Uma Nota sobre Erros de Previsão da Inflação de Curto-Prazo
|
|
- Maria do Carmo Vanessa Penha Camarinho
- 7 Há anos
- Visualizações:
Transcrição
1 Uma Nota sobre Erros de Previsão da Inflação de Curto-Prazo Emanuel Kohlscheen Conteúdo: Palavras-chave: Códigos JEL: 1. Introdução; 2. Testando o Viés e a Racionalidade das Previsões; 3. Histerese das Expectativas; 4. Previsões Ajustadas; 5. Conclusões. Previsão; Expectativas racionais; Expectativas Adaptativas; Rigidez de informação; Inflação. E31; E37 Apesar de testes não rejeitarem as hipóteses de ausência de viés e racionalidade fraca nas previsões de inflação, existe um padrão de autocorrelação nos erros das previsões. Aumentos (diminuições) na taxa de inflação estão sistematicamente associados a sub-estimações (sobreestimações) da inflação no período seguinte. Os testes sugerem que os modelos em que observações passadas da inflação têm maior peso na composição de expectativas correntes (como modelos de expectativas adaptativas ou de rigidez de informação), têm melhor poder explicativo. Modelos que procurem explicar a formação de expectativas devem ser capazes de explicar estes fatos estilizados bem como a histerese nas projeções. This note shows that the unbiasedness and the weak rationality hypotheses are not rejected for inflation forecasts surveyed by the Central Bank. However, a clear pattern of auto-correlation of forecast errors is found. Furthermore, increases (decreases) in inflation are systematically associated with underestimations (overestimations) of inflation in the following month. This suggests that models in which past realizations of inflation have greater weight in the formation of expectations are more accurate than the assumption of rational expectations. Models aimed at explaining how expectations are formed should be able to explain these stylized facts as well as the hysteresis of forecasts. Agradeço a Adriana Soares Sales, Wagner Piazza Gaglianone e a um parecerista anônimo por seus comentários e sugestões. As opiniões expressas neste trabalho são exclusivamente do autor e não refletem, necessariamente, a visão do Banco Central do Brasil. Departamento de Estudos e Pesquisas, Banco Central do Brasil. Setor Bancário Sul, Quadra 3, Bloco B, Brasília-DF, Brasil. emanuel.kohlscheen@bcb.gov.br 289
2 Emanuel Kohlscheen 1. INTRODUÇÃO A teoria de expectativas racionais dita que, ao receber nova informação que afete o comportamento futuro de uma variável econômica, o agente econômico deve revisar de imediato todas as suas expectativas quanto à variação futura desta variável a fim de incorporar esta nova informação. Deste modo, quando não há barreiras à disseminação da informação, uma revisão das expectativas de inflação para cima deveria necessariamente estar associada à chegada de informação (negativa) nova que ainda era desconhecida pelos agentes econômicos quando a estimativa anterior foi feita. A observação casual nos permite inferir que o modelo de expectativas racionais com informação completa tem dificuldades de explicar certos comportamentos das expectativas de inflação divulgadas pelo Banco Central. Considere, por exemplo, o fato de que o Relatório de Mercado do último dia 21 de maio (de 2010) registrou o décimo oitavo aumento semanal consecutivo da expectativa mediana de inflação para Em um cenário de inflação estável, onde existisse igual probabilidade de notícias positivas e negativas, a probabilidade de uma seqüência destas ocorrer em um período de 18 semanas qualquer é de apenas 0,00038% (isto é, aproximadamente uma vez a cada anos). 1 Configuram-se então duas alternativas: ou o modelo de expectativas racionais com informação completa é inadequado para descrever o contexto em questão, ou o período atual constitui um ciclo de aceleração da inflação sem precedentes. Como veremos que não há evidências de mudança no regime da inflação no período analisado, este estudo examina a formação de expectativas por parte dos agentes econômicos. Como mostraremos, embora as hipóteses de ausência de viés e racionalidade fraca das expectativas não são rejeitadas, encontramos um claro padrão de auto-correlação nos erros de previsão que são difíceis de serem explicados num contexto de expectativas racionais ou mesmo de rigidez de informação à la Mankiw e Reis. 2. TESTANDO O VIÉS E A RACIONALIDADE DAS PREVISÕES Começamos testando a inexistência de viés e a racionalidade das previsões que compõem a amostra utilizada para a divulgação semanal das estatísticas no boletim Focus, do Banco Central do Brasil. A fim de se testar a hipótese de