Você está na página 1de 29

Type author name/s

Alexandre here
Ernesto

Parte III – Violação dos


Chapter heading
Pressupostos dos MCRL
AULA 9: Autocorrelação

© Alexandre Ernesto, 2019. Direitos reservados.


PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Objectivos de aprendizagem

1. Entender o significado de autocorrelação nos MCRL;

2. Perceber o que causa a autocorrelação;

3. Distinguir entre autocorrelação de primeira e de ordens maiores;

4. Entender as consequências da autocorrelação sobre os estimadores MQO;

5. Detectar autocorrelação por meio do gráfico e testes econométricos formais;

2
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

O que é autocorrelação e quais as suas causas?

3
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Introdução: o que é autocorrelação

Um dos pressupostos dos MCRL é de que as covariâncias e as correlações entre os erros são todas iguais
a zero:
𝐶𝑜𝑣 𝑢𝑡 , 𝑢𝑠 = 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑡 ≠ 𝑠 (1)

 Este pressuposto determina que os erros 𝑢𝑡 𝑒 𝑢𝑠 estão distribuídos de forma independente, ou seja, a
série é independente.

 Se este pressuposto não for válido, então os erros não são independentes, mas sim estão
autocorrelacionados.

 Isto que dizer que um erro que ocorre no período 𝑡 deve ter implicações sobre os erros no período
seguinte 𝑡 + 1.

 Autocorrelação é mais provável de ocorrer em séries temporais.

 Em dados de corte transversal, é menos provável a existência de autocorrelação.

4
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Causas da autocorrelação (1/3)

1. Um dos factores que pode causar autocorrelação é omissão de variáveis.

Imagina que 𝑌𝑡 esta relacionado com 𝑋2𝑡 e 𝑋3𝑡 , mas erradamente não incluímos 𝑋3𝑖 no modelo.

 O efeito de 𝑋3𝑡 será capturado pelo erros 𝑢𝑡 .

 Se 𝑋3𝑡 como muitas outras séries económicas exibir uma tendência ao longo do tempo, então
𝑋3𝑡 depende de 𝑋3𝑡−1 , 𝑋3𝑡−2 e assim sucessivamente.

 Similarmente, então 𝑢𝑡 depende de 𝑢𝑡−1 , 𝑢𝑡−2 e assim sucessivamente.

5
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Causas da autocorrelação (2/3)

2. Uma outra razão é a má especificação do modelo

Suponha que 𝑌𝑡 esta relacionado com 𝑋2𝑡 com uma relação quadrática:

2
𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝑢𝑡 (2)

mas erradamente assumimos e estimados um modelo linear:

𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝑢𝑡 (3)

2
 Logo, o termo de erro obtido do modelo linear irá depender de 𝑋2𝑡 .

6
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Causas da autocorrelação (3/3)

3. A terceira razão é o erro sistemático na medição

Suponha que uma empresa actualiza o seu inventário num dado período de tempo.

 Se um erro sistemático ocorre ao elaborar o inventário, então o estoque acumulado irá exibir erros de
medição de forma acumulada.

 Estes erros aparecerão como um procedimento autocorrelacionado.

7
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Distinguir entre autocorrelação de primeira e de ordens maiores

8
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Autocorrelação de primeira ordem (1/3)

A mais simples e comumente observada forma de autocorrelação é a de primeira-ordem.

Considere um modelo de regressão linear múltipla:

𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝛽4 𝑋4𝑡 + ⋯ + 𝛽𝑘 𝑋𝑘𝑡 + 𝑢𝑡 (4)

Em que a observação actual do termo de erro 𝑢𝑡 é uma função de valores passados (lagged) do termo de
erro aleatório:

𝑢𝑡 = ρ𝑢𝑡−1 + 𝑒𝑡 (5)

 O coeficiente 𝝆 é chamado de coeficiente de autocorrelação de primeira ordem e toma valores entre -1 e


+1.

