Correlação serial

- Possíveis causas da correlação incluem inércia, viés de especificação,

defasagem, manipulação de dados, transformação de dados.

- O coeficiente de correlação seria p mede o quanto grande é a correlação entre o

presente e o passado. Onde se p é 0 isso significa ausência de correlação serial,
a correlação serial aumenta na medida que p se afasta de 0.

- Quando há correlação serial, MQO continua não tendencioso e consistente

(caso a hipótese de exogeneidade contemporânea), porém ele ​deixará de ser
eficiente​, o que significa que ele não será mais o estimador que possui
variância mínima. O R² não será alterado. Erros padrões e testes de hipótese se
tornarão inválidos.

● Como detectar o problema de correlação serial?

- Teste de correlação serial AR​ ​com regressores estritamente exógenos

- O que é ser ​estritamente exógeno​? O termo do erro não pode ser

correlacionado com o passado das variáveis X em qualquer ponto do tempo.

- Nesse teste se estima a regressão, usando o resíduo obtido nessa regressão

para substituir o termo do erro na equação no modelo AR, então se estima a
nova regressão para encontrar o valor ⲣ.

- Teste de correlação serial AR​ ​com regressores gerais

- Ao colocarmos as variáveis explicativas dentro do modelo, isso permite que

essas variáveis não sejam incluídas no termo do erro, o que faz com que a
suposição de exogeneidade estrita possa ser violada.

- Teste Durbin-Watson (DW)

- Nesse teste se calcula o valor de DW, que é dado por

 - Onde como se observa, podemos simplificar essa divisão por 2(1 - p)
onde p(rô) é o coeficiente de correlação serial.

- Fazemos o teste de hipótese onde a hipótese nula é a ausência de

autocorrelação p = 0, e a hipótese alternativa é a presença de
autocorrelação p ≠ 0.

- Rejeitar H0 quando DW < dL, aceitar H0 se DW > dU.

- Para calcular dL e dU, usamos o número de observações n e o
número de coeficientes k (excluindo os termos constantes, ou seja
o intercepto), e usamos a tabela de Durbin-Watson.
- Para fazer o teste Durbin-Watson a regressão ​precisa ter
intercepto​.
- As variáveis explanatórias devem ser não estocásticas.
- Só podem funcionar com um nível de defasagem
- Erros devem seguir distribuição normal

- Teste geral de Breusch-Godfrey

- Esse teste permite que possamos colocar mais de uma defasagem no modelo,
de p1 até pq.

- O teste de hipótese envolve testar se a hipótese nula de que p0 = … = pq são

conjuntamente iguais a 0.

- Se multiplicarmos (n - p) onde n é o número de observações e p é o número da

defasagem auto-regressiva e multiplicar pela regressão de Breusch-Godfrey,
isso seguirá uma distribuição qui quadrado.

● Como corrigimos o problema?

- Podemos transformar o modelo de forma que ele satisfaça o teorema de

Gauss-Markov, para isso, incorporamos a autocorrelação serial dentro do
modelo, por meio da defasagem do modelo original em um período e
multiplicando cada coeficiente por p.

- Nesse novo modelo, o termo do erro será substituído por um novo termo do erro
que é um “white noise” que tem média, variância constante e não apresenta
autocorrelação serial.
- No entanto, como estimamos p?
- Através das estimativas de Cochrane-Orcutt e a de Prais-Winsten.

● Correção de Newey-West

- Na presença de correlação serial, os erros padrões de MQO exageram a

significância estatística porque há menos variação independente.

- Feita para corrigir autocorrelação, porém também corrige heterocedasticidade se

ela também estiver inclusa no modelo.

- A idéia do teste é calcular erros padrões robustos na presença de correlação

serial após a aplicação de MQO.

- Para isso aplicamos a fórmula na qual temos o erro padrão de MQO, dividido
pela variância do resíduo, tudo isso ao quadrado dividido pelo inflador v.

- No entanto, como calculamos v?

- Esse estimador também pode ser calculado em abordagem matricial: