ECONOMETRIA DE SÉRIES TEMPORAIS

UNIVERSIDADE FEDERAL DE PERNAMBUCO

CENTRODE CIÊNCIAS SOCIAIS APLICADAS

DEPARTAMENTO DE ECONOMIA

[pic 1]

ECONOMETRIA DE SÉRIES TEMPORAIS

EXERCÍCIO 1

Exercício elaborado pelo aluno Caíque Melo para a disciplina Econometria de Séries Temporais, ministrada pelo professor Ricardo Chaves Lima.

Recife, 2015

Sumário

1.        Simulação de 100 observações para um modelo AR(2)        

1.1.        Gráfico para série temporal dos dados        

1.2.        Cálculo da Função de Autocorrelação        

1.3.        Cálculo da Função de Autocorrelação Parcial        

2.        Análise para os dados do PIB trimestral do Brasil        

2.1.        Gráfico para série temporal dos dados        

2.2.        Defasagem        

2.3.        Diferenciação        

2.4.        Cálculo da Função de Autocorrelação        

2.5.        Correlograma        

1. Simulação de 100 observações para um modelo AR(2)

> ar.sim<-arima.sim(model=list(ar=c(.9,-.2)),n=100)

> ar.sim

Time Series:

Start = 1

End = 100

Frequency = 1

[1] -1.725183588 -0.744912054 -0.472289971  2.431669734  1.869548652  1.029136774

[97] -1.353478777 -1.772293806 -0.989343916 -0.675571135

1. Gráfico para série temporal dos dados

> ts.plot(ar.sim, main="Série Temporal Simulada",ylab="Valores",xlab="Tempo")

[pic 2]

1. Cálculo da Função de Autocorrelação

> ar.acf<-acf(ar.sim,type="correlation",plot=T)

> ar.acf

[pic 3]

Autocorrelations of series ‘ar.sim’, by lag
lags	corr	lags	corr
1	1.000	11	0.170
2	0.664	12	0.103
3	0.283	13	0.078
4	0.014	14	-0.028
5	-0.132	15	-0.127
6	-0.200	16	-0.119
7	-0.104	17	-0.056
8	0.000	18	-0.034
9	0.096	19	0.007
10	0.148	20	0.008

1. Cálculo da Função de Autocorrelação Parcial

> ar.pacf<-acf(ar.sim,type="partial",plot=T)

> ar.pacf

[pic 4]

Partial autocorrelations of series ‘ar.sim’, by lag
lags	corr	lags	corr
1	0.664	11	-0.046
2	-0.281	12	0.109
3	-0.079	13	-0.169
4	-0.060	14	-0.033
5	-0.079	15	0.095
6	0.161	16	-0.039
7	-0.025	17	-0.028
8	0.075	18	0.005
9	0.034	19	-0.076
10	0.048	20	-0.158

1. Análise para os dados do PIB trimestral do Brasil

1. Gráfico para série temporal dos dados

[pic 5]

1. Defasagem

Um conjunto de possibilidades de séries temporais são as defasagens, diferenças e operadores sazonais. É comum analisar o impacto dos valores anteriores sobre os atuais.

[pic 6]

1. Diferenciação

Na tabela abaixo é mostrado o processo de diferenciação dos dados que compõem a série temporal. A variável yrD1 e yrD2 contém a diferença entre o valor corrente do PIB e seu valor anteriores

[pic 7]

1. Cálculo da Função de Autocorrelação

A autocorrelação representa a correlação entre uma variável e os seus valores anteriores. O número de defasagens depende da teoria, do processo ou da experiência do pesquisados. A tabela mostra os coeficientes de correlação parciais utilizados para a especificação de um modelo ARMA.

...