Escolar Documentos
Profissional Documentos
Cultura Documentos
Manual para Software Eviews para Econometria II
Observações:
O presente manual foi elaborado exclusivamente para efeitos pedagógicos e está organizado
em função dos conteúdos programáticos da disciplina de Econometria II leccionada pelo autor.
Erros e omissões são da responsabilidade do autor. Agradece‐se que não haja citação sem
prévio consentimento.
Este manual não dispensa a consulta do Manual do Utilizador de Eviews sempre que tal seja
necessário.
António José Morgado
Março de 2008
1
Conteúdos
1. Criação de Workfiles e Importação de dados a partir de Excel .......................................... 3
a. Criação de Workfiles ......................................................................................................... 3
b. Importação de dados a partir do EXCEL ........................................................................... 5
c. Manipulação de variáveis ................................................................................................. 8
2. Estimação de modelos .......................................................................................................... 9
a. Testes de Diagnóstico/análise de resíduos .................................................................... 11
b. Inferência Robusta .......................................................................................................... 13
3. Análise de sucessões cronológicas ..................................................................................... 14
a. Gráficos ........................................................................................................................... 14
b. Estacionariedade (testes ADF) ....................................................................................... 16
c. Correlogramas ................................................................................................................ 16
d. Limpeza de Sazonalidade ............................................................................................... 17
4. Estimação de modelos ARMA ............................................................................................ 18
5. Previsão ............................................................................................................................... 20
6. Estimação de modelos LOGIT e PROBIT ............................................................................. 23
7. Elementos básicos de programação na janela interactiva ................................................ 25
a. Funções Matemáticas Genéricas ................................................................................... 25
b. Funções Estatísticas ........................................................................................................ 26
c. GENR ............................................................................................................................... 26
d. SCALAR ............................................................................................................................ 26
2
1. Criação de Workfiles e Importação de dados a partir de Excel
a. Criação de Workfiles
A criação de workfiles é feita em função do ambiente amostral em que se vai
trabalhar: amostra seccional, dados em sucessão cronológica ou dados em painel. O
Workfile é criado seguindo o menu:
Devendo depois escolher‐se o tipo de amostra, bem como a dimensão da amostra que
vai ser importada.
Para dados “datados”, i.e., em sucessão cronológica:
Tipo amostra Frequência de
(sucessão cronológica) observação
Datas de início e
fim da amostra
Tabela de frequências de observação possíveis e formato de data de início e fim de
amostra correspondente:
Tipo de Frequência Frequency Date (exemplo)
Anual Annual 1992
Semestral Semi‐Annual 1992S1
Trimestral Quarterly 1992Q1
Mensal Monthly 1992M1
Semanal Weekly 01/01/1992 ou 1992W1
Diária Daily (Mês/dia/ano) 01/01/1992
3
Para dados não datados (amostra seccional), bastará indicar o numero de observações
que o Workfile vai ter
A utilização de Dados em Painel não é coberta no curso de Econometria II, pelo que
remetemos o leitor para o Manual do Utilizador do Eviews nesse campo.
Após ser gerado o workfile, surge um espaço de trabalho com as características
definidas, um vector pronto a guardar os coeficientes de uma regressão (C), bem como
um vector para guardar os resíduos dessa mesma regressão (RESID). Estes objectos são
actualizados a cada regressão efectuada.
4
O workfile que surge na figura anterior foi criado para receber um conjunto de 12
observações anuais recolhidas entre 1995 e 2006.
b. Importação de dados a partir do EXCEL
Uma vez criado o workfile com a dimensão apropriada, há que importar os dados. Para
isso, recorre‐se ao Menu “PROC” e procede‐se à importação:
Na janela que surgir é necessário indicar a localização do ficheiro a importar. Esse
ficheiro está organizado com os dados em coluna e a primeira linha contém os nomes
das variáveis como cabeçalho.
Sobre ele é necessário saber:
• Célula onde começam os dados
• Número de colunas a importar
• Nome da folha de cálculo de Excel
Na figura que se segue, temos uma folha de cálculo onde os dados começam na célula
A2, que se chama “exemplo” e que tem 3 colunas com dados:
5
Este ficheiro, ao ser importado para Eviews, necessitaria da seguinte parametrização
na janela de importação:
6
Basta indicar o número de colunas a importar, uma vez que as variáveis já tinham
cabeçalho no Excel, que é utilizado como nome da variável em Eviews. Esses
cabeçalhos não podem conter espaços nem caracteres acentuados ou cedilhados.
Eis o resultado do procedimento de importação:
7
c. Manipulação de variáveis
Uma vez criado o workfile, podem ser efectuadas transformações sobre as variáveis. Por
exemplo, é necessário criar o logaritmo natural da variável y e somá‐la à variável x1 ao
quadrado. Essa nova variável vai chamar‐se w. Basta fazer o seguinte:
E depois especificar a equação de criação da nova série a partir das que já fazem parte do
workfile criado:
8
2. Estimação de modelos
Os exemplos dados neste capítulo são feitos tendo por base o ficheiro “TRAFFIC2”,
da base de dados do livro de Jeffrey Wooldridge “Introductory Econometrics”.
Independentemente da estrutura de dados, o procedimento de estimação é:
Na janela que surge, deve especificar‐se a equação a estimar. Neste exemplo preciso,
vai ser estimado o modelo log por
mínimos quadrados.
A primeira variável a ser colocada é a variável dependente, seguida dos nomes dos
regressores separados por espaços. O código “c” designa que o modelo é estimado
com uma ordenada na origem não nula. Como se vê no exemplo, as variáveis podem
ser transformadas por funções durante a estimação. Neste caso, a variável
dependente está logaritmizada (logaritmo natural). Também é possível ter variáveis
exponenciadas ou sob transformações algébricas. Se incluído, o código @trend
permite especificar uma tendência linear como regressor. Transformações
matemáticas de @trend permitem tendências não lineares.
Sobre as funções que podem ser usadas, consultar “Help‐quick help reference –
function reference” no excelente help do software. Mais à frente neste manual, é feita
referência a uma lista seleccionada de funções.
9
O resultado do procedimento de estimação é o que se segue:
É sempre
conveniente
dar um nome à
equação
clicando em
“name” para
que a equação
seja listada no
workfile
São gerados (actualizados) dois objectos: o vector de coeficientes (C) e o vector de
resíduos: RESID, presentes desde a criação do Workfile. A partir do momento em que
10
uma regressão é feita, o coeficiente da linha i passa a ter o nome “interno” em Eviews
C(i). Estes objectos dizem sempre respeito à última equação estimada.
a. Testes de Diagnóstico/análise de resíduos
O menu “View” da janela de equação é particularmente vantajoso para efectuar um conjunto
de diagnósticos à regressão, que serão apropriados ou não consoante o contexto de análise. A
título de exemplo, mostramos os testes à heteroscedasticidade:1;2
Com o mesmo menu é possível analisar também padrões de autocorrelação dos resíduos
(“correlogram”).
Outras opções em “view” na janela da equação:
“Estimation Output”: mostra o output de estimação
“Actual, Fitted, Residual”: mostra uma tabela ou gráfico dos valores da variável dependente, os
seus valores ajustados pela regressão e os resíduos
“Covariance Matrix”: matriz de variâncias e covariâncias dos coeficientes
1
Sendo o objectivo deste manual apenas guiar o aluno na utilização de Eviews, em si mesmo, não serão
apresentadas interpretações de outputs, salvo se alguma interpretação for útil para compreender a
forma como o software é utilizado. Sobre a interpretação de testes à heteroscedasticidade, deve o leitor
consultar o manual de Jeffrey Wooldridge, “Introductory Econometrics” cap. 8.
2
Na versão 6.0, o menu é ligeiramente diferente. A escolha do teste faz‐se na janela que surge indo ao
mesmo menu.
11
“Coefficent Tests”: permite efectuar ensaios de hipóteses sobre os coeficientes, usando o
nome C(i) correspondente aos coeficientes que se pretendem incluir num teste. Por exemplo,
se quisermos testar se a soma dos coeficientes de “beltlaw” e “unem” é nula, devemos
proceder da seguinte forma:
Escolher a opção de teste de restrições a coeficientes:
Escrever a hipótese em teste:
Como se vê no exemplo,
podem efectuar‐se testes
conjuntos, separando as
hipóteses nulas por vírgulas
Pressionar “OK” para que o teste se efectue.
Surge, depois o output do teste que se analisa de forma standard.
12
b. Inferência Robusta
Na presença de Heteroscedasticidade e/ou Autocorrelação, a estimação “default” por mínimos
quadrados gera valores errados para a matriz de variâncias e covariâncias dos coeficientes.
