Type author name/s

Alexandre here
Ernesto

– Séries
Parte IIChapter Temporais
heading
AULA 4: Modelos de Equações Múltiplas,
Não Estacionaridade e o Teste de Raíz
Unitária

© Alexandre Ernesto, 2019. Direitos reservados.

 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Objectivos de aprendizagem

1. Diferenciar entre modelos de séries temporais univariados e multivariados;

2. Entender os modelos VAR e discutir as suas vantagens;

3. Entender o conceito de causalidade e sua importância em aplicações económicas;

4. Usar o procedimento do teste de causalidade de Granger;

5. Entender o conceito de estacionaridade e as diferenças entre processos estacionários

e não estacionários,

6. Entender a importância da estacionaridade e a regressão espúria;

7. Entender o conceito de teste de raíz unitária em séries temporais;

8. Entender o signifoicado de uma série integrada de ordem 1 I(1);

9. Conhecer e aplicar os testes de raíz unitária.

2
Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Modelo VAR

3
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Modelos VAR (1)

É muito comum em economia observarmos modelos em que algumas variáveis não são apenas
variáveis explanatórias para uma determinada variável, mas também são explicadas pelas variáveis
que estas ajudam a determinar.

Nestes casos devemos recorrer à modelos de equações simultâneas, em que é necessário identificar
de forma muito clara quais das variáveis são endógenas e quais são exógenas ou variáveis
predeterminadas.

Sims (1980) sugere que:

 Se existe simultaneidade entre um número de variáveis, então todas as variáveis devem ser
tratadas da mesma forma;

 Logo, todas as variáveis são tratadas como sendo endógenas;

 Isto significa que na sua forma geral reduzida cada equação tem o mesmo número de
regressores.

4
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Modelos VAR (2)

Por exemplo, a série temporal yt que é afectada pelos valores presente e passados da série xt e,
simultaneamente, a série temporal de xt é uma série que é afectada pelos valores presente e
passados da série yt.

Neste caso, o modelo bivariado é dado por:

yt = β10 − β12xt + γ11yt−1 + γ12xt−1 + uyt

xt = β20 − β21yt + γ21yt−1 + γ22xt−1 + uxt

Este é um modelo VAR de primeira ordem, porque o seu lag é de ordem 1. Se reescrevernos o
sistema em forma de matrizes, temos o seguinte:

 1 12   yt   10   11  12   yt 1  u yt 
          
 21 1   xt    20   21  21   xt 1  u xt 
5
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Modelos VAR (3)

Ou de outra forma,

Bzt= Γ0 + Γ1zt−1 + ut

Onde

1 12   yt   10 
B  , zt   , 0   
  21 1   xt    20 
 11  12  u yt 
1    e ut   

 21  21  u xt 
6
Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Vantagens e desvantagens do modelo VAR

7
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Vantagens e desvantagem do modelo VAR

Vantagens:

1. Muito simples de ser aplicado, pois não há preocupações acerca de qual variável é endógena ou
exógena;

2. A estimação é muito simples e similar aos modelos OLS (MQO);

3. As previsão por meio dos modelos VAR são melhores do que aquelas obtidas por meio de
modelos de equações simultâneas mais complexos.

Desvantagens:

1. Muito teórico, uma vez que muitas vezes não se baseia na teoria económica, pois o princípio de
aplicação do modelo é de que “tudo causa tudo” (mas esta limitação é resolvida com o teste de
causalidade);

2. Perda de graus de liberdade;

3. Os coeficientes do modelo VAR são dificeis de serem interpretados, pois muitos não têm uma
teoria por detrás (esta limitação é superada pela função de resposta ao impulso).
8
Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Testes de causalidade

9
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Testes de causalidade (1)

Suponha duas variáveis, digamos yt e xt afectam-se mutuamente com lags distribuídos.

