Escolar Documentos
Profissional Documentos
Cultura Documentos
Gujarati (2006)
Uma análise estrutural
• Regressões envolvendo séries de tempo incluem a probabilidade de se obter
resultados espúrios ou duvidosos.
• O exemplo a seguir tem como objetivo estimar uma função consumo agregado
para o Brasil, no período de 1991 a 2011 com dados trimestrais. Para tal, utilizou-
se os dados referentes ao consumo das famílias e à renda nacional bruta,
deflacionados pelo IGP-DI.
DependentVariable: CONSUMO
Method: LeastSquares
Date: 04/12/12Time: 15:19
Sample: 1991Q1 2011Q4
Includedobservations: 84
Os resultados são fantásticos, exceto pelo DW que assume um valor baixo. Valores elevados para o R2 e
valores baixos para o DW são uma boa indicação para regressão espúria. Em geral se R2>DW tem-se a
indicação de regressão espúria ou resultados duvidosos.
1100000
1000000
900000
800000
700000
600000
500000
400000
300000
92 94 96 98 00 02 04 06 08 10
CONSUMO RENDA
Augmented Dickey-Fuller test statistic -1.233109 0.8964 Augmented Dickey-Fuller test statistic -4.608673 0.0000
Test criticalvalues: 1% level -4.076860 Test criticalvalues: 1% level -2.594189
5% level -3.466966 5% level -1.944915
10% level -3.160198 10% level -1.614114
Augmented Dickey-Fuller test statistic -1.819892 0.6853 Augmented Dickey-Fuller test statistic -3.513095 0.0006
Test criticalvalues: 1% level -4.085092 Test criticalvalues: 1% level -2.594563
5% level -3.470851 5% level -1.944969
10% level -3.162458
10% level -1.614082
Uma análise estrutural
• Tem-se que ambas as séries não são estacionárias em nível. Contudo, elas são
estacionárias em primeira diferença.
• Quando se regride uma série não estacionaria em função de outra não estacionária
os testes t e F não são confiáveis.
• Dessa forma, uma alternativa seria estimar o modelo acima utilizando as variáveis
na sua primeira diferença:
∗
• O problema é que estimar a regressão utilizando a primeira diferença da Renda e
do Consumo pode nos levar a cometer um equivoco.
• A teoria econômica fala da relação entre Consumo e Renda, ou em geral, da
relação de variáveis em nível.
• Ao regredir as primeiras diferenças podemos perder uma valiosa informação a
respeito da relação entre as variáveis dado pelo seu valor em nível.
120000
80000
40000
-40000
-80000
-120000
92 94 96 98 00 02 04 06 08 10
DCONSUMO DRENDA
Uma análise estrutural
• Para entender veja novamente os gráficos das variáveis em nível e em primeira
diferença. No nível, Consumo e Renda parecem estar tendendo para cima de forma
estocástica, elas parecem tender ao mesmo tempo.
• Essa sincronia é a ideia intuitiva por trás do conceito de cointegração.
• Contudo, a relação entre as variáveis em primeira diferença indicaria apenas uma
relação de curo prazo. O gráfico com as variáveis em primeira diferença mostra isso.
• Contudo, nada impede que os erros da regressão, refletindo a relação em nível das
variáveis, sejam estacionários. Nesse caso, diz-se que as séries de Consumo e de
Renda são cointegradas.
Preço da carne
bovina de curto
prazo (MG)
Preço da
Preço da carne carne Preço da carne
bovina de curto bovina de bovina de curto
prazo (MT) longo prazo (SP)
prazo
Preço da carne
bovina de curto
prazo (MS)
Teste de Cointegração
• A cointegração das séries pode ser testada de duas formas. Primeiro pode ser
estimada a regressão com as variáveis em nível e verificado se os erros dessa
regressão são estacionários.
• Segundo pode-se realizar o teste cointegração de Johansen.
Teste de Cointegração
• Repetindo o modelo anterior:
• Perceba agora que o resíduo é escrito como uma combinação linear entre o
Consumo e a Renda.
• Lembre-se que:
• Se e , então se é uma combinação linear de e , ∗
∗
com .
• Ou seja, Se e , e dizemos que Consumo e
Renda estariam na mesma onda. Quando isso acontece, as tendencias de Consumo
e Renda se anulam no longo prazo.
Teste de Cointegração
• O teste de Engle-Granjer consistem em aplicar o teste ADF no resíduo da regressão. Caso
os erros seja estacionários dizemos que é chamado de vetor de cointegração.
t-Statistic Prob.*
• Estimamos:
∗
DependentVariable: D(CONSUMO)
Method: LeastSquares
Date: 04/12/12Time: 16:04
Sample (adjusted): 1991Q2 2011Q4
Includedobservations: 83 afteradjustments