Modelos econométricos para tomadas de decisão e previsão 

Apresentação do curso:
O objetivo deste curso é apresentar os principais métodos de análise e previsão de séries temporais,
bem como apresentar os modelos econométricos básicos e suas aplicações na tomada de decisão e
na previsão de dados futuros.
O curso abrange os modelos de regressão linear simples e múltipla, além dos modelos log-log, log-lin
e lin-log. Além da teoria, serão ajustados modelos com dados reais, utilizando o Excel.
Este curso destina-se aos estudantes do final do curso de economia e também aos graduados de
outras áreas que querem se aprimorar nesta ferramenta econométrica.

Conteúdo programático:
1. Introdução à Econometria (2 de fevereiro)
O que é econometria, objetivos e histórico
Elementos de um modelo econométrico
Etapas na elaboração de modelos econométricos e qualidades desejáveis
Exemplos de aplicação de modelos na tomada de decisão e na previsão

2. Modelo de Regressão Linear Simples (4 e 9 de fevereiro)

Estimação de mínimos quadrados
Revisão de matemática: otimização
Hipóteses do modelo e qualidade dos estimadores
Revisão de estatística: intervalo de confiança e teste de hipóteses
Qualidade do modelo ajustado
Exemplos de regressão simples no Excel

3. Extensões do Modelo Linear Simples (11 e 16 de fevereiro)

Regressão pela origem
Modelos não lineares nas variáveis: log-log, log-lin, lin-log e quadrático
Exemplos de modelos não lineares no Excel

4. Modelos de Regressão Linear Múltiplo (18 fevereiro e 2 de março)

Estimação dos parâmetros
Revisão de matemática: álgebra matricial.
Qualidade dos estimadores e da regressão
Exemplos de regressão múltipla no Excel

5. Modelo com variáveis dummies (4 de março)

Definição de variável dummy
Modelos de regressão múltipla com variáveis dummies
Exemplos de modelos com dummy no Excel

6. Série Temporal (9 e 11 de março)

O que é uma série temporal
Objetivos da análise de séries temporais
Exemplos de séries temporais no e-View

7. Análise do Comportamento da Série Temporal (dias 16 e 18 de março)

Componentes de uma série temporal
Tendência e Sazonalidade
Dessazonalização de uma série temporal
Uso de variáveis dummies na análise sazonal
Exemplos no e-View

8. Modelagem de séries temporais e a estacionariedade (dias 23 e 25 de março)

Processo Estocástico Estacionário
Testes para detectar a estacionariedade

9. Previsão com modelos ARIMA (30 de março e 1º de abril)

Modelagem AR, MA e ARIMA de dados de séries temporais
A metodologia de Box-Jenkins

1
 Capítulo 1 – Introdução à Econometria 

 
 
A  econometria  é  um  campo  específico  da  economia  que,  fazendo  uso  da  estatística 

matemática  e  da  inferência  estatística  procura  quantificar  as  relações  postuladas  pela  teoria 

econômica”. (Frisch, 1933). 

 
Outra  definição:  O  estudo  da  dependência  de  uma  variável  –  denominada  variável 

dependente  –  em  relação  a  uma  ou  mais  variáveis  –  denominadas  variáveis  independentes  ou 

explicativas  –  com  o  objetivo  de  estimar  ou  prever  o  valor  esperado  da  primeira  (variável 

dependente), quando forem conhecidos os valores das variáveis independentes.   

