Aula 6. Modelo de Correção de Erros Vetorial. Wilson Correa. August 23, Wilson Correa August 23, / 16
|
|
- Diogo Lagos
- 5 Há anos
- Visualizações:
Transcrição
1 Aula 6 Modelo de Correção de Erros Vetorial Wilson Correa August 23, 2017 Wilson Correa August 23, / 16
2 Equações Simultâneas e Modelos VAR/VEC Frequentemente o interesse em economia é centrado na representação de modelos de equações simultâneas tais como: B 0 Y t + B 1 Y t 1 = C 0 Z t + C 1 Z t 1 + Υq t + ε t (1) onde: B 0 é a matriz k k de coeficientes de todas as variáveis endógenas, B 1 é a matriz de coeficientes das variáveis defasadas, C 0 é a matriz das variáveis não modeladas em tempo corrente e C 1 daquelas não modeladas defasadas, q t é o vetor de termos determinísticos com sua respectiva matriz de coeficientes Υ e por fim ε i.i.d(0, Ω) A condição B 0 0 é necessária para podermos assegurar que o sistema de equações possui tantas equações independentes quantas variáveis endógenas. Wilson Correa August 23, / 16
3 Equações Simultâneas e Modelos VAR/VEC Se consideramos a forma reduzida do modelo em (1) tal que Y t é expresso como uma função dos parâmetros, variáveis não modeladas e variáveis defasadas temos: Y t = B 1 0 B 1Y t 1 + B 1 0 C 0Z t + B 1 0 C 1Z t 1 + B 1 0 Υq t + B 1 0 ε t Y t = Φ 1 Y t 1 + Γ 0 Z t + Γ 1 Z t 1 + Ξq t + u t (2) A equação (2) pode ser considerada um modelo VAR em que um conjunto de variáveis representadas pelo vetor Z t são não modeladas. Wilson Correa August 23, / 16
4 Tendência Estocástica e Representação M.A. Modelos VAR Modelos VAR irrestritos podem ser reparametrizados sem impor restrições nos parâmetros estimados sem alterar portanto o valor da função de Máxima Verosimilhança. O modelo de Correção de Erros de Equiĺıbrio Vetorial (VECM) é uma reformulação do VAR em termos de diferenças da variável e o nível do processo. 1 Efeitos de Multicolinearidade tipicamente presentes em séries de tempo são reduzidos quando o modelo é especificado em diferenças 2 Toda a informação de longo prazo é sumarizada na matriz de nível. 3 A interpretação das estimativas dos parâmetros é mais intuitiva pois os coeficientes podem ser classificados entre efeitos de longo e curto prazos. Wilson Correa August 23, / 16
5 Tendência Estocástica e Representação M.A. Modelos VAR Considerem inicialmente um modelo VAR(p) irrestrito: X t = A 1 X t A p X t p + ΞD t + ε t (3) O modelo VAR na equação (3) pode ser reparametrizado em termos de um modelo VECM tal que: X t = Γ 1 X t Γ p 1 X t p+1 + ΠX t 1 + ΞD t + ε t (4) onde: Π = (I A 1 A 2... A p ) e Γ 1 = A p Se a combinação linear das variáveis em X t define uma variável estacionária então todos os componentes em cada uma das equações onde esta combinação é signficativa são formulados em termos de um modelo estacionário. Wilson Correa August 23, / 16
6 Tendência Estocástica e Representação M.A. Modelos VAR Se o VAR contém uma raiz unitária então a formulação em termos do polinômio A(L) não é inversível. Contudo é possível encontrar uma formulação de média móvel tal que: Val. Inic. Tend. Det. t {}}{{}}{ X t = C ε i + Cµt + C (L)ε t + X 0 C (L)ε 0 (5) }{{} i=1 }{{} Comp. Estoc.Est. Tend. Est. Estamos interessados em encontrar uma combinação linear da matriz Π = αβ que anule a tendência estocástica na representação de média móvel. Assumam que X t I (1), então X t I (0) Wilson Correa August 23, / 16
7 Tendência Estocástica e Representação MA Modelos VAR Lembrem-se que o rank/posto de uma matriz é igual ao maior número de colunas/linhas desta matriz que são linearmente independentes. De maneira mais formal sejam x 1,..., x n vetores (k 1). Dizemos que estes vetores são linearmente independentes se para as constantes: c 1 x c n x n = 0 = c 1 =... = c n = 0 (6) Se c 1 x c n x n = 0 com pelo menos um c i 0, então dizemos que x 1,..., x n são linearmente dependentes. Logo se uma matriz tem rank reduzido r então existem k r colunas, em que k é o número de colunas na matriz, que são linearmente dependentes, ou seja podem ser escritas como uma combinação linear das outras. Wilson Correa August 23, / 16