Para evitar isso, há que estimar as variâncias e covariâncias robustas de White quando existe
heteroscedasticidade pura, e as variâncias e covariâncias robustas de Newey‐West em
contexto de dados em sucessão cronológica, quando existe evidência para a presença de
autocorrelação (de qualquer ordem) e/ou heteroscedasticidade condicional.3
Para se fazer essa estimação, há que escolher as opções adequadas durante a especificação da
regressão:
3
Consultar os caps 8 e 12 de Wooldridge, “Introductory Econometrics” sobre técnicas de inferência
robusta.
13
Na mesma janela de opções, é possível fazer a estimação recorrendo a mínimos
quadrados generalizados, dado um ponderador, em contexto de heteroscedasticidade
pura. Para tal, basta indicar em “weight” o nome da variável que serve de ponderador
e que deve estar já criada no workfile.4
3. Análise de sucessões cronológicas
a. Gráficos
A forma mais intuitiva de olhar para uma sucessão cronológica e perceber o seu andamento é
ver o seu gráfico de linhas. Como dizia um estatístico famoso “if you don’t eyeball your series,
you are as good as a blind mouse and you can’t even see your way amidst the mob!”
Sem querer cair em exageros, efectivamente olhar para o gráfico de linhas de uma série dá
uma boa percepção do seu andamento, podendo frequentemente detectar‐se à vista
desarmada a presença de tendências e/ou ciclos de sazonalidade.
O gráfico que se segue diz respeito à variável totacc do ficheiro da base de dados de
Wooldridge em uso neste manual.
4
Sobre a técnica de estimação por GLS, ver capitulo 8 de Jeffrey Wooldridge “Introductory
Econometrics”
14
O gráfico foi obtido, simplesmente “abrindo” a série, clicando sobre ela duas vezes e
seleccionando o menu view/graph:5
5
Na versão 6.0, o menu é ligeiramente diferente. A escolha do gráfico de linhas faz‐se na janela que
surge indo ao mesmo menu “view/graph”.
15
b. Estacionariedade (testes ADF)
No mesmo menu “view” na janela da série, podem efectuar‐se testes de raiz unitária:
E escolher as opções em função do teste que se quer realizar:
Escolher
Teste sobre
teste ADF
a variável
(level) ou
alguma
diferença Numero de
desfasamentos da
variável dependente
(para evitar
autocorrelação nos
erros) escolhido
automaticamente
Especificação a pelo critério SIC
usar
c. Correlogramas
Os correlogramas de uma variável são facilmente obtidos escolhendo, no mesmo menu “view”
da série, a opção “correlogram” e na janela que se segue identificar se o correlograma é para
fazer à variável ou a alguma das suas diferenças:
16
d. Limpeza de Sazonalidade
Frequentemente, a modelização Box‐Jenkins faz‐se sobre séries “estacionarizadas”6 e limpas
de sazonalidade.7 Uma forma de limpar a sazonalidade pode ser através da aplicação de filtros
já programados e que estão disponíveis no menu “procs”, de procedimentos de uma série:
6
Estacionarizadas, isto é, foi retirada a tendência ou feitas diferenças até obter uma série estacionária
(vd caps 10, 11 e 18 Wooldridge “Introductory Econometrics”)
7
Limpas de sazonalidade, isto é, séries às quais foi subtraída a componente sazonal ou foram feitas
diferenças sazonais
17
4. Estimação de modelos ARMA
A estimação deste tipo de modelos faz‐se como no procedimento explicado na secção
2. No entanto a especificação do modelo tem algumas particularidades.
Se a série a modelizar (por exemplo totacc) precisa de ser diferenciada, basta usar a
função D() para fazer uma diferença. Os códigos AR(), MA(), SAR(), SMA() são
responsáveis pela introdução de componentes autoregressivas, médias móveis e
componentes sazonais multiplicativas. Se forem incluídas variáveis explicativas, a
estrutura ARIMA será aplicada ao erro. Se apenas se introduzir uma variável
dependente, o Eviews assumirá a estrutura ARIMA fornecida como sendo o processo a
estimar para a variável dependente. Exemplos:
A especificação
Estima o modelo 1 1 1 1
18
Por seu lado, a especificação:
Estima o modelo Δ com a seguinte estrutura de erro:
1 1 1 1
19
5. Previsão
Supondo que foi estimado o modelo
1 1 1 1 , cujo resultado é:
Pode fazer‐se previsão dentro do espaço amostral existente no workfile usando o
menu “forecast” disponível na janela da equação.
