensal do IPCA para tentar explicar a variao
mensaldaSELIC.
ENCE
205
205
A regresso no espria, mas a estatstica de DurbinWatson muito baixa, indicando a

existncia de correlao serial de 1a ordem nos resduos. Vamos tentar melhorar isso incluindo
algunslagsdeIPCAnaespecificaodomodelo.
Estemodelofoiajustado,masnogarantireiquetimo,ouomelhor,sobqualquercritrio.Os
resduos parecem ter um comportamento bastante bom, e o O ajuste da regresso melhorou
sensivelmente(emtermosdeR2,logverossimilhana,somadequadradosdosresduos,critrios
AICeSchwarz).

Date: 06/25/10 Time: 20:12
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
IPCA
IPCA(-1)
IPCA(-2)
IPCA(-9)
IPCA(-12)
1.176641
0.022309
0.064427
0.059989
0.207167
0.096422
0.011374
0.017261
0.020364
0.016710
0.011750
0.011696
103.4467
1.292420
3.163795
3.590057
17.63117
8.244047
0.0000
0.1980
0.0019
0.0004
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.836087
0.831179
0.073522
0.902711
209.1369
2.087612
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
1.439994
0.178938
-2.348403
-2.239040
170.3664
0.000000
NotequeoIPCAnomesmoinstantenofoiconsideradosignificante,eentodecidiexcluilodo
modelo,resultandonomodeloaseguir:
Date: 06/25/10 Time: 20:15
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
IPCA(-1)
IPCA(-2)
IPCA(-9)
IPCA(-12)
1.179554
0.079107
0.058429
0.208055
0.098622
0.011171
0.016935
0.016699
0.011753
0.011595
105.5905
4.671122
3.498877
17.70182
8.505857
0.0000
0.0000
0.0006
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.834447
0.830506
0.073668
0.911740
208.2760
2.072298
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
1.439994
0.178938
-2.350011
-2.258876
211.6957
0.000000
ENCE
206
206
Houve uma ligeira melhora em termos do BIC e AIC (que penalizam o nmero de variveis no
modelo) e uma ligeira piora em termos da logverossimilhana. A grande vantagem que este
modelopodeserusadoparaprevisoumpassofrenteseconhecermosavariaodoIPCAno
mstpodemospreveravariaodaSELICnomst+1.
O prximo grfico mostra a evoluo temporal dos resduos e o grfico seguinte o seu
correlogramaelesparecemestacionariedadedosresduos!
Resduos,SELICrealeSELICajustadapelomodelo
2.2
2.0
1.8
.4
1.6
.3
1.4
.2
1.2
.1
1.0
.0
-.1
-.2
1996
1998
2000
Residual
2002
2004
Actual
2006
2008
Fitted
CorrelogramadosResduos
ENCE
207
207
Eisalgunscomentrios.
ExistemdiversasquebrasestruturaisnasriedavariaodaSELIC,pontosemqueataxa
subiu abruptamente a incluso de variveis dummy para levar em conta estas
mudanasradicaisseriaumaboaidia;
AsduassriessoestacionriasdeacordocomostestesDF,maspodehaverproblemas
nassuasvarincias.
Naverdade,eraatesperadoqueestassries(IPCAeSELIC)noapresentassemtendncia
claraparacimaouparabaixo,poiselassoasvariaesmensais,tantoadSELICquantodo
IPCA, ou seja, como se pegssemos um nmero ndice e fizssemos a srie das
diferenas.
Seriatentadormodelarasduassriesnasescalasdolog,masoIPCAtevevariaonegativa
empelomenosummsnoperodo,oqueimpedeousodolog.Semprepoderamostentar
ummodelodotipolog(k+SELIC)emlog(k+IPCA)ondeksuficienteparaqueIPCAnoseja
negativoemqualquerms,masachoqueissodificultaacompreensodomodelo.
Finalmente, se fosse fcil modelar isso, EU seria milionria (e vocs tambm, a esta
altura...),eoBACENnosofreriatantascrticasporelevarataxadejuros,supostamente
nahoraerrada...
Cointegraoeomecanismodecorreodeerro
Considerenovamenteomodeloparaexportaescomofunodasimportaes.Jvimosqueas
duassriessoI(1)eexisteumaregressocointegrante.
Considereagoraoseguintemodelonasprimeirasdiferenas:
EXPORTt=0+1*IMPORTt+2*ut1+t
Ondetumerroaleatrioeut1oerrodaequaocointegranteDEFASADOemuminstante,
ouseja,oerrodaequaoemnvelDEFASADOemuminstante,isto:
ut 1 = EXPORTt 1 1 2 IMPORTt 1
Aequaoemdiferenasacimachamadadeequaodomecanismodecorreodeerro.Ela
dizque:
ENCE
208
208
Esperasequeocoeficiente 2 dotermodecorreodeerrosejaNEGATIVOparagarantir
o retorno ao ponto de equilbrio. O valor deste coeficiente indica a rapidez com que o
equilbrioalcanado.
EXPORTdependedeIMPORTedotermodeerrodeequilbrio;
Se ut1 > 0 e IMPORT = 0. Ento EXPORTt1 estar ACIMA do seu valor de equilbrio e
comearacairnoperodoseguinteparacorrigiroerrodeequilbrio;
Analogamente, se ut1 < 0 (e ento EXPORTt1 estar ABAIXO do seu valor de
equilbrio),
2.ut1serpositivo,oquelevarEXPORTtasubir.
AjustandoaequaodecorreodeerronoEviewstemos:
Date: 06/25/10 Time: 19:44
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
D(IMPORTS)
RESID01(-1)
-18.36249
1.127458
-0.108113
308.0363
0.098448
0.071703
-0.059611
11.45235
-1.507792
0.9527
0.0000
0.1370
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.697301
0.686863
2384.062
3.30E+08
-559.3873
2.149631
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
458.4845
4260.402
18.43893
18.54274
66.80484
0.000000
Nota:D(EXPORTS)eD(IMPORTS)soas1as.DiferenasdeEXPORTSeIMPORTSrespectivamente,e
RESID01(1)asriederesduosdaequaodeEXPORTSemIMPORTSdefasadade1instante.Da
tabelaanteriorvemosqueocoeficiente2dotermodecorreodeerrosignificanteanvel13%
eiguala0,0717.Otermoconstantenosignificantenestaequao.
ENCE

