ANÁLISE DA RELAÇÃO ENTRE OS RETORNOS DE ÍNDICES DE

BOLSAS MUNDIAIS 

LUIS FELIPE SILVA GARIGLIO

Graduando em Controladoria e Finanças – FACE/UFMG

SAMUEL HENRIQUE RODRIGUES COELHO

Graduando em Controladoria e Finanças – FACE/UFMG

RESUMO
Dado o oportunoo cenário gerado pelo desenvolvimento do processo pandêmico causado pelo
novo coronavírus (SARS-CoV-2), os autores desenvolveram o presente estudo no intuito de
encontrar as relações existentes entre algumas das principais bolsas mundiais. selecionadas
arbitrariamente, se utilizando de índices negociados no mercado americano indexados ao
desempenho das principais bolsas nacionais, procurando através deForam utilizadas três
metodologias: (1) Regressão Múltipla, (2) Teste de Causalidade de Granger, (3) Modelo
Vetorial Autorregressivo (VAR)., encontrar resultados que permitam inferir como se dão estas
relações. Logo, observou-se que os índices analisados apresentam relações de interdependência
e causalidade entre si, confirmando o avanço da globalização e da difusão de informações ao
redor do mundo. Cabe destacar ainda a grande influência observada, tanto do mercado indiano
quanto do mercado australiano, sobre os demais mercados de capitais analisados.

PALAVRAS-CHAVE: Bolsas mundiais, correlação, regressão, vetores

AutorregressivosAuto-regressivos.
1. INTRODUÇÃO
Abordar sobre investimentos é abordar sobre tomada de decisão, e no que tange a
economia global não é diferente, o processo de globalização tem tornado cada dia mais difícil e
um tanto interessante a tomada de decisão dos investidores frente a quantidade de produtos que
são desenvolvidos, fazendo com que nesse processo de tomada decisão os agentes tenham a
necessidade de cada vez mais informações. Nesses cenários de constantes interações os
mercados de diferentes geografias países têm estabelecido conexões que vão muito além de um
simples negócio, tornando as economias de fato cada vez mais interdependentes entre si, de
maneira que uma gota no rio afeta o oceano.  Toma-se como exemplo o cenário atípico que se
instaurou e que ainda se faz presente em função da crise da Covid-19 provocada pelo novo
coronavírus (SARS-CoV-2), o mesmo começou na China, até onde os estudos sustentam, e
como um efeito cascata saiu de leste a oeste, levando não só a crises sanitárias, mas também a s
crises econômicas afetando diferentes setores econômicos. Portanto, o presente estudo objetiva
trazer luz sobre quaisl as relação relações de interdependência entre as bolsas de valores
mundiais e mais especificamente selecionando arbitrariamente algumas destas para entender
através de metodologias estatísticas o quanto estão relacionadas.
Logo, espera-se que tais análises mostrem correlações positivas com significância
estatística em diversos níveis. Ademais, o presente artigo se divide em cinco partes, sendo a
primeira o referencial teórico, a segunda metodologia, a terceira discussão e resultados, a quarta
conclusão e por fim na quinta as referências tidas como base para tal.;

2. REFERENCIAL TEÓRICO

2.1 Revisão da Literatura

Neste artigo, procura-se mostrar como os mercados de capitais ao redor do mundo se
relacionam, evidenciando como um choque em um mercado pode afetar economias de
diferentes partes do globo. Particularmente, espera-se verificar relações de causalidade entre os
mercados, visto que com o crescimento tanto da internet quanto dos meios de comunicação de
forma geral, informações em qualquer lugar do mundo podem ser recebidas e absorvidas pelos
mercados rapidamente.
Na literatura de finanças, diversos estudos sobre este tema já foram desenvolvidos.
Essas pesquisas são importantes pois, pois além de gerar informações para os agentes do
mercado, também colaboram para entendermos como essa relação entre os mercados de capitais
está evoluindo ao longo dos anos. Nesse sentido, Aggarwal e Rivoli (1989) procuraram
examinar a relação entre o mercado norte-americano e quatro mercados emergentes asiáticos.
Neste estudo, chegou-se à conclusão de que há significativa dependência entre o
comportamento desses mercados, sobretudo durante o “Crash” de 1987. 
Outro estudo, desenvolvido por Pagan e Soydemir (2000), utilizou o modelo de Vetores
AutorregressivosAuto-regressivos (VAR) para analisar a extensão de interdependência entre os
mercados latino-americanos. A conclusão do trabalho evidenciou uma forte relação entre o
mercado mexicano e o norte-americano. Também se sugere uma relação mais fraca, mas
significativa, para os outros países em relação ao mercado de Wall Street. 
Posteriormente, Lamounier e Nogueira (2008) desenvolveram pesquisa para avaliar
como ocorre o “contágio” entre mercados financeiros, mais especificamente a relação entre
mercados emergentes e desenvolvidos. Utilizando a metodologia dos modelos Vetoriais
AutorregressivosAuto-regressivos com Correção de Erros (VEC), os pesquisadores verificaram
a presença de relações de cointegração entre os mercados. Também concluíram que a
velocidade do ajustamento da relação de cointegração de longo-prazo entre os mercados
apresentou-se baixa, o que permitiria aos investidores reduzir o de risco de seus portfólios pela
diversificação.

2.2 Modelo Econométrico

2.2.1 Regressão Múltipla

A Regressão Linear Múltipla é um modelo de análise utilizado para modelar a relação
linear entre uma variável de desfecho contínua e múltiplas variáveis preditoras que podem ser
contínuas ou categóricas. Tem como objetivo obter uma equação para predizer valores de Y a
partir dos valores de várias variáveis X 1 , X 2 , ..., X k . Assim, a regressão múltipla busca traçar o
seguinte modelo:

Y c =a+b1 x1 +b 2 x 2 +…+b k x k

Onde Y c = variável dependente, a = intercepto do eixo y, b = coeficiente angula da i-

ésima variável e k = número de variáveis dependentes. Para encontrar essa equação utiliza-se o
método dos mínimos quadrados ordinários, em que a solução dos mínimos quadrados é a que
minimiza a soma dos quadrados dos desvios entre os valores observados e a superfície de
regressão ajustada, que pode ser obtida por:

2.2.2 Testes de Raiz Unitária

A não-estacionariedade das séries temporais pode ser verificada por meio de testes de
raízes unitárias. Um dos testes mais importantes para identificar a presença de raízes unitárias
(série não-estacionária) é o teste de Dickey Fuller expandido (ADF), que permite identificar a
estacionaridade de uma série, analisando a não-estacionariedade pela presença de tendências
estocásticas, determinísticas ou a junção de ambas (Lamounier & Nogueira, 2007).