 É óbvio que o tamanho de ρ irá determinar a força da correlação serial.

9
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Autocorrelação de primeira ordem (2/3)

Podemos existir três diferentes casos:

a) Se ρ é zero, então não há autocorrelação.

b) Se ρ esta próximo da unidade (+1), o valor da observação passada do termo de erro é mais
importante na determinação do valor actual do erro e portanto, existe alto grau de
autocorrelação. Neste caso observamos uma autocorrelação positiva.

10
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Autocorrelação de primeira ordem (3/3)

c) Se ρ esta próximo da unidade (-1), obviamente a força da correlação serial será muito alta e
negativa.

Em geral, em economia, correlação serial negativa é muito menos provável de acontecer do que a
correlação serial positiva.

11
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Autocorrelação de ordens maiores

Exemplos de autocorrelação de ordens superiores a um:

 De segunda ordem:
𝑢𝑡 = ρ1 𝑢𝑡−1 + ρ2 𝑢𝑡−2 + 𝑒𝑡 (6)

 De terceira ordem:

𝑢𝑡 = ρ1 𝑢𝑡−1 + ρ2 𝑢𝑡−2 + ρ3 𝑢𝑡−3 + 𝑒𝑡 (7)

 De p −énesima ordem:

𝑢𝑡 = ρ1 𝑢𝑡−1 + ρ2 𝑢𝑡−2 + ρ3 𝑢𝑡−3 + ⋯ + ρ𝑝 𝑢𝑡−𝑝 + 𝑒𝑡 (8)

12
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Consequências da autocorrelação

13
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Consequências da autocorrelação

1. Os estimadores de MQO manter-se-ão não enviesados e consistentes, porque tanto o não


enviesamento como a consistência não dependem do pressuposto de que as covariâncias e
as correlações entre os erros sejam iguais ou não.

2. Os estimadores de MQO serão ineficientes, logo não são BLUE.

3. As variâncias estimadas dos coeficientes da regressão serão enviesadas e inconsistentes, logo


os testes de hipóteses não serão válidos. Na generalidade, 𝑹𝟐 será superestimado (indicando
um ajustamento melhor do que o que realmente existe) e a estatística t tenderá a ser maior
(indicando maior significância dos estimadores em relação aos estimadores correctos).

14
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar a autocorrelação?

15
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (1/10)

Existem três abordagens comuns para detectar autocorrelação:

1) Observação dos dados num gráfico;

2) Teste de Durbin-Watson;

3) Teste de Breusch-Godfrey.

16
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (2/10)

Observação dos dados num gráfico

 Determine a regressão, recolha os resíduos estimados e represente-os num gráfico (𝑢𝑡 = ρ𝑢𝑡−1 + 𝑒𝑡 ).

.12 .12

.08 .08

.04 .04

RES01
.00 .00

-.04 -.04

-.08 -.08
85 86 87 88 89 90 91 92 93 -.08 -.04 .00 .04 .08 .12

RES01 RES01(-1)

Observando as duas figuras, esta claro que os resíduos estão positivamente correlacionados serialmente. Contudo,

esta é uma abordagem não científica, pois é importante recorrermos aos testes formais.

17
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (3/10)

Teste de Durbin-Watson

Para aplicação do teste de Durbin-Watson, os seguintes pressupostos devem ser satisfeitos:

1) A modelo de regressão inclui o termo constante;

2) A autocorrelação deve ser apenas de primeira ordem;

3) A equação não inclui valores passados (lagged) da variável dependente como uma variável
explicativa.

 O teste DW baseia-se no coeficiente de correlação estimado sobre os resíduos (ρ) do período de atraso
(one period lag).