que os agentes econômicos que participam da pesquisa não cometem erros sistemáticos em suas projeções consideram-se aqui as projeções de variação mensal do Índice Nacional de Preços ao Consumidor Amplo (IPCA) feitas um mês antes da data de divulgação do dado. Ressalte-se que o survey do Banco Central utilizado para tal teste apresenta algumas vantagens consideráveis sobre equivalentes encontrados em outros países. Por exemplo, o tradicional Michigan survey nos Estados Unidos coleta expectativas de inflação sem sequer especificar o índice de inflação ao participante Testes para a Amostra Completa Como de praxe, as equações estimadas para se testar o viés e a racionalidade das expectativas relatadas no Focus foram, respectivamente, e π t E[π t I t 1 ] = α 0 + η t (1) π t = β 0 + β 1 E[π t I t 1 ] + ε t, (2) 1 Alternativamente, a probabilidade de que uma série histórica de 100 observações mensais como a que utilizamos neste estudo contenha uma seqüência de 18 altas semanais consecutivas é de 1 em 612. Note que, para chegar a estes números, ignoramos a possibilidade de que a expectativa de inflação não varie. Se levássemos esta possibilidade em conta, as probabilidades seriam ainda menores. 290
3 Uma Nota sobre Erros de Previsão da Inflação de Curto-Prazo onde π t corresponde à inflação mensal, I t 1 representa o universo de informações disponíveis no instante em que a previsão é feita (isto é, em t 1) e E representa o operador que diz respeito às expectativas. A estimação da primeira equação visa verificar a ausência de um viés sistemático e significativo nas projeções, enquanto na segunda equação a forma fraca da racionalidade é verificada ao se testar a hipótese nula de que β 0 = 0 e β 1 = 1. As estimativas foram feitas para o período de janeiro de 2002 a abril de 2010 (ou seja, empregando 100 observações mensais). 2 Tabela 1: Testes de Viés e de Racionalidade das Expectativas α 0 Mediana 0,070 (0,050) β 0 β 1 X 2 valorp Mediana -0,134 1,435 2,80 0,247 (0,107) (0,290) Nota: Os desvios-padrão foram corrigidos utilizando-se a metodologia de Newey e West (1987). *** indica significância estatística ao nível de confiança de 1%. A Tabela 1 mostra que a expectativa mediana do IPCA mensal tipicamente sub-estima a inflação mensal em 7 pontos-base. Este viés, no entanto, não é estatisticamente significativo quando utilizamos desvios-padrão que são robustos à heteroscedasticidade e auto-correlação, conforme sugerido por Newey e West (1987). Em função da grande magnitude dos desvios-padrão corrigidos, o teste de Wald não nos permite rejeitar a hipótese da racionalidade fraca da mediana das expectativas: a estatística χ 2 é igual a 2,80, estando associada a um valor p de 0, Persistência dos Erros de Previsão A não-rejeição da versão fraca da racionalidade pelo teste de viés, no entanto, deve ser considerada com cautela. A Tabela 2 a seguir mostra que os erros de previsão apresentam auto-correlação bastante forte e persistente o que parece inconsistente com a hipótese de expectativas racionais com informação completa. A coluna l(3) mostra a estatística obtida do teste de Cumby e Huizinga (1992), que tem distribuição χ 2 (3). As estatísticas claramente indicam a rejeição da hipótese nula de que a primeira até a terceira auto-correlação dos erros de previsão são zero. Poder-se-ia contra-argumentar que um dos motivos pelo qual os agentes parecem estar cometendo erros sistemáticos e previsíveis é que o período de teste inclui a crise de confiança de A metade inferior da tabela, no entanto, descarta esta hipótese, mostrando que a auto-correlação continua presente mesmo quando a primeira metade da série histórica é descartada. A sugestão aqui é de que as expectativas não são eficientes, uma vez que a informação relevante sobre os erros de estimativas anteriores aparentemente é ignorada. Em outras palavras, a versão forte da racionalidade é claramente rejeitada. De fato, as correlações positivas na tabela indicam que aumentos (diminuições) na taxa de inflação estão sistematicamente associados a sub-estimações (sobre-) da 2 O período analisado neste estudo inicia-se em 2002 porque a série histórica das projeções das instituições Top 5 (ranking de curto prazo) se inicia somente no final de