A equação (1) representa a equação de teste do modelo ADF:

k−1
∆ y t =μ+ατ + ( β – 1 ) y t −1+ ∑ ∅ p Δ y t − p +ε t (1)
p =1

em que: μ é o drift; τ é o termo de tendência linear; k é o número de defasagens e ε t é o erro

aleatório do tipo White noise (ruído branco). O teste será dado pelas hipóteses:

H0 = μ = α = (β – 1) = 0 (Raiz Unitária) versus H1 = alguns dos termos (μ, α, (β – 1)) ≠ 0.

Um segundo teste de raiz unitária é o teste de Phillips-Perron (PP), permite corrigir o
teste ADF garantindo uma consistência, independente se haja variáveis dependentes e
correlação serial de erros (Pereira, da Silva & Maia, 2015). Consequentemente, permite que os
erros (resíduos) sejam dependentes e/ou heterocedásticos. A equação do teste é dada por:

∆ y t =μ+ ρ y t −1 + ε t (2)
cuja hipótese nula é dada por H0 = ρ = 1, ou seja, a série yt segue um processo do tipo passeio
aleatório.

2.2.3 Teste de Causalidade de Granger

A causalidade no sentido de Granger indica que ao observar duas séries temporais,
objetiva-se saber qual precede e qual segue ou se possuem o mesmo comportamento, logo, o
teste irá constar se uma série influencia na outra e se seus valores defasados permitem predizer a
outra série e consequentemente também em como se dá essa relação (Junior & Higuchi, 2008).
Considerem-se as seguintes séries, x 1 e x 2, não cointegradas:

k k
x 1 t=α 0 + ∑ a 1i x 1t −i+ ∑ a2 i x 2 t−i + ε 1t (3)
i=1 i=1
k k
x 2 t=β 0 + ∑ β 1 i x 1 t−i + ∑ β 2 i x 2 t−i +ε 2t (4)
i=1 i=1

Interpreta-se da seguinte forma, se um ou mais coeficientes α 2 i forem diferentes de zero

para as diferentes defasagens, então, pode-se rejeitar a ausência da causalidade. Assim, tem-se
que x 2 causa x 1 no sentido de Granger. Se um ou mais coeficientes β 1 i forem significativos, a
direção da causalidade será de x 1 para x 2. Se ambos os fatores, α 2 i e β 1 i, forem diferentes de
zero, então, pode-se dizer que existe causalidade bidirecional, ou seja, x 2 causa x 1, assim como
x 1 causa x 2 (Lamounier & Nogueira, 2007).

2.2.4 Modelo Vetorial Autorregressivo (VAR)

Os modelos vetoriais autoregressivos (VAR), observa as relações existentes entre as
variáveis analisadas e auxiliam na análise do impacto dinâmico das perturbações randômicas
sobre o sistema de variáveis, o que torna o modelo VAR um eficiente instrumento de previsão
do comportamento futuro de estudos de séries temporais interrelacionadas (Caiado, 2002).
Para esclarecer a metodologia do modelo VAR, considerem-se duas séries temporais,
y1 e y2, ou seja, k = 2. Assim, tem-se que:

y 1 t =α 10 +α 11 y 1t −1+...+ α 1 p y 1t − p+ β11 y 2 t −1 + …+ β1 p y 2 t− p +ε 1t (5)

y 2 t =α 20 +α 21 y 2 t−1 +...+α 2 p y 2 t− p + β 21 y 1 t −1 +…+ β2 p y 1 t− p +ε 2t (6)

em que: y 1 t e y 2 t são os valores correntes das variáveis endógenas; α ip e β ip são os coeficientes

e ε it são os termos de erro do tipo ruído branco.
Analisando as equações (5) e (6), generaliza-se o modelo VAR de ordem p, de acordo
com a forma matricial:

y t =¿ δ + ϕ 1 y t −1 + ϕ 2 y t −2 + ... + ϕ p y t − p + ε t (7)

em que:
 Dessa forma, conforme Griffiths; Hill; Judge (1993), o modelo VAR infere os valores
correntes das variáveis dependentes em função da variável de intercepto ( α i 0) e dos valores
defasados das variáveis endógenas (Lamounier & Nogueira, 2007).

2.2.5 Função de Resposta a Impulsos

No intuito de observar o comportamento de um choque provocado em um mercado nos
demais, utiliza-se a função de resposta a impulsos que mostra como as variáveis do modelo se
comportam ao que podemos denominar de choque exógenoschoques exógenos (CALDARELLI,
CAMARA & BACCHI, 2009).
Segundo Tabak e Lima (2003), o modelo vetorial autoregressivo (VAR) pode ser
rescrito como um vetor de médias móveis infinito – VMA (∞):
y t =μ+ε t +ψ 1 ε t−1 +…+ψ n ε t −n+ … (8)
Dessa forma, de acordo com Hamilton (1994), se o primeiro termo ε t é mudado pelo
fator δ 1 ao mesmo tempo que o segundo é modificado por δ 2 e o i-enésimo elemento por δ n,
então a combinação dos efeitos dessas mudanças no valor do vetor y t +s , será dada por:

Assim, derivando-se em relação ao valor de y no período t+s, tem-se:

em que ψ s são multiplicadores dinâmicos do sistema representando a resposta do modelo, ou

seja, de todas as séries y 1, y 2, ..., y n do vetor y, em relação a um choque unitário em cada uma
das variáveis do modelo. O elemento da i-ésima linha e da j-ésima coluna de ψ s mostram o
efeito de uma variação de uma unidade na j-ésima variável no período t (ε jt ) para o valor da i-
ésima variável no tempo t+s ( y t +s ), tudo o mais constante. Portanto, um choque na i-ésima
variável de um sistema VAR não tem impacto só naquela variável, mas em todas as variáveis do
sistema (Lamounier & Nogueira, 2007).

3. METODOLOGIA
Quanto à tipologia empregada no estudo a mesma é quantitativa, com uma abordagem
metodológica de caráter descritivo, pois possui o intuito de descobrir quem, onde, o quê, quando
ou quanto, no esperado em relação a existência e ao caráter das associações entre as variáveis
que compõe o estudo (Cooper & Schindler, 2016). O presente estudo se classifica também como
uma pesquisa ex-post facto, por ser realizada após o desenvolvimento das variações nas
variáveis dependentes, considerando a linha temporal dos acontecimentos (Gil, 2002).
A pesquisa compreende o emprego de três processos. No primeiro, a aplicação de uma
regressão múltipla que busca através dessa entender qual a relação inicial entre os índices de
retornos, posteriormente, aplicação do teste de Causalidade de Granger, que busca trazer a
capacidade de uma variável prever o comportamento de outra de interesse (Marquetti,
Koshiyama & Alencastro, 2009) e, por fim, a aplicação do modelo Vetorial Autorregressivo
(VAR) para obtermos as funções de resposta a impulsos.
 

