Lista Prática II

Departamento de Economia
ECO1800 TPE (2010.1)

Professor: Marco Cavalcanti
Alunos: Pedro Abinader e Rafael Mattos
Sries Temporais: Importaes de Elementos Qumicos
Lista de Exerccios Prticos II

Entrega: 24/06/2010
1.1)
a)
Claramente vemos que existe um efeito sazonal. Normalmente, ao final de cada ano,
temos o menor valor da varivel. Para isso rodamos uma regresso de ld_Q em ld_P
com as quatro dummies sazonais, sem a constante, evitando o problema de
colinearidade exata, o que omitiria a quarta dummy sazonal.
Modelo 2: Mnimos Quadrados (OLS), usando as observaes 1997:2-2008:4 (T = 47)
Varivel dependente: ld_Q
Coeficiente Erro Padro
razo-t
p-valor
ld_P
dq1
dq2
dq3
dq4
-0,694593
-0,0538722
0,0583303
0,191301
-0,0995969
Mdia var. dependente

Soma resd. quadrados
R-quadrado
F(4, 42)
Log da verossimilhana
Critrio de Schwarz
r
0,404812
0,0276341
0,0266906
0,0263649
0,0263579
0,022721
0,349855
0,637839
18,49266
48,46893
-77,68711
-0,108843
-1,7158
-1,9495
2,1854
7,2559
-3,7786
0,09356
0,05794
0,03449
<0,00001
0,00049
D.P. var. dependente

E.P. da regresso
R-quadrado ajustado
P-valor(F)
Critrio de Akaike
Critrio Hannan-Quinn
Durbin-Watson
*
*
**
***
***
0,144915
0,091268
0,603348
7,85e-09
-86,93785
-83,45674
2,070496
Logo, como as dummies sazonais so estatisticamente diferente de zero devido ao baixo

p-valor, vemos que existe sazonalidade em ld_Q.
b)
Varivel dependente: ld_Q
ld_P
dq1
dq2
dq3
dq4
ld_Q_1

-0,609205
0,383112
-0,0658102
0,029075
0,0296858
0,0274771
0,197391
0,0255458
-0,0760277 0,0365259
-0,123443
0,141996

R-quadrado
F(5, 40)
Critrio de Schwarz
r
0,017118
0,288799
0,678456
16,87992
51,35415
-79,73646
-0,022664
razo-t
-1,5901
-2,2635
1,0804
7,7269
-2,0815
-0,8693
p-valor
0,11967
0,02910
0,28644
<0,00001
0,04383
0,38985

E.P. da regresso
R-quadrado ajustado
P-valor(F)
Critrio de Akaike
h de Durbin
**
***
**
0,141277
0,084970
0,638262
5,94e-09
-90,70831
-86,59819
-0,499437
No incluo a constante pelo mesmo motivo exemplificado em a.

c)
Sim, eles apresentam os sinais esperados. Como sabemos a quantidades relacionam-se
negativamente com preos (e em ambos os casos o sinal de ld_P negativo). As
dummies sazonais tambm apresentam sinais esperados, visto que no grfico de ld_Q,
temos que o valor desta varivel acaba atingindo seu mximo no meio do ano, durante o
2 e 3 trimestres. No primeiro modelo todas as variveis explicativas so
estatisticamente significativas. J no segundo, apenas as dummies sazonais
correspondentes aos 1, 3 e 4 trimestres so significativas. Em ambas situaes espero

que o estimador seja viesado, pelo fato do mesmo no atender a condio de
exogeneidade estrita.
Temos que a exogeneidade contempornea pode ser claramente violado. Por exemplo,
nessa equao no temos uma varivel explicativa que traduza um possvel efeito de
uma tarifa de importao para produtos qumicos. Logo, essa varivel seria relevante e
omitida para os modelos, tendo efeito direto sobre as quantidades importadas e
naturalmente se correlacionando com o preo (quanto mais alta a tarifa maior o preo).
Assim,, como exogeneidade contempornea e estrita so violadas, creio que o estimador
viesado e no consistente.
d)
Pelos motivos evidenciados acima, temos que essa estatstica no vlida para as
equaes sob anlise. Mas, caso os regressores fossem estritamente exgenos, no
primeiro caso, como o valor bem prximo de 2, temos que no haveria autocorrelao do erro. J no segundo caso, como o valor da estatstica negativa
(consequentemente < 2), temos que h uma auto-correlo positiva dos erros.
e)
Teste de Breush-Godfrey para autocorrelao de primeira-ordem
Mnimos Quadrados (OLS), usando as observaes 1997:2-2008:4 (T = 47)
Varivel dependente: uhat
coeficiente
erro padro
razo-t
p-valor
----------------------------------------------------------ld_P
0,0679154
0,417955
0,1625
0,8717
dq1
-0,000199936
0,0277955
-0,007193
0,9943
dq2
-0,000716312
0,0268636
-0,02666
0,9789
dq3
-0,000163715
0,0265186
-0,006174
0,9951
dq4
0,000128198
0,0265112
0,004836
0,9962
uhat_1
-0,114707
0,159428
-0,7195
0,4759
R-quadrado no-ajustado = 0,012469
Estatstica de teste: LMF = 0,517671,
com p-valor = P(F(1,41) > 0,517671) = 0,476
Estatstica alternativa: TR^2 = 0,586028,
com p-valor = P(Qui-quadrado(1) > 0,586028) = 0,444
Ljung-Box Q' = 0,591556,
Teste de Breush-Godfrey para autocorrelao de primeira-ordem

