Beruflich Dokumente
Kultur Dokumente
1
Ressalta-se que esse material é apenas um roteiro prático e que de forma alguma dispensa o entendimento
teórico que sustenta tal modelagem econométrica. Julga-se extremamente importante que o aluno faça uma
leitura atenciosa sobre os modelos VAR e VEC para que possam entender estes procedimentos técnicos.
Recomenda-se como leitura obrigatória os seguintes autores:
BUENO, R.L.S. Econometria de Séries Temporais. 1. ed. São Paulo: Cengage. v. 1. 299 p. 2008
JOHNSTON, J. & DINARDO, J. Métodos Econométricos. 4th edition McGraw-Hill, Lisboa, 2001.
GUJARATI, D.N. Econométria Básica. Editora Campus. 4ª edição. 2006.
ENGLE, R.F.; GRANGER, C.W. Co-integration and error-correction: representation, estimation and
testing. Econometrica, v. 55, p. 251-276. 1987.
JOHANSEN, S. Statistical Analysis of Cointegration Vectors. Journal of Economic Dynamics and
Control 12, 231–254. 1988.
JOHANSEN, S., JUSELIUS, K. Maximum likelihood estimation and inference on cointegration – with
application to the demand for money. Oxford Bulletin on Economics and Statistics, v. 52, n. 1, p. 169-
210, 1990.
JOHNSTON, J.; DINARDO. Econometric Methods. 4th edition.McGraw-Hill, Lisboa, 1997.
Aparecerá uma janela contendo os nomes das série, basta clicar em ok
Depois pedirá para apagar os grupos clique em Yes
b. Faça gráficos
Na própria tela da correlçaão ir em: View graph
Teste ADF
Dê um clique duplo sobre a série que vc irá testar a presença de raiz unitária
Na próxima janela- tem as opções de vários teste de raiz unitária escolha o que quiser (ADF)
Primwiro testar a série em nível. Para tanto, Você deve testar os três tipos de modelo. Inicie
com o completo (trend and intercept), depois faça o teste com o modelo de intercept, Por fim,
vc deve testar o modelo nome (sem constante e sem intercepto). Se concluir que a série não
tem raiz unitária em nível, então ela é I(0) não pode usar VEC.
Depois caso tenha dado raiz unitária, teste a série em primeira diferença (1st difference)
para verificar se esta torna-se estacionária em 1ª diferença. Se constatar isso, logo a série é
I(1). Caso contrário, testa em segunda diferença (2nd difference). Se constatar que a série é
estacionária logo ela é I(2). Em séries econômicas, os casos mais comuns são i(0) ou I(1).
Todavia, podemos ter i(2). Series integradas de ordem superior a dois, não é comum.
O valor circulado, refere-se o p-valor da estatística observe que p>0,10 (10%), logo NRH0
serie tem raiz unitária. Faz os testes para os dis modelos (só com intecet e sem intercepto e
tendência). Se concluir que a série tem raiz unitária, deve-se testar em primeira diferença.
Observe que em primeira diferença, o teste é feito com o modelo NONE. Pelo p-valor (0,0604)
menor do que 0,10 (10%), o valor é significativo, logo RHO, então a série é estacionária em
primeira diferença I(1).
Ao realizar os testes de raiz unitária para todas as séries e concluir que todas são I(1), a
aplicação do MQO é inviável e deve-se usar um modelo VAR/VEC
Selecione todas as suas séries que fazem parte da equação que vc irá estimar. Se vc sabe pela
teoria qual é variável dependente e quais são as explicativas, então selecione primeiro a
dependente e depois selecione as explicativas. Se não sabe, selecione em qualquer ordem, neste
caso, o ordenamento correto será posteriormente indicado pelo teste de Granger.
4- Teste de lag para verificar qual ordem deve-se rodar o var. Se VAR(2), VAR(3), etc.
Na janela do VAR estimado ir em: View lag structure Lag length criteria
Abrirá uma janela onde vc deve definir quantas defasagens (lag) usar no teste. Geralmente
usamos 8; 12. Clique em ok
Estes são os teste para
definir qual a lag. Onde
tem asterisco é a
indicação do teste
Irá aparecer uma nova tela onde pedirá o número de lag basta colocar 12 que é o
comum
A H0= ausência de auto. Deve-se ter ausência de auto em todas as 12 lags.. Observe
que nas lags: 1, 2, 3, 5, 7, 9, 10, 11, 12.. a 5% de significância (pois os valores prob
foram siginificativos a 5%.