18
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (4/10)

Teste de Durbin-Watson (2)

Considere um modelo de regressão linear múltipla:

𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝛽4 𝑋4𝑡 + ⋯ + 𝛽𝑘 𝑋𝑘𝑡 + 𝑢𝑡 (9)

Onde:
𝑢𝑡 = ρ𝑢𝑡−1 + 𝑒𝑡 𝜌 <1 (10)

𝐶𝑜𝑣(𝑢𝑡 , 𝑢𝑡−1 )
𝜌= , 𝑜𝑛𝑑𝑒 − 1 ≤ 𝜌 ≤ 1 (11)
𝑉𝑎𝑟(𝑢𝑡 )

 Passo 1. Estime o modelo pelo MMQO e obtenha os resíduos 𝑢𝑡 .

 Passo 2. Calcule a estatística DW: d ≈ 2(1 − 𝜌)


Onde 0 ≤ d ≤ 4

19
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (5/10)

Teste de Durbin-Watson (3)

 Passo 3. Construa a tabela com as estatísticas DW calculadas e os valores críticos de:

𝑑𝑢 ,𝑑𝐿 , 4 − 𝑑𝑢 𝑒 4 − 𝑑𝐿 .

Zona de
Zona de
indecisão
indecisão
Rejeita 𝐻0 Rejeita 𝐻0
Evidência de Evidência de
autocorrelação autocorrelação
Não rejeitamos 𝐻0
positiva negativa
Não há
autocorrelação

𝑑
𝐻0 𝑑𝐿 𝑑𝑈 2 4 − 𝑑𝑈 4 − 𝑑𝐿 4

20
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (6/10)

Teste de Durbin-Watson (4)

 Passo 4. Para testar a existência de correlação serial positiva, as hipóteses são:

𝐻0 : 𝜌 = 0 𝑛ã𝑜 ℎá 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜

𝐻𝐴 : 𝜌 > 0 ℎá 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎

1) Se d ≤ 𝑑𝐿 rejeitamos 𝐻0 e concluímos que existe autocorrelação positiva.

2) Se d ≥ 𝑑𝑈 não podemos rejeitar 𝐻0 e concluímos que não existe autocorrelação positiva.

3) Se 𝑑𝐿 < d < 𝑑𝑈 o teste é inconclusive.

 Passo 4b. Para testar a existência de correlação serial negativa, as hipóteses são:

𝐻0 : 𝜌 = 0 𝑛ã𝑜 ℎá 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜

𝐻𝐴 : 𝜌 < 0 ℎá 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑎

1) Se d ≥ 4 − 𝑑𝐿 rejeitamos 𝐻0 e concluímos que existe autocorrelação negativa.

2) Se d ≤ 4 − 𝑑𝑈 não podemos rejeitar 𝐻0 e concluímos que não existe autocorrelação negativa.

3) Se 4 − 𝑑𝑈 < d < 4 − 𝑑𝐿 o teste é inconclusive.

21
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (7/10)

Teste de Durbin-Watson: desvantagens

1) Podemos obter resultados inconclusivos;

2) Não é aplicado quando valores passados da variável dependente são usados como
variáveis explicativas;

3) Não podemos usá-lo quando existir mais do que uma ordem de autocorrelação dos erros.

22
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (8/10)

Teste de Breusch-Godfrey

Devido às desvantagens do teste DW, Breusch-Godfrey desenvolveram um teste baseado no multiplicador


de Lagrange que resolve todos os problemas inerentes às limitações do teste DW.

Considere um modelo de regressão linear múltipla:

𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝛽4 𝑋4𝑡 + ⋯ + 𝛽𝑘 𝑋𝑘𝑡 + 𝑢𝑡 (12)

Onde:

𝑢𝑡 = ρ1 𝑢𝑡−1 + ρ2 𝑢𝑡−2 + ρ3 𝑢𝑡−3 + ⋯ + ρ𝑛 𝑢𝑡−𝑛 + 𝑒𝑡 𝜌 < 1 (13)

23
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (9/10)

Teste de Breusch-Godfrey (2)

 O teste de Breusch-Godfrey combina as duas equações (12) e (13)

𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝛽4 𝑋4𝑡 + ⋯ + 𝛽𝑘 𝑋𝑘𝑡 + ρ1 𝑢𝑡−1 + ρ2 𝑢𝑡−2 + ρ3 𝑢𝑡−3 + ⋯ + ρ𝑝 𝑢𝑡−𝑝 + 𝑒𝑡 (13)

Portanto, a hipótese nula e a hipótese alternativa são:

𝐻0 : 𝜌1 = 𝜌2 ⋯ = 𝜌𝑛 = 0 𝑛ã𝑜 ℎá 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜
𝐻𝐴 : 𝑝𝑒𝑙𝑜 𝑢𝑚 𝑑𝑜𝑠 𝜌𝑠 𝑛ã𝑜 é 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑧𝑒𝑟𝑜, 𝑙𝑜𝑔𝑜 𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜 𝑠𝑒𝑟𝑖𝑎𝑙

Passos para aplicar o teste Breusch-Godfrey:

 Passo 1. Estime o modelo pelo MQO e obtenha os resíduos 𝑢𝑡 .

 Passo 2. Calcule o modelo com o número de lags (p) determinados pela ordem de correlação para ser
testado.

𝑢𝑡 = 𝛼1 + 𝛼2 𝑋2𝑡 + 𝛼3 𝑋3𝑡 + 𝛼4 𝑋4𝑡 + ⋯ + 𝛼𝑘 𝑋𝑘𝑡 + 𝜌1 𝑢𝑡−1 + 𝜌2 𝑢𝑡−2 + 𝜌3 𝑢𝑡−3 + ⋯ + 𝜌𝑝 𝑢𝑡−𝑝 + 𝑒𝑡

24
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como detectar autocorrelação? (10/10)

Teste de Breusch-Godfrey (3)

 Passo 3. Determine a estatística LM por meio dos resultados da regressão realizada no passo 2

𝐿𝑀 = (𝑛 − 𝑝)𝑅2

Note que a estatística LM segue uma distribuição qui-quadrado.

 Passo 4: Se a estatística LM for maior do que o valor crítico da distribuição qui-quadrado (𝜒𝑝2 ) para
um determinado nível de significância, a hipótese nula de que não há correlação linear entre os erros
não é rejeitada. Se contrário, rejeitamos a hipótese nula e concluímos que existe correlação serial.

25
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Como resolver o problema da autocorrelação

 Uma importante implicação econométrica da autocorrelação é de que os devios-padrão dos estimadores


são enviesados.

 Logo, é fundamental resolver esta questão de formas o podermos usar o modelo e proceder análises e
retirar conclusões sobre os seus resultados.

Soluções metodológicas comuns para resolver o problema de autocorrelação incluem:

1) Use variáveis diferentes, mude a forma funcional do modelo, faça remoção dos outliers, etc.;

2) Correcção dos enviesamentos nos desvios-padrão (modelo de regressão robusto, ou seja, desvio-
padrão robusto; desvio-padrão de Newey-West);

3) Transformar o modelo para atender o problema dos erros autocorrelacionados (modelo GLS)

26
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Bibliografia utilizada

Próxima aula de nº 10 iremos falar sobre:

Revisão geral sobre a matéria.

27
PARTE III – Violação dos Pressupostos do MCRL | Autocorrelação

Bibliografia utilizada

Asteriou e Hall. 2011. capítulo 7, pág. 149 – 173.

Gujarati, Damodar N., 2009. Capítulo 12, pág. 357 - 407.

28
Copyright Alexandre Ernesto 2019.

Estes slides podem ser carregados por qualquer pessoa, em


qualquer lugar para uso pessoal e não há necessidade de se
referenciar o autor.

Todo o material inserido nestes slides, a excepção de algumas


ilustrações e exemplos específicos sobre Angola, foram elaborados
com base nos livros descritos na referência bibliográfica para este
curso.

29