EconometriaSemestre2010.

01 174
174

21.4.PROCESSOSESTOCSTICOSINTEGRADOS

O passeio aleatrio apenas um caso particular de uma classe de processos estocsticos

conhecidos como processos integrados. J vimos que o passeio aleatrio um processo no
estacionrio, mas sua 1a. diferena estacionria.Dizemosqueeleumprocessointegradode
ordem1,denotadoI(1).

Emgeral,umasrietemporalintegradadeordemd,eescrevemosYt~I(d)seasrieno
estacionriamaspodesertransformadanumasrieestacionriaapsddiferenas.Umasrie
estacionriaditaintegradadeordemzero,eescrevemosYt~I(0).

GrandepartedassriestemporaisemEconometriaI(1),ouseja,podeserfeitaestacionriaaps
aaplicaodeumadiferena.

Propriedadesdassriesintegradas
SejamXt,YteZtsriestemporais.
1) SeXtI(0)(estacionria)eYtI(1),entoZt=Xt+YtI(1).
2) SeXtI(d)entoZt=aXt+bI(d)tambm,ondeaebsoconstantes.Emparticular,seXt
estacionria,umacombinaolineardelatambmestacionria.
3) SeXtI(d1)eYtI(d2),entoZt=aXt+bYtI(d2),onded1<d2.Ouseja,acombinao
linear de duas sries integradas de ordens diferentes integrada com a maior ordem
dentreasduas.
4) SeXtI(d)eYtI(d),ouseja,asduassriessointegradascomamesmaordem,ento
Zt = aXt + bYt I(d*), onde d* d. Este resultado ser particularmente til quando
discutirmos a idia de cointegrao, onde uma combinao linear de duas sries I(1)
poderserumasrieestacionria(isto,I(0)).

21.5.REGRESSOESPRIA

Uma questo importante em Economia determinar o comportamento de longo prazo de

variveiseconmicas.Especificamente,aquestodeinteresse:oefeitodeumchoquesobrea
varivel de interesse temporrio ou permanente? No primeiro caso, a srie reverte para sua

ProfessoraMnicaBarros ENCE
 EconometriaSemestre2010.01 175
175

mdiadelongoprazoapsochoqueenosegundo,oefeitodochoquepermanente,indicando
queavarivelsecomportacomoumpasseioaleatrio(randomwalk),eamdiae/ouvarinciada
srieapresentamumadependncianotempo.

A questo importante no apenas do ponto de vista econmico mas tambm tem impactos
sobre as previses, pois no caso de sries estacionrias uma previso de longo prazo da srie
dever convergir para a mdia incondicional da mesma. No primeiro caso, a tendncia da srie
podeserremovidadiretamente,enquantonosegundonecessriodiferenciarasrieparatorn
laestacionria.

Almdisso,seYteXtsoduassriesnoestacionriasdotipopasseioaleatrio,aregressode
umavarivelnaoutralevaaresultadosinconsistentes,achamadaregressoespria(Grangere
Newbold (1974)), em que os testes de significncia convencionais apontam a existncia de
relaesentreasvariveisque,defato,inexistem.

Freqentemente regresses esprias so caracterizadas por um alto R2 e um baixo valor da

estatsticadeDurbinWatson.Paraevitaroproblema,asoluorecomendadaeratrabalharcom
as sries diferenciadas (ao invs das sries em nvel). No entanto, esta soluo traz outros
problemas, pois elimina a tendncia das sries e esconde as relaes de longo prazo entre as
variveis envolvidas. Isso traduzia uma controvrsia entre econometristas e analistas de sries
temporais.Aqueles,emgeral,argumentavamqueasdiferenassucessivasaplicadasssriesde
interesse poderiam levar a problemas de mespecificao dos modelos, e dificultar a
interpretao de possveis relaes de equilbrio de longo prazo entre as variveis. J os
seguidores de Box e Jenkins eram favorveis diferenciao das variveis e aplicao de
modelosderegressossriesdiferenciadas.

