Baixe o app para aproveitar ainda mais
Prévia do material em texto
ECONOMETRIA DE SÉRIES TEMPORAIS AULA 3 – AS FUNÇÕES DE AUTOCORRELAÇÃO (FAC) E AUTOCORRELAÇÃO PARCIAL (FACP) Prof, Ricardo Chaves Lima 1 A Função de Autocorrelação (FAC) 2 • A covariância entre yt e yt+k representa o grau de relação entre essas variáveis; • Os valores da covariância, entretanto, são dados em termos absolutos, o que dificulta a sua análise; • Uma medida alternativa do grau de relação entre yt e yt+k é a função de autocorrelação, a qual apresenta a vantagem de ser um valor que varia, em módulo, entre 0 e 1; • Valores próximos a 0 indicam fraca autocorrelação, enquanto valores próximos a 1 indicam forte autocorrelação; • Sinais positivos ou negativos indicam apenas se autocorrelação direta e inversa, respectivamente; A Função de Autocorrelação (FAC) 3 • A função de autocorrelação, para a defasagem k, é definida da seguinte forma: • Para um processo estacionário, a variância no tempo t é igual à variância no tempo t+k, de forma que: A Função de Autocorrelação (FAC) 4 • Uma estimativa da FAC é a função de autocorrelação amostral, a qual é calculada como segue: • O desvio padrão da função de autocorrelação corresponde à seguinte aproximação (Bartlett, 1946): O Desvio Padrão da FAC 5 • Para k = 1 o somatório deveria ser de j = 1 a j = 0, o que não faz sentido. Assim, o valor de é substituído por 0 (Pankratz, 1983). Ou seja, para k = 1,o desvio padrão de FAC é igual a N-1/2. Para k > 1 aplica-se o somatório; • O intervalo de confiança para o nível de significância de 95% é aproximadamente ± 1,96*S( ); O Desvio Padrão da FAC 6 • Assim, se a FAC estiver dentro do intervalo de confiança, não se pode afirmar que essa estimativa da função de autocorrelação seja estatisticamente diferente de zero; Note: Espera-se que em grandes amostras, se yt for ruído branco, a Função de Auto correlação ( ) tenha desvio padrão S( ) dado por 1/(T)0,5, onde T é o tamanho da amostra. Ou seja, o intervalo de confiança da FAC será: FAC(IC) = ± 1,96* 1/(T)0,5 Por default, o programa R calcular o intervalo de confiança da FAC apenas para grandes amostras. FAC e FACP - R 7 # AR(1) simulation using arima.sim # y[t] = 10 + 0.5*y[t-1] + e[t] arsim <- arima.sim(list(order = c(1,0,0), ar = 0.5), n = 100) + 10 arsim ts.plot(arsim) # autocorrelation function - acf acf(arsim, lag.max=25) # partial autocorrelation function - pacf pacf(arsim, lag.max = 25) FAC e FACP - R 8 9 • Cada autocorrelação é estatisticamente significante individualmente se seu valor for maior do que duas vezes o respectivo desvio padrão; • O teste de significância conjunta mostra todos os valores inferiores a 0,05 e, portanto, rejeita a hipótese nula de que as variáveis são independentes no tempo; • O test Q é um teste de significância conjunta das autocorrelações. Por exemplo, se o teste Q para k = 10 tiver valor menor que 0,05, significa que as autocorrelações de 1 a 10 são, conjuntamente significantes estatisticamente; • A hipótese H1, portanto, conclui que existe uma correlação temporal entre as variáveis defasadas do modelo. Teste Significância Estatística para Cada FAC Teste de Ljung-Box (Portmanteau test) 1 0 • Para testar a significância conjunta de , utiliza-se o teste estatístico Ljung-Box, o qual é definido pela equação abaixo (Box e Pierce, 1970; Ljung e Box, 1978); • A estatística Q tem distribuição aproximadamente qui-quadrado com k graus de liberdade; • A hipótese nula é que a série foi gerada por um processo ruído branco; isto é, consiste de variáveis aleatórias independentemente distribuídas [E(yt,yt- 1)=0]; Teste de Ljung-Box (Portmanteau test) 1 1 • Apesar do valor de K ser arbitrário, estudos empíricos geralmente utilizam K entre 15 e 20 (exemplo: acf,prf) Lags (k) ρk Q Significância 1 0,99631 55,645 0,0000 2 0,98795 111,433 0,0000 3 0,97527 166,886 0,0000 4 0,95973 221,681 0,0000 5 0,94144 275,506 0,0000 6 0,92044 328,051 0,0000 7 0,89595 378,919 0,0000 8 0,86745 427,663 0,0000 9 0,83555 473,914 0,0000 10 0,79981 517,280 0,0000 … … … … 20 0,32622 765,172 0,0000 A Função de Autocorrelação Parcial - FACP 1 2 • Considere o Processo AR(1): yt =ϕ0 + ϕ1yt-1 + εt • yt e yt-2 são correlacionados, mesmo que yt-2 não apareça na equação, da seguinte forma: yt =ϕ0 + ϕ1yt-1 + εt yt =ϕ0 + ϕ1(ϕ0 + ϕ1yt-2 + εt-1) + εt, yt =ϕ0 + ϕ1ϕ0 + ϕ1 2yt-2 + ϕ1εt-1 + εt, • Portanto, a correlação entre yt e yt-2 em um processo AR(1) é igual a correlação entre yt e yt-1 ao quadrado ( ρ21); A Função de Autocorrelação Parcial - FACP 1 3 • Esse tipo de correlação indireta está presente em qualquer processo autorregressivo; • Assim, a Função de Autocorrelação Parcial (FACP) entre yt e yt-s elimina os efeitos intermediários entre yt e yt-s+1; • Portanto, em um processo AR(1), a FACP entre yt e yt-2 é zero; • Uma maneira de calcular as FACPs é modelos autoregressivos em desvio (subtraindo a média), aumentando sucessivamente as defasagens; A Função de Autocorrelação Parcial - FACP 1 4 yt = ϕ11yt-1 + et yt = ϕ21yt-1 + ϕ22yt-2 + et yt = ϕ31yt-1 + ϕ32yt-2 + ϕ33yt-3 + et ... • Onde ϕ11, ϕ22, ϕ33, são, respectivamente, as FACP para s = 1, 2, 3; • Observe que ϕ11 é, ao mesmo tempo, FAC e FACP; • ϕ22 é a FACP tirando os efeitos intermediários de yt- 1; A Função de Autocorrelação Parcial - FACP 1 5 • Uma forma mais simples de calcular as FACPs, é através das equações de Yule-Walker (Box- Jenkins-Reinsel, 1994). ; • Para s =1, ϕss é igual a: ϕ11 = ρ1 • Para s = 2 ϕ22 = (ρ2 – ρ 2 1)/(1 – ρ 2 1) A Função de Autocorrelação Parcial - FACP 1 6 e O Intervalo de confiança para a FACP é igual a ± 1,96xN-0,5 Propriedade da FAC e da FACP 1 7Enders (2004)
Compartilhar