Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Departamento de Economia ECO 1800 - Técnicas de Pesquisa em Economia – 2009.1 Profs.: Marcelo C. Medeiros e Marco Antônio F.H. Cavalcanti Lista Teórica 2 – GABARITO 1. Considere a seguinte versão modificada do modelo de Samuelson (Review of Economics and Statistics, maio de 1939) de interação entre o “multiplicador keynesiano” e o “princípio do acelerador”: ( )1 1 - - -= += ++= ttt ttt ttt cci yc gicy b ea onde y, c, i, g e e são, respectivamente, a renda nacional, o consumo, o investimento, os gastos do governo e um distúrbio i.i.d. com média zero; a e b são parâmetros positivos que representam o multiplicador e o acelerador, respectivamente. Note que os gastos do governo são constantes no tempo. a) Mostre que a trajetória da renda pode ser descrita por um modelo ARMA(2,1). Você deve definir adequadamente o erro do modelo ARMA e especificar a relação entre os coeficientes desse modelo e os parâmetros do modelo estrutural. b) Que restrições os coeficientes a e b devem satisfazer para que o processo que descreve a trajetória da renda seja estacionário? Desenhe a região de estacionariedade em um gráfico tendo a no eixo vertical e b no horizontal. c) Suponha a = b = 0,5 e g = 100. O processo é estacionário? Caso positivo, em torno de qual valor a renda deve flutuar? RESPOSTA: (a) Primeiro, escreva o investimento em função da renda, inserindo a segunda equação na terceira [no lugar de ct e c(t-1)]. Você deve obter uma equação onde o investimento depende da renda defasada de 1 e 2 períodos, e do distúrbio contemporâneo e defasado de 1 período. Segundo, insira essa expressão obtida para o investimento na primeira equação, no lugar de it. Terceiro, insira a segunda equação na primeira, no lugar de ct. Coletando termos, você deverá obter um ARMA(2,1): Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 2 )1( )1( )1( : 2 1 12111 b b q eb abf baf qff + -= += -= += ++++= --- tt ttttt u onde uuyygy (b) Sabemos que para um ARMA(p,q), a estacionariedade é garantida pela condição de que todas as raízes da equação característica do processo sejam maiores do que 1 em módulo – veja a resposta á questão 4 para maiores detalhes. Quando o processo possui apenas os primeiros 2 termos autoregressivos – como em um AR(2) ou no ARMA(2,1) obtido acima -, pode-se mostrar que essa condição é equivalente às seguintes restrições sobre os coeficientes dos termos autoregressivos: 1 1 1 2 12 21 -> <- <+ f ff ff Aplicando essas restrições ao nosso caso, vemos que os parâmetros alfa e beta devem satisfazer: 1 1 < < ab a 0 0,5 1 1,5 2 2,5 0 1 2 3 4 5 6 7 8 9 10 beta al fa alfa=1 (alfa)(beta)=1 REGIÃO DE ESTACIONARIEDADE Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 3 (c) Sim, o processo é estacionário, pois as condições acima são satisfeitas. O processo ARMA(2,1) é, nesse caso: 200 5,0 100 * :y* para resolvendo ***25,0*75,0100* :statesteady em 25,075,0100 121 == ++-+= - ++-+= --- y uuyyy uuyyy ttttt q q 2. Considere o processo estocástico definido por 11),,0NID(~, 0 2 110 <<-++= - fseeff tttt YY Prove que o processo {Yt; t = 1, ..., T} é estacionário de segunda ordem. RESPOSTA: Um processo é fracamente estacionário, ou estacionário de segunda ordem, se sua média, variância e autocovariâncias não dependem do tempo (isto é, não variam com o índice t). Logo, devemos ter, para todo t e s: [ ] [ ] sstt Yt t YYE YE YE gmm sm m =-- =- = - ))(( )( )( 22 onde sY gsm ,, 2 são constantes. O processo AR(1) pode ser escrito como: åå - = - - = --- -- - ++= ++++++= ++++= ++= 1 0 101 1 0 10 112310 2 110 121010 110 : )()1( )( t s st st t s s tttt ttt ttt uY uuuY uuY uYY ffff ffffff ffff ff Logo: ¥®+ - ®+= å - = tYYE t t s s t quando 01 )( 1 0 01 1 0 10 f f fff )1( )()( 2 1 21 0 2 1 2 1 0 2 10 f s fsfg - ®=== åå - = - = - t s s t s st s t uVarYVar Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 4 ( ) ( ) ( )[ ] ( ) ( ) ( ) 01 11 11 11 11 ˆˆ ˆˆˆ ˆˆ ˆˆ, gfg gf f f f g k k k ktt kttktt kttt kttkttk YYE YuEYYE YuYE YYEYYCov =\ = = += += == - -- --- -- -- Logo, como nenhum dos momentos acima depende de t, o processo é estacionário. 