Capítulo 1

INTRODUÇÃO

As séries temporais podem ser estacionárias ou não estacionárias. Além disso,

podem ser estocásticas ou determinísticas. A série temporal estacionária determi-
rústica mais simples é uma constante, e E JR, isto é:

Yt = e.
Essa série será estacionária e estocástica se a ela for acrescentado um com-
ponente aleatório independente e identicamente extraído de uma distribuição
normal, E1 - N(O, a2 ) :
Yt =e+ E1.
Há inúmeras séries estacionárias determinísticas. Por exemplo:

Yt = e+ O,Sy1-1,
dado Yo· Essa série converge para ~L = 2c, à medida que t aumenta. Ela se tornará
estacionária e estocástica se lhe for acrescentado E.1 proveniente de uma distribuição
normal. 1 Em resumo, uma série estacionária é aquela que flutua em torno de uma
mesma média.
A série não estacionária tem uma tendência, que pode ter uma natureza
determinística ou estocástica. A série não estacionária determinística, acrescida de
um componente aleatório extraído de uma distribuição normal, flutua em torno
de uma tendência temporal. Por exemplo, a seguinte série é não estacionária com
tendência determirústica:
Yt = e + ót + Et .

1. A estacionaridade da série depende da distribuição do termo aleatório. Por isso, é importante a

hipótese sobre a distribuição.
2 • ECONOMETRIA DE SÉRIES TEMPORAIS

A série não estacionária com tendência estocástica move-se em torno de médias

flutuantes. Uma série não estacionária puramente estocástica tem a seguinte
configuração, visualizada no gráfico inferior esquerdo da Figura 1.1:

Yt = Y1-1 + t:1.

Caso acrescente uma constante, e, a esse modelo, comumente denominada drift,

trata-se de um modelo não estacionário com tendência estocástica e drift, conforme
gráfico inferior direito da Figura 1.1.

12: ~ - - - - - - -- -- - ~

10

s w lli m m m E ~ • ~ s w lli m m w E ~ • ~

!- y(t) =0,2t +erro! !- y(t) = 0,2t + y(t·l) +erro!

s~-- - - - - - - - - -~
4

·l-1.....~~ ~ ~ ~ ~~ ~ ~ ~ ~ , . . . . . . . . j
s w lli m m m E ~ • ~ 5 w lli m m m ~ ~ • ~

1- y(t) = y(H) + erro! !- y(t) =0,5 + 0,7y(t-1) + erro I

Figura 1.1 Processos estocásticos.

Em resumo, temos o seguinte quadro de tipos de séries:

Tipo de Série Estocástica Determinística

Estacionária Yt = e+ êt y, =e+ 0,5y1-1
Não Estacionária Tendência Estacionária Yt = e+ ót + êt y, = e+ ót
Tendência Estocástica y, = Yt-1 + E1
 CAPÍTULO 1 INTRODUÇÃO • 3

A forma de estimação econométrica depende de como classificar essas séries,

se estacionárias ou não. Portanto, a primeira preocupação é definir essa condição.
As séries estacionárias são análogas a séries convergentes da matemática. As
séries não estacionárias podem ser divergentes. A matemática está particularmente
interessada em séries convergentes porque, em geral, elas permitem análises de
equilfürio. O mesmo ocorre em econometria, uma vez que as inferências estatísticas
só terão validade se os resíduos da série temporal estimada forem estacionários. É
preciso ter em mente a ideia de que sempre se buscam resíduos estacionários, pois
só nesse caso é possível confiar nos testes estatísticos de coeficientes e da regressão.
As razões mais técnicas desses argumentos serão dadas adiante, mas a ideia central
é a seguinte: as séries não estacionárias não têm média e variância constantes
ao longo do tempo, contrariamente às séries estacionárias; logo, não há dados
suficientes para estimar a média e a variância de uma série não estacionária.
Em economia, existem séries estacionárias e não estacionárias. Em geral,
o retomo de ações e o crescimento do PIB, entre outros exemplos, são séries
estacionárias. Índices de preços e nível de produto são exemplos comuns de
séries não estacionárias. Veja o exemplo de uma série real estacionária na Figura 1.2.

