Você está na página 1de 31

ECONOMETRIA

Prof. Patricia Maria Bortolon, D. Sc.

Autocorrelao

Fonte: GUJARATI; D. N. Econometria Bsica: 4 Edio.


Rio de Janeiro. Elsevier- Campus, 2006

Corte Transversal x Srie Temporal


Em geral, com dados em corte transversal, no haveria
razes a priori para acreditar que o termo de erro ui
referente a uma observao esteja correlacionado com o
termo de erro de outra observao (ex: empresas,
famlias, pases observados em um mesmo momento no
tempo)
Se tal ocorre denominamos autocorrelao espacial
Observaes em srie temporal esto mais sujeitas
autocorrelao (especialmente se o intervalo de tempo
observado curto) correlao serial

Questes

1. Qual a natureza da autocorrelao?


2. Quais so suas consequncias tericas e
prticas?
3. Como saber se a autocorrelao est presente
nos termos de erro ut? (observar subscrito t
sries temporais)
4. Como corrigir o problema da autocorrelao?

Natureza do Problema
Autocorrelao: correlao entre integrantes de sries
de observaes ordenadas no tempo (como as sries
temporais) ou no espao (como nos dados de corte
transversal).
Premissa do Modelo de Regresso Linear Clssico:

E (ui u j ) 0 i j

Autocorrelao x Correlao Serial

Autocorrelao correlao defasada entre uma


dada srie com ela mesma, defasada em algumas
unidades no tempo
Correlao Serial correlao defasada entre
duas sries diferentes

Ver figura 12.1

Por que ocorre correlao serial?


Inrcia resultado de ciclos econmicos
Vis de especificao (variveis excludas) Ex:
modelo para anlise da demanda por carne bovina (Y)
explicada por X2 = preo; X3 = renda do consumidor; X4
= preo da carne suna e t = tempo
Yt 1 2 X 2 3 X 3 4 X 4 ut
Se estimarmos:

Yt 1 2 X 2 3 X 3 vt
O termo de erro vt refletir um padro sistemtico, criando
assim uma (falsa) correlao

vt 4 X 4 ut

Por que ocorre correlao serial?


Vis de especificao (forma funcional incorreta) Ex:
imagine que o modelo correto seja:
Custo marginal i 1 2 Produoi 3Produoi2 ui
Se estimarmos:

Custo marginal i 1 2 Produoi ui


O termo de erro vi refletir o efeito do termo produo2 sobre
o custo marginal

vt 3Produo i2 ui
Ver figura 12.2

Por que ocorre correlao serial?


O fenmeno teia de aranha ex: decises de produo
agrcola que dependem do preo em t-1 e dos estoques
gerados no perodo anterior (que vem a ser o termo de
erro do perodo anterior causando autocorrelao)
Defasagens Ex: regresso de despesas de consumo
sobre renda com dados em sries temporais as
despesas de consumo em um perodo dependem das
despesas no perodo anterior (hbitos de consumo,
psicolgicos etc...)
Consumot = 1 + 2rendat + 3consumot-1 + ui

Por que ocorre correlao serial?


Manipulao dos dados mdias trimestrais
suavizam dados tornando-os menos irregulares
podendo gerar termos de erro com padres
sistemticos; interpolao ou extrapolao de dados
idem
Ausncia de estacionariedade uma srie temporal
estacionria se suas caractersticas (mdia, varincia e
covarincia) no variam ao longo do tempo.

Por que ocorre correlao serial?

Forma de nvel:

Yt 1 2 X t ut

Valores defasados:

Yt 1 1 2 X t 1 ut 1

Fomra de primeira diferena: Yt 1 2 X t vt


Onde: vt = ut = (ut ut-1)
Pode-se demonstrar que vt autocorrelacionado

Estimativa de MQO na presena de


Autocorrelao

Yt 1 2 X t ut
Imaginando que o termo de erro ut seja gerado pelo
mecanismo:
AR(1)
ut ut 1 t 1 1

Onde t um termo de erro do tipo rudo branco:

E ( t ) 0
var( t ) 2
cov( t , t s ) 0 s 0

AR (1)
Como uma constante entre -1 e +1, sob o esquema
AR(1), a varincia de ut ainda homocedstica
2

var(ut ) E (ut2 )
1 2
Mas ut est correlacionado com perodos mais atrs

2
cov(ut , ut s ) E (ut ut s )
1 2
s

Se || < 1 o processo AR(1) estacionrio


Se || < 1 a covarincia diminuir a medida que
retrocedermos no tempo
s
cor (ut , ut s )

Estimativa de MQO na presena de


Autocorrelao
Estimador MQO do coeficiente angular e sua varincia:
2

xy

x
t

var( 2 )

2
t

2
x
t

Sob o esquema AR(1) a varincia do estimador :


var( 2 ) AR1

xx

1 2
x
x

2
2
t

t t 1
2
t

x x
x

t t 2
2
t

... 2

n 1

x x
x
t

2
t

No possvel afirmar com antecedncia qual das duas


varincias a menor.

Estimativa de MQO na presena de


Autocorrelao
Se continuarmos a usar MQO para estimar 2 e
ajustarmos a varincia levando em conta o AR(1), quais
as propriedades de 2 ?
2 ainda linear e no tendencioso...
Infelizmente, na classe dos estimadores lineares no
tendenciosos, ele no o de varincia mnima, ou seja,
no eficiente.
Como obter um estimador BLUE no caso da existncia
de autocorrelao?

