Baixe o app para aproveitar ainda mais
Prévia do material em texto
ECONOMETRIA DE SÉRIES TEMPORAIS AULA 6 – TESTE PARA RAIZ UNITÁRIA Prof, Ricardo Chaves Lima 1 O TESTE DICKEY-FULLER 2 • O modelo AR(1), do tipo, yt = a1yt-1 + εt , é considerado estacionário se -1 < a < 1. Da mesma forma, se a = 1, o processo contem uma raiz unitária (RU); • O objetivo do teste Dickey-Fuller é testar estatisticamente a ocorrência de RU em uma processo estocástíco • Subtraindo-se yt-1 dos dois lados da equação acima, pode- se reescrever o modelo da seguinte forma: Δyt = γyt-1 + εt • Considerando que γ =(a1 – 1), testar a hipótese a = 1 é a mesma coisa que testar a hipótese γ = 0; • Dickey and Fuller (1979) apresenta três diferentes equações de regressão para testar a ocorrência de raiz unitária: i) modelo sem intercepto e sem tendência, ii) modelo com intercepto e iii) modelo com intercepto e com tendência; Enders, 2004 O TESTE DICKEY-FULLER 3 • Modelos para o teste DF: Δyt = γyt-1 + εt (1) Δyt = a0 + γyt-1 + εt (2) Δyt = a0 + γyt-1 + a2t εt (3) • O primeiro modelo é um passeio aleatório, o segundo é um passeio aleatório com drift e o terceiro inclui drift e tendência linear; • O parâmetro de interesse em todos os modelos é γ. Se γ = 0, a série yt contem raiz unitária; • O teste consiste em estimar as equações acima por Mínimos Quadrados Ordinários (MQO), com o objetivo de obter estimativas de γ e do desvio padrão correspondente; O TESTE DICKEY-FULLER 4 • Em experimentos usando simulação de Monte Carlo, Dickey e Fuller encontraram que os valores críticos para testar γ = 0 depende da forma funcional da regressão e do tamanho da amostra; • Dickey e Fuller, portanto, propõem a distribuição τ para testar a hipótese de RU (γ = 0); • A tabela 01, produzida por Dickey e Fuller, trás um valor crítico de τ para cada um dos modelos (1, 2 e 3) e tamanhos diferentes de amostra; • O teste Dickey-Fuller (DF) é válido quando o erro é ruído branco. Caso contrário pode incluir uma memória autoregressiva para se obter um melhor ajuste, como mostrado nas equações 4, 5 e 6. É o teste Dickey-Fuller aumentado (ADF); • Os valores críticos de τ não mudam com o teste ADF; Tabela 01 Valores Críticos para Teste Dickey-Fuller 5 O TESTE DICKEY-FULLER 6 • Modelos para o teste ADF: • A diferença entre os modelos 4, 5 e 6 é a ocorrência de intercepto e tendência determinística; • Testar a hipótese de γ = 0 é a mesma coisa que testar a hipótese de a1 = 1; • Assim, as hipótese H0 e H1 podem ser resumidas da seguinte forma: O TESTE DICKEY-FULLER 7 Hipóteses a1 γ Raiz Unitária (H0) a1 = 1 γ = 0 Estacionariedade (H1) |a1| < 1 γ < 0 Rejeita H0 τcalculado < τcrítico • O teste, portanto, é unicaudal do lado esquerdo (negativo) da distribuição τ; H0H1 τcrítico Tabela 02 – Hipóteses para o Teste τ O TESTE DICKEY-FULLER 8 • Dickey e Fuller produziram três testes adicionais baseados em estatística F (ϕ1, ϕ2 e ϕ3) para testar hipóteses conjunta sobre os coeficientes de (4), (5) e (6). • As estatísticas ϕ1, ϕ2 e ϕ3 são construídas exatamente da mesma forma que a estatística F: • Onde: SQR = é a soma dos quadrados dos resíduos para os modelos restrito e irrestrito, r = número de restrições, T = número de observações utilizáveis, k = número de parâmetros estimáveis no modelo irrestrito. O TESTE DICKEY-FULLER 9 • Dickey e Fuller produziram três testes adicionais baseados em estatística F (ϕ1, ϕ2 e ϕ3) para testar hipóteses conjunta sobre os coeficientes de (4), (5) e (6). Seja, Modelo Hipótese Teste Estatístico Valores Críticos para 95% e 99% (4) γ = 0 Τ -1,95 e -2,60 (5) γ = 0 a0 = γ = 0 τμ ϕ1 -2,89 e -3,51 4,71 e 6,70 (6) γ = 0 γ = a2 = 0 a0 = γ = a2 = 0 ττ ϕ3 ϕ2 -3,45 e -4,04 6,49 e 8,73 4.88 e 6,50 Tabela 03 – Hipóteses para os teste τ e ϕi ∆𝑦𝑡 = 𝑎0 + 𝛾𝑦𝑡−1 + 𝑎2𝑡 + 𝛽𝑖 𝑃 𝑖=2 ∆𝑦𝑡−𝑖+1 + 𝜀𝑡 O Teste DICKEY-FULLER: Exemplo no R 1 0 # install package vars # e=emplyment;prod=labor prductivity;rw=real wage; U=unempoyment data("Canada"); Canada summary(Canada) plot.ts(Canada) e = Canada[,1]; e # UR test in variable "e" # type= none(no intercept or trend), drift (with an intercept) # or trend(both an intercept and a trend is added) URe<- ur.df(e, type = c("drift"), lags = 4, selectlags = c("BIC")) summary(URe) O Teste DICKEY-FULLER: Exemplo no R (resultado) 1 1 ############################################### # Augmented Dickey-Fuller Test Unit Root Test # ############################################### Test regression trend Call: lm(formula = z.diff ~ z.lag.1 + 1 + tt + z.diff.lag) Residuals: Min 1Q Median 3Q Max -0.80473 -0.26636 0.00519 0.24207 0.81554 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 48.805529 17.208507 2.836 0.00587 ** z.lag.1 -0.052544 0.018530 -2.836 0.00588 ** tt 0.021093 0.006961 3.030 0.00335 ** z.diff.lag 0.735247 0.075628 9.722 6.38e-15 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.3881 on 75 degrees of freedom Multiple R-squared: 0.5764, Adjusted R-squared: 0.5594 F-statistic: 34.01 on 3 and 75 DF, p-value: 5.5e-14 Value of test-statistic is: -2.8356 4.3332 4.6282 Critical values for test statistics: 1pct 5pct 10pct tau3 -4.04 -3.45 -3.15 phi2 6.50 4.88 4.16 phi3 8.73 6.49 5.47 Resultado: • -2.8356 > -3.45 (não rejeita a hipótese H0 de R.U.); • 4.3332 < 4.88 (não rejeita a H0 de γ = a2 = 0 ); • 4.6282 < 6.49 (não rejeita a H0 de a0 = γ = a2 = 0 ). Conclusão: série tem R.U. sem intercepto e sem tendência. O Teste KPSS 1 2 • Enquanto o teste ADF é um teste para Raiz Unitária (Ho é a hipótese de RU), o test KPSS é um teste de estacionariedade; isto é, H0 é uma hipótese de estacionariedade; • Ou seja, no KPSS as hipóteses são: ✓ H0: yt é estacionária em torno de uma tendência determinística, ✓ H1: yt é um processo não estacionário com raiz unitária • Os valores críticos para a estatística KPSS são obtidos por simulação semelhante aos da distribuição “tau” do teste ADF; • Ver: Kwiatkowski, D., Phillips, P.C.B., Schmidt, P. and Shin, Y., (1992), Testing the Null Hypothesis of Stationarity Against the Alternative of a Unit Root: How Sure Are We That Economic Time Series Have a Unit Root?, Journal of Econometrics, 54, 159– 178. O Teste KPSS - exemplo no R 1 3 # install package vars # e=emplyment;prod=labor prductivity;rw=real wage; U=unempoyment data("Canada"); Canada summary(Canada) plot.ts(Canada) e = Canada[,1]; e # KPSS kpssAC <- ur.kpss(e, type="tau") summary(kpssAC) ####################### # KPSS Unit Root Test # ####################### Test is of type: tau with 3 lags. Value of test-statistic is: 0.1684 Critical value for a significance level of: 10pct 5pct 2.5pct 1pct critical values 0.119 0.146 0.176 0.216 Conclusão: 0.1684 (calculado) > 0.146 (crítico) - Rejeita H0 e, portanto, a série é um processo não estacionário com raiz unitária.
Compartilhar