0,08 ~ - - - - - - - - - -- - -- - ~

0,04

º·ºº
-0,04

-0,08

-0,12

-0,16 ,
1990 1992 1994 1996 1998 2000 2002

J - Taxa de Variação de Consumo de Energia Elétrica 1

Figura 1.2 Série estacionária - Brasil.

O capítulo seguinte retoma alguns fundamentos estatísticos que embasam

a econometria de séries temporais. Eles definem formalmente o que é uma
série estacionária e ajudam, nos capítulos seguintes, a entender como diferenciar
uma série estacionária de uma não estacionária e como estimar séries estacionárias
e não estacionárias. O objetivo do livro, portanto, é calcular os coeficientes desses
modelos e relacionar entre si duas ou mais séries temporais.
4 • ECONOMETRIA DE SÉRIES TEMPORAIS

EXERCÍCIOS

1. Suponha o seguinte modelo linear: y = Xf3 + E, em que y e E são vetores

n x 1,X < oo é uma matriz n x k e f3 é um vetor k x 1.
a. Determine a(s) hipótese(s) necessária(s) para estimar esse modelo por
MQO.
b. Determine a(s) hipótese(s) necessária(s) para que o f3 estimado, fi, exista e
seja único.
c. Determine a(s) hipótese(s) necessária(s) para que fi seja não viesado.
d. Determine a(s) hipótese(s) necessária(s) para que~ seja eficiente.
e. Determine a(s) hipótese(s) necessária(s) para que se possa fazer inferência
estatística.

2. Adão Isrniti queria verificar se a produtividade aumentava com a divisão do

trabalho. Para isso, fez a seguinte experiência: regrediu a produtividade (p) de
n trabalhadores de fábricas de alfinetes contra o número de funções exercidas
pelo trabalhador (F), os anos de escolaridade (E), o salário (w) e o número de
filhos (N). Formalmente, a regressão foi:

p; = {31 + {32F; + {JJE; + {34Wi + f3sNi + Ui .

Usando o teste t-Student, Isrniti não rejeitou a hipótese nula de parâmetro
igual a zero para ~3 . Retirou a variável E da regressão e estimou o modelo res-
trito, observando que ~5 se tornou, também, estatisticamente não significativo.
Finalmente, retirou N da regressão e estimou o modelo de novo.
a. Por que não foi preciso fazer o teste de F em ~3 para retirar E do modelo?
Ou seja, por que apenas o teste de t-Student pôde ser feito?
b. Justifique se o procedimento adotado por Ismiti está correto ou equivocado,
para ter eliminado a variável N do modelo.

3. Suponha um modelo de regressão linear múltiplo em que fi exista, seja não

viesado e eficiente, pois u é homocedástico. Suponha que você imponha falsas
restrições sobre os parâmetros do modelo.
a. Mostre que as estimativas nesse caso são viesadas.
b. Mostre que a variância das estimativas do modelo com restrições é menor
que a variância das estimativas do modelo sem restrições.
e. Qual é a implicação desse resultado em termos de previsão? Qual é a
intuição desse resultado?
Sugestão: Lembre o que é EQM, ou seja, o erro quadrático médio.

4. Responda:
a. Cite pelo menos dois testes para a hipótese de homocedasticidade.
b. Cite pelo menos um teste para a hipótese de autocorrelação dos resíduos.
 CAPÍTULO 1 INTRODUÇÃO • 5

c. Em caso de rejeição da hipótese nula em (1), por qual método você

estimaria o modelo?
d. Em caso de rejeição da hipótese nula em (2), por qual método você
estimaria o modelo?

5. Faça os seguintes exercícios:

a. Suponha que 2:;:
0 lx;I < oo. Mostre que 2:;:0 xf < oo;
b. Prove (ou não) que limn->oo I:;=l ~ = oo;
c. Prove (ou não) que limn--.oo I:;=l -;z = oo;
d. Prove (ou não) que, se 2:;: 0 xf < oo, então 2:;:0 lx;I < oo.