3. Considere o processo estocástico definido por ),0NID(~, 2332211 seeeqeqeqeqm ttqtqttttY ++++++= ---- L Prove que para quaisquer valores de q1,..., qq, o processo {Yt; t = 1, ..., T} é estacionário de segunda ordem. RESPOSTA: Temos que mostrar que a média, variância e autocovariâncias do processo não dependem de t. Isso foi feito em sala de aula para processos MA(1) e MA(2), lembram?? Abaixo mostro apenas os principais passos para o caso geral de um MA(q), pois o método é o mesmo que vimos em aula: î í ì > £++++ = ++++++= --= +++= +++= = +++= ++++= -++ ------- -- -- -- qh qh E YYEYYCov VarVarVarYVar EEEYE hqqhhh htqhtqhttqtqt htthtt q tqtqtt tqtqtt 0 )...( )])([( )])([(),( )1( )()()()( 0...0 )()()()( 2 2211 1111 222 1 2 1 2 1 11 sqqqqqqq eeqeqeeqeq mm sqq eeqeq m m eeqeqm LL L L L Logo, como nenhum dos momentos acima depende de t, o processo é estacionário. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 5 4. Verifique a estacionariedade dos processos ARIMA abaixo: a) tttt uyyy +-= -- 21 1.07.0 b) tttt uyyy +-= -- 21 5.0 c) 11 8.05.02 -- +++= tttt uuyy d) tt uByBB )5.01()1.09.01( 2 -=-- e) ttt uyy ++= -110 RESPOSTA: Podemos escrever um modelo ARMA(p,q) na forma: tt uBYB )()( qf = onde B é o operador de defasagem (que também costumamos denotar por L) e q q p p BBBBB BBBBB qqqqq fffff -----= -----= ...1)( ...1)( 3 3 2 21 3 3 2 21 A equação característica de um processo ARMA(p,q) é definida por 0...1)( 33 2 21 =-----= p p BBBBB fffff Essa equação tem necessariamente p raízes, possivelmente complexas. O processo é estacionário se todas as raízes têm módulo maior que um. Note que o polinômio associado à parte “média móvel” do processo não é relevante no que tange a estacionariedade. Aplicando esse resultado aos casos acima: (a) A equação característica é: 01.07.01 2 =+- BB , cujas raízes são 5 e 2, ambas > 1 => estacionário. (b) raízes (complexas) = 1+i, 1- i, onde i denota a parte imaginária. Essas raízes têm módulo maior do que 1, indicando um processo estacionário (veja também a questão 5). (c) Processo estacionário, pois a raiz da equação característica é maior que 1 – visto de outra forma, o coeficiente do termo autoregressivo é menor do que 1. (d) raízes = -10 e 1. Como uma raiz é unitária, o processo não é estacionário. (e) Processo não-estacionário, pois a raiz da equação característica é 1 (“processo com raiz unitária”) – visto de outra forma, o coeficiente do termo autoregressivo é 1. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 6 5. Considere o seguinte processo estocástico: Yt = 0,8 Yt-1 – 0,2 Yt-2 + ut – 1,5 ut-1 + 0,5 ut-2 ut ~ ruído branco Todo número complexo x = a + bi, onde 1-=i , pode ser representado por um vetor num plano cartesiano; sua coordenada horizontal é a parte real do número (a), enquanto que a coordenada vertical é sua parte imaginária (b). Dessa forma, localize no plano ao lado, em que os quadrados pontilhados têm lado unitário, a(s) raíz(es) do polinômio f(B) do processo Yt, calculando também o módulo (“comprimento”) dela(s). O que a localização dessa(s) raíz(es) no plano indica sobre o processo Yt? RESPOSTA: As raízes da equação característica são: 2+i e 2-i,que no gráfico estariam ambas fora do círculo unitário desenhado. Isso indica que o processo é estacionário. 6. Mostre que a soma de dois processos estocásticos estacionários independentes também é um processo estacionário. RESPOSTA: Trivial! Mas não se preocupem com a prova do resultado, e sim com o resultado em si. 7. Considere o processo estocástico: î í ì > = = - 1 1 1 tz t z t t w onde w é uma variável aleatória qualquer. O processo é estacionário? É ergódico (isto é, “assintoticamente independente”)? RESPOSTA: Suponha que w possua média e variância finitas dadas por m e s, respectivamente. Logo, O processo é estacionário, pois, para qualquer t e s, E(zt) = m, Var (zt) = s, Cov(zt,zs) = s. Entretanto, o processo não é “assintoticamente independente”, pois independentemente da distência entre t e s, Cov(zt,zs) = s (ou seja, não tende para zero). Re Im Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 7 8. Resolva os seguintes problemas do Wooldridge: 10.2, 11.5, 11.7. RESPOSTA: EX.10.2 Um choque em ut afeta gGDP