coeficiente
erro padro
razo-t
p-valor
--------------------------------------------------------ld_P
0,0356650
0,404114
0,08825
0,9301
dq1
0,00760898
0,0382505
0,1989
0,8434
dq2
0,00441714
0,0312095
0,1415
0,8882
dq3
-0,00430150
0,0293061
-0,1468
0,8841
dq4
-0,0156054
0,0622994
-0,2505
0,8035
ld_Q_1
0,0826503
0,302012
0,2737
0,7858
uhat_1
-0,109368
0,351556
-0,3111
0,7574

com p-valor = P(F(1,39) > 0,0967818) = 0,757
Ljung-Box Q' = 0,0251367,
Como ambos os p-valores so altos, podemos aceitar a hiptese nula de que no h

auto-correlao sobre os erros.
f)
Teste de Breush-Godfrey para autocorrelao at a ordem 4
coeficiente
erro padro
razo-t
p-valor
----------------------------------------------------------ld_P
0,117282
0,453894
0,2584
0,7975
dq1
-0,000335549
0,0274289
-0,01223
0,9903
dq2
-0,000394659
0,0265682
-0,01485
0,9882
dq3
0,000878629
0,0261050
0,03366
0,9733
dq4
-0,000207332
0,0260853
-0,007948
0,9937
uhat_1
-0,148849
0,166907
-0,8918
0,3781
uhat_2
-0,149073
0,166672
-0,8944
0,3767
uhat_3
0,117373
0,169656
0,6918
0,4932
uhat_4
0,239665
0,159825
1,500
0,1420
com p-valor = P(F(4,38) > 1,22453) = 0,317
Ljung-Box Q' = 6,08007,
Teste de Breush-Godfrey para autocorrelao at a ordem 4
coeficiente
erro padro
razo-t
p-valor
-------------------------------------------------------ld_P
0,0688343
0,449633
0,1531
0,8792
dq1
0,00840194
0,0400862
0,2096
0,8352
dq2
0,00506116
0,0321565
0,1574
0,8758
dq3
-0,00328332
0,0295472
-0,1111
0,9121
dq4
-0,0155550
0,0655125
-0,2374
0,8137
ld_Q_1
0,0805598
0,320015
0,2517
0,8027
uhat_1
-0,131510
0,362896
-0,3624
0,7192
uhat_2
-0,0866781
0,185249
-0,4679
0,6427
uhat_3
0,136264
0,172395
0,7904
0,4345
uhat_4
0,249673
0,165856
1,505
0,1410
com p-valor = P(F(4,36) > 0,923103) = 0,461

Ljung-Box Q' = 4,87724,
Novamente, como ambos os p-valores so altos, podemos aceitar a hiptese nula de que
no h auto-correlao sobre os erros.
g)
Caso os estimadores tenham correlao serial dos erros, temos que os estimadores no
so BLUE, ou seja, eficientes. Como nos testes realizados anteriores temos p-valores
altos, podemos concluir que a hiptese nula aceita por esses testes, e que no h autocorrelao entre os erros.
Porm tais testes s valem se a hiptese de exogeneidade estrita valer, logo, pelos
motivos explicados nos itens anteriores, esses testes no so vlidos.
1.2)
a)
Model 1: OLS, using observations 1998:1-2008:4 (T = 44)
Dependent variable: ld_Q
const
ld_P
ld_P_1
ld_P_2
ld_P_3
dq1
dq2
dq3
ld_Q_1
ld_Q_2
ld_Q_3
Mean dependent var
Sum squared resid
R-squared
F(10, 33)
Log-likelihood
Schwarz criterion
rho
Coefficient
-0.0704812
-0.55724
-0.0772672
0.757991
-0.488874
0.0285017
0.0893542
0.256527
-0.0852824
-0.127359
0.0401537
Std. Error
0.0427036
0.459121
0.424282
0.416449
0.505434
0.0634929
0.0658163
0.0540379
0.184727
0.179506
0.169405
0.019021
0.227065
0.726860
8.781713
53.43426
-65.24244
0.023020
t-ratio
-1.6505
-1.2137
-0.1821
1.8201
-0.9672
0.4489
1.3576
4.7472
-0.4617
-0.7095
0.2370
S.D. dependent var

S.E. of regression
Adjusted R-squared
P-value(F)
Akaike criterion
Hannan-Quinn
Durbin-Watson
p-value
0.10833
0.23347
0.85661
0.07782
0.34046
0.65644
0.18379
0.00004
0.64735
0.48300
0.81410
***
0.139043
0.082950
0.644090
8.24e-07
-84.86853
-77.59023
1.906095
b)
-0.55724
-0.077267
2
0.757991
+ -0.488874
= -0.3653902
1(-0.0852824
-0.127359
0.0401537)
= 1.1724877
-0.3653902 / 1.1724877 = -0.311636702
O valor estimado faz sentido econmico porque ele demonstra a relao inversa entre
preo e quantidade. AO longo que o preo aumenta, menos quantidade ser demandada.
c)
Breusch-Godfrey test for autocorrelation up to order 4
OLS, using observations 1998:1-2008:4 (T = 44)
Dependent variable: uhat
coefficient std. error t-ratio p-value
-------------------------------------------------------const
0.129854
0.187979 0.6908 0.4952
ld_P
-0.0512706 0.489540 -0.1047 0.9173
ld_P_1 -0.407447
0.753137 -0.5410 0.5926
ld_P_2 -0.257891
0.577783 -0.4463 0.6587
ld_P_3
0.412603
0.816525 0.5053 0.6172
dq1
-0.107479
0.205072 -0.5241 0.6042
dq2
-0.176028
0.220263 -0.7992 0.4307
dq3
-0.143786
0.218593 -0.6578 0.5159
ld_Q_1 -0.655466
1.02073 -0.6422 0.5258
ld_Q_2 -0.434228
0.588503 -0.7379 0.4665
ld_Q_3 -0.191065
0.530266 -0.3603 0.7212
uhat_1
0.681584
1.01502 0.6715 0.5072
uhat_2
0.435574
0.581183 0.7495 0.4596
uhat_3
0.0243024 0.474313 0.05124 0.9595
uhat_4
0.0262338 0.236416 0.1110 0.9124
Unadjusted R-squared = 0.034613
Test statistic: LMF = 0.259940,
with p-value = P(F(4,29) > 0.25994) = 0.901
Alternative statistic: TR^2 = 1.522962,
with p-value = P(Chi-square(4) > 1.52296) = 0.823

Ljung-Box Q' = 0.359864,
with p-value = P(Chi-square(4) > 0.359864) = 0.986
Como ambos os p-valores so altos, podemos aceitar a hiptese nula de que no h
auto-correlao sobre os erros.
2)
a)
nulldata 101
setobs 1 1 --time-series
smpl 1 1
series y=0
series x=0
series u=0
series v=0
smpl 2 101
scalar rej = 0
scalar somacoef = 0
loop 1000 --quiet
genr u=normal()
genr v=normal()
genr y=y(-1)+u
genr x=x(-1)+v
ols y const x --quiet
genr somacoef=somacoef+$coeff(x)
genr est_t=abs($coeff(x)/$stderr(x))
genr p_valor=pvalue(t,98,est_t)
if p_valor < 0.025
genr rej = rej+1
endif
endloop
genr rej_pct = rej/1000
genr mediacoef=somacoef/1000
b)
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:21
? nulldata 101
periodicidade: 1, mxobs: 101,
intervalo das observaes: 1-101
? setobs 1 1 --time-series
Intervalo completo dos dados: 1 - 101 (n = 101)
? smpl 1 1
Amostra atual: 1 - 1 (n = 1)
? series y=0
Gerou-se a srie temporal y (ID 2)
? series x=0
Gerou-se a srie temporal x (ID 3)
? series u=0
Gerou-se a srie temporal u (ID 4)
? series v=0
Gerou-se a srie temporal v (ID 5)
? smpl 2 101
? scalar rej = 0
Gerou-se o escalar rej = 0
? scalar somacoef = 0
Gerou-se o escalar somacoef = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=y(-1)+u
> genr x=x(-1)+v
> ols y const x --quiet
> genr somacoef=somacoef+$coeff(x)
> genr est_t=abs($coeff(x)/$stderr(x))
> genr p_valor=pvalue(t,98,est_t)
> if p_valor < 0.025
> genr rej = rej+1
> endif
> endloop
? genr rej_pct = rej/1000
Gerou-se o escalar rej_pct = 0,761
? genr mediacoef=somacoef/1000
Gerou-se o escalar mediacoef = 0,0266714
c)
A proporo de casos que H0 foi rejeitada foi de 0.761 (ou 76.1%). Essa proporo
claramente alta. Isso significa que em mais de trs quartos das 1000 observaes, a
hiptese nula foi rejeitada, fazendo com que B0 seja estatisticamente diferente de 0 em
76.1% dos casos.
d)
Sim, o valor (0,0266714) parece bem prximo de zero. Creio no fazer sentido porque
se em quase 80% dos casos B0 foi significativamente diferente de zero ao nvel de
significncia de 5%, creio que a mdia dos coeficientes deveria ser um pouco mais
afastada de zero.
e)
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:27
? nulldata 201
? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 201
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=y(-1)+u
> genr x=x(-1)+v
> genr rej = rej+1
> endif
> endloop
Gerou-se o escalar mediacoef = -0,00167077
Comparando, temos uma proporo de rejeio quase que 10% maior e a mdia de
coeficientes ainda mais prxima de zero.
f)
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:29
? nulldata 501
? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 501
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=y(-1)+u
> genr x=x(-1)+v
> genr rej = rej+1
> endif
> endloop
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:30

? nulldata 1001
? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 1001
Amostra atual: 2 - 1001 (n = 1000)
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=y(-1)+u
> genr x=x(-1)+v
> genr rej = rej+1
> endif
> endloop
A medida em que o nmero de amostras aumenta, vemos claramente uma maior
rejeio da hiptese nula e cada vez um valor para o beta mais prximo de zero.
Isso claramente demonstra um agravamento do problema da regresso espria quando
aumentamos o nmero da amostra. Creio que esse fenmeno vem a ocorrer porque
quando temos amostras menores, esse erro no cometido tantas vezes pelo menor
nmero de observaes. Porm, quanto maior for a amostra, maior a chance de haver
uma maior quantidade de rejeies errneas, e o coeficiente ficar cada vez mais perto
de 0, visto que na verdade, deveramos estar validando cada vez mais a hiptese nula a
medida em que o nmero de amostras aumenta (isso de a regresso no fosse espria).
g)
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:40
? nulldata 101
? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 101
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=0.5*y(-1)+u
> genr x=0.5*x(-1)+v
> genr rej = rej+1
> endif
> endloop

gretl verso 1.8.4
Sesso atual: 2010-06-22 10:40
? nulldata 201
? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 201
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=0.5*y(-1)+u
> genr x=0.5*x(-1)+v
> genr rej = rej+1
> endif
> endloop
gretl verso 1.8.4

Sesso atual: 2010-06-22 10:41
? nulldata 501
? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 501
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=0.5*y(-1)+u
> genr x=0.5*x(-1)+v
> genr rej = rej+1
> endif
> endloop
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:42
? nulldata 1001

? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 1001
Amostra atual: 2 - 1001 (n = 1000)
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=0.5*y(-1)+u
> genr x=0.5*x(-1)+v
> genr rej = rej+1
> endif
> endloop
Temos agora ndices de rejeio muito mais baixos que os anteriores. Agora o ndice de
rejeio nesse processo estacionrio fica em torno de 10 - 15%. A proporo de casos
em que H0 rejeitada ainda elevada (pelo menos ao nvel de significncia de 5%) mas
j demonstra grande melhora quando comparamos com os resultados obtidos nos itens
anteriores. Erros auto-correlacionados, tanto em processos estacionrios ou no, acabam
por gerar uma estimao de MQO no eficiente.
h)
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:49
? nulldata 101
? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 101
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=0.5*y(-1)+u
> genr x=0.5*x(-1)+v
> ols y const x --quiet --robust
> genr rej = rej+1
> endif
> endloop
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:50

? nulldata 201
? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 201
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=0.5*y(-1)+u
> genr x=0.5*x(-1)+v
> genr rej = rej+1
> endif
> endloop
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:51
? nulldata 501
? smpl 1 1
? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 501
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=0.5*y(-1)+u
> genr x=0.5*x(-1)+v
> genr rej = rej+1
> endif
> endloop
gretl verso 1.8.4
Sesso atual: 2010-06-22 10:51
? nulldata 1001
? smpl 1 1

? series y=0
? series x=0
? series u=0
? series v=0
? smpl 2 1001
Amostra atual: 2 - 1001 (n = 1000)
? scalar rej = 0
? loop 1000 --quiet
> genr u=normal()
> genr v=normal()
> genr y=0.5*y(-1)+u
> genr x=0.5*x(-1)+v
> genr rej = rej+1
> endif
> endloop
Ela ainda um pouco elevada para amostras pequenas. No entanto, a mediada em que
essas amostras vo aumentando, vemos que os nveis rejeies de H0 acabam por sua
vez chegando perto de 5%. Isso pode ser evidenciado nos resultados acima, onde na
primeira situao onde h 100 observaes, temos um ndice de rejeio de H0 em 10%,
enquanto na ltima situao, onde temos uma amostra de tamanho 1000, vemos que o
ndice de rejeio cai para 5,6% (bem mais condizente com o nvel de significncia de
5%).
i)
As lies que extraio desse exerccio que sempre precisamos tomar cuidado ao fazer
as regresses e realizar testes de hiptese. Como vimos nos primeiros exemplos, quando
temos um passeio aleatrio, tais testes de hiptese so, em grande maioria dos casos,
rejeitados erroneamente. Se no tomarmos cuidado, podemos achar que tais rejeies

esto corretas, errando totalmente qualquer resultado que pretendamos obter atravs
das regresses. Ao realizarmos tais testes em processos estacionrios ou/e com erros
robustos, temos resultados muito mais confiveis, que fazem algum sentido
economtrico. Assim, devemos tomar cuidado com as regresses esprias, corrigindo o
problema que elas nos traz atravs de ferramentas vistas nesse exerccio.
3.1)
a) No Gretl
b) No Gretl
c)
Teste Aumentado de Dickey-Fuller, para l_Qd
incluindo 4 desfasagens de (1-L)l_Qd
dimenso de amostragem 43
hiptese nula de raiz unitria: a = 1
com constante e tendncia
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
coeficiente de 1 ordem para e: -0,051
diferenas defasadas: F(4, 36) = 2,402 [0,0678]
valor estimado de (a - 1): -0,395566
estatstica de teste: tau_ct(1) = -2,62932
p-valor assinttico 0,267
Regresso aumentada de Dickey-Fuller
Varivel dependente: d_l_Qd
coeficiente erro padro razo-t p-valor
--------------------------------------------------------const -0,204456 0,0763274 -2,679 0,0111 **
l_Qd_1 -0,395566 0,150444
-2,629 0,2670
d_l_Qd_1 -0,0171440 0,197572
-0,08677 0,9313
d_l_Qd_2 -0,00509246 0,194521
-0,02618 0,9793
d_l_Qd_3 0,0986937 0,179074
0,5511 0,5849
d_l_Qd_4 0,391689 0,154161
2,541 0,0155 **
time
0,00802509 0,00264628 3,033 0,0045 ***
Teste Aumentado de Dickey-Fuller, para l_QTd
incluindo 5 desfasagens de (1-L)l_QTd
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e

Varivel dependente: d_l_QTd
coeficiente
erro padro
razo-t
p-valor
--------------------------------------------------------const
-0,464583
0,119045
-3,903
0,0004
l_QTd_1
-0,977791
0,237588
-4,115
0,0059
d_l_QTd_1
0,452810
0,218392
2,073
0,0458
d_l_QTd_2
0,527920
0,227901
2,316
0,0267
d_l_QTd_3
0,327218
0,214523
1,525
0,1364
d_l_QTd_4
0,548984
0,195964
2,801
0,0083
d_l_QTd_5
0,304683
0,177236
1,719
0,0947
time
0,0170486
0,00413729
4,121
0,0002
***
***
**
**
***
*
***
Teste Aumentado de Dickey-Fuller, para l_P

incluindo 2 desfasagens de (1-L)l_P
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
valor estimado de (a - 1): 0,0782857
estatstica de teste: tau_ct(1) = 1,59235
p-valor assinttico 1
Varivel dependente: d_l_P
coeficiente
erro padro
razo-t
p-valor
--------------------------------------------------------const
-0,401653
0,227393
-1,766
0,0850
*
l_P_1
0,0782857
0,0491635
1,592
1,0000
d_l_P_1
-0,201096
0,158414
-1,269
0,2116
d_l_P_2
-0,391760
0,158681
-2,469
0,0179
**
time
0,00189435
0,000419956
4,511
5,54e-05 ***
Teste Aumentado de Dickey-Fuller, para l_PT