4 Emanuel Kohlscheen Tabela 2: Características dos Erros de Previsão Mediana da Amostra correlação dos erros de previsão com x t na defasagem s desde janeiro de 2002 (100 observações) x t s = 1 s = 2 s = 3 l(3) π t E[π t I t 1 ] 0,576 0,308 0,197 33,30 π t 0,300 0,134 0,057 desde março de 2006 (50 últimas observações) x t s = 1 s = 2 s = 3 l(3) π t E[π t I t 1 ] 0,403 0,182 0,018 8,77 π t 0,172 0,108-0,018 Nota: A estatística l(3) é o resultado do teste em que a hipótese nula sustenta que a primeira até a terceira auto-correlação dos erros de previsão é zero. e indicam significância estatística no nível de confiança de 1% e 5%, respectivamente. inflação no período seguinte. Este padrão pode ser verificado também no gráfico a seguir, que mostra a média móvel da surpresa inflacionária, π t E[π t I t 1 ], bem como a aceleração média da inflação - definida como a diferença entre a inflação média nos 3 últimos meses em relação aos 3 meses imediatamente anteriores. Como se vê, episódios de aceleração de inflação tendem a estar associados a surpresas inflacionárias. Vale lembrar aqui que Evans e Wachtel (1993) levantaram a possibilidade de que erros de previsão podem ser persistentes mesmo sob expectativas racionais desde que agentes antecipem uma possível mudança no regime de inflação. Esta explicação para a forte auto-correlação nos erros de previsão, no entanto, não nos parece ser satisfatória para o caso em questão, porque - diferentemente do que seria predito pelo modelo de Evans e Wachtel não encontramos evidência de um viés significativo nas previsões no período recente. Para as 50 observações mais recentes (isto é, março de 2006 a abril de 2010), a hipótese nula de que α 0 = 0 na equação (1) claramente não pode ser rejeitada (valor p de 0,45). Além disso, os gráficos no Anexo do trabalho para discussão que precedeu este artigo (Kohlscheen, 2010) mostram que os testes de estabilidade dos resíduos de Brown et alii (1975) também rejeitam a hipótese de instabilidade dos coeficientes no período recente Testes para as Instituições Top 5 Uma vez que a análise anterior apresentou evidências que contrariam a hipótese da racionalidade das expectativas nas projeções de curto prazo, poderíamos testar se a hipótese da racionalidade é válida ao menos para um subgrupo da amostra. Vale aqui lembrar que a teoria da rigidez de informação (RI) proposta em Mankiw e Reis (2002) e em Mankiw et alii (2004) sugere que um dos motivos pelo qual expectativas podem não parecer racionais é que apenas uma fração dos agentes econômicos atualiza suas projeções em um dado momento. Deste modo, apenas as expectativas dos agentes que atualizam suas projeções num dado instante se conformariam à teoria de expectativas racionais com informação completa. A fim de testar se a teoria de RI apresenta maior poder explicativo, repetimos os testes acima 292
5 Uma Nota sobre Erros de Previsão da Inflação de Curto-Prazo Figura 1: Surpresas Inflacionárias e Aceleração da Inflação 0,60 0,40 0,20 0, ,20-0,40-0,60 MM 3 meses da surpresa inflacionária Aceleração trimestral utilizando apenas as projeções das instituições classificadas como Top 5. 3 Nossa expectativa é de que, se os melhores economistas-chefe atualizam suas informações e projeções de forma mais freqüente do que os economistas das demais instituições e, se a teoria de Mankiw e Reis estiver correta, observaremos maior consistência das projeções das instituições Top 5 com a teoria de expectativas racionais. As tabelas 3 e 4 mostram os resultados destes testes. Tabela 3: Testes de Viés e Racionalidade das Expectativas Instituições Top 5 α 0 Mediana 0,048 (0,043) β 0 β 1 X 2 valorp Mediana -0,092 1,286 2,51 0,285 (0,070) (0,183) Nota: Os desvios-padrão foram corrigidos utilizando-se a metodologia de Newey e West (1987). *** indica significância estatística ao nível de confiança de 1%. 3 O ranking utilizado aqui foi o de curto prazo mensal. 293
6 Emanuel Kohlscheen Como pode-se ver, a restrição da amostra às instituições Top 5 de fato aproxima os parâmetros estimados dos valores que seriam os condizentes com a racionalidade das expectativas (isto é α 0 = 0, β 0 = 0 e β 1 = 1). No entanto, a Tabela 4 mostra que a forte correlação dos erros de previsão continua sendo uma característica tanto da amostra completa quanto do período mais recente. Novamente encontram-se evidências que parecem ir contra a hipótese de racionalidade das expectativas. Tabela 4: Características dos Erros de Previsão Instituições Top 5 correlação dos erros de previsão com x t na defasagem s desde janeiro de 2002 (100 observações) x t s = 1 s = 2 s = 3 l(3) π t E[π t I t 1 ] 0,526 0,234 0,210 29,32 π t 0,288 0,072 0,056 desde março de 2006 (50 últimas observações) x t s = 1 s = 2 s = 3 l(3) π t E[π t I t 1 ] 0,423 0,101 0,086 11,04 π t 0,226 0,026 0,028 Nota: A estatística l(3) é o resultado do teste em que a hipótese nula sustenta que a primeira até a terceira auto-correlação dos erros de previsão é zero. e indicam significância estatística no nível de confiança de 1% e 5%, respectivamente. 3. HISTERESE DAS EXPECTATIVAS Uma vez que a seção anterior sugere a presença de erros sistemáticos nas projeções, cabe investigar o padrão das revisões dessas em maior detalhe. A Figura 2 mostra as distribuições de freqüência tanto da variação da inflação como da variação da projeção mediana do IPCA. As distribuições de freqüência evidenciam o fato de que as variações da projeção têm magnitude consideravelmente menor que as variações da taxa de inflação observada: em 75% das observações, a variação absoluta da projeção é inferior a 15 pontos-base, enquanto que a variação da inflação mensal fica abaixo deste limiar em somente 43% dos casos. Enquanto a aceleração absoluta da inflação tem uma média de 22,6 pontos base (e variância de 5,5 p.b.), a variação absoluta média da projeção é de apenas 11,6 pontos-base (variância de 1,4 p.b.). A histerese das expectativas é confirmada também pelo fato de que a variação absoluta das expectativas excedeu a variação absoluta da inflação em apenas 28% das observações. Ressalte-se que este padrão de sub-estimação das variações não é de forma alguma peculiar ao caso brasileiro, sendo também encontrado, por exemplo, no Survey of Professional Forecasters nos Estados Unidos (vide trabalhos de Nordhaus (1987), Evans e Wachtel (1993) e Henzel (2008)). 294
7 Uma Nota sobre Erros de Previsão da Inflação de Curto-Prazo Figura 2: Distribuições de Frequência 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0-0,4-0,3-0,2-0,1 0,0 0,1 0,2 0,3 0,4 Variação da inflação Variação da projeção 295
8 Emanuel Kohlscheen 4. PREVISÕES AJUSTADAS A observação de que, como mostramos na Seção 2, erros de previsão estão fortemente correlacionados com erros subseqüentes abre a possibilidade de melhorias no desempenho preditivo. Em outras palavras, podemos tirar proveito do fato de que os erros dos agentes econômicos são previsíveis e persistentes, ajustando as previsões relatadas no Focus de modo a levar em consideração erros de previsão passados. A tabela 5 mostra que tanto o erro absoluto médio (MAE) quanto a raiz do erro médio quadrático (RMSE) são reduzidos quando a título de exemplo - utilizamos a regra de previsão E ajustada [π t+1 I t ] = 1,11 E med [π t+1 I t ] + 0,55 (π t E med [π t I t 1 ]) 0,02 Os coeficientes para este ajuste das previsões foram obtidos pela regressão da inflação ocorrida contra os regressores do lado direito da expressão acima, utilizando-nos de dados até dezembro de 2007, sem re-estimação posterior. A estatística t para o termo erro de previsão no mês anterior foi de 4,77, sugerindo que tal erro é de fato altamente significativo para a previsão de inflação. 4 Tabela 5: Erro Absoluto Médio e Raiz do EMQ das Previsões de Inflação projeção MAE RMSE univariada com AR(1) 0,1921 0,2207 previsões de dezembro de 2007 mediana do FOCUS 0,1311 0,1631 previsão ajustada 0,1246 0,1484 Nota: Estatísticas computadas para o período de avaliação de 01/2008 a 04/ CONCLUSÕES Do que foi exposto acima, conclui-se que um modelo de formação de expectativas que vise explicar as projeções de inflação no Brasil deve necessariamente ser capaz de explicar os seguintes fatos estilizados: i) o padrão de auto-correlação nos erros de previsão; ii) a correlação entre aumentos na taxa de inflação e sub-estimações subsequentes da inflação, e, iii) a histerese nas projeções. Em função disto, os modelos em que observações passadas da inflação têm maior peso na composição de expectativas médias correntes (como o modelo de expectativas adaptativas ou o modelo de rigidez de informação), parecem mais adequados do que a suposição de expectativas racionais. À primeira vista os resultados encontrados aqui parecem estar relativamente alinhados com os encontrados por Guillén (2008) que também rejeita a hipótese de expectativas racionais. No entanto, a rejeição da hipótese de expectativas racionais para o grupo das instituições Top 5 em algumas amostras sugere cuidado na aplicação direta do modelo de rigidez de informação de Mankiw e Reis ao contexto 4 O R2 ajustado da regressão foi de 0,677, contra 0,567 quando o erro de previsão do período anterior foi ignorado. 296
