Universidade Federal do Rio Grande do Sul Faculdade de Cincias Econmicas Curso de Doutorado em Economia (Estgio Docncia) Disciplina: Econometria

Aplicada Professor: Sabino Porto Junior Estagirio: Henrique Andrade <henrique.andrade@ufrgs.br>

1. INTRODUO AO EVIEWS

1.1. Construo da Base de Dados O primeiro passo a ser dado para utilizar o EViews em anlises economtricas consiste na construo da base de dados que ser utilizada na estimao dos modelos. Os sites mais populares (e de fcil utilizao) que fornecem gratuitamente dados sobre a economia brasileira so o Ipeadata (www.ipeadata.gov.br) e o Banco Central (www.bacen.gov.br/?SERIETEMP). Esses sites fornecem os dados em formatos compatveis com qualquer programa de planilha eletrnica atual (exemplos: Excel, Calc, Numbers e Gnumeric).

1.2. Preparao dos dados no Excel Aps a obteno dos dados desejados importante organiz-los em uma planilha (no nosso caso utilizaremos o formato xls, uma vez que a grande maioria dos pacotes economtricos capaz de ler esse tipo de arquivo). Apesar de parecer um procedimento simples, a organizao da base de dados de extrema importncia, uma vez que a correta ordenao das informaes dentro das planilhas pode facilitar bastante o trabalho posterior e as consultas futuras. Uma planilha bem organizada deve seguir pelo menos trs caractersticas: (1) nome das sries; (2) unidade de medida utilizada para os dados e; (3) fonte. Alm disso, algumas vezes necessrio que se use
AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE
CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

pontos ao invs de virgulas como separador decimal (isso ocorre porque alguns pacotes no esto preparados para interpretar o esquema de numerao utilizado no Brasil). 1.3. Como importar os dados para o EViews O EViews trabalha com uma grande variedade de formatos de bases de dados, entre os quais o xls do Excel. Porm, ao convertermos a base de dados original para o chamado workfile (cuja extenso wf1), formato proprietrio do EViews, tornamos a abertura e o manuseio dos dados bem mais simples. O EViews apresenta uma grande integrao com os arquivos do tipo xls, de forma que a abertura desse tipo de arquivo bastante simples. Existem duas formas de se realizar essa tarefa, sendo que a primeira delas consiste em selecionar FILE OPEN FOREIGN DATA AS
WORKFILE

no menu, outra opo seria arrastar o arquivo xls para dentro da janela principal do

EViews. Para converter a planilha em um workfile basta selecionar FILE SAVE AS.

1.4. Renomeando e inserindo informaes sobre as sries possvel renomear as sries dentro de um workfile clicando com o boto direito do mouse sobre a srie e selecionando RENAME. Outra opo que pode ser bastante til a insero de outras informaes sobre as sries no prprio workfile (da mesma forma que fizemos nas planilhas xls). Para isso basta selecionar VIEW LABEL no menu e em seguida inserir as informaes nos campos adequados (para retornar janela principal do EViews deve-se selecionar VIEW WORKFILE DIRECTORY).

1.5. Construo e edio de grficos A inspeo visual das sries uma tarefa praticamente obrigatria em anlises economtricas, podendo revelar importantes caractersticas sobre as variveis em estudo. Para construir grficos no EViews pode-se selecionar QUICK GRAPH e em seguida o tipo de grfico e os nomes das variveis que sero includas.
AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE
CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

Para utilizarmos os grficos gerados no EViews em trabalhos aplicados, como por exemplo, artigos, monografias, relatrios, etc., importante que saibamos edit-los de forma a adequ-los melhor ao layout em uso. No EViews essa tarefa relativamente simples. Aps construirmos o grfico, podemos edit-lo selecionando OBJECT VIEW OPTIONS
OPTIONS.

