1 Captulo 15 Solues dos Exerccios

Solues dos Exerccios do Captulo 15

15.1 Os valores de AIC e SC para o nmero de defasagens alternativas aparecem na tabela abaixo. Ambos os critrios sugerem que n = 8 a defasagem apropriada. (O EViews utiliza uma frmula ligeiramente diferente para o AIC e o SC. Os valores do EViews so obtidos pelo acrscimo ln(2) + 1 = 2,8379 para os valores abaixo). n AIC SC 15.2 6 10,790 11,035 7 10,662 10,938 8 10,623 10,930 9 10,629 10,966 10 10,646 11,014 11 10,669 11,068 12 10,692 11,121

As correlaes simples entre as variveis de apropriao de capital corrente e defasadas so dadas na Tabela 15.1. As correlaes so maiores (aproximadamente 0,98) para as variveis defasadas que distam apenas 1 perodo. Elas, ento, declinam medida que a defasagem entre as variveis aumenta, alcanando aproximadamente 0,73 para as variveis que distam 8 perodos. No geral, muitas poucas correlaes so menores do que 0,8, e todas as variveis separadas por uma defasagem de 3 ou menos tm correlaes maiores do que 0,9. Essas altas correlaes apontam que a colinearidade pode ser um problema potencialmente severo. Tabela 15.1 Correlaes Simples entre Variveis Defasadas do Exerccio 15.2 xt xt1 xt2 xt3 xt4 xt5 xt6 xt7 xt8 0,976 0,958 0,940 0,906 0,865 0,818 0,773 0,731 xt1 0,988 0,966 0,939 0,902 0,857 0,805 0,757 xt2 xt3 xt4 xt5 xt6 xt7

0,986 0,963 0,932 0,888 0,838 0,786

0,986 0,960 0,923 0,873 0,823

0,983 0,954 0,913 0,862

0,982 0,948 0,905

0,979 0,944

0,978

15.3

Os resultados para (a), (b), (c) e (d) so apresentados na Tabela 15.2. (e) Para escolher o modelo testando se as restries so verdadeiras ou no, ns construmos as hipteses da forma H 0 : restries implicadas pela defasagem polinomial so corretas H1 : restries implicadas pela defasagem polinomial no so corretas A estatstica do teste dada abaixo, com os modelos restritos sendo (b), (c) ou (d) e o modelo no restrito sendo (a).

2 Captulo 15 ( SQER SQEU ) / J SQEU /(T K ) Solues dos Exerccios

F =

Na frmula da estatstica F, (T K ) = (136 2 12 2) = 110 o nmero de graus de liberdade do modelo (a). Os resultados do teste esto na Tabela 15.3 Tabela 15.2: Defasagens Polinomiais Estimadas para o Exerccio 15.3 (a) const. 0 1 2 3 4 5 6 7 8 9 10 11 12 Soma pesos SQE dos 240,38 (34,66) 0,6966 (0,0965) 0,1525 (0,1352) 0,0367 (0,1332) -0,0635 (0,1330) 0,0271 (0,1397) -0,1259 (0,1388) -0,0498 (0,1393) 0,1235 (0,1391) 0,0208 (0,1392) 0,0163 (0,1333) -0,1249 (0,1358) -0,0623 (0,1366) 0,2287 (0,0986) 0,879 0,6745 106 (b) 240,99 (33,83) 0,6761 (0,0612) 0,2156 (0,0219) -0,0043 (0,0362) -0,0714 (0,0294) -0,0564 (0,0188) -0,0131 (0,0214) 0,0221 (0,0254) 0,0296 (0,0217) 0,0070 (0,0188) -0,0309 (0,0289) -0,0526 (0,0358) -0,0089 (0,0231) 0,1659 (0,0620) 0,879 0,6902 106 (c) 251,55 (35,18) 0,5117 (0,0398) 0,2751 (0,0139) 0,1098 (0,0149) 0,0051 (0,0201) -0,0499 (0,0195) -0,0659 (0,0156) -0,0539 (0,0130) -0,0245 (0,0196) 0,0115 (0,0196) 0,0432 (0,0200) 0,0598 (0,0152) 0,0505 (0,0159) 0,0046 (0,0423) 0,877 0,7590 106 (d) 258,94 (37,42) 0,3763 (0,0242) 0,2605 (0,0144) 0,1622 (0,0084) 0,0814 (0,0083) 0,0183 (0,0111) -0,0273 (0,0132) -0,0553 (0,0129) -0,0658 (0,0129) -0,0587 (0,0104) -0,0339 (0,0078) 0,0083 (0,0092) 0,0681 (0,0163) 0,1455 (0,0267) 0,879 0,8681 106

Tabela 15.3 Resultados do Teste para o Exerccio 15.3(e)

3 Captulo 15 Solues dos Exerccios

Modelos testados (a) versus (b) (a) versus (c) (a) versus (d)

J 8 9 10

Estatstica F 0,3200 1,5325 3,1573

Deciso No rejeita No rejeita Rejeita

O teste rejeita a defasagem distribuda polinomialmente de ordem 2 , modelo (d), mas no rejeita as defasagens distribudas polinomialmente de ordens 3 e 4. Baseado nisso, ns escolheramos a defasagem polinomial de ordem 3. Colocando tantas restries quanto so aceitveis, provvel que isso leve a um ganho de maior eficincia. Contudo, nenhum dos modelos tem padres de defasagens que conformam nossas expectativas a priori. Diversos pesos de defasagens so negativos, e existe uma tendncia de que alguns dos pesos aumentem na direo do fim da defasagem. Parece provvel que o nmero de defasagens escolhido muito grande. (f) A resposta para essa questo depender de qual base de dados atualizada utilizada. Uma que empregada para os resultados que se seguem tem 133 observaes e compreende o perodo de 1967:I 2000:I. A renda per capita e o consumo per capita so mensurados em termos de dlares de 1996. Os dados so obtidos do Federal Reserve, St Louis, atravs da "economagic" Web page (veja Captulo 19). Eles foram convertidos de dados mensais para dados trimestrais e foram divididos pela populao para os clculos per capita. Eles esto armazenados no arquivo adap_new.dat. Os resultados reestimados so dados na Tabela 15.4. Comparando essas estimativas com aquelas da base de dados mais velha, ns encontramos que: 1. A soma dos pesos das defasagens, que podem ser vistos como uma propenso marginal a consumir no longo prazo, mais adequada para a base de dados velha (aproximadamente 0,88) do que para a nova base de dados (perto de 1). Os primeiros dois pesos das defasagens so muito maiores para a base de dados nova. Mesmo que as magnitudes dos pesos das defasagens sejam diferentes, as formas das defasagens distribudas polinomialmente, para as ordens 2, 3 e 4, so notavelmente similares para as duas bases de dados.

2. 3.

4 Captulo 15 Solues dos Exerccios

Tabela 15.4: Defasagens Polinomiais Estimadas para o Exerccio 15.3: Dados Atualizados (a) const. 0 1 2 3 4 5 6 7 8 9 10 11 12 Soma pesos SQE dos -1932,2 (168,9) 0,9728 (0,1882) 0,2349 (0,2538) -0,0332 (0,2567) -0,0737 (0,2562) -0,1331 (0,2524) 0,1176 (0,2589) 0,0629 (0,2601) 0,0535 (0,2572) 0,0693 (0,2519) -0,1830 (0,2539) -0,1114 (0,2542) -0,0218 (0,2516) 0,0414 (0,1879) 0,974 0,9582 107 (b) -1929,8 (163,2) 0,9367 (0,1278) 0,2739 (0,0478) -0,0258 (0,0798) -0,0989 (0,0627) -0,0554 (0,0385) 0,0215 (0,0474) 0,0752 (0,0571) 0,0757 (0,0476) 0,0198 (0,0388) -0,0689 (0,0626) -0,1406 (0,0795) -0,1183 (0,0481) 0,1015 (0,1292) 0,996 0,9623 107 (c) -1937,0 (166,5) 0,6922 (0,0787) 0,3719 (0,0254) 0,1523 (0,0297) 0,0171 (0,0407) -0,0505 (0,0392) -0,0669 (0,0304) -0,0489 (0,0246) -0,0129 (0,0307) 0,0244 (0,0395) 0,0465 (0,0408) 0,0369 (0,0297) -0,0211 (0,0265) -0,1442 (0,0804) 0,997 0,1011 108 (d) -1873,7 (171,2) 0,4864 (0,0440) 0,3517 (0,0254) 0,2351 (0,0136) 0,1367 (0,0137) 0,0563 (0,0196) -0,0059 (0,0240) -0,0501 (0,0255) -0,0761 (0,0238) -0,0840 (0,0192) -0,0738 (0,0133) -0,0455 (0,0139) 0,0009 (0,0264) 0,0654 (0,0453) 0,997 0,1095 108

5 Captulo 15 15.4 (a) Solues dos Exerccios

0.4 0,4 0,35 0.35 0,3 0.3 0.25 0,25 0.2 0,2 0.15 0,15 0.1 0,1 0.05 0,05 0 0 1

A defasagem aritmtica

def. 7

(b) Para n = 4, a equao (15.2.2) passa a ser yt = + 0 xt + 1 xt 1 + 2 xt 1 + 3 xt 3 + 4 xt 4 + et Substituindo a defasagem aritmtica, a equao reduzida (restrita) yt = + 5xt + 4 xt 1 + 3xt 2 + 2 xt 3 + xt 4 + et = + (5 xt + 4 xt 1 + 3 xt 3 + 2 xt 3 + xt 4 ) + et = + zt + et onde zt = 5 xt + 4 xt 1 + 3xt 2 + 2 xt 3 + xt 4 . (c) Os pesos das defasagens estimados podem ser calculados de , b1 = 4 , b2 = 3 , b3 = 2 , b4 = . Seus erros padro so obtidos tomando as razes b0 = 5 ), ep(b1 ) = 4 ep( ) , quadradas das varincias correspondentes; eles so ep(b0 ) = 5ep( ), ep(b3 ) = 2ep( ) e ep(b4 ) = ep ( ) . ep(b2 ) = 3ep( (d) Para uma defasagem polinomial de grau um, as restries de parmetros podem ser escritas como: i = 0 + i 1 . Depois de substitu-las na equao, o modelo restrito pode ser escrito como: yt = + 0 z1t + 1 z2 t + et para as variveis definidas de um modo mais adequado z1t e z2t . Quando utilizamos a defasagem aritmtica, o nmero de parmetros se reduz de 5 para 2 (5-2 = 3 restries). Utilizando uma defasagem polinomial de grau um, o nmero de parmetros reduzido de 5 para 3 (5-3 = 2 restries). Ambos os tipos de defasagens tm decrscimos lineares dos pesos de defasagem. Com a defasagem aritmtica, o peso inicial da defasagem zero depende da taxa de decrscimo dos pesos. Com a defasagem polinomial de grau um, o peso inicial e a taxa de decrscimo so estimados separadamente.

6 Captulo 15 15.5 Solues dos Exerccios

(a) Admitindo n = 8, o modelo de defasagem distribudo estimado em (15.2.2) ct = 282, 2 + 0,659 yt + 0,115 yt 1 + 0,102 yt 2 0,036 yt 3 + 0,053 yt 4 0,139 yt 5 (34,18) (0,094) (0,132) (0,132) (0,134) (0,141) (0,135) 0,004 yt 6 + 0,081yt 7 + 0,041 yt 8 (0,134) (0,133) (0,098) Um grfico dos coeficientes das defasagens estimados aparecem abaixo.
0.7 0,7

0,6 0.6
0,5 0.5 0.4 0,4 0.3 0,3 0.2 0,2 0.1 0,1 0 -0.1 0 -0,1 -0.2 -0,2

Os coeficientes de defas. estimados

def.

(b) A defasagem distribuda polinomialmente finita estimada de grau 2 ct = 281,60 + 0, 492 yt + 0, 285 yt 1 + 0,124 yt 2 + 0,010 yt 3 0,058 yt 4 0,079 yt 5 (34,02) (0,035) (0,015) (0,013) (0,020) (0,023) (0,019) 0,054 yt 6 + 0,017 yt 7 + 0,134 yt 8 (0,012) (0,016) (0,037) O grfico dos pesos de defasagens estimados aparecem abaixo. 0,6 0.6 0,5 0.5 0.4 0,4 0.3 0,3 0,2 0.2 0.1 0,1 0 -0.1 0 -0,1 -0.2 -0,2

Os pesos de defas. estimados

def.

A funo quadrtica tem o efeito de suavizar o padro de defasagem que evidente dos coeficientes no restritos na parte (a). Contudo, os pesos negativos e a tendncia para a distribuio que comea a aumentar depois da defasagem 5 esto em conflito com nossas expectativas a priori.

7 Captulo 15 15.6 Solues dos Exerccios

(a) O modelo de defasagem geomtrica relacionando os valores do consumo corrente com os valores correntes e passados da renda ct = + 0 yt + 1 yt 1 + 2 yt 2 + K + et Aplicando a defasagem geomtrica definida como i = i , onde < 1 , o modelo pode ser escrito como ct = + ( yt + yt 1 + 2 yt 2 + K ) + et Depois de aplicar a transformao de Koyck, o modelo ct = 1 + 2 ct 1 + 3 yt + vt onde vt = et et 1 , 1 = ( ), 2 = e 3 = . Utilizando mnimos quadrados para estimar essa equao, ns obtemos t = 78,862 + 0,7536ct 1 + 0, 2158 yt c (25,24) (0,0484) (0,0416) ep

Para testar a presena de autocorrelao utilizando um teste LM, ns estimamos a regresso artificial t = 89,829 + 0,7058ct 1 + 0, 2574 yt + 0, 2161e t 1 c (3,594) (14,20) (6,018) (2,4522) t t 1 significativo. Do Para levar a cabo o teste LM, ns testamos se o coeficiente de e valor t de 2,4522 e do valor-p de 0,016, ns rejeitamos a hiptese nula e conclumos que existe um problema de autocorrelao. (Alguns softwares produzem resultados t ao invs de ct como varivel ligeiramente diferentes. Por exemplo, o EViews utiliza e t 1 como zero ao invs de tir-la da dependente, e trata a primeira observao de e t 1 no est disponvel porque as defasagens regresso auxiliar. A primeira observao de e fazem com que percamos uma observao na regresso inicial de mnimos quadrados.) (b) A equao estimada por VI utilizando renda e a renda defasada como variveis instrumentais : t = 181, 29 + 0, 4372ct 1 + 0, 4871 yt c (45,18) (0,1205) (0,1034) ep Considerando as estimativas de mnimos quadrados, o uso de variveis instrumentais alterou-as significativamente . Um grfico dos pesos das defasagens aparece abaixo.

Os pesos de defas. estimados

0,6 0,5 0,4 0,3

(c) A equao estimada por VI utilizando renda, renda defasada e uma segunda defasagem da 0,1 renda como variveis instrumentais
0 0 2 4 6

0,2

defas.

8 Captulo 15 t = 189,06 + 0,3869ct 1 + 0,5313 yt c (43,82) (0,0081) (0,1015) ep Um grfico dos pesos das defasagens aparece abaixo.

0,6 0,5 0,4 0,3 0,2 0,1 0 0 2 4

Solues dos Exerccios

Os pesos de defas. estimados

defas.