9 Uma Nota sobre Erros de Previsão da Inflação de Curto-Prazo brasileiro. Mesmo que esse modelo seja naturalmente atrativo pela sua capacidade de explicar porque o impacto máximo de mudanças na política monetária ocorre com defasagem de vários meses. A validação do modelo de rigidez de informação deve necessariamente estar condicionada à validação da hipótese de que ao menos os agentes que revisam suas expectativas o fazem de forma racional. Não nos foi possível obter tal confirmação aqui. Além disto, a suposição de que uma instituição leva vários meses para atualizar suas informações também nos parece inadequada para o conjunto de profissionais que participam da pesquisa do Banco Central, já que estes tendem a acompanhar os indicadores macroeconômicos continuamente. O modelo de rigidez de informação freqüentemente é apresentado como alternativa mais simples aos modelos de bounded rationality. As considerações acima sugerem que infelizmente a simplicidade pode estar vindo acompanhada da imprecisão. BIBLIOGRAFIA Brown, R., Durbin, J., & Evans, J. (1975). Techniques for testing the constancy of regression relationships over time. Journal of the Royal Statistical Society, 37(2): Cumby, R. & Huizinga, J. (1992). Testing the autocorrelation structure of disturbances in ordinary least squares and instrumental variables regressions. Econometrica, 60(1): Evans, M. & Wachtel, P. (1993). Inflation regimes and the sources of inflation uncertainty. Journal of Money, Credit and Banking, 25(3): Guillén, D. (2008). Expectativas de inflação no Brasil: Racionais, adaptativas ou sticky information. Seminário DIMAC 295, Ipea. Henzel, S. (2008). Learning trend inflation Can signal extraction explain survey forecasts? Munich, Ifo Institute for Economic Research. Kohlscheen, E. (2010). Uma nota sobre erros de previsão da inflação de curto-prazo. Banco Central do Brasil. Working paper, 227. Mankiw, N. & Reis, R. (2002). Sticky information vs. sticky prices: A proposal to replace the new keynesian phillips curve. Quarterly Journal of Economics, 117(4): Mankiw, N., Reis, R., & Wolfers, J. (2004). Disagreement about inflation expectations. Working Paper 9796, NBER. Newey, W. & West, K. (1987). A simple, positive semi-definite, heteroskedasticity and autocorrelation consistent covariance matrix. Econometrica, 55(3): Nordhaus, W. D. (1987). Forecast efficiency: Concepts and applications. Review of Economics and Statistics, 69(4):
Uma Breve Análise de Medidas Alternativas à Mediana na Pesquisa de Expectativas de Inflação do Banco Central do Brasil *
Uma Breve Análise de Medidas Alternativas à Mediana na Pesquisa de Expectativas de Inflação do Banco Central do Brasil * Fabia A. de Carvalho Banco Central do Brasil Resumo Essa nota apresenta uma breve
ipea O DESEMPENHO DO MERCADO (FOCUS) E DO BACEN NA PREVISÃO DA INFLAÇÃO: COMPARAÇÕES COM MODELOS LINEARES UNIVARIADOS 1. INTRODUÇÃO 2.
O DESEMPENHO DO MERCADO (FOCUS) E DO BACEN NA PREVISÃO DA INFLAÇÃO: COMPARAÇÕES COM MODELOS LINEARES UNIVARIADOS Elcyon Caiado Rocha Lima Brisne J. Vasquez Céspedes 1. INTRODUÇÃO A capacidade do Banco
Gabarito da 1 a Lista de Exercícios de Econometria II
Gabarito da 1 a Lista de Exercícios de Econometria II Professor: Rogério Silva Mattos Monitor: Delano H. A. Cortez Questão 1 Considerando que o modelo verdadeiro inicialmente seja o seguinte: C = a + 2Y
4 Rigidez de Preços versus Rigidez de Inflação no Brasil
4 Rigidez de Preços versus Rigidez de Inflação no Brasil 4.1 Introdução Por que processos de desinflação são custosos? Modelos novo-keynesianos com rigidez de preços e expectativas racionais, apesar de
2 Estimação de uma Curva de Demanda Agregada para o Brasil
2 Estimação de uma Curva de Demanda Agregada para o Brasil Neste capítulo, identificamos e estimamos uma equação de demanda agregada com dados brasileiros. Nos próximos capítulos, utilizamos esta relação
ECONOMETRIA I. I (12 valores)
Faculdade de Economia Universidade Nova de Lisboa ECONOMETRIA I Exame de 2ª Época 26 de Janeiro de 2005 Duração: 2 horas I (12 valores) ATENÇÃO: Para as 10 primeiras questões deste grupo existem 4 opções
UMA ANÁLISE ECONOMÉTRICA DO ICMS *
UMA ANÁLISE ECONOMÉTRICA DO ICMS * Carlos Eduardo S. Marino ** * Trabalho de conclusão da disciplina de Econometria I, ministrada pelos professores Ivan Castelar e Vitor Monteiro, realizada no primeiro
2 Conteúdo Informacional da Estrutura a Termo da Taxa de Juros no Brasil
2 Conteúdo Informacional da Estrutura a Termo da Taxa de Juros no Brasil No Brasil, o conteúdo informacional da curva de juros é ainda um assunto muito pouco explorado. O objetivo desta seção é explorar
Testes de Raiz Unitária para Dados em Painel
Aula 7 Bibliografia: Stata, 2017. help xtunitroot. From Stata/SE 13 (accessed on Oct. 23, 2018). Pesaran, M.H. (2015). Time series and panel data econometrics. Oxford: Oxford University Press. Rafael S.