Regressoespriaumfenmenoqueacontecenaprticaquantotentamosfazeraregressode
umasrienoestacionriaemoutrasrie,tambmnoestacionria.Aregressoespriauma
regressosemsentido,emqueobservamosumasignificnciaestatsticaque,naverdade,no
existe.Almdisso,estefenmenoocorreatmesmoemgrandesamostras,eassimaumentaro
tamanhodassriesnoresolveoproblema.

ProfessoraMnicaBarros ENCE
 EconometriaSemestre2010.01 176
176

Exemplosimulaocriandoumaregressoespria
Neste exemplo criamos duas sries de erros iid N(0,1) com 500 valores cada. Estas sries sero
usadas para gerar dois passeios aleatrios, ambos com valor inicial 100, de acordo com as
equaes:

Ogrficodasduassriesaolongodotempomostradoaseguir.
Dois Passeios Aleatrios - valor inicial = 100

140

135

130

125

120

115

110

105

100

95

90
104
117
130
143
156
169
182
195
208
221
234
247
260
273
286
299
312
325
338
351
364
377
390
403
416
429
442
455
468
481
494
0
13
26
39
52
65
78
91

Y(t)=Y(t-1)+u(t) X(t)=X(t-1)+v(t)

Ogrficodedispersodasduassriesmostraque,serodarmosumaregressodeYcontraX,
bem possvel encontrarmos valores significantes para o coeficiente angular, indicando uma
relaoentreasvariveisque,defato,noexiste.
Dois Passeios Aleatrios - valor inicial = 100
Grfico de Disperso de Y versus X
140

135

130

125

120

115

110

105

100

95

90
90 95 100 105 110 115 120 125

AregressodeYemXfoiajustada,levandoaosseguintesresultados:

ProfessoraMnicaBarros ENCE
 EconometriaSemestre2010.01 177
177

ANOVA(b)

Sum of
Model Squares df Mean Square F Sig.
1 Regression 21699,290 1 21699,290 590,630 ,000(a)
Residual 18332,876 499 36,739
Total 40032,166 500

TermoCoeficiente ErroPadroEstat.tSignificncia
CONST10,618 4,328 2,4540,986
X 0,977 0,040 24,3171,000
Rsquare0,5423AdjustedRsquare0,5414
DurbinWatson0,05411

OcoeficientedeXaltamentesignificante,oR2bastantealto,eaestatsticaFdaregresso
altamente significante tambm. Tudo indicaria que existe uma forte relao entre as duas
variveis,masapriorinodeveriaexistirqualquerrelao,poisasduassriessoapenaspasseios
aleatrios.Comovocpoderiasuspeitarqueexistealgoerrado?OlheparaaDurbinWatsono
seu valor extremamente pequeno. Segundo Granger e Newbold, desconfie da regresso e
suspeitequearegressoespriaseR2>d,ondedaestatsticadeDurbinWatson.

Esteexemploilustraofenmenodaregressoespria.Sefizermosaregressodeduassriesno
estacionrias,podemosemalgumassituaes(comoadoexemplo)observarumaaltacorrelao
entreassries.

Se,agora,ajustamosaregressonasprimeirasdiferenas(enomaisemnvel),ouseja,Yversus
X, os resultados no sero significativos. O grfico da srie Y aps a primeira diferena
mostradoaseguirumrudobranco.AsrieXdiferenciadatemcomportamentoanlogo.

ProfessoraMnicaBarros ENCE
 EconometriaSemestre2010.01 178
178

OsresultadosdaregressoYversusXso:
TermoCoeficiente ErroPadroEstat.tSignificncia
_CONST0,0381230,0463890,8218220,588821<
_XDIFF0,0286390,0461450,6206300,465157<
Ambososcoeficientesnososignificantes.Tambm,R2=0,0007729,virtualmentezero,eagora
aestatsticadeDurbinWatsond=1,958,bemprximade2,indicandoqueosresduosdeste
modelonoexibemautocorrelaodelag1.