As estimativas obtidas aqui so similares com aquelas da parte (b). Contudo, os erros padro so diferentes. Pela utilizao da renda, da renda defasada e de uma segunda defasagem da renda como variveis instrumentais, reduziu-se os erros padro de ambos os coeficientes, especialmente aquele para ct 1 . 15.7 (a) O modelo ARDL(2,2) estimado t = 39,191 + 0,7976ct 1 + 0,0608ct 2 + 0,3787 yt 0,1310 yt 1 0,1227 yt 2 c (25,68) (0,0931) (0,0912) (0,0569) (0,0733) (0,0609) ep A regresso artificial para testar a autocorrelao de primeira ordem : t = 24,97 + 1,0828ct 1 0,1734ct 2 + 0,3782 yt 0, 2391 yt 1 0,0590 yt 2 0, 2909e t 1 c (0,70) (2,1990) (-0,4236) (6,6040) (-1,224) (-0,4798) (-0,5832) t t 1 0,5832, com um Como as estatstica t para testar a significncia do coeficiente de e valor-p de 0,561, ns no rejeitamos a hiptese nula de no existncia de autocorrelao. A regresso artificial para testar a autocorrelao de segunda ordem : t = 39,593 + 1,3546ct 1 0, 4896ct 2 + 0,3982 yt 0,3997 yt 1 + 0,1192 yt 2 c (1,127) (2,741) (-1,167) (6,9780) (-1,987) (0,8671) t 1 + 0,3142e t 2 0,5729e (1,143) (2,807) t Para testar se existe autocorrelao de segunda ordem, ns testamos se ambos os t 1 e e t 2 so iguais a zero. A estatstica F para esse teste, obtida coeficientes de e utilizando um software, 4,122, com um pequeno valor-p de 0,018. Assim, ns rejeitamos a hiptese nula e conclumos que a autocorrelao de segunda ordem existe. (b) Utilizando as estimativas do modelo ARDL(2,2) em (a), ns podemos obter a distribuio dos pesos das defasagens utilizando (15.5.9). Para as defasagens de 0 10, os pesos so Defasagem 0 1 2 3 4 5

9 Captulo 15 Peso Defasagem Peso 0,379 6 0,026 0,171 7 0,022 0,037 8 0,019 0,039 9 0,017 Solues dos Exerccios 0,034 10 0,014 0,029

Um grfico desses pesos apresentado abaixo. Os pesos declinam por degraus para aproximadamente zero na defasagem 2 e, ento, caiem muito lentamente da defasagem 2 10. A estrutura mais flexvel do que a defasagem decrescente geomtrica, onde o declnio inicial mais gradual.

Os pesos das defasagens

0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 0 2 4 6

def.

10

15.8

Uma comparao das distribuies de defasagem nos Exerccios 15.5-15.7 revela o seguinte: 1. As distribuies de defasagem polinomial e sem restrio estimadas no Exerccio 15.5, para um nmero de 8 defasagens, declinam e se tornam negativas na defasagem 3; depois aumentam novamente, tornando-se positivas na defasagem 6 ou 7. Pesos negativos e pesos que aumentam em direo do fim da distribuio, no conformam nossas expectativas e no so caractersticas das distribuies de defasagem estimadas nos Exerccios 15.6 e 15.7. Por essa razo, uma das duas ltimas distribuies preferida. As distribuies de defasagem nos Exerccios 15.6 e 15.7 tm formas similares, ambas declinam continuamente e permanecem positivas. A principal diferena entre essas duas o degrau decrescente inicial do modelo auto-regressivo de defasagem distribuda (Exerccio 15.7), e a queda mais gradual do modelo de defasagem geomtrica (Exerccio 15.6). Dado a flexibilidade adicional do modelo ARDL, provvel que ele seja a melhor escolha.

2.

10 Captulo 15 15.9 Solues dos Exerccios

Para detalhes dos dados atualizados, veja a soluo do Exerccio 15.3(f). Utilizando os dados atualizados e reestimando o modelo no Exerccio 15.5, os resultados so: [15.5(a)] Admitindo n = 8, o modelo de defasagens distribudas estimado em (15.2.2), sem restries, t = 1704,9 + 0,963 yt + 0, 214 yt 1 0,077 yt 2 0,077 yt 3 0,023 yt 4 + 0,159 yt 5 c (162,9) (0,191) (0,257) (0,261) (0,258) (0,254) (0,258) +0,055 yt 6 0,054 yt 7 0,175 yt 8 (0, 260) (0,257) (0,191) Um grfico dos coeficientes de defasagem estimados dado abaixo

Os coeficientes de defas. estimados

1,2

1 0,8 0,6 0,4 0,2 0 -0,2 0 -0,4 2 4 6 8

def.