Identificação da série
a prever (nível ou
diferença)
Nome da variável onde as
previsões serão armazenadas
Fornecer nome, caso se
pretenda guardar as
estimativas do desvio‐
padrão do erro de
previsão (para construir
intervalos de confiança
para a previsão)
Dimensão amostral a prever (ponto de início e ponto de
fim; neste caso do ponto 1 ao ponto 108)
20
Se se pretender prever para “fora da amostra”, ou seja, a amostra tem 108
observações e pretende‐se prever para a 109, há que executar os seguintes passos:
i) Aumentar a dimensão do workfile de forma a que sejam acomodados os novos
pontos a prever. O menu está acessível com a janela do workfile activa.
Alterar para a
dimensão
pretendida
21
ii) Efectuar a previsão para o ponto de interesse (o numero 109):
Prevê apenas
para o ponto
de interesse
22
6. Estimação de modelos LOGIT e PROBIT
Para esta secção vai ser usado o workfile “MROZ” da base de dados do livro de Jeffrey
Wooldridge “Introductory Econometrics”. O modelo estima a probabilidade de
participar no mercado de trabalho com base na escolaridade e na idade. Inlf é uma
variável dummy que é igual 1 caso o indivíduo participe no mercado de trabalho e é
igual a zero caso contrário.
O procedimento para estimação do modelo é aquele explicado na secção 2, no
entanto muda‐se o método de estimação para “Binário”.
Escolher o
método PROBIT
ou LOGIT
23
A leitura do output de estimação segue como é habitual. O modelo estimado tem o
seguinte aspecto:
Sobre a utilização destes modelos, recomenda‐se a leitura do cap 17 de Wooldridge.
24
7. Elementos básicos de programação na janela interactiva
A janela interactiva do Eviews existe na parte superior do écran e serve para fornecer
um comando e, ao pressionar a tecla “enter” obter uma resposta imediata.
Nessa janela podem ser fornecidos comandos para alterar a dimensão amostral, criar
novas variáveis (séries de dados ou escalares), efectuar cálculos diversos, etc.
A sintaxe da linguagem de programação Eviews obedece à seguinte norma:
Nome_do_comando(espaço)nome_da_variável_nova=fórmula
Nesta secção indicam‐se apenas dois comandos (fundamentais): GENR e SCALAR.
Existe uma multiplicidade deles para os mais variados fins que podem ser consultados
em Help‐quick help reference – basic command reference.
a. Funções Matemáticas Genéricas
Podem ser usadas para criar novas variáveis no âmbito do comando GENR ou SCALAR, ou
mesmo na especificação de equações a estimar.
Função Código
Multiplicação *
Adição + ‐
Divisão /
Potenciação ^
Logaritmo natural Log()
Raiz quadrada Sqr()
Exponencial Exp()
Soma @sum()
Média simples @mean()
25
b. Funções Estatísticas
As funções estatísticas começam sempre pelo símbolo @ (como aliás qualquer função em
Eviews). A letra que se segue define o que a função vai fazer. Há quatro possibilidades:
Código Função
@C Calcula probabilidade acumulada até um percentil dado
@D Calcula a densidade de probabilidade num percentil dado
@Q Calcula um percentil, dada uma probabilidade acumulada até esse percentil
@R Gera números aleatórios
Exemplos8
@rnorm – calcula números aleatórios de uma normal standard
@qnorm(0.975) – devolve o valor 1.96
@cnorm(1.96) – devolve o valor 0.975
@qtdist(0.975,97) – devolve o quantil associado à probabilidade 97.5% numa distribuição t‐
student com 97 graus de liberdade
@qfdist(0.975,3,125) – devolve o quantil associado à probabilidade 97.5% numa
distribuição F‐Snedcor com 3 graus de liberdade no numerador e 125 no denominador
@qchisq(0.975,2) – devolve o quantil associado à probabilidade 97.5% numa distribuição
qui‐quadrado com 2 graus de liberdade
c. GENR
Este comando gera séries de dados a partir de uma equação. Por exemplo, se for necessário
criar a série dos resíduos ao quadrado para efectuar um teste à heteroscedasticidade não
incluído nos testes existentes nos menus, basta usar o comando
genr res2=resid^2
d. SCALAR
Este comando cria escalares a partir de uma equação. Por exemplo, pretende‐se definir um
valor crítico da distribuição t‐student com 24 graus de liberdade para efectuar um ensaio
de hipóteses bilateral a 5%. Basta usar o comando
scalar tc=@qtdist(0.975,24)
8
Pode ser obtida uma lista completa das funções disponíveis em Help‐quick help reference – basic
command reference – statistical functions
26