em t, o que afeta int(t+1) através da função de reação do Fed. Logo, há correlação entre ut e int(t+1). Isso viola a hipótese de exogeneidade estrita, necessária para a ausência de viés do estimador de MQO. Logo, nessa equação MQO é viesado. EX.11.5 (i) O maior efeito ocorre na nona defasagem; o menor, na terceira. (ii) Os valores entre parênteses são os erros padrão estimados; logo, dividindo os coeficientes estimados por tais erros padrão, vemos que a estatística-t é menor que 2 para as defasagens 2, 3, 12. (iii) Somando os coeficientes, LRP = 1,172, que parece indicar que o aumento de um ponto percentual na taxa de crescimento dos salários causa, no longo prazo, um aumento de 1,17 pontos percentuais na taxa de inflação. (iv): para calcular o desvio padrão do multiplicador de longo prazo (LRP no texto), primeiro defina LRP = teta = somatório de todos os coeficientes de gwage (contemporaneo e defasado); podemos reescrever o modelo em função de teta e reestimar o modelo, obtendo assim diretamente uma estimativa do LRP e seu desvio padrão. Veja abaixo como reescrever o modelo (veja tb o exemplo 10.4 do livro) ( ) ( ) ( )tttttt tttt tttt gwagegwagegwagegwagegwagegprice doreescreven gwagegwagegwagegprice dosubstituin LRP defina gwagegwagegwagegprice Modelo -++-++= +++---+= ---=Þ +++== ++++= -- -- -- 121211 121211121 1210 1210 1212110 ... : ...... : ... ... : ... : bbqa bbbbqa bbqb bbbq bbba (v): estimamos o modelo com e sem as 6 defasagens adicionais e realizamos um teste-F padrão (modelo restrito/irrestrito). Devemos apenas notar que o período de estimação deve ser o mesmo no modelo restrito e irrestrito; logo, ao incluirmos 6 novas defasagens perdem-se 6 observações adicionais no início da amostra. P.ex., se temos dados de janeiro/1980 a setembro/2003, podemos estimar um modelo com 12 defasagens (como o que aparece no exercício 11.5) a partir de jan/1981, com um total de 273 observações. Mas um modelo com 18 defasagens só pode ser estimado a partir de julho/1981. Assim, ambos os modelos restrito e irrestrito deveriam ser estimados a partir de julho/1981 (n=267). EX.11.7 (i) A equação final é: )()()1()( 110 ttttt aexyy +++-+= - llgllg Logo, )(),(),1(),( 12100 ttt aeu +==-== llgblblgb . Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 8 (ii): no item (i) vc deve ter mostrado que u(t) depende de e(t) e a(t). Logo, as hipóteses do item (ii) implicam que os regressores são contemporaneamente exógenos e portanto que podemos estimar o modelo por MQO - que será consistente. (iii): no item (i) vc deve ter mostrado a relação entre os betas e os gamas e lambda, certo? Logo, é só calcular as estimativas a partir de: 1-lambda=beta1 => acha lambda lambda*gama1=beta2 => acha gama1 (usando o lambda acima) 9. De acordo com a “hipótese de eficiência dos mercados” (HEM), nenhuma informação disponível antes do período t deveria ajudar a prever o retorno de um ativo no período t. Definindo o retorno do índice do Ibovespa como y, a HEM implica que: ( ) ( )tttt yEyyyE =-- ,...,| 21 Supondo que a HEM seja válida, qual deve ser o valor do coeficiente associado a yt-1 na regressão de yt em uma constante e em yt-1? Você espera que o estimador de MQO seja consistente nessa regressão? Não-viesado? [Dica: veja os Exemplos 11.3 e 11.4 do Wooldridge] RESPOSTA: O valor do coeficiente de y(t-1) deveria ser 0 na regressão de yt em y(t-1) e uma constante. MQO será viesado nessa regressão, pois a hipótese de exogeneidade estrita é violada, mas é provável que seja consistente, pois espera-se que os choques que afetam o retorno em t não estejam sistematicamente relacionados aos choques que determinam o retorno em t-1. Veja a resposta da próxima questão para maiores detalhes sobre as condições para consistência/ausência de viés. 10. Para cada um dos casos abaixo, quais você espera que sejam as propriedades do estimador de MQO (em termos de ausência de viés e consistência)? Variável dependente Regressores (além da constante) Taxa de crescimento das exportações brasileiras (em t) Taxa de câmbio real (em t) Taxa de crescimento das exportações brasileiras (em t) Taxa de câmbio real (em t-1) Taxa de crescimento das