Modelo definição Usado para Teste Teste de que Objetivo Hipóteses Vantagens Falhas

Séries temporais Variáveis Verificar o efeito ADF E KPSS Estacionarieda Verificar autocorrelação dos ADF: h0 não estacionário Impede erro de achar que O teste ADF e KPSS não
uni e variando ao longo de variáveis ao -de e validez termos de erro ut. Tornar o KPSS: h0 estacionario uma série é não estacionária serve para modelos em
multivariadas do tempo para um longo do tempo; das ruído bem comportado (ut não (Ideal aceitar não rejeitar h0) quando é que não há cointegração
individuo; duas ou previsões; estatísticas t e correlacionado, com médio 0 e (VAR em diferenças).
múltiplas estimações f variância constante).
equações. futuras.

Séries temporais Ibidem (duas Estimações, Engle- Cointegração Deterctar Cointegração H0: não há cointegração Evitar regressões espúrias. Relação apenas entre
univariadas equações) previsões, a partir Granger (ideal é rejeitar h0) Força a descobrir se os duas equações; o teste não
da relação de resíduos são ou não permite séries i(0) e i(1)
interdependencia estacionários. ou fracionadamente
entre variaveis integradas.
Modelos econômicos
normalmente são
expressos por diversas
equações

VAR Várias variáveis Ibidem Akaike/ Escolha do O objetivo do VAR é verificar Akaike/Schwarz: menor valor Permite examinar, através Não permite séries não
(endógenas e Tem sua origem Schwarz; melhor interdependência entre as (consideram valor do SQR por de um sistema de equações estacionárias (em caso de
exógenas) em que no teste de Causalidade modelo; variáveis, e a trajetória de uma isso quanto menor). simultâneas, relações Cointegração opta-se pelo
para cada uma se causalidade Granger Causalidade variável de interesse, saber Causalidade Granger: h0: (interdependência) entre VEC, em caso de não,
tem uma equação granger estatistica como a série se comporta em variável X não granger (causa) variáveis impondo poucas pelo VAR em diferenças)
em que é relação a um choque variável W; restrições a estrutura da
explicada por seus (mudanças de patamar ou não, H1: variável X granger (causa) economia, liberadade de
valores defasados para qual patamar/direção). variável W. escolha das variáveis e
e pelos valores Akaike e schwarz servem como (aceitar h0 recomenda-se retirar defasagens.
defasados de balizadores para escolha do as defasagens da variável Evita feedback de correlação
todas as outras do melhor modelo a partir das especifica das equações das entre um wt e uwt e um yt e
modelo. Lida com defasagem (para testes de auto demais – os valores defasados uyt.
sazonalidades, regressão). não contribuem para a precisão
tendências, O teste de causalidade granger das demais)
outliers) visa verificar a significância do Fcalc > fcrítico rejeita h0 (há
modelo e dos parâmetros, se causalidade granger)
causalidade em termos de se
oscilações passadas de uma
variável está relacionada com
oscilações passadas da outra.
MCE (séries Cointegração Cointegração Não permite series i(0) e
temporais i(1) ou fracionadamente
univariadas) integra-
das.
VEC Johansen Traço (mais Cointegração Verificar quantos vetores de Traço: h0; r <igual r0 Em relação a séries Para cointegração, em
(Séries robusto) cointegração há. H1; r > r0 univariadas (MCE por caso de amostras
temporais Valor máximo Vmax: h0; r = r0 exemplo) por permitir pequenas é melhor
Multivariadas) H1; r = r0 + 1 múltiplas equações e utilizar o ardl.
(sequencial até aceitar h0) relações de variáveis.
Em relação ao VAR por
permitir séries não
estacionárias.
Em comparação ao teste de
máximo valor, o teste traço é
melhor na simetria e por
apresentar menos curtose
ARDL (séries Modelo Auto Análise de Bounds test Cointegração/ Verificar a existência de H0: não há relação de LP Aprimora o teste engle
temporais) Regressivo com modelos relação de relação de longo prazo do H1: há relação de longo prazo granger (permitindo séries
defasagem regressivos para longo prazo conjunto das variáveis Fstat < lower bounds -> não I(o) e I(1) ou