3.1 Classificação, Amostra e Coleta de Dados

Os dados analisados na presente pesquisa compreendem como população a principal

bolsa de ação de cada país cotada como um ETF nas principais bolsas do mercado americano
através do índice Morgan Stanley Capital International (MCSI). Tal índice foi utilizado como
base para todas as bolsas selecionadas por serem índices dolarizados, ou seja, em mesma
moeda, e em função da expectativa de que o mesmo possui maior negociação do que muitas
vezes as próprias bolsas nacionais., Ppor exemplo, de acordo com dados obtidos pela
Bloomberg todo o volume de negócios do MSCI Brazil negociou aproximadamente 45,64% de
toda bolsa brasileira ([B]³) em determinado período (Sargi, 2018). Realizou-se uma amostragem
não probabilística, levando apenas como parâmetro bolsas de diferentes países ao redor do
mundo, com o intuito de abranger países de diferentes regiões (América do Sul, América do
Norte, Europa, Ásia e Oceania), conforme a relação no quadro 1.

Quadro 1
Composição da amostra de pesquisa

País Índice MSCI

Brasil iShares MSCI Brazil ETF (EWZ)
Canadá iShares MSCI Canada ETF (EWC)
Chile iShares MSCI Chile ETF (ECH)
China iShares MSCI China ETF (MCHI)
Índia iShares MSCI India ETF (INDA)

Austrália iShares MSCI Australia ETF (EWA)

Estados
Unidos S&P 500 (SPX)
iShares MSCI Germany ETF
Alemanha (EWG)

Japão iShares MSCI Japan ETF (EWJ)

Fonte: Própria dos autores (2021)
 Todas as cotações foram extraídas da plataforma financeira Investing Brasil., enfatiza-
se que não é a mais indicada, sendo utilizada em função das limitações de acesso dos autores. A
periodicidade dos dados é diária com um horizonte temporal do estudo de 06/12/2012 até
31/12/2020, tal período se deu em função da cotação inicial dos índices disponíveis para uso.
Ademais, calculou-se a série de retornos desses índices e aplicaram-se três métricas para
análise das relações entre os retornos das bolsas de valores:
1. Regressão Múltipla
2. Teste de Causalidade de Granger
3. Função de Resposta a Impulsos
Os processos e resultados dessas análises estão apresentados a seguir.

4. RESULTADOS E DISCUSSÃO

4.1 - Regressão Múltipla 

Na primeira etapa do estudo, realizou-se uma regressão múltipla, considerando cada
índice como variável dependente e inferindo quais dos demais índices, tidos como variáveis
independentes, são estatisticamente significantes, tomando como parâmetro o nível de
significância 5% para o p-valor, obtivemos os resultados descritos nas tabelas 2, 3 e 4.
Na tabela 2, pode-se inferir que grande parte dos índices apresentaram correlação
positiva com o REWZ, com destaque para o retorno dos índices do Canadá (REWC) e do Chile
(RECH) com coeficientes de 0,428814 e 0,4215308 respectivamente. Em relação ao REWC,
observa-se que o mais significativo foi o retorno dos Estados Unidos (RSP), também trazendo
uma correlação positiva. Ademais, o RECH fora positivamente mais impactado pelo retorno dos
índices da Alemanha (REWG) e do Brasil (REWZ).
 
Tabela 2: Resultados das regressões múltiplas

Brasil (EWZ) Canadá (EWC) Chile (ECH)

R- R- R-
SQUARED 0,5536 SQUARED 0,7400 SQUARED 0,5248
DEPENDE DEPENDE DEPENDE
NTE rewz NTE rewc NTE rech
INDEPEN INDEPEN INDEPEN
DENTE Coef. p.valor DENTE Coef. p.valor DENTE Coef. p.valor
0,4248814 0,000 0,0679008 0,000 0,1565957 0,000
rewc rewz rewc
0,4215308 0,000 0,0564133 0,000 0,1869973 0,000
rech rech rewz
0,1283774 0,000 -0,0210651 0,110 0,1306267 0,000
rmchi rmchi rmchi
0,1924471 0,000 0,0052198 0,663 0,1413309 0,000
rinda rinda rinda
0,2250049 0,000 0,2601421 0,000 0,0714965 0,010
rewa rewa rewa
0,0940511 0,146 0,3521436 0,000 -0,0409083 0,342
rsp rsp rsp
 -0,0042275 0,349 0,1502128 0,000 0,1248927 0,000
rewg rewg rewg
0,0010078 0,826 -0,0200962 0,272 0,0168055 0,582
rewj rewj rewj
-0,0001307 0,687 -0,0001177 0,364 -0,0003697 0,087
cont. cont. cont.
Fonte: Própria dos autores (2021)

Os demais resultados descritos na tabela 3, mostram que o RMCHI é influenciado

positivamente por grande parte dos retornos dos índices, exceto o canadense (REWC). No
RINDA, infere-se uma correlação positiva também em relação a grande maioria dos retornos,
exceto o do Canadá (REWC) e o Japão (REWJ). O índice de retornos australiano REWA,
apresentou correlação positiva com todos os demais índices.

Tabela 3: Resultados das regressões múltiplas

China (MCHI) Índia (INDA) Austrália (EWA)

R-SQUARED 0,5531 R-SQUARED 0,5289 R-SQUARED 0,7273
DEPENDENTE rmchi DEPENDENTE rinda DEPENDENTE rewa
p.valo
INDEPENDENTE Coef. p.valor INDEPENDENTE Coef. p.valor INDEPENDENTE Coef. r
rech 0,1228052 0,000 rmchi 0,1769741 0,000 rinda 0,0612353 0,000
rewc -0,0549727 0,110 rech 0,1607302 0,000 rmchi 0,0070578 0,000
rewz 0,0535401 0,000 rewc 0,0164784 0,663 rech 0,0417189 0,010
rinda 0,1462966 0,000 rewz 0,0970907 0,000 rewc 0,4213635 0,000
rewa 0,1137121 0,000 rewa 0,1193479 0,000 rewz 0,0582433 0,000
rsp 0,2410899 0,000 rsp 0,2399333 0,000 rsp 0,2978684 0,000
rewg 0,1342657 0,000 rewg 0,1136676 0,000 rewg 0,0120623 0,000
rewj 0,2200817 0,000 rewj 0,0460963 0,156 rewj 0,0834622 0,000
cont. 0,0001196 0,568 cont. 0,0001042 0,651 cont. -0,0001781 0,281
Fonte: Própria dos autores (2021)
No que tange a tabela 4, os dados obtidos permitem inferir que o RSP índice de retorno
americano utilizado, possui correlação positiva com todos os índices, exceto o do Chile (RCHE)
e brasileiro (REWZ). O índice de retorno alemão (REWG) está positivamente relacionado com
os outros índices estrangeiros, exceto o do Brasil (REWZ), por fim, o índice de retorno do Japão
(REWJ) foi o que menos apresentou correlações com outros índices, o mesmo teve uma
correlação positiva apenas com o Alemão (REWG), Estados Unidos (RSP) e Australiano
(REWA).