Exemplo 1.1: 
Sejam P = preço de um bem  e Q = quantidade comprada desse bem (em diversos momentos do 
tempo) 
Tempo(i) Pi  Qi 
1 65  100 
2 70  100 
3 70  90 
4 70  105 
5 70  85 
6 70  90 
7 75  85 
8 80  90 
9 90  70 
10 100  55 

Sabemos,  pela  teoria  do  consumidor,  que  o  preço  de  um  bem  e  sua  demanda  estão 

negativamente  relacionadas.  Assim,  quando  aumenta  o  preço  do  bem,  deve  cair  à  quantidade 

demandada. Vejamos o que ocorreu, em nosso exemplo, através de um gráfico: 

Quantidade demandada e Preço

120
100
Quantidade

80
60
40
20
0
50 60 70 80 90 100 110
Preço

2
 Como  se  pode  observar,  há  um  conjunto  de  pontos  que  indicam  a  existência  da  relação 

prevista pela teoria, porém essa relação é não exata. O mesmo preço do bem, por exemplo, associa 

valores  diferentes  na  quantidade  demandada.  Isso  nos  leva  a  crer  que  a  quantidade  demandada 

(variável  dependente)  é  função  do  preço,  mas  sofre  também,  influência  de  outros  fatores  que 

chamaremos de perturbações estocásticas. Se admitirmos que a quantidade mantém uma relação 

funcional  como  o  preço  e  que  –  para  simplificar  –  esta  relação  é  linear,  então  admitiremos  que 

oscilações  em  torno  da  verdadeira  reta  são  perturbações  aleatórias  decorrentes  de  todos  aqueles 

fatores que consideramos constantes.  

P Plotagem de ajuste de linha

Q Previsto(a) Q

110
100
90
80 Qˆ i = 180,8 − 1,24 Pi
70
Q

60
50
40
30
20
50 60 70 80 90 100 110
P

Exemplo 1.2:  
Y=Gastos com Previdência como % do PIB 
X=Razão de Dependência (população de 65 anos ou mais / população em idade ativa de 15‐64 
anos) (80 países) 

País  Y  X 
Alemanha     12,1     27,2 
Argentina      6,2     16,0 
Austrália      5,9     18,7 
Áustria     14,9     24,2 
Bélgica     12,9     26,7 
Bolívia      4,5      7,9 
Brasil     11,7      9,1 
Canadá      5,4     18,8 
Chile      2,9     11,9 

3
 China      2,7     10,6 
Colômbia      1,1      7,9 
Coréia do Sul      1,3     12,5 
Costa do Marfim      0,3      5,9 
Costa Rica      4,2      8,7 
Dinamarca      8,8     22,5 
Egito      2,5      7,7 
El Salvador      1,3      8,8 
Equador      1,4      9,3 
Espanha     10,9     23,8 
Estados Unidos      7,5     18,4 
Finlândia     12,1     23,5 
França     13,4     25,5 
Grécia     11,9     26,6 
Holanda     11,1     20,7 
Irlanda      4,6     15,9 
Itália     17,6     29,7 
Japão      6,9     28,8 
Marrocos      2,5      7,5 
Mauritânia      0,2      6,4 
México      7,8      8,2 
Nicarágua      2,5      5,8 
Noruega      8,2     23,0 
Nova Zelândia      6,5     18,5 
Panamá      4,3      9,3 
Paquistão      0,9      6,6 
Paraguai      0,7      6,3 

Gráfico 2 - Gastos com previdência observados e estimados a partir da razão de

dependência de idosos - 2006
20

18

16
Gasto com previdência como % PIB

14
França
Brasil
12 Finlândia Alemanha

10

0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32
Razão de dependência

Fonte: Banco Mundial (2006) e Caetano(2006). Gastos com Previdência

Aj d
Reta Estimada:   Yˆi = −1,36 + 0,49 X i  
 

4
Exemplo1.3: Yt é PIB dos Estados Unidos, em bilhões de dólares de 1987, de 1ºtrim1970 até 
4ºtrim1991. 

PIB

6.000

5.000

4.000

3.000

2.000

1.000

-
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86
 

Gráfico 4.1. PIB original e previsto ‐ Modelo ARIMA(12,1,0)

PIB Original PIB Previsto Lsup Linf

5400

5200

5000

4800

4600

4400

4200

4000

3800

3600

3400

3200

3000

2800
1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
41
43
45
47
49
51
53
55
57
59
61
63
65
67
69
71
73
75
77
79
81
83
85
87
89

