Escolar Documentos
Profissional Documentos
Cultura Documentos
Paula V. Tófoli
paula.tofoli@ucb.br
Econometria I
yt = yt−1 + ut , (1)
em que ut é um ruído branco.
Xt
= y0 + E( ui )
i=1
| {z }
=0
= y0
A média é constante.
Variância incondicional:
t
X
V ar(yt ) = V ar(y0 + ui )
i=1
Autocovariâncias:
γs = E[(yt − y0 )(yt−s − y0 )]
= E[(ut + ut−1 + · · · + u1 )(ut−s + ut−s−1 + · · · + u1 )]
= E[u2t−s + u2t−s−1 + · · · + u21 ]
= (t − s)σ 2
Autocorrelações:
(t − s)σ 2
ρs = √ p
tσ 2 (t − s)σ 2
(t − s)
= √p
t (t − s)
1
t−s 2
=
t
de modo que
h
X
Et (yt+h ) = Et (yt + ut+i )
i=1
= yt
yt é o estimador não viesado de todos os valores futuros de yt+h , para todo h > 0.
t
(4)
X
yt = y0 + α0 t + ui .
i=1
De acordo com a equação (4), o comportamento de yt é determinado por dois
componentes não estacionários:
tendência estocástica, t
P
I A ui : os choques produzem mudanças permanentes
i=1
na série yt , ainda que aleatórias.
= y0 + α0 t
Assim,
h
X
Et (yt+h ) = Et (yt + α0 h + ut+i )
i=1
= yt + α0 h
Uma série temporal pode apresentar tanto uma tendência determinística como
uma tendência estocástica.
= α0 + ut
= E(u2t )
= σ2
Covariância incondicional:
Cov(∆yt , ∆yt−s ) = E [(∆yt − α0 )(∆yt−s − α0 )]
= E[ut ut−s ]
=0
Se uma série tem d raízes unitárias, ela tem que ser diferenciada d vezes para se
tornar estacionária. Dizemos que essa série é integrada de ordem d, I(d).
Exemplo: ARIMA(1,1,0)
(1 − α1 L) (1 − L)yt = α0 + ut
| {z }
wt
wt = α0 + α1 wt−1 + ut
Para obter a previsão 1 passo a frente de yt :
I Sabemos que:
wt = yt − yt−1
I Logo:
ŷt+1 = ŵt+1 + yt
Suponha:
yt = yt−1 + uyt (6)
zt = zt−1 + uzt , (7)
em que uyt e uzt são processos ruído branco independentes entre si.
Logo, ca claro que a variância do termo do erro converge para innito conforme
t → ∞.
Casos a se considerar:
1 {yt } e {zt } estacionárias: o modelo de regressão clássico é apropriado.
2 {yt } e {zt } são integradas de mesma ordem e os resíduos contêm uma
tendência estocástica: regressão espúria. Recomenda-se que a regressão seja
estimada em primeira diferença.
3 {yt } e {zt } são integradas de ordens diferentes: nesse caso, o termo de erro
ainda vai conter uma tendência estocástica, de modo que a regressão não
possui validade econométrica.
4 {yt } e {zt } são integradas de mesma ordem e os resíduos são estacionários:
{yt } e {zt } são cointegradas. Isso pode ocorrer, por exemplo, se uyt = uzt e
α1 = 1, et = 0 (estacionário). Se as séries forem cointegradas, a regressão
não é espúria.
O teste de Dickey-Fuller consiste em estimar uma (ou mais) das equações acima
por MQO para obter o valor estimado de γ e o erro-padrão associado. Obtém-se,
então, o valor calculado da estatística do teste:
γ̂
τ̂ =
ep(γ̂)
ˆ
Rejeita-se H0 se o valor calculado da estatística for menor do que o valor crítico.
Paula Tófoli (UCB) Econometria I 20 / 38
Processos Estocásticos Não Estacionários
Testes de Raiz Unitária: Teste de Dickey-Fuller (1979, 1981)
usando a estatística φ1 .
é usada testando φ3 .
A hipótese nula é de que os dados são gerados pelo modelo restrito e a hipótese
alternativa é de que são gerados pelo modelo não restrito.
e sob H1 : α1 < 1,
yt = α1 yt−1 + ut (yt é I(0) com média zero)
Logo, sob H0 : α1 = 1,
yt = yt−1 + ut (yt segue um passeio aleatório puro)
e sob H1 : α1 < 1,
yt = υ + α1 yt−1 + ut (yt é I(0) com média diferente de zero)
Se H0 não for rejeitada, isso pode ser devido ao baixo poder do teste. Nesse caso,
precisamos determinar se incluímos regressores determinísticos demais. Teste
primeiro
H0 : γ = α2 = 0
usando a estatística φ3 . Se H0 for rejeitada, conclua pela inexistência de raiz
unitária. Caso contrário, siga para o próximo passo.
usando φ2 . Se H0 não for rejeitada, faça o teste de raiz unitária usando a regressão
sem constante e sem tendência. Se H0 for rejeitada, passe para o próximo passo.
Paula Tófoli (UCB) Econometria I 26 / 38
Processos Estocásticos Não Estacionários
Estratégia do teste DF
e teste
H0 : γ = α0 = 0
usando a estatística φ1 . Se H0 é rejeitada, faça o teste de raiz unitária usando a
regressão acima (com constante apenas).
E se o processo gerador dos dados for mais complexo, com termos de médias
móveis?
I O procedimento anterior pode ser adotado mesmo no caso de um modelo
Por isso, ao usar essa metodologia, é preciso garantir que os erros sejam não
correlacionados e tenham variância constante.
Os valores críticos das estatísticas de Phillips-Perron são os mesmos dos testes DF.
êt = yt − µ̂ − δ̂t
3 Dena a soma dos resíduos como:
t
X
St = êj
j=1
Se yt é I(1), o numerador da estatística KPSS vai crescer sem limites, o que faz a
estatística se tornar bastante grande.
Existe uma nova geração de testes de raiz unitária com bom poder:
1 Teste DF-GLS, de Elliott, Rothenberg e Stock (1996);
2 Teste de Ng e Perron (2001).