Segundo Trabalho de Econometria 2009
Segundo Trabalho de Econometria 2009 1.. Estimando o modelo por Mínimos Quadrados obtemos: Date: 06/03/09 Time: 14:35 Sample: 1995Q1 2008Q4 Included observations: 56 C 0.781089 0.799772 0.97664 0.3332
Renda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
FICHA DE COMPONENTE CURRICULAR
UNIVERSIDADE FEDERAL DE UBERLÂNDIA PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO FICHA DE COMPONENTE CURRICULAR CÓDIGO: FAGEN41037 COMPONENTE CURRICULAR: Tópicos Especiais IV em Gestão Organizacional e Regionalidade
5 Metodologia e Resultados 5.1. Metodologia
5 Metodologia e Resultados 5.1. Metodologia Realizamos estimações utilizando o modelo de efeitos fixos para dados em painel. A escolha do modelo econométrico a seguirmos decorre das hipóteses que desejarmos
Revisão dos Modelos de Vetores Autorregressivos com Fundamentação Econômica 2012
Revisão dos Modelos de Vetores Autorregressivos com Fundamentação Econômica 2012 No amplo conjunto de modelos utilizados pelo Banco Central para projetar a inflação, encontram-se, entre outros, os modelos
CONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Econometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Formação de Expectativas de Inflação no Brasil
Formação de Expectativas de Inflação no Brasil Adriana Dias, Sidne Martins Caetano 2, Carlos Henrique Osório Silva 3 (Orientador) Universidade Federal de Viçosa/Departamento de Estatística, adriana.dias@ufv.br
Análise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
i j i i Y X X X i j 1 i 2 i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
REGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Econometria - Lista 6
Econometria - Lista 6 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 A curva de Phillips desempenha um papel fundamental na
Econometria Semestre
Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO INSTITUTO DE ECONOMIA
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO INSTITUTO DE ECONOMIA DIVERGÊNCIA NAS EXPECTATIVAS DE INFLAÇÃO UMA ANÁLISE EMPÍRICA SOBRE A FORMAÇÃO DAS EXPECTATIVAS DE INFLAÇÃO NO BRASIL PARA O PERÍODO DE JAN/2002
4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Economia Monetária Regras x Discricionariedade
Economia Monetária Regras x Discricionariedade Prof. Dra. Roseli da Silva roselisilva@fearp.usp.br Expectativas Racionais A hipótese das expectativas racionais envolve três afirmações: as informações são
3 Metodologia. resenha de VAN DIJK et al. (2002). 12 Para uma exposição extensiva do uso do modelo STR aplicado a séries macroeconômicas, ver a
3 Metodologia Como explicado acima, o modelo novo-keynesiano não fornece bases teóricas que motivem a existência de não-linearidades na CPNKH. Por isso, optamos por utilizar uma estratégia empírica flexível
Séries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciatura em Economia E C O N O M E T R I A II (LEC310) NOTAS PRÉVIAS: Exame Final Época Normal 9 de Junho de 2006 1. A primeira parte da prova tem duração de 75 minutos
AULA 11 Heteroscedasticidade
1 AULA 11 Heteroscedasticidade Ernesto F. L. Amaral 30 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Análise sobre a formação de expectativas de inflação no Relatório de Mercado no período de 2001 a 2009
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO INSTITUTO DE ECONOMIA MONOGRAFIA DE BACHARELADO Análise sobre a formação de expectativas de inflação no Relatório de Mercado no período de 2001 a 2009 SUZANA CABRAL
Inferência estatística
Inferência estatística Susana Barbosa Mestrado em Ciências Geofísicas 2013-2014 Inferência estatística Obtenção de conclusões sobre propriedades da população a partir das propriedades de uma amostra aleatória
Modelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
PREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH
VI Simpósio de Pesquisa dos Cafés do Brasil PREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH Alan Figueiredo de Arêdes 1 ; Matheus Wemerson Gomes Pereira ; Erly Cardo
Regressão linear múltipla. Regressão linear múltipla
Regressão linear múltipla 35 R 2 = 61% Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M. Pagano e Gravreau e Geraldo
Notas de Aulas Econometria I ** Eduardo P. Ribeiro, 2010 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 00 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ε t- + υ t, onde υ t é ruído
CONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Módulo 16- Análise de Regressão
Módulo 6 Análise de Regressão Módulo 6- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de moeda
Fernanda Magalhães Rumenos Guardado. Estudo sobre a IS Intertemporal na Economia Brasileira