distribuída. captar relações de rejeita h0 fracionadamente
Versão mais curto e Fstat > upper bounds -> rejeita integradas). Transforma o
desenvolvida do principalmente h0 (há relação de LP) MCE eliminando as
MCE longo prazo Lower bounds < Fstat < upper restrições de relação de
bounds -> indeterminado longo prazo das variáveis xt
(ideal é o Festat cair além do (insere a dimensão de LP).
upper bounds, rejeitando h0 – Se o numero de defasagens
melhor usar ardl do que for determinado
MCE/VEC) corretamente, o estimador é
livre de correlação serial de
erros, de endogeneidade.
Arch-Garch Modelo auto Modelos não Engle (LM) Heterocedasti Verificar se a variância do H0: não há arch Vantagem em termos dos
(séries regressivo linerares com cidade termo de erro é estabelecida H1: há arch (h(t) = (ut-1)² modelos Arma e Arima pois
temporais) condicionado a volatilidade condicional pelo termo de erro defasado ao H0: não há garch incorpora a variação da
heterocedasticidad (variância quadrado ou se também o é pela H1: há garch (h(t) = (ht-1) volatilidade no tempo, indo
e (autocorr. Da condicional de própria variância defasada. Prob deve ser menor que 0.05 além de diferenciações. Nos
hetero ao longo de uma variável – Após verificar a presença de para rejeitar h0. modelos arima, só há
diferentes não arch, verificar se há a presença funcionalidade com series
períodos) estacionariedade de garch. estacionarias, onde do
na variância) contrario, se observa parâ-
metros inválidos, não
eficientes e com testes não
significativos
Painel Dinâmico Variáveis de Lidar com One step (não Sargan: Sargan: Verificar a validade do Sargan: h0: conjunto de Teste apropriado para
(GMM DIFF E vários indivíduos endogenia por robusto a overidentificat conjunto de instrumentos (não instrumentos validos, prob detecção de autocorrelação
SYSTEM) variando no varaivel hetero e auto): ion (one step); robusto) deve ser baixo (maior que pois caso haja a sua
tempo; instrumental Teste de Hansen (J): Hansen (J): verificar a 0.05); existência em termos de
Presença de uma Diff: equações em overidentifica (overidentifica validade do conjunto de Hansen (J): ho: conjunto de AR(2, invalida algumas
variável diferença com tion -> tion – two instrumentos (robusto a hetero instrumentos são validos defasagens como
dependente variáveis Sargan step robust) e auto, mas sujeito a (robust, não correlacionados instrumento. Dessa forma,
defasada entre os endógenas Two step O teste diff proliferação de inst) com o termo de erro), prob deve permite-se AR(1) mas não
regressores instrumentais em robust: Hansen: Diff Hansen; ser mais que 0.1; AR(2), rejeitando h0 para
(dinâmico); nível defasada e Teste de exogeneidade, Verificar a validade do Diff Hansen: AR(1) mas não para AR(2).
variáveis overidentifica (two step) subconjunto de instrumentos H0: subconjunto de
exógenas; tion: Arellano e (indicador de possível instrumentos são validos (não
System: equação Hansen (J). Bond: proliferação de instrumentos) correlacionados com o termo de
em nível usando Teste de autocorrelação Arellano e Bond: verificar se erro), prob deve ser menos que
as variáveis exogeneidade há auto correlação. 1 (próximo de 1 = indicio de
defasadas como (validade) do proliferação de instrumentos)
instrumentos. subconjunto Arellano e Bond:
de H0: não há autocorrelação
instrumentos Para AR(1) prob menor que
: 0.05; para AR(2) prob maior
Diff-Hansen que 0.05.
Arellano e
Bond (AR)
Painel não Variação de Hausman H0: ai não é correlacionado
dinâmico vários indivíduos com as variáveis explicativas
ao longo do tempo P < 0.05 deve-se usar efeito
(sem dinâmica) fixo.
 TIPOS DE SISTEMA

MULTIVARIADO UNIVARIADO
(TESTE DE RAIZ UNITÁRIA ADF;KPSS) (TESTE DE RAIZ UNITÁRIA ADF;KPSS)

ESTACIONÁRIO NÃO ESTACIONÁRIO ESTACIONÁRIO NÃO ESTACIONÁRIO

VAR PROVA DE COINTEGRAÇÃO REGRESSÃO LINEAR PROVA DE COINTEGRAÇÃO

(TRAÇO E MÁXIMO VALOR) (ENGLE-GRANGER)

HÁ COINTEGRAÇÃO NÃO HÁ COINTEGRAÇÃO HÁ COINTEGRAÇÃO NÃO HÁ COINTEGRAÇÃO

VEC (JOHANSEN) VAR EM DIFERENÇAS MCE REGRESSÃO EM DIFERENÇA