Tabela 4: Resultados das regressões múltiplas

Estados Unidos (SP) Alemanha (EWG) Japão (EWJ)

R- R- R-
SQUARED 0,7788 SQUARED 0,7127 SQUARED 0,5804
DEPENDE DEPENDE DEPENDE
NTE rsp NTE rewg NTE rewj
INDEPEN INDEPEN INDEPEN
DENTE Coef. p.valor DENTE Coef. p.valor DENTE Coef. p.valor
0,1246245 0,000 0,3885711 0,000 0,2101147 0,000
rewa rsp rewg
0,0515059 0,000 0,1037192 0,000 0,3423504 0,000
rinda rewa rsp
0,0626067 0,000 0,0050148 0,000 0,0697288 0,000
rmchi rinda rewa
-0,0099871 0,342 0,0716568 0,000 0,0197595 0,156
rech rmchi rinda
0,0238641 0,000 0,0626634 0,000 0,1141219 0,000
rewc rech rmchi
0,0101858 0,146 0,0020921 0,000 0,0081926 0,582
rewz rewc rech
0,1890689 0,000 -0,0094095 0,349 -0,0271946 0,272
rewg rewz rewc
0,1714461 0,000 0,2162538 0,000 0,0021795 0,826
rewj rewj rewz
0,0003392 0,001 -0,0000818 0,593 0,0000309 0,838
cont. cont. cont.
Fonte: Própria dos autores (2021)

Sobre o R-QUARED, também chamado de coeficiente de determinação, que se trata de

uma métrica de avaliação que informa quanto da variação na variável dependente é explicada
pela variação das independentes. As regressões que obtiveram o melhor resultado foram a dos
Estados Unidos com 0,7788, Alemanha com 0,7788, Austrália com 0,7273 e a canadense com
0,7400. 

4.2 - Teste de Raiz Unitária

Tabela 5 -Teste de Raiz Unitária

 Fonte: Resultados da Pesquisa (2021)

Tabela 5 -Teste de Raiz Unitária

Primeiramente, os testes de Dickey Fuller expandido (ADF) e Phillips-Perron (PP)

foram estimados para avaliar a estacionaridade das séries de retornos. Observando a tabela 5,
podemos perceber que, para um nível de significância de 5%, a hipótese nula de não
estacionaridade pode ser rejeitada para todas as séries temporais, tanto pelo teste ADF quanto
pelo teste PP. Assim, podemos concluir que as séries dos retornos de todos os ETFs possuem
raiz unitária, e consequentemente são estacionárias.

4.3 - Teste de causalidade de Granger

Após observarmos que todas as séries são estacionárias, aplicamos o teste de
Causalidade de Granger, com o objetivo de determinar quais retornos estariam melhorando a
previsibilidade de outros. Para tanto, foram realizados testes para duas e quatro defasagens,
buscando observar também se o número de lags interfere nos resultados observados. Para o
critério de rejeição utilizou-se um nível de significância de 5%, ou seja, para um valor de
“Prob” abaixo deste valor rejeita-se a hipótese nula de que a variável analisada não é afetada por
outra variável. Dessa forma, caso a “Prob” seja inferior a 5%, concluímos que existe uma
relação entre os retornos.
Podemos observar de acordo com a tabela 6 que, tanto para o lag 2 quanto para o lag 4,
existem diversas relações significativas entre os retornos das bolsas de valores. Analisando mais
a fundo, podemos perceber que as bolsas de alguns países influenciam mais os mercados do que
de outros. Somando o número de influências significativas de lag 2 e lag 4, encontramos que o
país que mais influência outros é a Índia (INDA), com um total de 9 relações, seguida pela
China (MCHI), que mostrou influências significativas em 8 casos. Por outro lado, algumas
bolsas não apresentaram influência alguma a outros mercados, como foi o caso do Brasil
(EWZ), Chile (ECH) e Japão (EWJ). Além disso, os países mais afetados pelos retornos de
outros mercados foram Brasil (EWZ) e Canadá (EWC), que foram afetados 6 vezes, somando
os dois lags analisados. Por outro lado, a Alemanha (EWG) foi a que foi menos afetada por
outros países, tendo apenas relações com a Índia (INDA), tanto no lag 2 quanto no lag 4.
Ademais, também foi possível perceber a presença de algumas relações bidirecionais
(quando os retornos do mercado de um país afetam e são afetados pelos retornos dos mercados
de um mesmo país). Estas relações foram:

1. EWC x MCHI
2. EWC x INDA
3. EWC x EWA
4. MCHI x SP
5. INDA x EWA
6. INDA x SP
7. INDA x EWG
8. EWG x EWA
Tabela 6: Resultados do teste de causalidade de Granger
Teste de Causalidade de Granger
Hipótese Nula (H0) LAG (2) LAG (4)
rewz NÃO é causado por Chi² Prob Chi² Prob
rewc 5.8613 0.053 2.242 0.691
rech 0.24554 0.884 0.24311 0.993
rmchi 4.6229 0.099 11.45 0.022
rinda 4.409 0.110 18.575 0.001
rewa 8.9185 0.012 10.38 0.034
rsp 9.3645 0.009 5.9018 0.207
rewg 11.796 0.003 7.1139 0.130
rewj 1.021 0.600 2.6907 0.611
rewc NÃO é causado por Chi² Prob Chi² Prob
rewz 3.9076 0.142 3.0163 0.555
rech 1.0993 0.577 4.0658 0.397
rmchi 11.582 0.003 10.088 0.039
rinda 8.0006 0.018 15.601 0.004
rewa 11.705 0.003 4.6516 0.325
rsp 1.207 0.547 6.5385 0.162
rewg 14.726 0.001 4.3064 0.366
rewj 0.48713 0.784 4.9215 0.295
rech NÃO é causado por Chi² Prob Chi² Prob
rewz 0.79141 0.673 1.7223 0.787
rewc 15.617 0.000 2.3108 0.679
rmchi 16.211 0.000 17.385 0.002
rinda 2.7557 0.252 11.515 0.021
rewa 3.9756 0.137 2.9729 0.562
rsp 15.005 0.001 3.3941 0.494
rewg 4.5267 0.104 1.5597 0.816
rewj 4.8929 0.087 4.5574 0.336
rmchi NÃO é causado por Chi² Prob Chi² Prob
rewz 4.3306 0.115 0.4085 0.982
rewc 6.7172 0.035 1.7284 0.786
rech 1.0402 0.594 4.0616 0.398
rinda 4.2937 0.117 18.512 0.001
rewa 1.856 0.395 1.1982 0.878
rsp 14.743 0.001 3.1689 0.530
rewg 5.3687 0.068 4.5277 0.339
rewj 0.1211 0.941 0.36953 0.985
rinda NÃO é causado por Chi² Prob Chi² Prob
rewz 0.43482 0.805 3.0152 0.555
rewc 7.5613 0.023 2.9018 0.574
rech 0.24705 0.884 1.2677 0.867
rmchi 3.9883 0.136 8.1547 0.086
rewa 8.372 0.015 7.2602 0.123
 rsp 5.5702 0.062 9.8304 0.043
rewg 9.5304 0.009 3.513 0.476
rewj 0.37302 0.830 2.2323 0.693
rewa NÃO é causado por Chi² Prob Chi² Prob
rewz 0.15481 0.926 0.67041 0.955
rewc 10.386 0.006 5.8074 0.214
rech 0.44415 0.801 6.9737 0.137
rmchi 6.9137 0.032 3.3882 0.495
rinda 5.1045 0.078 23.108 0.000
rsp 3.5781 0.167 4.8095 0.307
rewg 7.2161 0.027 3.7644 0.439
rewj 5.3439 0.069 6.4335 0.169
rsp NÃO é causado por Chi² Prob Chi² Prob
rewz 4.0596 0.131 4.5527 0.336
rewc 12.03 0.002 3.0826 0.544
rech 4.3037 0.116 6.123 0.190
rmchi 13.978 0.001 9.1512 0.057
rinda 3.0261 0.220 18.75 0.001
rewa 11.828 0.003 6.7635 0.149
rewg 13.696 0.001 8.0676 0.089
rewj 0.66643 0.717 3.9926 0.407
rewg NÃO é causado por Chi² Prob Chi² Prob
rewz 2.4352 0.296 2.4432 0.655
rewc 4.7962 0.091 3.3182 0.506
rech 1.5502 0.461 4.2638 0.371
rmchi 5.1747 0.075 8.8234 0.066
rinda 5.2012 0.074 25.638 0.000
rewa 9.1778 0.010 7.0405 0.134
rsp 4.2053 0.122 6.6118 0.158
rewj 0.05068 0.975 4.6535 0.325
rewj NÃO é causado por Chi² Prob Chi² Prob
rewz 0.78611 0.675 7.8346 0.098
rewc 5.9834 0.050 4.5324 0.339
rech 0.5056 0.777 5.5671 0.234
rmchi 6.3865 0.041 6.0871 0.193
rinda 2.8043 0.246 9.3677 0.053
rewa 19.285 0.000 8.8465 0.065
rsp 4.0368 0.133 1.9287 0.749
rewg 9.8239 0.007 3.5721 0.467

4.4 - Modelo VAR

Estimamos o modelo VAR para as séries de retornos dos ETFs no STATA. Após a
estimação do modelo utilizamos um teste diagnóstico para identificar qual seria o número de
defasagens (lags) ideal para o modelo. Testando para 2 e 4 lags os resultados foram os
seguintes:

Analisando os critérios de informação AIC e SBIC, podemos perceber que para 2 lags o
lag 2 minimizou o AIC e o lag 0 minimizou o SBIC. Já para 4 lags, o AIC foi minimizado com
1 lag e o SBIC foi minimizado com lag 0. Assim, seguindo a metodologia de minimização dos
critérios de informação, concluímos que o modelo com 2 lags seria o ideal. Posteriormente,
analisou-se se o modelo VAR estimado é estacionário, e conforme a figura 1 todos estão dentro
da área crítica, logo, o modelo satisfaz a condição de estabilidade.

Figura 1: Análise de estacionaridade e estabilidade do modelo VAR estimado

4.5 - Função de Resposta a Impulsos (FRI)
Muitas vezes os resultados obtidos através da estimação do modelo VAR não possuem
interpretação direta. Por conta disso, estimamos as funções de resposta a impulsos (FRI),
utilizando 5 períodos de observação, para podermos interpretar melhor como são dadas as
reações em um mercado específico dado um choque em outro mercado.
Assim, foram escolhidos alguns gráficos para representar estes efeitos. O gráfico 1
mostra como o EWG reage a choques no INDA. Podemos perceber que há um retorno positivo
por volta de dois dias após o choque, mas logo depois o choque já não apresenta efeitos. No
gráfico 2 vemos como o S&P reage a um choque no MCHI. No primeiro dia há um retorno
negativo no S&P, que logo depois já perde efeito.
Por fim, nos gráficos 3.1 e 3.2 vemos como o EWZ reage a choques em cada um dos
outros mercados. Percebe-se um efeito parecido em todos os analisados. No momento do
choque há um forte efeito positivo, que no período seguinte cai, ficando negativo para alguns
ativos, seguido por um outro efeito positivo, que logo após perde efeito. É interessante perceber
como o EWZ é muito afetado por outros mercados.

Gráfico 1: FRI EWG x INDA

Gráfico 2: FRI SP x MCHI

Gráfico 3.1: FRI EWZ

 Gráfico 3.2: FRI EWZ

4.65. Discussão Econômica Dos Resultados

Na seguinte relação apresentada abaixo pelas tabelas 6, 7 e 8, podemos observar as

relações entre países que foram obtidas a partir dos resultados tanto das regressões múltiplas
quanto nos testes de causalidade de Granger. Logo, observa-se que o país mais influenciados
foram os Estados Unidos, por outro lado os países que sofrem menos influência são a China,
Canadá, Alemanha e Japão.