incluindo 6 desfasagens de (1-L)l_PT
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Varivel dependente: d_l_PT
coeficiente
erro padro
razo-t
p-valor
-------------------------------------------------------const
-0,257411
0,200833
-1,282
0,2092
l_PT_1
0,0490930
0,0444125
1,105
0,9999
d_l_PT_1
0,258783
0,188510
1,373
0,1794
d_l_PT_2
d_l_PT_3
d_l_PT_4
d_l_PT_5
d_l_PT_6
time
-0,225888
-0,205263
0,584877
-0,0270013
-0,625475
0,00177134
0,197847
0,209419
0,211572
0,232269
0,231659
0,000609873
-1,142
-0,9802
2,764
-0,1163
-2,700
2,904
0,2620
0,3344
0,0094
0,9082
0,0110
0,0066
***
**
***
d)
Teste Aumentado de Dickey-Fuller, para d_l_Qd
incluindo 6 desfasagens de (1-L)d_l_Qd
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Varivel dependente: d_d_l_Qd
coeficiente
erro padro
razo-t
p-valor
---------------------------------------------------------const
-0,00902421
0,0365178
-0,2471
0,8064
d_l_Qd_1
-2,52964
0,673858
-3,754
0,0190
d_d_l_Qd_1
1,07600
0,608697
1,768
0,0870
d_d_l_Qd_2
0,800318
0,547501
1,462
0,1539
d_d_l_Qd_3
0,743751
0,482831
1,540
0,1336
d_d_l_Qd_4
0,899062
0,392244
2,292
0,0288
d_d_l_Qd_5
0,696866
0,284315
2,451
0,0201
d_d_l_Qd_6
0,377673
0,169712
2,225
0,0335
time
0,00203566
0,00138157
1,473
0,1507
**
*
**
**
**
Teste Aumentado de Dickey-Fuller, para d_l_QTd

incluindo 6 desfasagens de (1-L)d_l_QTd
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Varivel dependente: d_d_l_QTd
coeficiente
erro padro
razo-t
p-valor
-----------------------------------------------------------const
0,0323460
0,0341150
0,9481
0,3504
d_l_QTd_1
-2,39784
0,711134
-3,372
0,0552
d_d_l_QTd_1
1,07481
0,629182
1,708
0,0976
d_d_l_QTd_2
0,913246
0,556931
1,640
0,1112
d_d_l_QTd_3
0,700881
0,500513
1,400
0,1713
d_d_l_QTd_4
0,736145
0,411405
1,789
0,0833
d_d_l_QTd_5
0,633034
0,326440
1,939
0,0616
d_d_l_QTd_6
0,338278
0,201688
1,677
0,1036
time
0,000397310
0,00118653
0,3348
0,7400
*
*
*
*
Teste Aumentado de Dickey-Fuller, para d_l_P

incluindo uma desfasagem de (1-L)d_l_P
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
coeficiente de 1 ordem para e: 0,015
p-valor assinttico 9,995e-008
Varivel dependente: d_d_l_P
coeficiente
erro padro
razo-t
p-valor
---------------------------------------------------------const
-0,0400009
0,0113879
-3,513
0,0011
d_l_P_1
-1,40148
0,218304
-6,420
9,99e-08
d_d_l_P_1
0,293060
0,148784
1,970
0,0557
time
0,00175529
0,000418397
4,195
0,0001
***
***
*
***
Teste Aumentado de Dickey-Fuller, para d_l_PT

incluindo 5 desfasagens de (1-L)d_l_PT
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Varivel dependente: d_d_l_PT
coeficiente
erro padro
razo-t
p-valor
---------------------------------------------------------const
-0,0360668
0,0154538
-2,334
0,0258
d_l_PT_1
-0,877714
0,336966
-2,605
0,2782
d_d_l_PT_1
0,221089
0,357651
0,6182
0,5407
d_d_l_PT_2
0,0547629
0,356222
0,1537
0,8788
d_d_l_PT_3
-0,0931659
0,317173
-0,2937
0,7708
d_d_l_PT_4
0,536100
0,284470
1,885
0,0683
d_d_l_PT_5
0,557049
0,223985
2,487
0,0181
time
0,00167875
0,000606121
2,770
0,0091
**
*
**
***
e)
Para as variveis l_Qd, l_P, l_PT (e sua primeira diferena: d_l_PT), temos p-valores
altos, o que nos faz concluir que aceitamos a hiptese nula de que, fazendo com que as
variveis analisadas possuam uma raiz unitria nos seus respectivos processos
geradores. J nas outras no mencionadas, vemos p-valores significativamente baixos,
rejeitando a hiptese nula, demonstrando que tais variveis no possuem uma raiz
unitria em seus processos geradores.
Logo, para as variveis que possuem uma raiz unitria em seu respectivo processo
gerador (l_Qd, l_P, l_PT (e sua primeira diferena: d_l_PT)), temos que as mesmas
possuem um grau de integrao igual a 1, enquanto as demais possuem um grau de

integrao igual a 0.
3.2)
Varivel dependente: l_P
const
l_PT

2,25212
0,187236
0,515993
0,0412466

R-quadrado
F(1, 46)
Critrio de Schwarz
r
4,592409
0,133305
0,772838
156,4989
73,16250
-138,5826
0,826686
razo-t
12,0282
12,5100
p-valor
<0,00001
<0,00001