exportações brasileiras (em t) Taxa de câmbio real (em t-1) Taxa de crescimento das exportações brasileiras (em t-1) Taxa de crescimento das exportações brasileiras (em t) Taxa de câmbio real (em t-1) Taxa de crescimento das exportações brasileiras (em t-1 e t-2) Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 9 RESPOSTA: A condição básica para ausência de viés do estimador de MQO é a exogeneidade estrita dos regressores: E(ut|X)=0 (isto é, independência entre ut e os x observados em qualquer ponto do tempo). Para o estimador ser consistente, é necessária a exogeneidade contemporânea dos regressores: E(ut|xt)=0 (na verdade é suficiente que cov(ut,xt)=0), além de dados fracamente dependentes/estacionários. Assim, a resposta à questão depende do tipo de relação que acreditemos existir entre a taxa de câmbio real e os outros determinantes das exportações que se encontram “escondidos” no erro da regressão (u). Na minha opinião, o estimador de MQO será viesado em todos os casos citados. No caso 1, isso decorre da idéia de que o câmbio depende das exportações – ou seja, existe na economia uma equação na qual a variável dependente é o câmbio e, entre as variáveis explicativas, encontram-se as exportações – de modo que há “viés de simultaneidade” (que vocês aprenderam em Econometria): correlação entre ut e o câmbio em t. No caso 2, haverá viés caso algum choque que afete as exportações em t acabe afetando também o câmbio em t+1 ou t+2 etc., o que também parece bastante provável – por exemplo, o aumento contemporâneo das exportações pode aumentar a “solvência” do país, permitindo que nos períodos seguintes o país absorva mais capital externo, o que deve afetar o câmbio observado. Nos casos 3 e 4 temos entre os regressores a variável dependente defasada, de modo que a condição de exogeneidade estrita é necessariamente violada (ut afeta yt, que é o valor do regressor yt-1 no período seguinte; logo, há correlação entre ut e o regressor no período seguinte) – e, portanto, MQO é viesado. Notem a diferença no que acabo de dizer: nos casos 1 e 2 MQO provavelmente é viesado, enquanto nos demais casos MQO é necessariamente viesado. No que se refere à consistência do estimador, sabemos que, no caso 1, o estimador será consistente se cov(ut,câmbio em t)=0. Isso é razoável? Provavelmente não, pela mesma razão apontada acima (correlação entre ut e o câmbio em t associada à endogeneidade contemporânea do câmbio em relação às exportações). Nocaso 2, tudo que precisamos para consistência de MQO é que os choques ut não dependam do que ocorreu com o câmbio no período anterior (t-1), o que parece mais provável do que a condição do caso 1 – afinal, mesmo que o câmbio em t dependa das exportações em t, isso não afetaria a consistência do estimador. Os casos 3 e 4 são semelhantes ao caso 2, pois incluem o câmbio defasado e não contemporâneo. Entretanto, há uma complicação adicional: caso a equação não capte adequadamente a dinâmica das exportações, é possível que tenhamos erros autocorrelacionados, o que implica, como visto em sala de aula, correlação entre ut e o valor defasado da variável dependente, e portanto inconsistência do estimador de MQO. Nesse sentido, tendo em vista que o caso 4 inclui uma defasagem a mais da variável dependente, permitindo captar uma dinâmica mais rica, nesse caso é mais provável que o erro não seja autocorrelacionado, e portanto que MQO não seja inconsistente. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 10 11. Um economista deseja analisar a relação entre as taxas de crescimento do salário real e do nível de emprego na indústria brasileira, representadas por sal e emp, respectivamente. Os gráficos dessas séries no período 2000.1-2005.8 são apresentados abaixo: -.03 -.02 -.01 .00 .01 .02 .03 2000 2001 2002 2003 2004 2005 SAL -.008 -.004 .000 .004 .008 .012 2000 2001 2002 2003 2004 2005 EMP Inicialmente, o economista estima por MQO, para o período acima, os seguintes processos auto-regressivos para sal e emp (estatísticas-t entre parênteses): ttt usalsal 11 )07,2()76,1( ˆ247,0003,0 ++= - (1) obs = 67; R2 = 0,07; Durbin-Watson = 2,06 ttt uempemp 21 )42,6()72,1( ˆ63,0001,0 ++= - (2) obs = 67; R2 = 0,39; Durbin-Watson = 2,21 a) A partir dos gráficos e das estimações acima, você diria que as séries em questão parecem realizações de processos estocásticos estacionários? Justifique. b) “Os valores da estatística de Durbin-Watson nas regressões acima permitem concluir que os erros não são auto-correlacionados”. Comente. c) Os estimadores de MQO das equações acima são não-viesados? Em seguida, o economista estima por MQO as seguintes equações, tendo como variáveis dependentes os resíduos das equações (1) e (2): tttt usalu 31121101 ˆˆ eddd +++= -- (3) tttt uempu 41221102 ˆˆ eggg +++= -- (4) Com base nos resultados da estimação de (3) e (4), o economista conclui que: (I) sal parece bem representado por um modelo AR(1), mas para emp possivelmente um modelo AR(2) seria mais adequado; (II) o estimador de MQO do coeficiente auto-regressivo na equação (2) é inconsistente. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 11 d) Qual pode ter sido o objetivo da estimação das equações (3) e (4)? Que tipo de resultado teria levado o economista às conclusões (I) e (II) acima? Finalmente, o economista estima (sempre por MQO) duas regressões relacionando as taxas de crescimento do salário real e do nível de emprego (estatísticas-t entre parênteses): ttt uempsal 5 )52,2()01,1( ˆ919,0001,0 ++= (5) obs = 67; R2 = 0,089; Durbin-Watson = 1,64 ttt uempsal 61 )42,2()96,0( ˆ899,0001,0 ++= - (6) obs = 67; R2 = 0,083; Durbin-Watson = 1,66 e) Você espera que os estimadores de MQO das equações (5) e (6) sejam não-viesados? Consistentes? RESPOSTA: (a) Sim. De acordo com os gráficos, as séries aparentam flutuar em torno de uma média aproximadamente constante, com variância também aproximadamente constante. Além disso, as estimações (1) e (2) apresentam coeficientes autoregressivos com valor absoluto significativamente menor do que 1, o que também aponta na direção da estacionariedade. (b) A afirmativa é falsa. O teste de DW só é válido na presença de regressores estritamente exógenos – condição claramente violada nas equações acima, que incluem a variável dependente defasada. (c) Não. O estimador de MQO só pode ser não-viesado na presença de regressores estritamente exógenos – condição violada nas equações acima, como dito no item anterior. (d) O economista desejava testar a hipótese nula de ausência de correlação serial nos erros das equações (1) e (2). No caso da equação (1), essa hipótese equivale a d2=0; provavelmente essa hipótese não foi rejeitada, levando à conclusão de que o modelo AR(1) da equação (1) captou adequadamente a autocorrelação presente na série de salário [primeira parte da conclusão I]. No caso da equação (2), a hipótese de ausência de correlação serial nos erros equivale a g2=0; provavelmente essa hipótese não rejeitada, levando à conclusão de que o modelo AR(1) da equação (1) não captou adequadamente a autocorrelação presente na série de emprego, sendo necessária a inclusão de pelo menos mais um termo autoregressivo na equação [segunda parte da conclusão I]. Dado que, na presença de erros autocorrelacionados, MQO será inconsistente em modelos que incluem a variável dependente defasada como regressor, conclui-se que MQO é inconsistente na equação (2) acima [conclusão II]. (e) A condição básica para ausência de viés do estimador de MQO é a exogeneidade estrita dos regressores: E(ut|X)=0. Para o estimador ser consistente, é necessária a exogeneidade contemporânea dos regressores: E(ut|xt)=0, além de dados fracamente dependentes/estacionários. Possivelmente ambas as condições são violadas na equação (5), caso salário e emprego sejam determinados simultaneamente – havendo, assim, correlação entre u5t e o regressor empt. Na equação (6), a exogeneidade estrita continuaria sendo violada, pois u6t seria correlacionado com empt (que o valor do regressor empt-1 no período t+1); mas é razoável que não haja correlação entre u6t e empt-1, de modo que o estimador poderia ser consistente. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 12 12. A figura abaixo apresenta a evolução mensal do número de cheques sem fundo para cada 1.000 compensados no Brasil, entre 1995 e 2005. 