8 Tendência Estocástica e Representação MA Modelos VAR Se a matriz Π possui rank (r) cheio então cada equação definiria que uma variável estacionária X t seria igual a uma variável não estacionária X t 1 mais variáveis estacionárias à diferenças e um termo de erro estacionário. Π não pode ser de rank cheio. Se for de rank cheio, considere neste caso Π = I k por exemplo. Podemos concluir que X t deve ser estacionário, caso contrário o modelo estaria desbalanceado. Se r = 0 então todas as colunas de Π são linearmente dependentes e existem k variáveis não estacionárias e o modelo deve ser considerado em diferenças. Se o rank 0 < r < k existem k r variáveis que são não estacionárias. Neste caso Π pode ser decomposta em Π = αβ onde α e β são matrizes k r, r k tal que β X t 1 é um vetor com relações de cointegração estacionárias. Wilson Correa August 23, / 16
9 Tendência Estocástica e Representação MA Modelos VAR A interpretação não é de que o equiĺıbrio vai ser satisfeito no longo prazo quando t e sim de que existe uma posição de equiĺıbrio a cada ponto no tempo onde desvios desse equiĺıbrio são estacionários. Vetores de cointegração podem ser interpretados como desvios estacionários de uma relação de longo prazo de steady state. Essa não é a única interpretação possível. Campbell e Shiller (1987, p.508) mostram que uma variável (taxa de juros de longo prazo) reflete as expectativas racionais de agentes sobre o futuro de uma outra variável (taxa de juros de curto prazo) a qual segue um processo integrado. Os autores mostram formalmente que cointegração pode ser resultado de agentes fazendo previsões sob a hipótese de expectativas racionais. Wilson Correa August 23, / 16
10 Componentes Determinísticos no Modelo VAR Cointegrado Considerem como ilustração o seguinte VECM: X t = α [ ] β β 0 β 1 Cinco casos possíveis X t 1 1 t + γ 0 + γ 1 t + ε t (7) 1 Modelo sem Componentes Determinísticos a Intercepto de cada relação de cointegração é zero. b Somente é factível de ser especificado se excepcionalmente os valores iniciais de X 0 sejam zero. c Em geral a constante é necessária para englobar níveis iniciais de X t Wilson Correa August 23, / 16
11 Componentes Determinísticos no Modelo VAR Cointegrado 2 γ 0 = 0 e β 0 0 a Termo constante restrito ao vetor de cointegração. b Não há tendência linear nos dados E( X t ) = 0 c Média do equiĺıbrio no vetor diferente de zero. 3 β 1 = 0, β 0, γ 0 0 e γ 1 = 0 irrestrito no VAR a Tendência linear nas variáveis em nível mas não no VAR em diferenças. b E( X t ) = γ 0 0 o que implica um intercepto diferente de zero no vetor de cointegração. 4 γ 1 = 0 e γ 0, β 0, β 1 0 a Tendência restrita a aparecer somente no vetor de C.I., mas constante irrestrita: γ 0 e β 0 b Modelo com variáveis que são estacionárias em torno de uma tendência. c Tendência linear nas variáveis em nível. Wilson Correa August 23, / 16
12 Componentes Determinísticos no Modelo VAR Cointegrado 5 Sem Restrições a Tendência e constante irrestritos no modelo b Tendência linear para X t. c Tendência quadrática para X t. d Procurar causas para crescimento quadrático no nível e incluir variáveis que possam explicar esse comportamento. Se os dados apresentam tendência linear a melhor especificação é iniciar com constante irrestrita e tendência restrita ao vetor de cointegração a menos que existam razões para supor que a tendência se cancela no vetor de CI. Uma vez determinado o númrero de vetores de cointegração testar se β 1 = 0 Se não existe tendência linear nos dados iniciar com constante restrita ao vetor de cointegração a menos que as relações de cointegração possam ser assumidas ter média zero. Wilson Correa August 23, / 16
13 Determinação do Rank Matriz Π Se os dados mostram evidências de uma mudança no nível de X t, o que implica um pulso em X t, incluir uma dummy irrestrita de pulso nas equações e uma dummy de mudança de nível restrita ao vetor de CI. Teste do Traço 1 H(k) Rank = k ou seja sem raízes unitárias longo X t é estacionária. 2 H(r) Rank = r ou seja existem k r raízes unitárias e r relações de cointegração e X t é não estacionária. Lógica de Teste do rank da matriz Π: { Rejeito H 0 Máximo 1 vetor CI r = 0 Não Rejeito H 0 k raízes unitárias (8) Wilson Correa August 23, / 16