Um menu com vrias opes surgir:

Type: nessa aba possvel escolher o tipo do grfico e os efeitos de preenchimento do mesmo; General: nessa aba podemos escolher o tamanho e as propores do grfico; Axis & Scaling: aqui possvel editarmos as fontes dos eixos do grfico e escolhermos o posicionamento das diversas sries constantes no grfico; Legend: nessa aba encontram-se vrias opes para formatao das legendas do grfico, como por exemplo, a alterao dos nomes, das fontes e da localizao; Lines & Symbols: apresenta as opes referentes s cores e as formas das linhas que representam as sries no grfico; Filled Areas: caso se tenha optado por um grfico de colunas ou de pizzas, nessa aba encontram-se as opes para formatar as ares do grfico.

2. ESTIMAO DE MODELOS MQO NO EVIEWS

2.1. Estimao de modelos MQO Antes de partirmos para a estimao de modelos de Mnimos Quadrados Ordinrios (MQO), importante salientar que a especificao do mesmo deve ser baseada na teoria econmica. Ou seja, apesar de estarmos trabalhando com modelos matemtico-estatsticos, a teoria econmica que definir as variveis a serem includas nos modelos e que determinar a forma como tais variveis interagem entre si.

AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE

CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

A estimao de modelos do tipo MQO feita de uma forma bastante simples no EViews, bastando selecionar QUICK ESTIMATE EQUATION e em seguida digitar o nome das variveis que sero utilizadas. Note que estas devero estar separadas por espaos e seguir a seguinte ordem: varivel dependente constante varivel explicativa. Entre outras opes, o EViews oferece a possibilidade de alterarmos o perodo da amostra (no campo Sample).

2.2. Diagnsticos simplificados Existe uma grande infinidade de formas de avaliarmos um modelo de Mnimos Quadrados Ordinrios, porm, por enquanto, nos concentraremos em quatro indicadores/testes: (1) o coeficiente de determinao; (2) o teste t (e o p-valor); (3) a estatstica F e; (4) o teste de normalidade dos resduos. O coeficiente de determinao R2 indica o grau de ajuste da regresso, ou seja, ele diz o quo bem a reta de regresso da amostra se ajusta aos dados. Por exemplo, se o R2 de um determinado modelo for igual a 0,87, dizemos que o modelo capaz de explicar 87% da variao na varivel dependente. O teste t serve para avaliarmos a significncia estatstica de cada uma das variveis explicativas (em termos prticos, testamos a hiptese nula de que a varivel em questo igual a zero, considerando um determinado nvel de significncia1). O teste t segue uma distribuio de Student com graus de liberdade (onde indica o numero de observaes na amostra), de forma que se o valor calculado for maior que o tabelado, rejeitamos a hiptese de que o coeficiente estatisticamente igual a zero. Uma alternativa ao uso de tabelas estatsticas a observao do p-valor, que fornece a probabilidade de rejeitar a hiptese nula quando ela verdadeira. Normalmente considera-se um valor p de 0,05 como o patamar para avaliar a hiptese nula. Se o valor p for inferior a 0,05 podemos rejeitar a hiptese nula.

O nvel de significncia indica a probabilidade de rejeitar a hiptese verdadeira (erro tipo I). Assim, ao considerarmos um nvel de significncia igual a 5%, estamos assumindo que temos 95% de chances de aceitar a hiptese falsa (erro tipo II). Para um maior detalhamento ver Gujarati (2000, p. 121).

AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE

CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

A estatstica F segue a mesma lgica do teste t, a diferena que a estatstica F avalia a significncia global dos regressores (variveis explicativas). A estatstica F segue uma distribuio com e graus de liberdade (onde indica o numero de observaes na amostra e o numero de parmetros estimados, incluindo a constante).