Nesta situação, para corrigir a lag, vc deve regredi um var de ordem superior a 1 e
testar novamente a auto.
Var(2)
Para voltar e reestimar o var(2), é só clicar em estimate
Observe que a lag 1, e 9 a 1% não te auto. Não resolvido o problema
Var(3)
Var(4)
Observe que todas as raízes unitárias (os pontos em azul) estão dentro do circulo
unitário- logo o VAR(5) é estável e pode ser usado para fazer inferência
LOGB 2.200470 5 0.8208 Commented [W71]: Log de B não causa logde R, como ocorre
LOGCONT 6.280921 5 0.2798 com logcont logdes, etc..
LOGDES 4.276145 5 0.5104
LOGGI 7.817342 5 0.1666
LOGID 7.584608 5 0.1807
LOGJ 6.749822 5 0.2399
LOGPIB2DIF 3.294917 5 0.6546
LOGRM 2.941395 5 0.7090
LOGTOF 4.880501 5 0.4306
LOGTOM 6.708415 5 0.2432
a Ho= a variável X (ou qualquer outra, no caso logb) não causa no sentido de Granger a variável
Y (outra variável, exemplo logr)
o teste de Granger além de indicar a relação de causalidade entre as variáveis, Também indica
o ordenamento das variáveis para a regressão do modelo VAR. A regra é sempre ordenar do
menor valor de qui-quadrado para o maior.
Todavia, se vc já sabe qual é a sua variável dependente ela virá primeiro e vc ordena somente
as demais. No exemplo, supondo que logR é a variável dependente, então o ordenamento só
leva em conta as outras variáveis. Neste caso temos:
logr loggi logcont logtom logtof logid logpib2dif logj logb logdes logrm
Esses são os 5
O teste é
modelos
realizado com
disponíveis
uma lag a menos
para rodar o
do que o VAR
teste.
Esta opção permite
ter um resumo dos
resultados dos
testes de
cointegração para
0s 5 modelos.
Chama-se atenção para o fato de que nem sempre é possível utilizar a opção 6 (summarize all
5 sets ....). As vezes, por alguma característica dos dados ou tamanho de amostra, o teste não
se realiza (near matrix) para esta opção. Neste caso, basta testar todos os 5 modelos
separadamente.
Teste do
traço e do
máximo
valor
Observe que os testes de traço e máximo autovalor indicaram que existem entre 5 a 6 relações
de cointegração. Portanto, qualquer um dos 5 modelos podem ser usados para estimar o VEC.
Para estimar o VEC, deve existir pelo menos uma relação de cointegração entre as variáveis.
Trace test indicates 5 cointegrating eqn(s) at the 0.05 level Commented [W78]: 5 relações de cointegração
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Commented [W79]: Teste do máximo
Max-eigenvalue test indicates 5 cointegrating eqn(s) at the 0.05 level Commented [W711]: 5 relações de cointegração
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
se existe relação de cointegração entre as variáveis, podemos estimar um VEC(4) Commented [W712]: Vou estimar um VEC (4) por tinha um
VAR (5)
Nº de relações
de cointegração
que deseja
estimar
LOGTOM(-1) -8.685231
(8.50101)
[-1.02167]
LOGTOF(-1) -2.362707
(4.50305)
[-0.52469]
LOGID(-1) 0.255370
(0.36922)
[ 0.69165]
LOGPIB2DIF(-1) -53.35041
(4.02045)
[-13.2698]
LOGJ(-1) 0.038325
(0.25323)
[ 0.15134]
LOGB(-1) -1.141081
(0.59003)
[-1.93394]
LOGDES(-1) -0.221325
(0.80023)
[-0.27658]
LOGRM(-1) 1.478514
(1.47111)
[ 1.00503]
Tanto no VAR quanto no VEC é possível fazer a análise de impulso resposta e a análise
de decomposição da variância do erro.
Impulso resposta
Aqui vc coloca as
variáveis explicativas
que sofreram o
“choque”
Na janela dos gráficos (ou na janela do VEC estimado) clicar em view Variance
Decomposition
Aqui vc coloca a variável dependente.
Pode até colocar todas, mas ai vc
verá a decomposição de todas (esta é
uma situação que ocorre em estudos
de transmissão de preços ou análise
de cointegração)