Estimador BLUE na presena de


Autocorrelao

(
x

x
)(
y

y
)
t
t

1
t
t

1
t 2
n

MQG
2

t 2

MQG

var 2

( xt xt 1 )

2
2
(
x

x
)
t 2 t t 1
n

Consequncias do uso do MQO na


presena de Autocorrelao
Estimadores deixam de ser eficientes (continuam lineares, no
tendenciosos, consistentes e com distribuio normal assinttica)
Os estimadores das varincias so viesados tendncia de
subestimar os erros-padro. Estatstica t elevada. Mais provvel
de rejeitar H0 (p.e. afirmar que os coeficientes so
estatisticamente significativos), mesmo que eles no sejam.
A varincia residual 2 u 2 /( n 2)provavelmente subestimar o
verdadeiro 2.
Seremos levados a superestimar R2
Os habituais testes de significncia t e F no sero mais vlidos.

Ver experimento de Monte Carlo pag. 368

Deteco da Autocorrelao
Mtodo Grfico
Plotar resduos e resduos padronizados no tempo
Plotar resduos com resduos defasados

Teste d de Durbin-Watson
Premissas:
O modelo de regresso inclui o termo de intercepto
As variveis X so no estocsticas ou fixadas em amostras repetidas
Os termos de erro ut so gerados por um processo AR(1) o teste no
detecta dependncias de ordens superiores
O modelo de regresso no utiliza como varivel explicativa
dafasagens da varivel dependente

Yt 1 2 X 2t 3 X 3t ... k X kt Yt 1 ut

No h falta de observaes nos dados. A estatstica d no leva em


conta a falta de observaes.

Deteco da Autocorrelao
Teste d de Durbin-Watson
2

(
u

u
)
t 2 t t 1
t n

u
t 1 t
t n

Que expandido torna-se:


2
2

ut ut 1 2 ut ut 1

d
2
ut

Deteco da Autocorrelao
Teste d de Durbin-Watson
como ut2 e

u
t 1 so aproximada mente iguais

ut ut 1

d 21
2

u
t

Definindo :

u u

t t 1
2
t

d 21

Ento:

como - 1 1, isso implica em


0d 4

Deteco da Autocorrelao
Teste d de Durbin-Watson

Fonte: http://www.virtualsurvey.com.br/arquivos/daiichi/modulo2/livr/aula4i.pdf

Deteco da Autocorrelao
Teste d de Durbin-Watson
Mecnica do teste:
Calcula-se a regresso por meio de MQO e obtm-se os
resduos
Calcula-se a estatstica d
Dados o tamanho da amostra e o nmero de variveis
explanatrias, encontram-se os valores crticos dL e dU
Segue-se a regra de deciso dada na tabela anterior.

Problema do teste:
Zona de indeciso

Deteco da Autocorrelao
Teste de Breusch-Godfrey (BG)
Yt 1 2 X t ut
Seja
Supondo que ut siga um processo AR(p)

ut 1ut 1 2ut 2 ... put p t


A hiptese nula a ser testada :
H 0 : 1 2 ... p 0

Deteco da Autocorrelao
Teste de Breusch-Godfrey (BG)

ut

ut 1 2 X t 1ut 1 2ut 2 ... put p t

(n p) R ~
2

2
p

Deteco da Autocorrelao
Teste de Breusch-Godfrey (BG)
Pontos prticos em relao ao teste:
1. Os regressores do modelo podem conter valores defasados
do regressando Y
2. O teste BG aplicvel mesmo que o termo de erro sigam
processos de mdias mveis (MA) de ordem p
3. Se p = 1, significando auto-regresso de primeira ordem,
ento o teste BG chamado de teste M de Durbin
4. Uma falha do teste que o valor p, a durao da defasagem,
no pode ser especificado a priori.

O que fazer quando detectamos


Autocorrelao?
1. Verificar se se trata de autocorrelao pura e no de
um erro de especificao do modelo
2. Se for autocorrelao pura, recorrer a transformaes
e ao mtodo dos mnimos quadrados generalizados
(MQG)
3. Em grandes amostras empregar o mtodo de NeweyWest para obter erros padro robustos tanto a
heterocedasticidade como a autocorrelao.

Mnimos Quadrados Generalizados (MQG)


Quando conhecido:

Yt 1 2 X t ut
ut ut 1 t

1 1

Yt 1 1 2 X t 1 ut 1

Yt 1 1 2 X t 1 ut 1
(Yt Yt 1 ) 1 (1 ) 2 ( X t X t 1 ) t
onde t (ut ut 1 )
Equao em diferenas

Yt X t
*

*
1

*
2

*
t

generalizadas, ou quase

Mnimos Quadrados Generalizados (MQG)


Quando desconhecido:
O mtodo da primeira diferena
Supor = 0 => no h autocorrelao
Supor = 1 => a equao em diferenas generalizadas se
reduz equao de primeira diferena

(Yt Yt 1 ) 2 ( X t X t 1 ) (ut ut 1 )
Yt 2 X t t
A transformao de primeira diferena adequada se for
muito alto (> 0,8), ou o d de Durbin-Watson for muito baixo.
Regra prtica: empregue a primeira diferena se d < R2
Ateno: o modelo de primeira diferena no tem intercepto

Mnimos Quadrados Generalizados (MQG)


Quando desconhecido:
O com base na estatstica d de Durbin-Watson

d
1
2
A partir dessa estimativa transformar as variveis como
sugerido na equao das diferenas generalizadas

Mnimos Quadrados Generalizados (MQG)


Quando desconhecido:
O estimado a partir dos resduos

ut ut 1 vt
A partir dessa estimativa transformar as variveis como
sugerido na equao das diferenas generalizadas

Mnimos Quadrados Generalizados (MQG)


Quando desconhecido:
Mtodo Newey-West para correo de erros-padro
de MQO
Vlido apenas para grandes amostras
Corrige no s a autocorrelao mas tambm a
heterocedasticidade
Requer que se especifique qual o lag da correlao que se
quer corrigir nos erros

Você também pode gostar