Series temporais

CENTRO DE CIÊNCIAS SOCIAS APLICADAS
DEPARTAMENTO DE ECONOMIA

SÉRIES TEMPORAIS

Introdução

Para se trabalhar com séries temporais é importante que as variáveis sejam estacionárias ou passíveis de sua estacionariedade. Essa característica é fundamental para previsão do futuro com base na regressão de séries temporais, solidificando a premissa de que o futuro se comportará de acordo com o passado. Identificaremos agora a presença ou não de estacionariedade da série de dados utilizadas, adicionando ao comando o teste graph7 pibmund ano, para inciarmos a analise da estacionaridade.

[pic]

[pic]

A análise desse gráfico pode identificar se a série é estacionária ou não, com a verificação da presença de tendência ou alteração na variância.
[pic]

O comando apresentado acima nos mostra corrgram pibmund, onde confirmamos uma serie estacionaria.

[pic]

[pic]

Com base no Teste de D.F. aumentado, onde exibe uma raiz unitária Esta por fim, Rejeita Ho, onde rejeita a hipótese de não estacionaridade, onde Valor calculado>Valor crítico.

[pic]

O Valor Crítico, tanto de 1% quanto de 5%, são menores que o valor calculado, na qual rejeita a hipótese de não estacionaria, o que significa dizer que é estacionária.

[pic]

Identificaremos agora a presença ou não de estacionariedade da série dedados utilizadas, pois a metodologia ARIMA só pode ser aplicada em série de dados estacionárias.

[pic][pic]

Analisando o modelo acima, a melhor alternativa para estimar é aquele de menor valor, assim AIC=154,5652 e BIC= 160,1788, sendo o AIC o modelo correto. Para confirmação da estacionariedade da série após a aplicação da 1°diferença, prosseguiremos com a análise das funções de autocorrelações (FAC) e as funções de autocorrelações parciais (FACP). O comportamento dessas funções indicam qual modelo a ser usado, bem como