Tabela 6: Relação - País influenciado por

 
Canadá influenciado
Brasil: influenciado por por Chile influenciado por China influenciada por
China Austrália Canadá índia
Índia Alemanha China Estados Unidos
Austrália Índia
 Tabela 7: Relação - País influenciado por

Índia influenciada Austrália influenciada Estados Unidos influenciado Alemanha influenciada

por por por por
Austrália Índia Austrália Austrália
Estados Unidos China Índia Índia
Alemanha Canadá China
Alemanha Canadá
Alemanha

Tabela 8: Relação - País influenciado por

Japão influenciado por

Alemanha
Austrália

Ademais, conforme a tabela 9, pode-se constatar que os países que mais se relacionaram
com os índices de retorno de outros países no período analisado são:

 Índia
 Austrália
 Alemanha

Tabela 9: Relação - Países que influenciam

China Índia Austrália Alemanha Canadá E.U.A

influencia influencia influencia influencia influencia influencia
Brasil Brasil Brasil Canadá Chile China
Chile Chile Canadá Índia Austrália Índia
Estados
Austrália China Índia Austrália Unidos
Estados Estados
Unidos Austrália Estados Unidos Unidos
Estados
Unidos Alemanha Japão
Alemanha Japão

6. CONSIDERAÇÕES FINAIS
 Tomando os resultados obtidos, infere-se que a bolsas possuem correlação entre si,
apesar do fator geográfico.
Enfatiza-se, que os resultados trouxeram fatores que não eram esperados pelo estudo,
por exemplo, as dinâmicas de relações trazidas no tópico de resultados. A economia americana,
que hoje se caracteriza como a maior potência, não se destacou como principal influente entre
os demais índices, em contrapartida países como a Índia e a Austrália se posicionaram como
principais influentes. Logo, incentiva-se o desenvolvimento de novos estudos, que usem outras
economias mundiais e até mesmo blocos, para procurar entender ainda mais essas relações,
assim como também metodologias estatísticas que permitem nortear ainda mais fatores que
possam ser levados consideração na construção dessas relações.;

7. REFERÊNCIAS
Sargi, A. C. (2018). Retornos anormais em rebalanceamentos de índices passivos: um estudo de
caso do MSCI Brazil.
Gujarati, D. & Porte, D. Econometria Básica. Porto Alegre: AMGH, 5ª Edição, 2011
Lamounier, W. M., & Nogueira, E. M. (2007). Causalidade entre os retornos de mercados de
capitais emergentes e desenvolvidos. Revista Contabilidade & Finanças, 18(43), 34-48.
Pereira, E. S., da Silva, J. R., & Maia, S. F. OS EFEITOS DA TAXA DE CÂMBIO E DOS
PREÇOS DO PETRÓLEO NOS PREÇOS INTERNACIONAIS DAS COMMODITIES
BRASILEIRAS THE EFFECTS OF THE EXCHANGE RATE AND OF OIL PRICES ON
THE INTERNATIONAL PRICES OF BRAZILIAN COMMODITIES.
Finkelstein, M. E. (2015). Assimetria de informações no mercado de capitais. Revista Jurídica
Luso Brasileira, 1(5), 1025-1049.
Gil, A. C. (2002). Como classificar as pesquisas. Como elaborar projetos de pesquisa, 4, 44-45.
Cooper, D. R., & Schindler, P. S. (2016). Métodos de Pesquisa em Administração-12ª edição.
McGraw Hill Brasil.

Marquetti, A., Koshiyama, D., & Alencastro, D. (2009). O aumento da lucratividade expande a
acumulação de capital? Uma análise de causalidade de Granger para países da OCDE. Revista
de Economia Contemporânea, 13, 367-390.
Junior, T. P., & Higuchi, R. H. (2008). Variáveis macroeconômicas e o Ibovespa: um estudo da
relação de causalidade. REAd-Revista Eletrônica de Administração, 14(2), 296-315.
Lamounier, W. M., & Nogueira, E. M. (2007). Causalidade entre os retornos de mercados de
capitais emergentes e desenvolvidos. Revista Contabilidade & Finanças, 18(43), 34-48.
CALDARELLI, C. E., CAMARA, M. R., & BACCHI, M. R. (2009). Análise da
Interdependência dos mercados de soja e milho no Brasil e Paraná: uma aplicação da
metodologia VEC. In Sober47 congresso, Porto Alegre.
Caiado, J. (2002). Modelos VAR, taxas de juro e inflação. In Literacia e Estatística Actas do X
Congresso da Sociedade Portuguesa de Estatística. Anais.