Um aspecto final da avaliao bsica do modelo MQO consiste na anlise da normalidade do resduo da regresso. Esse teste importante porque os testes f e F vistos anteriormente, dependem da hiptese de normalidade dos resduos (se esta no for obedecido os testes podero no ser vlidos). Para avaliar a normalidade dos resduos recorreremos ao teste de Jarque-Bera, que testa a hiptese nula de normalidade dos resduos (seguindo uma distribuio com graus de liberdade). O teste de Jarque-Bera pode ser feito

atravs do EViews, bastando selecionar VIEW RESIDUAL TESTS HISTOGRAM-NORMALITY

TEST.

2.3. Inspeo visual do grau de ajustamento do modelo Da mesma forma que importante observar os grficos das sries para tentar capturar algumas informaes sobre estas, de grande importncia, tambm, analisar os valores estimados pelo modelo. Dessa forma podemos conferir, visualmente, as informaes fornecidas pelo R2 (o modelo se ajusta realmente bem aos dados?). Alm disso, essa inspeo visual pode revelar a necessidade de incluir novas variveis ao modelo. No EViews isso pode ser feito selecionando selecionar VIEW ACTUAL, FITTED, RESIDUAL ACTUAL,
FITTED, RESIDUAL GRAPH.

2.4. Interpretao econmica dos parmetros estimados At o momento nos concentramos no lado mais operacional (ou estatstico) dos modelos MQO, entretanto, essa fase no deve ser encarada como principal finalidade, uma vez que estamos interessados nas interrelaes econmicas representadas pelo modelo.

AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE

CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

Dependendo da forma pela qual os dados foram inseridos no modelo, os parmetros do MQO representam o efeito marginal de determinada varivel explicativa sobre a varivel dependente, assim, aps a estimao devemos observar se os sinais dos regressores com o intuito de verificar sua compatibilidade com a teoria econmica.

2.5. Exemplos

2.5.1. Consumo familiar e renda Informaes: Y (Consumo semanal da famlia) X (Renda semanal da famlia) Unidade de medida: US$

Fonte: Gujarati (2000) / Tabela 3.2, p. 71 / Exemplo p. 72.

AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE

CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

2.5.2. Consumo pessoal e PIB (EUA) Informaes: Y (Gasto pessoal com consumo) X (Produto interno bruto EUA) Unidade de medida: US$ bilhes de 1992 Intervalo: dados anuais entre 1982 e 1996 (n=15)

Fonte: Gujarati (2000) / Tabela I.1, p. XXXI / Exemplo p. 75.

3. PROBLEMAS COMUNS AOS MODELOS MQO

Ale da hiptese de normalidade dos resduos (comentada na seo 2.2.), existem outras hipteses sobre as quais o modelo de mnimos quadrados ordinrios construdo, entre elas, podemos destacar: (1) os erros possuem varincia constante e, (2) os erros no possuem autocorrelao. Em pesquisas aplicadas (utilizando dados reais), comum que essas hipteses no sejam obedecidas.

AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE

CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

De acordo com Gujarati (2000, p.401), tanto na presena de autocorrelao como de heteroscedasticidade, os estimadores usuais de MQO, embora no viesados, j no possuem varincia mnima entre todos os estimadores lineares no-viesados. Da mesma forma que a no normalidade, a presena da heteroscedasticidade e da autocorrelao podem invalidar os testes t e F.

3.1. Heteroscedasticidade O problema da heteroscedasticidade surge quando a hiptese de que os erros apresentam varincia constante no vlida, ou seja, os erros no so homoscedsticos. Esse problema pode ocorrer em diversas situaes, sendo um bom exemplo para essa possibilidade o caso de um modelo que associe renda e consumo. De acordo com Gujarati (2000), medida que a renda aumenta, as pessoas passam a ter mais opes de como dispor sua renda (quanto maior for nossos salrios, maior sero as nossas possibilidades de poupar). Podemos detalhar um pouco mais esse exemplo: imagine que cada uma das famlias de um determinado pas precise consumir aproximadamente 10 cestas bsicas (que custam $1,00 cada) para viver satisfatoriamente e que ganhe $10,00 mensalmente. Nessa situao todos consumiro toda sua renda em cestas bsicas (para no morrerem). Agora suponha que o pas descobriu um imenso poo de petrleo e que as riquezas provenientes desse poo so distribudos igualmente entre todas as famlias de forma que a renda passasse de $10,00 para $100,00. Em uma situao como esta teramos que algumas famlias passariam a consumir 10 vezes mais, porm, o mais comum era que algumas passassem a poupar uma certa frao de suas novas rendas temendo que o poo secasse. Dessa forma, quanto mais a renda se elevar, menor ser nossa certeza em relao ao padro de consumo das famlias, o que eleva a volatilidade dos erros de nosso modelo.
AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE
CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