21.6.TESTESDEESTACIONARIEDADE

Seaestacionariedadedeumasrieumaquestotoimportante,comopodemosdescobrirse
umasrieounoestacionria?

Existemduasestratgiasprincipais:
1) Mtodosgrficos
2) Testedocorrelograma

Otestederaizunitria,queverificaformalmenteseumasrieestacionria,serexplicadona
prximaseo.

A aplicao de mtodos grficos bastante simples j comentamos que o primeiro passo na

anlise de uma srie temporal fazer seu grfico em relao ao tempo. Uma srie no ser
estacionriasesuamdiae/ouvarinciasealteraremaolongodotempo.Nosexemplosiniciais
deste captulo vimos que as sries econmicas apresentadas no tinham mdias constantes, e
portantonoeramestacionrias.

ProfessoraMnicaBarros ENCE
 EconometriaSemestre2010.01 179
179

Funodeautocorrelaoecorrelograma
Afunodecorrelao(ACFouFAC)eseugrficoemrelaoaoslags(correlograma)podemser
usadosparaverificarseumasrieounoestacionria.

Aprximafiguramostraumexemplotpicodocorrelogramadeumasrienoestacionriaa
ACFdarandomwalksimuladaYt.NotecomoaACFdecailentamente.

Aodiferenciarmosasriedarandomwalk,obtemosumasrieestacionria.OgrficodasuaACF
mostradoaseguir:

Notequeosvaloresdasautocorrelaesestodentrodointervalodeconfiana(existemalguns
poucosforadointervalo,masescapamdoICporpouco,esoautocorrelaesesprias).Este
grfico indica a ACF de um processo puramente aleatrio (um rudo branco). No existem (na
prtica),autocorrelaessignificantesemtodososlags.

ProfessoraMnicaBarros ENCE
 EconometriaSemestre2010.01 180
180

Os grficos anteriores so, naturalmente, calculados a partir das funes de autocorrelao

amostrais(videdefinio21.9),ouseja,sooscorrelogramasamostrais.

Significnciaestatsticadoscoeficientesdecorrelaoamostrais
Para verificar se as autocorrelaes amostrais so significantes, usamos a frmula de Bartlett.
Lembrese que as autocorrelaes amostrais so, para grandes amostras, aproximadamente
1
distribudas como: rk ~ N 0, onde n o tamanho da srie. Logo, o IC 95% para a ksima
n

1
autocorrelao: rk 1,96 .Seesteintervaloincluizero,norejeitamosahiptesedeque k
n
sejaigualazero.

Umaoutraabordagemotestedesignificnciaconjuntadasmprimeirasautocorrelaes.Este
testefeitoatravsdaestatsticaQdeBoxePierce,definidacomo:

Onden=tamanhodasrie,m=nmerodedefasagensquesequertestar.Paragrandesamostras,
aestatsticaQaproximadamenteQuiQuadradocommgrausdeliberdade.Rejeitaseahiptese
nula H 0 : 1 = 2 = ... = m = 0 seQforgrande,ouseja,seQ>q,mondeq,mopercentil(1)%

dadistribuioQuiQuadradocommgrausdeliberdade.

UmamodificaodaestatsticadeBoxePierceaestatsticadeLjungeBox,definidacomo:

A estatstica de Ljung e Box tambm assintoticamente distribuda como uma QuiQuadrado
commgrausdeliberdade.Mas,aestatsticaLBtemmelhorespropriedadesqueaestatsticade
BoxePierce.

AestatsticaLBtemmaiorpotnciaqueaBoxPierce,ouseja,maiorprobabilidadederejeitara
hiptesenula,nocasodepequenasamostras.

ProfessoraMnicaBarros ENCE