Escolar Documentos
Profissional Documentos
Cultura Documentos
Objetivos Apresentar a importncia da estacionariedade na utilizao de srie temporais. Alm disso, detectar e corrigir a no -estacionariedade das sries. Livro Texto: GUJARATI, D. N. Econometria Bsica. So Paulo: MAKRON Books, 2006. Captulo 12 (p.401)..
1. INTRODUO
Um processo aleatrio eu estocstico um conjunto de variveis aleatrias ordenadas no tempo. Um tipo de processo estocstico que recebeu muita ateno e escrutnio pelos analistas de sries temporais o chamado processo estocstico estacionrio. Em linhas gerais, diz-se que um processo estocstico estacionrio quando a sua mdia e varincia so constantes ao longo do tempo e quando o valor da covarincia entre dois perodos de tempo depende apenas da distncia, do intervalo ou da defasagem entre dois perodos do tempo, e no do prprio tempo em que a covarincia calculada. Na literatura sobre sries temporais, tal processo conhecido como fracamente estacionrio, ou estacionrio em covarincias, ou estacionrio de segunda ordem, ou como processo estocstico em sentido amplo. Para explicar a estacionariedade fraca, seja Y t uma srie temporal estocstica com as seguintes propriedades: Mdia:
Varincia:
Covarincia:
onde : , a covarincia (ou autocovarincia) na defasagem k, a covarincia entre o valores de e , isto , entre dois valores de Y separados por k perodos. Se k=0, obtemos , que simplesmente a varincia de Y (= 2); se k =1, a covarincia entre dois valores adjacentes de Y.
2. NATUREZA DO PROBLEMA
A no-estacionariedade das sries utilizadas pode ser uma das causas da autocorrelao residual. Ao estimar a regresso para uma varivel que uma srie temporal, em relao a outra srie temporal ou outras sries temporais, com freqncia obtemos um R 2 muito elevado (superior a 0,9) embora no exista entre elas uma relao que faa sentido. Algumas vezes no esperamos que duas variveis tenham alguma relao entre si, mas quando estimamos a regresso de uma em relao outra aparece uma relao significativa. Essa situao exemplifica o
problema da regresso espria, ou da regresso que no faz sentido. Portanto, muito importante verificar se a relao entre variveis econmicas espria ou sem sentido.
3 CONSEQNCIAS DA NO-ESTACIONARIEDADE
Possvel autocorrelao residual, alm de deteco de relaes esprias (sem sentido).
onde a covarincia com defasagem k e a varincia so definidas anteriormente. Note que, se k=0, =1. Como a covarincia e a varincia so mensuradas nas mesmas unidades de medida, um nmero sem unidades, ou nmero puro. Situa-se entre -1 e +1, como qualquer coeficiente de correlao. Se traarmos contra k, o grfico que obtemos conhecido como correlograma populacional. Como na prtica temos apenas a realizao (isto , uma amostra) de um processo estocstico, podemos calcular apenas a funo de autocorrelao amostral, . Para isso, temos de calcular primeiro a covarincia amostral com defasagem k, e a varincia amostral, , que so definidas como
a mdia da amostra.
que simplesmente a razo entre a covarincia amostral (com defasagem k) e a varincia amostral. O grfico de contra k conhecido como correlograma amostral.
O correlograma acima tpico de uma srie temporal estacionria. Como fica claro neste diagrama, quando temos um processo puramente de rudo branco, a autocorrelao fica em torno de zero em vrias defasagens. Assim, se o correlograma de uma srie temporal (econmica) efetiva se assemelha a uma srie temporal de rudo branco, podemos dizer que essa srie temporal provavelmente estacionria.
J o correlograma acima exemplifica uma srie no estacionria. Como saber se o coeficiente de correlao estatsticamente significativo? A significncia de qualquer pode ser julgada pelo seu erro-padro. Barlett mostrou que, quando uma srie temporal puramente aleatria, isto , exibe rudo aleatrio, os coeficientes de autocorrelao da amostra so aproximandamente:
isto , em amostras grandes, os coeficientes de autocorrelao amostral tm distribuio normal com mdia zero e varincia igual a 1 para o total do tamanho da amostra.
Se o intervalo precedente inclui o valor zero, no rejeitamos a hiptese de que o verdadeiro k igual a zero, mas se esse intervalo no inclui 0, rejeitamos a hiptese de que o verdadeiro k igual a zero. Em vez de testar a significncia estatstica de qualquer coeficiente de autocorrelao individual, podemos testar a hiptese conjunta de que todos os k at uma certa defasagem so simultaneamente iguais a zero. Isso pode ser feito usando a estatstica Q desenvolvida por Box e Pierce, definida como:
onde n = tamanho da amostra e m = tamanho da defasagem. A estatstica Q usada frequentemente para testar se a srie temporal de rudo branco. Em amostras grandes, ela representa aproximadamente a distribuio de qui-quadrado com m graus de liberdade. Na prtica se o Q calculado excede o valor crtico de Q na distribuio de qui-quadrado ao nvel de significncia escolhido, podemos rejeitar a hiptese nula de que todos os k so iguais a zero; pelo menos algum deles tm de ser diferente de zero.
ser estacionria.
importante notar que a tendncia pode ser no-linear. Por exemplo, poderia ser:
que uma srie quadrtica. Se esse for o caso, os resduos sero uma srie temporal com tendncia removida (quadraticamente). necessrio assinalar que, quando uma srie temporal estacionria nas diferenas, mas ns a tratamos como estacionria em tendncia, ocorre uma subdiferenciao. Por outro lado, se a srie temporal for estacionria em tendncia, e ns a tratamos como estacionria nas diferenas, isso se denomina superdiferenciao. As conseqncias desses dois tipos de especificao podem ser srias, dependendo de como so tratadas as propriedades de correlao serial dos resduos resultantes. A propsito, note que a maioria das sries macroeconmicas estacionria em diferenas, e no estacionria em tendncia.