Saídas do Software STATA

Testes de Raiz Unitária
Série EWZ%

 ADF

 PP

Série EWC%

 ADF

 PP

Série ECH%
  ADF

 PP

Série MCHI%

 ADF

 PP

Série INDA%
  ADF

 PP

Série EWA%

 ADF

 PP

Série SP%
  ADF

 PP

Série EWG%

 ADF

 PP

Série EWJ%
  ADF

 PP

Teste de Causalidade de Granger

Análise número de lags modelo VAR
 2 lags

 4 lags
Modelo VAR

Vector autoregression
Sample: 09feb2012 - 31dec2020, but with gaps Number of obs = 1,245
Log likelihood = 36805.15 AIC = -58.85005
FPE = 2.24e-37 HQIC = -58.58527
Det(Sigma_ml) = 1.70e-37 SBIC = -58.14587
Equation Parms RMSE R-sq chi2 P>chi2
rewz 19 .022343 0.0430 55.97493 0.0000
rewc 19 .011356 0.0398 51.54873 0.0000
rech 19 .014337 0.0681 91.00599 0.0000
rmchi 19 .01412 0.0390 50.52359 0.0001
rinda 19 .015437 0.0472 61.72286 0.0000
rewa 19 .013937 0.0556 73.29999 0.0000
rsp 19 .009966 0.0664 88.54873 0.0000
rewg 19 .012713 0.0404 52.43694 0.0000
rewj 19 .010744 0.0334 43.02164 0.0008
Coef. Std. Err. z P>z [95% Conf. Interval]
rewz
rewz
L1. -.0456107 .0411333 -1.11 0.267 .1262305 .035009
L2. -.0534031 .0422036 -1.27 0.206 .1361205 .0293144
rewc
L1. .2386489 .1068949 2.23 0.026 .0291387 .4481591
L2. .1178921 .0978244 1.21 0.228 .0738402 .3096244
rech
L1. .0116982 .0655586 0.18 0.858 .1167942 .1401907
L2. -.0289989 .0618539 -0.47 0.639 .1502303 .0922325
rmchi
L1. .141965 .0661035 2.15 0.032 .0124045 .2715254
L2. -.0006844 .0627852 -0.01 0.991 .1237412 .1223723
rinda
L1. -.129677 .0628535 -2.06 0.039 .2528675 -.0064864
L2. .0134988 .0587328 0.23 0.818 .1016153 .128613
rewa
L1. -.0269811 .0833514 -0.32 0.746 .1903467 .1363846
L2. -.2306038 .0772187 -2.99 0.003 .3819497 -.0792578
rsp
L1. -.3964442 .1309318 -3.03 0.002 .6530658 -.1398225
L2. .0216317 .1294898 0.17 0.867 .2321637 .2754271
rewg
L1. .040709 .0990524 0.41 0.681 .1534301 .234848
L2. .3083592 .0908333 3.39 0.001 .1303292 .4863892
rewj
L1. -.0497739 .0898771 -0.55 0.580 .2259299 .126382
L2. -.0814716 .0924324 -0.88 0.378 .2626357 .0996926
_cons -.0002569 .0006377 -0.40 0.687 .0015067 .000993
rewc
rewz
L1. .0022304 .020906 0.11 0.915 .0387446 .0432054
L2. -.0421813 .02145 -1.97 0.049 .0842224 -.0001401
rewc
L1. .0804915 .0543294 1.48 0.138 .0259921 .1869751
L2. .057454 .0497193 1.16 0.248 -.039994 .1549019
rech
L1. -.0207054 .0333202 -0.62 0.534 .0860117 .0446009
L2. .0272839 .0314373 0.87 0.385 -.034332 .0888998
rmchi
L1. .1100493 .0335971 3.28 0.001 .0442002 .1758984
L2. .0238791 .0319106 0.75 0.454 .0386645 .0864227
rinda
L1. -.0836166 .0319453 -2.62 0.009 .1462282 -.021005
L2. -.0379419 .0298509 -1.27 0.204 .0964487 .0205649
rewa
L1. -.061751 .0423633 -1.46 0.145 .1447816 .0212797
L2. -.1268209 .0392464 -3.23 0.001 .2037425 -.0498993
rsp
L1. -.0614155 .0665461 -0.92 0.356 .1918435 .0690125
L2. -.0445718 .0658132 -0.68 0.498 .1735634 .0844198
rewg
L1. .0021295 .0503434 0.04 0.966 .0965417 .1008007
L2. .176991 .046166 3.83 0.000 .0865072 .2674748
rewj
L1. -.0309688 .0456801 -0.68 0.498 .1205001 .0585625
L2. -.0099748 .0469788 -0.21 0.832 .1020515 .082102
_cons .0000597 .0003241 0.18 0.854 .0005755 .000695
rech
rewz
L1. .0230736 .0263935 0.87 0.382 .0286566 .0748039
L2. -.0033217 .0270803 -0.12 0.902 -.056398 .0497546
rewc
L1. .271015 .06859 3.95 0.000 .1365812 .4054489
L2. .0347902 .0627698 0.55 0.579 .0882363 .1578167
rech
L1. .0276475 .0420662 0.66 0.511 .0548006 .1100957
L2. .0563096 .039689 1.42 0.156 .0214794 .1340987
rmchi
L1. .1631616 .0424158 3.85 0.000 .0800281 .246295
L2. -.0560552 .0402866 -1.39 0.164 .1350155 .0229052
rinda
L1. -.0661135 .0403304 -1.64 0.101 .1451597 .0129327
L2. -.0145977 .0376864 -0.39 0.698 .0884616 .0592662
rewa
L1. -.1047191 .053483 -1.96 0.050 .2095439 .0001058
L2. .0083534 .049548 0.17 0.866 .0887589 .1054657
rsp
L1. -.2956185 .0840134 -3.52 0.000 .4602818 -.1309552
L2. .1075333 .0830882 1.29 0.196 .0553165 .2703831
rewg
L1. .0017236 .0635577 0.03 0.978 .1228472 .1262945
L2. .1238784 .0582839 2.13 0.034 .009644 .2381127
rewj
L1. -.0480833 .0576704 -0.83 0.404 .1611151 .0649486
L2. -.1246442 .05931 -2.10 0.036 .2408896 -.0083988
_cons .0005429 .0004092 1.33 0.185 .0002591 .0013449
rmchi
rewz
L1. -.0007054 .0259941 -0.03 0.978 .0516529 .050242
L2. -.0554673 .0266704 -2.08 0.038 .1077404 -.0031942
rewc
L1. .1143704 .067552 1.69 0.090 .0180291 .2467699
L2. .1333141 .0618199 2.16 0.031 .0121494 .2544789
rech
L1. .0196252 .0414296 0.47 0.636 .0615753 .1008257
L2. .0345639 .0390884 0.88 0.377 -.042048 .1111758
rmchi
L1. .1436512 .0417739 3.44 0.001 .0617758 .2255266
L2. -.024366 .039677 -0.61 0.539 .1021314 .0533995
rinda
L1. -.0822998 .0397201 -2.07 0.038 .1601498 -.0044498
L2. -.0051135 .037116 -0.14 0.890 .0778596 .0676327
rewa
L1. -.0158999 .0526737 -0.30 0.763 .1191385 .0873386
L2. -.066018 .0487982 -1.35 0.176 .1616607 .0296247
rsp
L1. -.3016179 .0827421 -3.65 0.000 .4637894 -.1394465
L2. -.1253513 .0818308 -1.53 0.126 .2857367 .0350341
rewg
L1. -.0226779 .0625959 -0.36 0.717 .1453636 .1000078
L2. .1319713 .0574019 2.30 0.022 .0194657 .244477
rewj
L1. .0171534 .0567976 0.30 0.763 .0941679 .1284747
L2. -.0088558 .0584124 -0.15 0.879 -.123342 .1056305
_cons .0003923 .000403 0.97 0.330 .0003975 .0011821
rinda
rewz