Outro exemplo utilizado por Gujarati (2000) o caso dos modelos de aprendizagem do erro. De forma ilustrativa ele apresenta um modelo que relaciona o nmero de erros de datilografia com o tempo gasto em aulas de datilografia. Nesse caso de se esperar que os erros diminuam cada vez mais medida que as horas de treinamento aumentem. Por fim, uma outra possvel fonte de heteroscedasticidade est relacionada com observaes aberrantes (ou, do ingls, outliers).

3.1.1. Detectando e corrigindo a heteroscedasticidade Existem vrios testes formais e informais que podem nos ajudar a detectar a presena de erros heteroscedsticos. Nos concentraremos no teste de White (em suas duas variantes), uma vez que o mesmo feito de forma automtica pelo Eviews (na janela do modelo estimado, selecionar VIEW RESIDUAL TESTS WHITE HETEROSKEDASTICITY TEST (CROSS
TERMS)).

Suponha que estimamos o seguinte modelo atravs do mtodo dos mnimos quadrados:

O que o teste de White faz utilizar os resduos estimados da regresso acima para fazer uma nova estimao, relacionando o quadrado do resduo (que equivale varincia) com as variveis explicativas do modelo original (note que inclumos tambm o quadrado das variveis e consideramos a possibilidade de interao entre elas):

A hiptese que precisamos testar a de que todos os parmetros so, conjuntamente, estatisticamente iguais a zero, ou seja:

AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE

CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

Se tal hiptese for aceita, temos que o erro do modelo homoscedstico. Porm, caso no aceitemos tal hiptese teremos um problema de heteroscedasticidade. Algumas medidas corretivas incluem: (1) a utilizao de logaritmos, (2) a utilizao de variveis dummy e; (3) a reespecificao do modelo estimado.

3.2. Autocorrelao O problema da autocorrelao surge quando a hiptese de que os erros so serialmente no autocorrelacionados no obedecida. Uma das fontes mais comuns da autocorrelao est relacionada ao problema do vis de especificao, ou seja, quando deixamos de incluir no modelo variveis que deveriam estar presentes.

3.2.1. Detectando e corrigindo a autocorrelao Um dos testes mais utilizados para detectar a presena de autocorrelao (ou correlao serial) o teste de Breusch-Godfrey (Serial Correlation LM Test). No Eviews ele pode ser feito selecionando, na janela do modelo estimado, selecionar VIEW RESIDUAL TESTS
SERIAL CORRELATION LM TEST.

Suponha o mesmo modelo da seo 3.1:

Agora suponha que, na presena de autocorrelao, o termo de erro, seguinte processo autorregressivo:

, seja gerado pelo

AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE

CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

10

Onde

igual ao nmero de regressores do modelo. Se

fosse no autocorrelacionado,

aceitaramos a hiptese de que seguinte equao:

. O teste de Breusch-Godfrey estima a

E testa a hiptese nula de que

. Se aceitarmos tal hiptese, teremos uma

indicao de que o modelo no possui autocorrelao.

AUTOR: CARLOS HENRIQUE COLHO DE ANDRADE

CRIADO EM 27/09/09 15:27 MODIFICADO EM 12/10/09 19:29

11