5
1.2. ELEMENTOS DE UM MODELO ECONOMÉTRICO
Modelo Econométrico  =>  Yi = α + β ⋅ X i + ε i  

Todo modelo econométrico envolve quatro elementos básicos:  

(A)  variáveis  (Y,X)  =>  são  características  observáveis  de  alguma  entidade  e  que  podem 

apresentar  diferentes  valores,  ainda  que  o  X  possa  ser  absolutamente  controlável.  As  variáveis 

podem ser classificadas como:  

‐ dependentes (y) ou independentes (X1, X2, ..., Xn),  

‐ explicadas ou explicativas  

‐ endógenas ou exógenas 

Observe que as variáveis ditas dependentes ou explicadas ou endógenas ou são aquelas 

que recebem influência de outras variáveis ou seja, são variáveis cujo comportamento seria (ou 

é) explicado por outras variáveis.  

Variáveis  independentes,  explicativas,  exógenas  ou  causas  são  aquelas  que  (se  supõe) 

afetam as variáveis dependentes, explicando‐lhes as oscilações.  

(B) relações ou equações Y=f(X) =>  descrevem ou expressam o mecanismo que aciona os 

elementos de um fenômeno econômico. Ex: Equação de demanda, equação de oferta, função de 

produção, imposto sobre mercadorias como função de faturamento. 

(C) parâmetros ou coeficientes (α e β) => são magnitudes que permanecem constantes; 

objeto de investigação do modelo; 

(D) termo aleatório ou perturbações aleatórias (ε): é a expressão de um grande número de 

pequenas causas, que produzem um desvio em relação ao que a variável dependente deveria ser, 

se a relação fosse deterministica. Por conseguinte, tal termo indica: 

• Variáveis omitidas; 

• Imprevisibilidade do comportamento entre indivíduos; 

• Erros de medidas da variável dependente; 

• Especificação imperfeita das relações. 

6
OBS:  

1. αˆ e βˆ  são os estimadores dos parâmetros α e β. 

2. A reta estimada  Yˆi = αˆ + βˆ ⋅ X i  não possui o termo aleatório por ser uma relação exata. 

1.3. QUALIDADES DESEJÁVEIS DE UM MODELO ECONOMÉTRICO 

São 5 as qualidades desejáveis:  

a) Plausibilidade teórica: deve ser condizente com os postulados da teoria econômica. 

b) Capacidade explanatória: deve ser capaz de sugerir uma explicação para o relacionamento 

observado entre as variáveis.  

c) Exatidão  das  estimativas:  os  parâmetros  estimados  devem  ser  os  melhores  possíveis. 

Devem se aproximar dos verdadeiros valores. 

d) Capacidade de previsão: o modelo deve, em princípio, fazer previsões com segurança. 

e) Simplicidade:  o  modelo  deve  representar  relações  econômicas  com  o  máximo  de 

simplicidade em termos de número de variáveis e equações. 

7
1.4 ETAPAS NA ELABORAÇÃO DE MODELOS ECONOMÉTRICOS

1a Etapa: Teoria Observação

Econômica Empírica
Especificação ou construção

do modelo Formulação
de Hipóteses

Modelo Relação entre as

Matemático Variáveis

Modelo nº de equações
Econométrico nº de variáveis

2a Etapa:
Coleta de dados
Estimação do modelo apropriados

especificado
Estimação dos
parâmetros

3a Etapa:
Os resultados são
Avaliação dos satisfatórios?

resultados não sim

Problemas nos dados ou Aceitação das

hipóteses? hipóteses

Previsões ou
Revisão da Revisão das Desistência do decisões
amostra hipóteses modelo

Baseado em: Matos, O. C., Econometria Básica: Teoria e Aplicações, Editora Atlas, 1995.