L1. .0068599 .0284191 0.24 0.809 .0488405 .0625603
L2. -.0175347 .0291586 -0.60 0.548 .0746845 .0396151
rewc
L1. .136159 .073854 1.84 0.065 .0085923 .2809102
L2. .1522298 .0675872 2.25 0.024 .0197613 .2846982
rech
L1. .0146144 .0452946 0.32 0.747 .0741614 .1033903
L2. -.0166781 .0427351 -0.39 0.696 .1004373 .0670811
rmchi
L1. .0896206 .0456711 1.96 0.050 .0001069 .1791343
L2. .0115545 .0433785 0.27 0.790 .0734658 .0965749
rinda
L1. -.1525126 .0434257 -3.51 0.000 .2376253 -.0673999
L2. -.0596434 .0405787 -1.47 0.142 .1391761 .0198894
rewa
L1. -.0509361 .0575877 -0.88 0.376 -.163806 .0619338
L2. -.151126 .0533507 -2.83 0.005 .2556914 -.0465606
rsp
L1. -.213236 .0904612 -2.36 0.018 .3905368 -.0359353
L2. -.0295512 .089465 -0.33 0.741 .2048993 .1457969
rewg
L1. -.020578 .0684356 -0.30 0.764 .1547093 .1135534
L2. .1933277 .062757 3.08 0.002 .0703262 .3163292
rewj
L1. .0280882 .0620964 0.45 0.651 .0936185 .1497949
L2. -.0241486 .0638618 -0.38 0.705 .1493156 .1010183
_cons .0005824 .0004406 1.32 0.186 .0002812 .0014459
rewa
rewz
L1. .0082751 .0256583 0.32 0.747 .0420141 .0585644
L2. -.0055195 .0263259 -0.21 0.834 .0571173 .0460783
rewc
L1. .1701003 .0666793 2.55 0.011 .0394113 .3007894
L2. .1384845 .0610212 2.27 0.023 .018885 .2580839
rech
L1. .0026317 .0408944 0.06 0.949 .0775198 .0827832
L2. .0254786 .0385834 0.66 0.509 .0501436 .1011008
rmchi
L1. .1060787 .0412343 2.57 0.010 .025261 .1868964
L2. -.0266067 .0391644 -0.68 0.497 .1033675 .0501541
rinda
L1. -.088369 .039207 -2.25 0.024 .1652132 -.0115248
L2. -.0120856 .0366366 -0.33 0.741 -.083892 .0597207
rewa
L1. -.0951677 .0519932 -1.83 0.067 .1970726 .0067371
L2. -.1408654 .0481678 -2.92 0.003 .2352725 -.0464583
rsp
L1. -.1533607 .0816731 -1.88 0.060 .3134371 .0067157
L2. -.0321303 .0807736 -0.40 0.691 .1904438 .1261831
rewg
L1. -.0044336 .0617872 -0.07 0.943 .1255343 .1166672
L2. .1522026 .0566603 2.69 0.007 .0411504 .2632548
rewj
L1. -.1270795 .0560639 -2.27 0.023 .2369627 -.0171963
L2. .0170768 .0576578 0.30 0.767 .0959304 .1300841
_cons -.0001102 .0003978 -0.28 0.782 .0008899 .0006694
rsp
rewz
L1. .0128888 .0183481 0.70 0.482 .0230727 .0488504
L2. -.0348754 .0188255 -1.85 0.064 .0717727 .0020219
rewc
L1. .0617116 .0476819 1.29 0.196 .0317433 .1551665
L2. .1463172 .0436359 3.35 0.001 .0607924 .231842
rech
L1. -.0132865 .0292433 -0.45 0.650 .0706023 .0440293
L2. .0562911 .0275908 2.04 0.041 .0022142 .1103681
rmchi
L1. .1035113 .0294864 3.51 0.000 .0457191 .1613035
L2. -.0411911 .0280062 -1.47 0.141 .0960822 .0137001
rinda
L1. -.0409055 .0280366 -1.46 0.145 .0958564 .0140453
L2. -.0276968 .0261986 -1.06 0.290 -.079045 .0236515
rewa
L1. -.0157313 .03718 -0.42 0.672 .0886028 .0571402
L2. -.1184426 .0344445 -3.44 0.001 .1859525 -.0509327
rsp
L1. -.151222 .0584039 -2.59 0.010 .2656916 -.0367524
L2. .0088208 .0577607 0.15 0.879 .1043881 .1220298
rewg
L1. -.041651 .0441837 -0.94 0.346 .1282494 .0449474
L2. .146162 .0405174 3.61 0.000 .0667493 .2255747
rewj
L1. -.0282461 .0400909 -0.70 0.481 .1068228 .0503307
L2. -.018969 .0412307 -0.46 0.645 .0997797 .0618418
_cons .0004851 .0002845 1.71 0.088 .0000725 .0010426
rewg
rewz
L1. .0208618 .0234046 0.89 0.373 .0250104 .066734
L2. -.0296967 .0240136 -1.24 0.216 .0767625 .0173691
rewc
L1. .0783854 .0608226 1.29 0.197 .0408248 .1975955
L2. .1066678 .0556615 1.92 0.055 .0024268 .2157624
rech
L1. .0193556 .0373025 0.52 0.604 .0537559 .0924671
L2. .0390976 .0351945 1.11 0.267 .0298824 .1080776
rmchi
L1. .0683283 .0376125 1.82 0.069 .0053909 .1420474
L2. -.0522865 .0357244 -1.46 0.143 .1223051 .0177321
rinda
L1. -.0734184 .0357633 -2.05 0.040 .1435132 -.0033237
L2. -.0383974 .0334186 -1.15 0.251 .1038967 .0271019
rewa
L1. -.0533984 .0474265 -1.13 0.260 .1463526 .0395558
L2. -.1280904 .043937 -2.92 0.004 .2142054 -.0419754
rsp
L1. -.1447403 .0744995 -1.94 0.052 .2907566 .001276
L2. .0351811 .073679 0.48 0.633 .1092272 .1795893
rewg
L1. -.0028806 .0563603 -0.05 0.959 .1133447 .1075834
L2. .1687706 .0516837 3.27 0.001 .0674725 .2700687
rewj
L1. -.0084923 .0511396 -0.17 0.868 .1087241 .0917394
L2. -.0085791 .0525935 -0.16 0.870 .1116605 .0945024
_cons -.000038 .0003628 -0.10 0.917 .0007491 .0006732
rewj
rewz
L1. .0030072 .0197793 0.15 0.879 .0357595 .0417738
L2. -.0175583 .020294 -0.87 0.387 .0573337 .0222171
rewc
L1. .0341708 .0514013 0.66 0.506 -.066574 .1349156
L2. .1137487 .0470397 2.42 0.016 .0215526 .2059448
rech
L1. -.006136 .0315244 -0.19 0.846 .0679227 .0556507
L2. .0205496 .029743 0.69 0.490 .0377455 .0788448
rmchi
L1. .0787427 .0317864 2.48 0.013 .0164424 .1410429
L2. -.0190369 .0301908 -0.63 0.528 .0782098 .040136
rinda
L1. -.0501197 .0302236 -1.66 0.097 -.109357 .0091175
L2. -.0101833 .0282422 -0.36 0.718 -.065537 .0451703
rewa
L1. .0138347 .0400802 0.35 0.730 .0647211 .0923905
L2. -.160305 .0371313 -4.32 0.000 -.233081 -.087529
rsp
L1. -.1191873 .0629597 -1.89 0.058 .2425861 .0042114
L2. -.0524243 .0622663 -0.84 0.400 -.174464 .0696154
rewg
L1. .0158259 .0476302 0.33 0.740 .0775276 .1091793
L2. .1355874 .043678 3.10 0.002 .0499801 .2211947
rewj
L1. -.0147083 .0432182 -0.34 0.734 .0994144 .0699978
L2. .0249472 .0444469 0.56 0.575 .0621672 .1120615
_cons .0001556 .0003066 0.51 0.612 .0004454 .0007566