\EXERCÍCIO ECONOMETRIA

CAPÍTULO 21

TEMPO DE SÉRIE ECONOMETRIA: ALGUNS CONCEITOS BÁSICOS

21,1 Um processo estocástico é dito como sendo fracamente imobilizado se a sua média e variância são constantes ao longo do tempo e, se o valor da covariância entre dois períodos de tempo depende apenas da distância ou desfasamento entre os dois períodos e não o tempo efectivo em que a covariância é calculado.

21.2 Se uma série de tempo tem de ser diferenciados d vezes antes de se tornar estacionário, é integrada a fim de d, indicado como I (d). Em sua forma de Undifferenced, essa série de tempo é não-estacionário.

21,3 Genericamente falando, a raiz da unidade termo significa que uma determinada série de tempo é não-estacionário. Mais tecnicamente, o termo refere-se à raiz do polinômio no operador de defasagem.

21,4 Tem que ser diferenciado três vezes.

O teste de 21,5 DF é um teste estatístico que pode ser utilizado para determinar se um tempo

série é estacionária. O ADF é semelhante ao DF, exceto que ele leva

em conta a possível correlação nos termos de erro.

21.6 Os testes EG e AEG são procedimentos estatísticos que podem ser usados para

para determinar se duas séries de tempo são cointegradas.

21,7 Duas variáveis seriam cointegradas se há um longo prazo estável

relação entre eles, embora individualmente cada variável

é não-estacionário. Nesse caso, a regressão de uma variável relativa à

outro não é espúria.

21.8 Os testes de raízes unitárias são realizados em séries de tempo individual.

Cointegração trata da relação entre um grupo de

variáveis, onde (incondicionalmente) cada um tem uma raiz unitária.

21.9 Se uma variável não-estacionária é regredido em outro não-estacionário

variável (s), a regressão resultante pode passar o habitual estatística

critérios (de alto valor de R2, um proporções significativas, etc.), mesmo que a priori

não esperamos qualquer relação entre os dois. Isto é

especialmente por isso, se as duas variáveis não são cointegradas. No entanto, se

as duas variáveis são cointegradas, mesmo que individualmente,

são não-estacionário, então uma regressão tal não pode ser espúria.

21.10 Veja a resposta à questão anterior.

21.1 1 maior parte do tempo econômico tendências série de exposições. Se tais tendências são

perfeitamente previsível, chamamos-lhes determinista. Se não for esse caso,

nós os chamamos estocástica. Uma série temporal não-estacionária geral

exibe uma tendência estocástica.

21.12 Se uma série temporal apresenta uma tendência determinística, os resíduos de

a regressão de uma tal série temporal sobre a variável representa tendência

o que é chamado um processo tendência estacionária. Se uma série temporal é

não-estacionário, mas torna-se estacionária depois de tomar a sua primeira (ou superior)

diferenças de ordem, nós chamamos essa série temporal a diferença estacionária

processo.

21,13 um passeio aleatório é um exemplo de um processo não-estacionário. Se um

variável segue um passeio aleatório, isso significa que seu valor hoje é igual a

seu valor no período de tempo anterior somado a um choque aleatório (erro

prazo). Em tais situações, podemos não ser capazes de prever o curso

de tal variável ao longo do tempo. Os preços das ações ou taxas de câmbio são

exemplos típicos do fenómeno passeio aleatório.

21,14 Isso é verdade. A prova é dada no capítulo.

21,15 Cointegração implica um longo prazo, ou de equilíbrio, o relacionamento

entre duas (ou mais variáveis). No curto prazo, no entanto, não

pode ser um desequilíbrio entre os dois. O ECM traz os dois

variáveis de volta ao equilíbrio de longo prazo.

Problemas

21.16 (a) Os correlogramas para todas estas séries de tempo muito se assemelham

o correlograma PIB dado na Fig. 21.8. Todos estes correlogramas

sugerem que estas séries de tempo são não-estacionário.

21,17 Os resultados da regressão são os seguintes:

APCE, 93 = 0,392 + 0.799t - O.O44PCE, _l

2 '= (l 0,678) (1,360) (-l.376) °

R2 = 0,022

Em termos absolutos, este valor de tau é menor do que o valor crítico de tau,

sugerindo que existe uma raiz unitária na série PCE tempo, que é, neste

séries temporais é não-estacionário.

APDI, = 326,633 + 2.875t 7 0.0157PDI, .l

R = (2,755) (2,531) (-2,588) '

R2 = 0,076

Este valor de tau não é estatisticamente significativa, o que sugere que o

Séries temporais PDI contém uma raiz unitária, ou seja, é não-estacionário.

A ofits PR, = 6,522 + 0.084t - 0,069 Pr ofitst_l

Z '= (2,154) (1,142) (-1,715)'

R2 = 0,037

Este valor de tau não é estatisticamente significativa, o que sugere que esta

séries temporais tem uma raiz unitária.

Dividendst = 0,565 + 0,1 13t - 0.063Dividendst, l

R = (1,515) (3,138) (-2,640) '

R2 = 0,148

Este valor de tau não é significativa, o que sugere que o

série dividendos tempo é não-estacionário.

Assim, vemos que todas as séries de tempo indicados são não-estacionário. O

resultados do teste de Dickey-Fuller sem tendência e sem tendência e sem

interceptação não alterou a conclusão.

21.18 Se os termos de erro no modelo são correlacionados em série, é o ADF