Capitulo 21 Gujarati Resumo Parte 3

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Capitulo 21 Gujarati Resumo Parte 3

Enviado por

Direitos autorais:

Formatos disponíveis

181

Ento, um ponto importante a lembrar nos testes de raizunitriaqueahiptesenulaindica

Note que, se = 0 em (21.9.2), a expresso se torna: Yt = Yt Yt 1 = ut , ou seja, a srie de 1a.

Yt um passeio aleatrio com deslocamento em torno de tendncia determinstica : Yt = 1 + 2 .t + .Yt 1 + ut

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

Ovalordaestatstica,nestecaso,+0.1803.Ovalorcrticoaonvel5%1,946.Como > valor

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

Null Hypothesis: D(EXPORTS) has a unit root

*MacKinnon (1996) one-sided p-values.

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: EXPORTS has a unit root

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

A identificao do grau apropriado de diferenciao (d) normalmente feita atravs da FAC

Segundo Tsay (2002), um procedimento adequado na modelagem de sries temporais no

*MacKinnon (1996) one-sided p-values.

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

Mean dependent var

Nota: vide Gujarati (pp.660661) nas regresses cointegrantes o valor da DurbinWatson

*MacKinnon (1996) one-sided p-values.

Mean dependent var

Assim, podemos concluir que a regresso entre exportaes eimportaesnoespria,e

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

Mean dependent var

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Mean dependent var

A regresso no espria, mas a estatstica de DurbinWatson muito baixa, indicando a

Dependent Variable: SELIC

Mean dependent var