A relação entre estas duas variáveis pode ser capturada por meio de um modelo VAR. Neste caso, é
possível termos que:

a) yt causa xt;

b) xt causa yt;

c) Existe uma causalidade bidireccional entre as variáveis yt e xt;

d) As duas variáveis são independentes.

Granger (1969) desenvolveu um teste relativamente simples que defini-se como se segue:

• Uma variável é dita como Granger-cause xt se xt pode ser prevista com grande acuracidade por
meio do uso dos valores passados da variável yt, ceteris paribus.

10
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Testes de causalidade (2)

O primeiro passo é estimar o modelo VAR:

n m
yt  a1    i xt i    j yt  j  e1t (1)
i 1 j 1
n m
xt  a2    i xt i    j yt  j  e2t (2)
i 1 j 1

11
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Testes de causalidade (3)

Caso 1:

 Os lagged termos de x na equação (1) podem ser estatisticamente diferente de zero, e os lagged
termos de y na equação (2) não são estatisticamente diferente de zero. Neste caso, temos que xt
Granger-cause yt.

Caso 2:

 Os lagged termos de y na equação (2) podem ser estatisticamente diferente de zero, e os lagged
termos de x na equação (1) não são estatisticamente diferente de zero. Neste caso, temos que yt
Granger-cause xt.

Caso 3:

 Ambos conjuntos de termos de x e y são estatisticamente diferente de zero tanto na equação (1)
como na equação (2). Neste caso há uma causalidade bidireccional.

Caso 4:

 Ambos conjuntos de termos de x e y não são estatisticamente diferente de zero tanto na equação
(1) como na equação (2). Nestes casos xt é independente de yt e vice-versa.

12
Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Não estacionaridade

13
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Estacionaridae versus não estacionaridade

Em séries temporais estacionárias, choques serão temporários e ao longo do tempo seus efeitos
serão eliminados, pois a série retorna para o seu valor médio de longo prazo.

Séries não estacionárias irão conter necessariamente componentes permanentes.

O correlograma de uma série estacionária irá cair rapidamente a medida que o número de termos
atrasados - lag aumenta, ao passo que uma série não estacionária não irá extinguir-se a medida que
aumentamos o número de termos atrasados.

14
Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Teste de raíz unitária e regressão espúria

15
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Teste de raíz unitária: conceito (1)

Considere o modelo AR(1)

Onde et é um processo whie noise e a condição de estacionaridade é:

Subtraindo yt-1 nos dois lados da equação acima, temos o seguinte:

Definição 1:

Uma série yt é integrada de ordem um [denominada como yt ~I(1)] e contém uma raíz unitária, se yt é
não estacionária mas Δyt é estacionária.

16
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Teste de raíz unitária: conceito (2)

Definição 2:

Uma série yt é integrada de ordem d [denominada como yt ~I(d)] se yt é não estacionária mas is Δdyt é
estacionária.

17
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Regressão espúria (1)

Formalmente, considere o seguinte modelo:

Uma regressão espúria geralmente tem um R2 muito alto e estatística t que aparenta fornecer
estimativas significantes, mas os resultados podem não ter algum significado económico de um todo.

A maioria das séries temporais macroeconómicas têm tendência e, portanto, na maioria dos casos
são não estacionárias.

O problema com séries não estacionárias ou com tendência é de que o procedimento padrão dos
modelos OLS (MQO) podem facilmente conduzir-nos a conclusões incorrectas.

18
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Regressão espúria (2)

Granger e Newbold (1974) construíram uma análise em Monte Carlo gerando um largo número de
séries yt e xt contendo raízes unitárias seguindo a seguinte fórmula:

Onde eyt e ext são números aleatórios normais gerados artificialmente.

Quando eles regressaram os vários yts para os xts, eles surpriendentemente descobriram que eram
incapazes de rejeitar a hipótese nula de β2=0 em aproximadamente 75% dos casos.

Eles também descobriram que suas regressões tinham R2s muito alto e estatísticas DW muito baixas.