[15.5(b)] A defasagem distribuda polinomialmente finita estimada, de grau 2, t = 1671, 2 + 0,615 yt + 0,381 yt 1 + 0,193 yt 2 + 0,051 yt 3 0,044 yt 4 0,094 yt 5 c (162,7) (0,074) (0,029) (0,025) (0,042) (0,048) (0,041) 0,097 yt 6 0,054 yt 7 + 0,347 yt 8 (0,025) (0,030) (0,075) Um grfico dos pesos de defasagem estimados aparecem abaixo.

Os pesos de defasagem estimados

0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 As principais diferenas -0,1 dados mais velhos so: -0,2

entre essas duas distribuies de defasagem e aquelas dos

2 4 6 8

1.

O efeito inicial maior com os dados atualizados.

def.

11 Captulo 15 2. Solues dos Exerccios Com os novos dados, os pesos de defasagem sem restrio se tornam negativos no fim da distribuio assim como ocorre numa parte mais inicial da distribuio t = 32,904 + 1,0104ct 1 0,0020 yt c (67,60) (0,0324) (0,0315)

[15.6(a)] A defasagem geomtrica estimada utilizando mnimos quadrados ep

[15.6(b)] A equao estimada por VI utilizando renda e renda defasada como variveis instrumentais : t = 1230,1 + 0,1421ct 1 + 0,8384 yt c (590,2) (0,4175) (0,4041) ep

Um grfico dos pesos de defasagem estimados aparecem abaixo.

Os pesos de defas. estimados

0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0 1 2 3

def.

[15.6(c)] A equao estimada por VI utilizando renda, renda defasada e uma segunda defasagem da renda como variveis instrumentais t = 1218,8 + 0,1688ct 1 + 0,8138 yt c (584,4) (0,4063) (0,3938) ep

Essas estimativas so similares com aquelas na parte (b). Veja o grfico a seguir.

Os pesos de defas. estimados

1 0,8 0,6 0,4

As principais diferenas entre essas duas distribuies de defasagem e aquelas dos 0 dados velhos so: 1. 2. O efeito inicial maior com os novos dados. def. Com os novos dados, os pesos de defasagem aproximam do zero muito mais rpido.
0 1 2 3 4

0,2

12 Captulo 15 Solues dos Exerccios Tomando juntos esses dois tens, eles querem dizer que o efeito da renda sobre o consumo mais imediato com os novos dados. [15.7(a)] O modelo ARDL(2,2) estimado t = 11,107 + 1,0728ct 1 0,0325ct 2 + 0,3223 yt 0, 2237 yt 1 0,1311 yt 2 c (60,46) (0,0950) (0,1000) (0,0596) (0,0755) (0,0655) se [15.7(b)] Utilizando as estimativas do modelo ARDL(2,2) em (a), ns podemos obter os pesos de defasagem distribudos utilizando (15.5.9). Para as defasagens de 0 10, os pesos so: Defasagem Peso Defasagem Peso 0 0,322 6 -0,018 1 0,122 7 -0,018 2 -0,011 8 -0,019 3 -0,015 9 -0,020 4 -0,016 10 -0,021 5 -0,017

Um grfico dos pesos de defasagem apresentado abaixo.

Os pesos de defas. estimados

0,35

0,3
0,25 0,2 0,15 0,1 0,05 0 -0,05 0 1 2 3 4 5 6 7 8 9 10

def.

As distribuies das defasagens dos dados velhos e novos tm formas parecidas, mas uma diferena bem notvel os pesos negativos da defasagem 2 em diante para a base de dados nova.