Fernanda Magalhães Rumenos Guardado Estudo sobre a IS Intertemporal na Economia Brasileira Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título de Mestre pelo
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente
4. ANÁLISE DOS RESULTADOS DA PESQUISA
68 4. ANÁLISE DOS RESULTADOS DA PESQUISA Conforme já comentado, este estudo visa analisar a relação entre o EVA e o retorno das ações no mercado acionário brasileiro, através da aplicação de dois modelos
i j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
INTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
REGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
CORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Testes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Heterogeneity in Monthly Inflation Expectations in Brazil: Evidence with Aggregate Data from the Focus Survey
Department of Economics - FEA/USP Heterogeneity in Monthly Inflation Expectations in Brazil: Evidence with Aggregate Data from the Focus Survey ROBERTO MEURER GILBERTO TADEU LIMA WORKING PAPER SERIES Nº
PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES
PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES 2.1 DEFINIÇÃO DO MODELO DE REGRESSÃO SIMPLES Duas variáveis: y e x Análise explicar y em termos de x
A INÉRCIA DA TAXA DE JUROS NA POLÍTICA
A INÉRCIA DA TAXA DE JUROS NA POLÍTICA MONETÁRIA Fernando de Holanda Barbosa 1 1. INTRODUÇÃO Um fato estilizado no comportamento dos bancos centrais na condução da política monetária consiste no ajuste
Correlação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Análise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007
Projeções de Séries S Temporais Econometria dos Mercados Financeiros Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007 Objetivo do curso
Estimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios. Wooldridge, Cápítulo 15
Estimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios Wooldridge, Cápítulo 5 Variáveis Instrumentais () 2 Variáveis Instrumentais Considere o seguinte modelo de regressão linear múltipla
Correlação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Ensaios sobre a formação de expectativas de inflação
Diogo Abry Guillén Ensaios sobre a formação de expectativas de inflação Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título de Mestre pelo Programa de Pós- Graduação
3 Dados e metodologia
3 Dados e metodologia 3.1 Apresentação de Dados Para a realização dessa pesquisa foram utilizados os dados da série histórica dos preços da soja (em grão) do Estado do Paraná, obtidos da base de dados
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
variável dependente natureza dicotômica ou binária independentes, tanto podem ser categóricas ou não estimar a probabilidade associada à ocorrência
REGRESSÃO LOGÍSTICA É uma técnica recomendada para situações em que a variável dependente é de natureza dicotômica ou binária. Quanto às independentes, tanto podem ser categóricas ou não. A regressão logística
Aula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Waldyr Dutra Areosa. Dinâmica da inflação no Brasil: o caso de uma pequena economia aberta DISSERTAÇÃO DE MESTRADO
Waldyr Dutra Areosa Dinâmica da inflação no Brasil: o caso de uma pequena economia aberta DISSERTAÇÃO DE MESTRADO DEPARTAMENTO DE ECONOMIA Programa de Pós graduação em Economia Rio de Janeiro Março de
Modelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Gabarito Trabalho 2. Variable Coefficient Std. Error t-statistic Prob.
Gabarito Trabalho 2 1. Estimando o modelo Date: 06/10/10 Time: 04:00 Sample: 2003M01 2008M01 Included observations: 70 C -2.046423 5.356816-0.382022 0.7038 LN_IPC_BR 2.041714 1.150204 1.775089 0.0811 LN_IPC_AR
Capítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV
69 'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV O presente capítulo objetiva entender o comportamento das séries de retorno financeiras para as carteiras de investimento elaboradas no capítulo anterior. Tal análise
Modelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Regressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Econometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Análise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
AULA 13 Análise de Regressão Múltipla: MQO Assimptótico
1 AULA 13 Análise de Regressão Múltipla: MQO Assimptótico Ernesto F. L. Amaral 15 de abril de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução
Comparando equações de regressão em dados de saúde
Comparando equações de regressão em dados de saúde Terezinha Aparecida Guedes*, Ivan Ludgero Ivanqui e Ana Beatriz Tozzo Martins Departamento de Estatística, Universidade Estadual de Maringá, Av Colombo,
Recessões e recuperações na atividade econômica: mesmo efeito sobre a criminalidade?