14 Determinação do Rank da Matriz Π { Rejeito H 0 Máximo 2 vetores CI r = 1 Não Rejeito H 0 1 vetor CI { Rejeito H 0 Máximo 3 vetores CI r = 2 Não Rejeito H 0 2 vetores CI { Rejeito H 0 Rank cheio r = k 1 Não Rejeito H 0 k-1 vetores CI (9) (10) (11) Distribuição do teste é simulada e depende dos termos determinísticos no VAR. A distribuição assintótica se modifica dependendo se a tendência e a constante são restritas ao vetor de cointegração ou são irrestritas. Logo a correta especificação dos componentes determinísticos do VAR é crucial para a inferência do rank Wilson Correa August 23, / 16
15 Determinação do Rank da Matriz Π Quando dummies de intervenção são inseridas os resultados das simulações para as distribuições assimétricas são severamente afetados. O teste do traço sofre de problemas no poder do teste para pequenas amostras se a hipótese alternativa está próxima de uma raiz unitária. Utilizar a correção de Bartlett para pequenas amostras Utilizar informação adicional: 1 Se o r + 1-ésimo vetor de cointegração é não estacionário e for incluído no modelo errôneamente, então a maior raiz característica da matriz companion estará próxima do círculo unitário. 2 Se os coeficientes t da matriz α para o r + 1-ésimo vetor de cointegração são menores do que 2.6 então não existem ganhos substanciais em incluir esse vetor no modelo. Wilson Correa August 23, / 16
16 Determinação do Rank da Matriz Π 3 Se o gráfico da relação de cointegração que é supostamente estacionária apresenta comportamento não estacionário então deve-se rever a escolha de r. 4 Interpretação econômica dos dados: Para k = 5 e r = 3, por exemplo, temos 2 tendências estocásticas nos dados... A Matriz Π = αβ pode ser transformada por uma matríz não-singular inversível Q r r tal que Π = αqq 1 β = α β onde α = αq e β = βq 1. Logo a matriz Π não é unicamente determinada a menos que restrições sejam impostas. Wilson Correa August 23, / 16
Séries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 12
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 12 Regressão com Variáveis Não-Estacionárias Considere três processos estocásticos definidos pelas seguintes
Leia maisSéries 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
Leia maisUNIVERSIDADE FEDERAL DE JUIZ DE FORA FACULDADE DE ECONOMIA ÍNDICE IBOVESPA: UMA ANÁLISE ECONOMÉTRICA. Leonardo Maia Coelho. Lucas Cavalcanti Rodrigues
UNIVERSIDADE FEDERAL DE JUIZ DE FORA FACULDADE DE ECONOMIA ÍNDICE IBOVESPA: UMA ANÁLISE ECONOMÉTRICA Leonardo Maia Coelho Lucas Cavalcanti Rodrigues Marina Oliveira Belarmino de Almeida Priscila Medeiros
Leia maisAula 4. Wilson Correa. August 5, 2015
Aula 4 Raíz Unitária e Cointegração Wilson Correa August 5, 2015 Introdução e Implicações Não estacionariedade possui possivelmente diversas origens em economia como resultado do progresso tecnológico
Leia maisAula 25 - Espaços Vetoriais
Espaço Vetorial: Aula 25 - Espaços Vetoriais Seja V um conjunto não vazio de objetos com duas operações definidas: 1. Uma adição que associa a cada par de objetos u, v em V um único objeto u + v, denominado
Leia maisEconometria 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:
Leia maisIntrodução a Modelos VAR
Introdução a Modelos VAR Henrique Dantas Neder - Professor Associado Universidade Federal de Uberlândia July 24, 2014 Um VAR é um modelo no qual K variáveis são especicadas como funções lineares de p de
Leia maisModelo 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
Leia maisExercícios sobre Espaços Vetoriais II
Exercícios sobre Espaços Vetoriais II Prof.: Alonso Sepúlveda Castellanos Sala 1F 104 1. Seja V um espaço vetorial não trivial sobre um corpo infinito. Mostre que V contém infinitos elementos. 2. Sejam
Leia maisNome: Número: Espaço reservado para classificações
Instituto Superior de Economia e Gestão Universidade de Lisboa Licenciaturas em Economia e em Finanças Econometria - Época Normal - 07/01/2015 Duração 2 horas Nome: Número: Notas: A utilização do telemóvel
Leia maisInstituto 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
Leia maisMestrado 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
Leia mais3 Especificação Estatística da Dispersão dos Modos de Polarização em Cabos de Fibra Óptica
em Enlaces Ópticos 0 3 Especificação Estatística da Dispersão dos Modos de Polarização em Cabos de Fibra Óptica Teoria básica da especificação estatística da dispersão dos modos de polarização em cabos
Leia maisEconometria. Econometria: Paradigma. Porque usar econometria? Porque usar econometria?