E.P. da regresso
R-quadrado ajustado
P-valor(F)
Critrio de Akaike
Durbin-Watson
***
***
0,111740
0,053833
0,767900
2,08e-16
-142,3250
-140,9107
0,272634

Varivel dependente: l_Qd
const
l_QTd

0
0,0101843
1,01222
0,0395682

R-quadrado
F(1, 46)
Critrio de Schwarz
r
0,000000
0,229014
0,934325
654,4223
60,17508
-112,6078
0,621795
razo-t
-0,0000
25,5817
p-valor
1,00000
<0,00001

E.P. da regresso
R-quadrado ajustado
P-valor(F)
Critrio de Akaike
Durbin-Watson
***
0,272385
0,070559
0,932898
7,63e-29
-116,3502
-114,9359
0,757679
a)
Devido a um alto R (acima de 75% em ambos os casos) e um baixo p-valor (para os
regressores das variveis explicativas) o que nos leva a concluso de que os coeficientes
so significantemente diferentes de 0 em um nvel de significncia de 1%, podemos
concluir que essas regresses parecem ser boas.
b)
Creio que possa haver problemas com as mesmas porque o processo gerador delas
composto por uma raiz unitria, fazendo assim com que tais regresses no sejam
estacionrias, gerando problemas para essas regresses.
c)
Como os valores de ambas estatsticas DW para as duas regresses no so prximas de
2, vemos que h uma auto-correlao dos erros, e como ambos valores so menores do
que 2, temos que essa auto-correlao positiva.
Resduos da regresso (= observados - ajustados l_Qd)

0.2
0.15
0.1
resduo
0.05
-0.05
-0.1
-0.15
1998
2000
2002
2004
2006
2008
Resduos da regresso (= observados - ajustados l_P)

0.12
0.1
0.08
0.06
resduo
0.04
0.02
-0.02
-0.04
-0.06
-0.08
-0.1
1998
2000
2002
2004
2006
2008
Ao analisar a srie de resduos, vemos que o grau de persistncia dos resduos bem
baixo, pelo fato da srie temporal demonstrar alta volatilidade ao longo dos trimestres.
Esse tipo de persistncia parece ser mais compatvel com processos estacionrios.
d)
Passo 1: teste para uma raiz unitria em l_P
Teste Aumentado de Dickey-Fuller, para l_P
incluindo 2 desfasagens de (1-L)l_P
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Passo 2: teste para uma raiz unitria em l_PT
Teste Aumentado de Dickey-Fuller, para l_PT
incluindo 6 desfasagens de (1-L)l_PT
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Passo 3: regresso de cointegrao
Regresso de cointegrao Mnimos Quadrados (OLS), usando as observaes 1997:1-2008:4 (T = 48)
Varivel dependente: l_P
coeficiente erro padro razo-t p-valor
---------------------------------------------------------const
1,59223
0,0947495
16,80 5,15e-021 ***
l_PT
0,683726 0,0217185 31,48 2,71e-032 ***
time
-0,00411736 0,000295332 -13,94 6,09e-018 ***
Mdia var. dependente 4,592409 D.P. var. dependente 0,111740
Soma resd. quadrados 0,025061 E.P. da regresso
0,023599
R-quadrado
0,957294 R-quadrado ajustado 0,955396
Log da verossimilhana 113,2743 Critrio de Akaike -220,5487
Critrio de Schwarz -214,9351 Critrio Hannan-Quinn -218,4273
r
0,230267 Durbin-Watson
1,535189
Passo 4: teste para uma raiz unitria em uhat
Teste Aumentado de Dickey-Fuller, para uhat
incluindo 6 desfasagens de (1-L)uhat
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Existe evidncia de uma relao de cointegrao se:
(a) A hiptese de raiz unitria no rejeitada para as variveis individuais.
(b) A hiptese de raiz unitria rejeitada para os resduos (uhat) da
regresso de cointegrao.
Como os p-valores das variveis individuais so altos, aceitamos H0, fazendo com que a
hiptese de raiz unitria seja satisfeita. Porm, como o p-valor para os resduos da
regresso de cointegrao tambm alto, no rejeitamos a hiptese de raiz unitria.
Logo, no existe evidncia de uma relao de cointegrao, e sim de uma regresso
espria.
Passo 1: teste para uma raiz unitria em l_Qd
Teste Aumentado de Dickey-Fuller, para l_Qd
incluindo 4 desfasagens de (1-L)l_Qd
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Passo 2: teste para uma raiz unitria em l_QTd
Teste Aumentado de Dickey-Fuller, para l_QTd
incluindo 5 desfasagens de (1-L)l_QTd
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e

Passo 3: regresso de cointegrao
Regresso de cointegrao Mnimos Quadrados (OLS), usando as observaes 1997:1-2008:4 (T = 48)
Varivel dependente: l_Qd
coeficiente
erro padro
razo-t
p-valor
---------------------------------------------------------const
0,0675204
0,0575889
1,172
0,2472
l_QTd
1,15294
0,124539
9,258
5,50e-012 ***
time
-0,00275593
0,00231386
-1,191
0,2399
0,000000
0,222015
R-quadrado
0,936332
Log da verossimilhana 60,91999
Critrio de Schwarz
-110,2264
r
0,576463

E.P. da regresso
R-quadrado ajustado
Critrio de Akaike
Durbin-Watson
0,272385
0,070240
0,933503
-115,8400
-113,7186
0,836465
Passo 4: teste para uma raiz unitria em uhat