Recessões e recuperações na atividade econômica: mesmo efeito sobre a criminalidade? Ari Francisco de Araujo Junior * Cláudio Djissey Shikida ** RESUMO - Evidências sobre a economia do crime mostram que
Esse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Exercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Modelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
PROJEÇÃO DO ÍNDICE FIPEZAP NOTAS METODOLÓGICAS SÃO PAULO
PROJEÇÃO DO ÍNDICE FIPEZAP NOTAS METODOLÓGICAS SÃO PAULO SETEMBRO/2015 ÍNDICE FIPEZAP E SUA PROJEÇÃO Nesse documento buscaremos explicar os detalhes metodológicos da construção do modelo de projeção do
Instituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época de Recurso 2/Julho/2013 Duração 2 horas
Instituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época de Recurso 2/Julho/2013 Duração 2 horas NOME: Processo Espaço Reservado para Classificações A utilização do telemóvel
Estatística II Licenciatura em Gestão TESTE I
Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para a
Homocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Capítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
2 Credibilidade da Política Monetária e Prêmio de Risco Inflacionário
2 Credibilidade da Política Monetária e Prêmio de Risco Inflacionário 2.1. Introdução O reconhecimento da importância das expectativas de inflação em determinar a inflação corrente tem motivado a adoção
Análise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
_ Desviopadrão
53 5. Resultados Os resultados serão apresentados separadamente para cada um dos quatro casos em estudo, correspondentes à combinação entre dois tipos de cobertura e dois sexos. 5.1. Cobertura por Morte
Mais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
ANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
Análise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Disciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
O capital humano nos municípios paranaenses: uma análise com regressões quantílicas
O capital humano nos municípios paranaenses: uma análise com regressões quantílicas Kassya Christina Keppe Luciano Nakabashi RESUMO O presente trabalho trata-se do capital humano como um dos fatores determinantes
7 Testes de Robustez. 7.1 Efeito sobre os alunos não beneficiados
7 Testes de Robustez Como os resultados anteriores não foram obtidos a partir de um experimento controlado, eles devem ser interpretados com bastante cautela. Esta seção submete estes resultados a uma
AJUSTE DE UM MODELO DE SÉRIES TEMPORAIS PARA PREVISÃO DA TEMPERATURA MÍNIMA DO AR PARA LAVRAS/MG EM 2011
AJUSTE DE UM MODELO DE SÉRIES TEMPORAIS PARA PREVISÃO DA TEMPERATURA MÍNIMA DO AR PARA LAVRAS/MG EM 2011 LUIZ G. CARVALHO 1, CAMILA C. ALVARENGA 2 DANIELA C. RODRIGUES 3 1 Eng. Agrícola, Prof. Adjunto,
9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
AULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
5 Teste de causalidade de Granger e previsões out-of-sample
5 Teste de causalidade de Granger e previsões out-of-sample 5.1. Previsibilidade In-Sample 5.1.1. nominal A partir dos resultados do capítulo anterior, estimaremos um modelo em primeira diferença, assim
Testes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável
CAUSALIDADE MOEDA-PREÇOS NA ÁREA DO EURO*
(b) Artigos CAUSALIDADE MOEDA-PREÇOS NA ÁREA DO EURO* Carlos Robalo Marques** Joaquim Pina** 1. INTRODUÇÃO Este estudo tem por objectivo verificar se a moeda é um indicador avançado da inflação na área
Estimativas e Erros. Propagação de erros e Ajuste de funções
Estimativas e Erros Propagação de erros e Ajuste de funções 1 Algumas referências Estimativas e Erros em Experimentos de Física - Vitor Oguri et al (EdUERJ) Fundamentos da Teoria de Erros - José Henrique
Carta de Conjuntura do Setor de Seguros
Carta de Conjuntura do Setor de Seguros Número 5, Agosto/2014 www.ratingdeseguros.com.br 1 Objetivo: O objetivo desta é ser uma avaliação mensal desse segmento e seus setores relacionados (resseguro, capitalização,
MODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013
MODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013 Maria José CharfuelanVillarreal Universidade Federal do ABC OBJETIVO Identificar
7 Velocidade de ajustamento da cotação ao fluxo de ordem
63 7 Velocidade de ajustamento da cotação ao fluxo de ordem Algumas das hipóteses subjacentes ao modelo apresentado no Capítulo 4 são: i) os preços podem se ajustar livremente e de forma descontínua para
FATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997
Economia e Desenvolvimento, nº 11, março/2000 Artigo Acadêmico FATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997 Zenir Adornes da Silva * Resumo: Neste artigo, analisa-se a influência