 Granger e Newbold (1974) propuseram a seguinte Rule of Thumb para detecar regressões
espúria: se R2 > DW ou R2 estiver muito próximo a 1, então a regressão deve ser espúria.

19
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Regressão espúria (3)

Explicação para o problema de regressão espúria

Quando as variáveis tornam-se não estacionárias então não podemos garantir que os seus erros
sejam estacionários, e regra geral o erro também tornar-se não estacionário. Quando isto acontece
violamos os pressupostos básicos dos MCRL.

Se os erros forem não estacionários esperaríamos que eles vagassem e eventualmente se tornam-se
grandes

20
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Testes de raíz unitária: Teste de Dickey-Fuller (1)

Dickey e Fuller (1979, 1981) inventaram um procedimento para formalmente testar a não
estacionaridade. Esta teste tem como objectivo estimar a presença de raíz unitária.

Eles começaram com um simples modelo AR(1).

Precisamos examinar se ∅ é igual a 1.

A hipótese nula é: 𝐻0 : ∅ = 1 e a hipótese alternativa 𝐻1 : ∅ < 1

Onde claramente γ = (∅ − 1)

A hipótese nula é: 𝐻0 : 𝛾 = 1 e a hipótese alternativa 𝐻1 : 𝛾 < 1. Se γ = 0 então yt segue um pure

random walk.
21
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Testes de raíz unitária: Teste de Dickey-Fuller (2)

Dickey e Fuller (1979) propõem três regressões alternativas para testar a presença de raíz unitária.

A primeira sem constante e sem tendência (no constant – no trend):

A segunda contém a constante mas sem a tendência (constant – no trend):

A terceira contém ambos a constante e a tendência (constant and a trend):

22
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Testes de raíz unitária: Augmented Dickey-Fuller (ADF)

Como é provavél que o termo de erro não seja white noise, Dickey e Fuller extenderam o seu
procedimento de teste sugerindo uma versão aumentada do teste que inclui valores extra dos termos
atrasados da variável dependente de formasa eliminar a autocorrelação.

O número de termos atrasados extra é determinado usando AIC ou BIC.

As três formas possíveis do teste ADF são dadas pelas seguintes equações:

23
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Testes de raíz unitária: teste de Phillips-Perron

O teste de Dickey-Fuller é baseado no pressuposto de que os erros são estatisticamente independentes

e têm variância constante. Logo, para usar o teste ADF, devemos antes ter a certeza de que os erros
não estão correlacionados e que têm de facto uma variância constante.

Phillips-Perron (1988) desenvolveram uma versão generalizada do teste ADF que permite pressupostos
bastante leves sobre a distribuição dos erros.

O teste da regressão para o teste de Phillips-Perron é o processo AR(1):

O teste de Phillips-Perron faz uma correcção para a estatística t do coeficiente 𝛾 da regressão AR(1)
para explicar a correlação serial em 𝑒𝑡 . Logo, o teste PP é apenas uma modificação da estatística t do
teste ADF que leva em consideração uma natureza do processo dos erros menos restritiva.

24
 Econometria II | Parte II – Séries Temporais | Equações Múltiplas, Não Estacionaridade e Raíz Unitária

Bibliografia utilizada

Próxima aula de nº 5 iremos falar sobre:

Cointegração e Modelos Vectoriais:

 O que é cointegração
 Testes de cointegração
 Metodologia Engle – Granger
 Desvantagens da metodologia de Engle – Granger
 Metodologia de Johansen
 Estimação do Modelo vectorial de correcção do erro
 Vantagens do VECM

25
Copyright Alexandre Ernesto 2019.

Estes slides podem ser carregados por qualquer pessoa, em

qualquer lugar para uso pessoal e não há necessidade de se
referenciar o autor.

Todo o material inserido nestes slides, a excepção de algumas

ilustrações e exemplos específicos sobre Angola, foram elaborados
com base nos livros descritos na referência bibliográfica para este
curso.

26