Teste Aumentado de Dickey-Fuller, para uhat
incluindo 2 desfasagens de (1-L)uhat
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Existe evidncia de uma relao de cointegrao se:
(a) A hiptese de raiz unitria no rejeitada para as variveis individuais.
(b) A hiptese de raiz unitria rejeitada para os resduos (uhat) da
regresso de cointegrao.
Como o p-valor de uma das variveis individuais significativamente baixo, rejeitamos

H0, fazendo com que a hiptese de raiz unitria no seja satisfeita. Logo, no existe
evidncia de uma relao de cointegrao, e sim de uma regresso espria.
e)
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
No Fao Idia
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Se voc tambm no fizer, me liga que agente tenta colocar alguma coisa
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
4)
a) No Gretl
b) No Gretl
c)
Sistema VAR, grau de defasagem 6

Estimativas Mnimos Quadrados (OLS), observaes 1998:3-2008:4 (T = 42)
Log da verossimilhana = 151,27897
Determinante da matriz de covarincias = 2,5497519e-006
AIC = -5,9657
BIC = -4,8900
HQC = -5,5714
Teste de Portmanteau: LB(10) = 15,51, gl = 16 [0,4877]
Equao 1: l_Qd
const
l_Qd_1
l_Qd_2
l_Qd_3
l_Qd_4
l_Qd_5
l_Qd_6
l_P_1
l_P_2
l_P_3
l_P_4
l_P_5
l_P_6

0,510535
0,775053
0,891613
0,201241
-0,0602205
0,255266
0,110954
0,232508
0,394989
0,210129
-0,459827
0,220849
0,187478
0,189219
-0,697598
0,591454
1,35377
0,7367
-1,80327
0,805923
1,58069
0,852448
-0,584085
0,854147
0,0443346
0,654365
razo-t
0,6587
4,4306
-0,2359
0,4772
1,8797
-2,0821
0,9908
-1,1795
1,8376
-2,2375
1,8543
-0,6838
0,0678
p-valor
0,51528
0,00012
0,81516
0,63679
0,07022
0,04627
0,32998
0,24780
0,07639
0,03310
0,07389
0,49952
0,94645
***
*
**
*
**
*

R-quadrado
F(12, 29)
r
0,034244
0,272721
0,224322
E.P. da regresso
0,087950
0,926439
R-quadrado ajustado
0,895999
30,43569
P-valor(F)
3,47e-13
-0,044889
Durbin-Watson
1,970065
Testes-F com zero restries:
Todas as defasagens de l_Qd
F(6, 29) = 20,498 [0,0000]
Todas as defasagens de l_P
F(6, 29) = 1,083 [0,3956]
Todas as variveis, defasagem 6
F(2, 29) = 0,506 [0,6081]
Equao 2: l_P
const
l_Qd_1
l_Qd_2
l_Qd_3
l_Qd_4
l_Qd_5
l_Qd_6
l_P_1
l_P_2

0,113729
0,243228
0,0910528
0,0631536
0,0356085
0,0801078
0,0101249
0,072966
-0,057311
0,0659429
0,0292768
0,0693072
0,0637929
0,0593809
0,678971
0,185611
-0,0754796
0,231192
razo-t
0,4676
1,4418
0,4445
0,1388
-0,8691
0,4224
1,0743
3,6580
-0,3265
p-valor
0,64358
0,16008
0,65998
0,89060
0,39193
0,67583
0,29155
0,00100
0,74641
***
l_P_3
l_P_4
l_P_5
l_P_6
0,173064
-0,0038617
0,0672979
0,137445
0,252916
0,267516
0,26805
0,205354
0,6843
-0,0144
0,2511
0,6693
0,49923
0,98858
0,80353
0,50859

R-quadrado
F(12, 29)
r
4,578606
0,112756
0,022092
E.P. da regresso
0,027601
0,957618
R-quadrado ajustado
0,940081
54,60500
P-valor(F)
1,36e-16
0,041665
Durbin-Watson
1,884136
F(6, 29) = 4,1284 [0,0041]
F(6, 29) = 58,376 [0,0000]
Todas as variveis, defasagem 6
F(2, 29) = 0,66732 [0,5208]
Para o sistema como um todo

Hiptese nula: a maior defasagem 5
Hiptese alternativa: a maior defasagem 6
Teste de razo de verossimilhana: Qui-quadrado(4) = 4,4784 [0,3451]
d)
Aps analisar o p-valor dos testes, concluo que a varivel l_Qd causa l_P no sentido de
Granger. Isso acontece porque o p-valor baixo rejeitando a hiptese de ausncia de
causalidade. Assim, conclumos que as defasagens de l_Qd so importantes na equao
de l_P.
e)
f)
!!!!!!!!!!!!!!!!!!!!!!!!!
No sei porque o Gretl no est gerando o grfico para esses dois itens.
!!!!!!!!!!!!!!!!!!!!!!!!!
g)
Sistema VAR, mximo grau de defasagem 12
Os asteriscos abaixo indicam os melhores (isto , minimizados) valores
dos respectivos critrios de informao. AIC = critrio de Akaike,
BIC = critrio Bayesiano de Schwartz, e HQC = critrio de Hannan-Quinn.
defasagens
1
2
3
4
5
6
7
8
9
10
11
12
log.L
117,67511
118,98885
122,84778
127,19170
130,37387
131,27495
132,75732
136,39004
141,20117
145,16195
152,78673
162,61711
p(LR)
0,62196
0,10248
0,06939
0,17354
0,77209
0,56374
0,12251
0,04730
0,09449
0,00421
0,00058
AIC
-6,204173
-6,054936
-6,047099
-6,066206
-6,020771
-5,848608
-5,708740
-5,688336
-5,733398
-5,731220
-5,932596
-6,256506*
BIC
-5,940253*
-5,615070
-5,431286
-5,274446
-5,053065
-4,704956
-4,389141
-4,192790
-4,061906
-3,883781
-3,909211
-4,057174
HQC
-6,112058*
-5,901411
-5,832164
-5,789861
-5,683015
-5,449443
-5,248164
-5,166350
-5,150003
-5,086414
-5,226381
-5,488881
Com base no critrio de Informao Bayesiano de Schwarz, a melhor opo termos 1