0 4 8 12 16 20 24 95 96 97 98 99 00 01 02 03 04 05 CSF Nas aulas e listas, discutimos as características de vários processos estocásticos. Escreva as equações de dois processos estocásticos que, na sua opinião, poderiam gerar séries temporais semelhantes à série de cheques sem fundo acima – e, portanto, ser utilizados como aproximações do “verdadeiro” processo gerador da série de interesse. Apresente todos os detalhes possíveis, explicitando possíveis valores (ou intervalos de valores) para os coeficientes dos processos estocásticos selecionados. Justifique adequadamente a opção por esses processos vis-à-vis processos alternativos, bem como a escolha dos valores atribuídos aos coeficientes de cada processo. RESPOSTA: O processo apresenta marcada tendência de crescimento. Logo, poderia tratar-se de um processo com tendência determinística do tipo: tt xbtaY ++= , b > 0 onde 10,~,1 <<+= - ff iiduuxx tttt Note que os desvios de Y em relação à tendência determinística apresentam alguma persistência, de modo que talvez pudessem ser aproximados por um AR(1) (ou outro processo ARMA) estacionário, conforme a equação acima. Outra possibilidade seria um passeio aleatório “com deslocamento” (“drift”): 0~,1 >++= - aiiduuYaY tttt . no qual o valor de a fosse “grande” relativamente à variância de u – de modo que o componente determinístico do processo “dominaria” o componente estocástico, gerando uma série difícil de ser diferenciada de um processo com tendência determinística “a olho nu”. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 13 13. Considere o seguinte modelo macroeconômico: pplp t E ttt uy ++= (1) y t E ttt uiy +-= - )( 1 pg (2) 1-= t E t pp (3) )( ppr -+= tt ii (4) onde: 0 ,01 ,10 0 médiacom i.i.d. choques"" , )(constante inflação de meta )(constante "equilíbrio de" nominal juros de taxa tperíodo no nominal juros de taxa 1)-(tanterior período o até informação em base com t,em inflação da aexpectativ tperíodo no produto do hiato tperíodo no inflação ³<<-<< = = = = = = = rgl p p p p y tt t E t t t uu i i y A equação (1) é uma “curva de Phillips” que relaciona a inflação corrente ao hiato do produto e à expectativa passada da inflação, além de um “choque de oferta”. A equação (2) é uma relação do tipo IS, na qual o hiato do produto depende da taxa de juros real no período anterior e de um “choque de demanda”. A equação (3) é a regra de formação de expectativas, segundo a qual a inflação esperada para o período t é simplesmente a inflação observada no período t-1. Finalmente, a equação (4) é a regra de política monetária do Banco Central, que determina a taxa de juros nominal em função do desvio entre a inflação corrente e a meta de inflação. (a) Mostre que a trajetória da inflação pode ser descrita por um processo ARMA(p,q). Você deve definir adequadamente o erro do modelo ARMA e especificar a relação entre os coeficientes desse modelo e os parâmetros do modelo estrutural acima. (b) Considere três possíveis valores para o coeficiente r na regra de política monetária do Banco Central: 0, 1 e 2. Em cada caso, diga se a inflação segue um processo estacionário ou não- estacionário (de segunda ordem), justificando sua resposta adequadamente. O que você pode inferir, a partir desses resultados, acerca da condução adequada da política monetária nessa economia? (c) Um economista (que não conhece o “verdadeiro” modelo da economia apresentado acima) deseja estimar a relação entre inflação e hiato do produto, por MQO, a partir da seguinte regressão: ttt ey ++= 10 bbp Na sua opinião, MQO será viesado nessa regressão? Consistente? Justifique suas respostas. (d) Um segundo economista (que também não conhece o “verdadeiro” modelo da economia) decide estimar por MQO a seguinte equação: tttt ey +++= -1210 pbbbp Na sua opinião, MQO será viesado nessa regressão? Consistente? Justifique suas respostas. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 14 RESPOSTA: (a) Você deve usar as equações (2), (3) e (4) para reescrever a equação (1) em função de defasagens da inflação, dos choques u e de termos constantes (como a meta de inflação etc.), chegando a um AR(1): ( ) ( ) pl rlgf prlgf pffp t y tt ttt uue i onde e += -+= -= ++= - 11 : 1 0 110 (b) A condição de estacionariedade da inflação é: 11 <f . Pelas hipóteses do enunciado, sabemos que 01 <<- lg . Logo, o único valor de r que garante a estacionariedade da inflação é 2. Se r =1, a inflação segue um passeio aleatório (com deslocamento) e, se r =0, o processo é explosivo. A conclusão é que a política monetária deve reagir fortemente aos desvios da inflação em relação à meta, a fim de garantir uma inflação “bem comportada”. (c) Viesado e inconsistente: a expectativa de inflação, que afeta diretamente o hiato, foi omitida da equação. Logo, há correlação entre o erro da regressão e o regressor (hiato). (d) Viesado, pois a regressão inclui a variável dependente defasada e, portanto, viola a hipótese de exogeneidade estrita. Mas consistente, pois a especificação da regressão corresponde exatamente à equação (1), na qual o erro não tem correlação com as variáveis explicativas. 14. Um economista decide estimar o multiplicador de longo prazo do crescimento do nível de emprego na economia brasileira em relação ao crescimento do salário médio na indústria, através da seguinte equação, estimada em base mensal por MQO: tttt usalsalemp ˆ124.0172.0142.0 1 )50.3()84.4()02.4( +++-= - - R2 = 0.30 DW=0.60 n=125 onde emp é a taxa de crescimento do emprego e sal é a taxa de crescimento salarial (ambas definidas em porcentagens – por exemplo, o valor 1 denota um aumento de 1%, e assim por diante). Os valores entre parênteses são as estatísticas-t, n é o número de observações e DW é a estatística de Durbin-Watson. (a) A partir da equação acima, qual deve ser, no longo prazo, o efeito sobre o crescimento do emprego de um aumento permanente de 1 ponto percentual na taxa de crescimento salarial? (b) É possível, a partir da equação acima, testar a hipótese nula de que o multiplicador de longo prazo é igual a 1? Caso positivo, realize o teste. Caso negativo, descreva em detalhe como você realizaria o teste. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 15 Um segundo economista também deseja estimar o efeito de longo prazo do crescimento do salário sobre o crescimento do emprego, mas opta por fazê-lo a partir da estimação (por MQO) da equação a seguir: tttt uempsalemp ˆ78.0048.003.0 1 )0.14()97.1()46.1( +++-= - - R2 = 0.71 DW=2.28 n=125 (c) Qual é a diferença fundamental entre a dinâmica da resposta de emp a um aumento permanente em sal segundo cada um dos modelos acima? (d) Calcule o multiplicador de longo prazo do crescimento do emprego em relação ao crescimento do salário estimado a partir dessa nova equação. (e) “O uso da estatística de Durbin-Watson é certamente inválido em uma das equações acima, e provavelmente inválido na outra”. Comente cuidadosamente. (f) Quais seriam as consequências da presença de autocorrelação nos distúrbios das equações acima para as propriedades do estimador de MQO? Descreva em detalhe o procedimento que você adotaria para verificar a existência (ou não) de autocorrelação nos distúrbios dessas equações. RESPOSTA: (a) 0,172+0,124 = 0,296 (b) Já temos uma estimativa pontual do multiplicador de LP (ver item (a)), mas falta o erro- padrão dessa estimativa para podermos realizar o teste de hipótese de interesse. Podemos reescrever o modelo de modo que o multiplicador de LP seja estimado diretamente pela regressão, e então realizar um teste-t convencional (pois a regressão já nos fornecerá o erro- padrão do multiplicador de LP). O modelo poderia ser reescrito da seguinte forma (ver também item iv da questão 10 acima): ( ) ( ) ttttt tttt tttt usalsalsalemp doreescreven usalsalemp dosubstituin LRP defina usalsalemp +-++= ++-+= -=Þ +== +++= - - - 11 111 10 10 110 : : : bqa bbqa bqb bbq bba Ou seja, se estimarmos uma equação de emp(t) em função de sal(t) e da primeira diferença de sal [sal(t)-sal(t-1)], a hipótese de interesse pode ser testada através de um teste-t no coeficiente associado a sal(t). (c) No primeiro modelo, emp atinge seu novo nível de equilíbrio após dois períodos; no segundo modelo, emp vai se aproximando gradualmente de seu novo nível de equilíbrio. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 16 (d) 0,048/(1-0,78) = 0,048/0,22=0,218 (e) Afirmação correta. No segundo modelo, que inclui a variável dependente defasada, a hipótese de exogeneidade estrita é violada, de modo que a estatística DW não é válida. No primeiro modelo, tal hipótese também é provavelmente violada, pois deve haver algum tipo de feedback de emp para sal (afinal, o crescimento do nível de emprego pode impactar no crescimento dos salários, contemporaneamente ou após algum tempo), de modo que o uso da est-DW também não seria válido. (f) Na primeira equação, a presença de autocorrelação geraria ineficiência de MQO e impediria o uso das estatísticas-t e F padrão, enquanto que, na segunda equação, a autocorrelação implicaria a inconsistência (e viés) de MQO, dada a presença da variável dependente defasada entre os regressores. Para testar autocorrelação, deveríamos usar o teste de Breusch-Godfrey: primeiro, estima-se uma regressão dos resíduos da regressão original em função dos resíduos defasados até a ordem p e dos regressoresda regressão original; segundo, testa-se a hipótese nula de que os coeficientes dos resíduos defasados são conjuntamente nulos (usando a estatística-F ou a estatística-LM). Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 17 15. Considere os seguintes processos estocásticos: ),0(~ e ),0(~ 0, 0, , 10 onde (II) (I) 22 1 1 x x ty y t xy x ttxt y ttyt NuNu uXX uYY ss mmffm m ³³<<++= ++= - - (a) Por que se diz que o processo Y é um “processo com raiz unitária”? (b) Mostre de que forma os valores de Xt e Yt dependem de todos os respectivos choques aleatórios (u´s) ocorridos no passado. (c) O que os resultados do item (b) implicam em termos da persistência ou transitoriedade dos efeitos dos choques que afetam Y e X? E em termos das médias e das variâncias de Y e X? (d) Na sua opinião, qual desses processos representaria uma melhor aproximação para o comportamento do PIB do país? E para o comportamento da taxa de juros real? Em cada caso, seria mais razoável considerar 0=m ou 0>m ? RESPOSTA: (a) Porque a raiz da equação característica do processo é 1. (b) Para Y, temos: å - = - --- -- - ++= +++++= ++++= ++= 1 0 0 123 12 1 : )(2 )( t s sty ttttyy tttyy ttyt utY uuuY uuY uYY m mm mm m Para X, temos: å - = - --- -- - + - += ++++++= ++++= ++= 1 0 0 123 2 12 1 1 : )()1( )( t s st sxt ttttxx tttxx ttxt uX uuuX uuX uXX f f m f ffmfmf fmfm fm (c) O item anterior mostra que, no caso de Y, os choques têm efeitos permanentes (note que o efeito sobre Y de um choque ocorrido no “passado remoto” nunca morre), ao passo que, no caso de X, os choques têm efeitos transitórios (choques ocorridos muitos períodos atrás têm efeito pequeno sobre o valor corrente de X, pois seu “peso” no somatório decresce no tempo – dado que 1<f , 0®tf quando ¥®t ). Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio 18 O fato dos choques terem efeitos permanentes sobre Y indica a presença de uma tendência estocástica (= raiz unitária). É fácil ver que, para processos com essa característica, a variância tende a infinito quando t vai para infinito – pois, para cada unidade de tempo que passa, o processo “ganha” um choque adicional que contribui para aumentar (de forma permanente) a variância do processo. Mais formalmente: ¥®¥®=== åå - = - = - ttuVarYVar t s t s stt quando )()( 2 1 0 2 1 0 ss Além disso, Y apresenta uma tendência determinística de crescimento – ou seja, seu valor esperado cresce no tempo (conforme pode-se notar pela presença do termo ytm ). Por sua vez, X possui média e variância constantes, dadas por )1( fm -x e )1( 22 fs - , respectivamente. Trata-se de um processo estacionário. (d) O PIB é uma variável claramente não estacionária e, portanto, deve ser mais bem aproximado por Y. Além disso, devemos ter 0>m - pois o PIB apresenta marcada tendência de crescimento no tempo. Quanto à taxa de juros real, em termos teóricos parece mais razoável aproximá-la por um processo estacionário – logo, X parece mais adequado. Uma vez mais, parece mais adequado termos 0>m , pois a taxa de juros real média é maior do que zero. Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia a PUC-Rio
Compartilhar