defasagem, enquanto pelo critrio de Akaike melhor termos 12.
h)
Sistema VAR, grau de defasagem 1
Estimativas Mnimos Quadrados (OLS), observaes 1997:2-2008:4 (T = 47)
Log da verossimilhana = 148,2854
Determinante da matriz de covarincias = 6,2322622e-006
AIC = -6,0547
BIC = -5,8185
HQC = -5,9658
Teste de Portmanteau: LB(11) = 44,9003, gl = 40 [0,2740]
Equao 1: l_Qd
const
l_Qd_1
l_P_1

-0,230407
0,678999
0,944829
0,0577524
0,0544029
0,147989
razo-t
-0,3393
16,3600
0,3676
p-valor
0,73597
<0,00001
0,71492
***

R-quadrado
F(2, 44)
r
0,008466
0,268871
0,425152
E.P. da regresso
0,098298
0,872151
R-quadrado ajustado
0,866340
150,0778
P-valor(F)
2,23e-20
-0,148941
Durbin-Watson
2,206930
F(1, 44) = 267,65 [0,0000]
F(1, 44) = 0,13514 [0,7149]
Equao 2: l_P
const
l_Qd_1
l_P_1

0,12571
0,190413
0,0783524
0,0161957
0,973714
0,041501
razo-t
0,6602
4,8379
23,4624
p-valor
0,51257
0,00002
<0,00001
***
***

R-quadrado
F(2, 44)
r
4,590069
0,111753
0,033435
E.P. da regresso
0,027566
0,941799
R-quadrado ajustado
0,939154
356,0020
P-valor(F)
6,74e-28
-0,152749
Durbin-Watson
2,260790
F(1, 44) = 23,405 [0,0000]
F(1, 44) = 550,48 [0,0000]
Os resultados so praticamente os mesmos apesar dos p-valores serem bem inferiores

no caso onde vemos que l_Qd causa l_P no sentido de Granger.
i)
!!!!!!!!!!!!!!!!!!!!!!!
Tambm no sei porque, nesse item ao fazer a regresso o gretl para de funcionar.
J tentei baixar uma verso mais recente, mas nada muda
!!!!!!!!!!!!!!!!!!!!!!!

Lista Prática II

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Lista Prática II

Caricato da

Copyright:

Formati disponibili

Departamento de Economia

ECO1800 TPE (2010.1)

Lista de Exerccios Prticos II

Mdia var. dependente

D.P. var. dependente

Logo, como as dummies sazonais so estatisticamente diferente de zero devido ao baixo

Coeficiente Erro Padro

Mdia var. dependente

D.P. var. dependente

No incluo a constante pelo mesmo motivo exemplificado em a.

correspondentes aos 1, 3 e 4 trimestres so significativas. Em ambas situaes espero

Teste de Breush-Godfrey para autocorrelao de primeira-ordem

R-quadrado no-ajustado = 0,002475

Como ambos os p-valores so altos, podemos aceitar a hiptese nula de que no h

Estatstica alternativa: TR^2 = 4,279181,

S.D. dependent var

with p-value = P(Chi-square(4) > 1.52296) = 0.823

Sesso atual: 2010-06-22 10:30

Gerou-se o escalar rej_pct = 0,138

gretl verso 1.8.4

intervalo das observaes: 1-1001

Sesso atual: 2010-06-22 10:50

Intervalo completo dos dados: 1 - 1001 (n = 1001)

rejeitados erroneamente. Se no tomarmos cuidado, podemos achar que tais rejeies

estatstica de teste: tau_ct(1) = -4,11548

Teste Aumentado de Dickey-Fuller, para l_P

Teste Aumentado de Dickey-Fuller, para l_PT

Teste Aumentado de Dickey-Fuller, para d_l_QTd

Teste Aumentado de Dickey-Fuller, para d_l_P

Teste Aumentado de Dickey-Fuller, para d_l_PT

possuem um grau de integrao igual a 1, enquanto as demais possuem um grau de

Coeficiente Erro Padro

Mdia var. dependente

D.P. var. dependente

Modelo 5: Mnimos Quadrados (OLS), usando as observaes 1997:1-2008:4 (T = 48)

Coeficiente Erro Padro

Mdia var. dependente

D.P. var. dependente

Resduos da regresso (= observados - ajustados l_Qd)

Resduos da regresso (= observados - ajustados l_P)

p-valor assinttico 0,007956

D.P. var. dependente

Passo 4: teste para uma raiz unitria em uhat

Como o p-valor de uma das variveis individuais significativamente baixo, rejeitamos

Sistema VAR, grau de defasagem 6

Coeficiente Erro Padro

Mdia var. dependente

Coeficiente Erro Padro

Mdia var. dependente

Para o sistema como um todo

Com base no critrio de Informao Bayesiano de Schwarz, a melhor opo termos 1

Coeficiente Erro Padro

Mdia var. dependente

Coeficiente Erro Padro

Mdia var. dependente

Os resultados so praticamente os mesmos apesar dos p-valores serem bem inferiores

Potrebbero piacerti anche