Econometria: Paradigma Econometria 1. O Paradigma da Econometria 19/8 Fundamentos teóricos Microeconometria e macroeconometria Modelagem comportamental: otimização, oferta de trabalho, equações de demanda,
Leia maisNota de Aula: Uma Primeira Forma para se Desenvolver o Teste de F para Hipóteses sobre Combinações Linear dos Coeficientes da Regressão
Nota de Aula: Uma Primeira Forma para se Desenvolver o Teste de F para Hipóteses sobre Combinações Linear dos Coeficientes da Regressão Nós já vimos as propriedades de MQO sob as hipótese do BLUE e, quando
Leia maisEconometria 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.
Leia mais4 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:
Leia maisAnálise 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
Leia maisAnálise 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
Leia maisSistemas de Equações Diferenciais Lineares
Capítulo 9 Sistemas de Equações Diferenciais Lineares Agora, estamos interessados em estudar sistemas de equações diferenciais lineares de primeira ordem: Definição 36. Um sistema da linear da forma x
Leia maisEconometria. Econometria MQO MQO. Resíduos. Resíduos MQO. 1. Exemplo da técnica MQO. 2. Hipóteses do Modelo de RLM. 3.
3. Ajuste do Modelo 4. Modelo Restrito Resíduos Resíduos 1 M = I- X(X X) -1 X Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia mais= + + = = Este sistema é semelhante ao anterior mas o atraso do sistema é agora de 2 amostras. Pretende-se determinar o controlo de variância mínima.
38 Controlo de variância mínima: Exemplo 2 Considere-se o processo modelado por σ [ ] Este sistema é semelhante ao anterior mas o atraso do sistema é agora de 2 amostras. Pretende-se determinar o controlo
Leia maisECONOMETRIA EXERCÍCIOS DO CAPÍTULO 6
ECONOMETRIA EXERCÍCIOS DO CAPÍTULO 6 1. Exercício C18.13 i) a iv) de W. 2. Exercício C18.2 de W. 3. (Exercício 9 do exame de ER de 25/6/2010.) Com dados anuais de 1952 a 2009, pretendese analisar as propriedades
Leia maisÁlgebra Linear I - Aula Matriz de uma transformação linear em uma base. Exemplo e motivação
Álgebra Linear I - Aula 19 1. Matriz de uma transformação linear em uma base. Exemplo e motivação 2. Matriz de uma transformação linear T na base β 1 Matriz de uma transformação linear em uma base. Exemplo
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 7
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 7 O Modelo Estrutural Identificação Seja z t = (z 1t,...,z mt ) R m um vetor composto das variáveis de interesse.
Leia maisAnálise 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
Leia maisNeste capítulo apresentam-se os modelos STVAR-Tree, o principal da dissertação, além dos modelos competidores PAR(p) e Neuro-Fuzzy.
4 Metodologia 4.1. Introdução Neste capítulo apresentam-se os modelos STVAR-Tree, o principal da dissertação, além dos modelos competidores PAR(p) e Neuro-Fuzzy. 4.2. Modelo STVAR-Tree O modelo vetorial
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Definição
Leia maisINFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE
INFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE A análise de deviance é uma generalização, para modelos lineares generalizados, da análise de variância. No caso de modelos lineares, utiliza-se
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisNotas de Aulas Econometria I ** Eduardo P. Ribeiro, 2011 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 0 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ρ ε t- + υ t, onde υ t é ruído
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 8
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 8 Variáveis Não-Modeladas Condição de Ordem e Condição de Posto Estimação O Modelo Estrutural Seja z t =
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 4
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 4 O Processo Média-Móvel Muitas vezes, a estrutura auto-regressiva não é suficiente para descrever totalmente
Leia maisMarkov Switching Models. Profa. Airlane Alencar. Depto de Estatística - IME-USP. lane. Ref: Kim e Nelson (1999) e Hamilton (1990)
Markov Switching Models Profa. Airlane Alencar Depto de Estatística - IME-USP www.ime.usp.br/ lane Ref: Kim e Nelson (1999) e Hamilton (1990) 1 Objetivo Mudança nos parâmetros de um modelo de regressão
Leia maisMAT Álgebra Linear para Engenharia II
MAT2458 - Álgebra Linear para Engenharia II Prova de Recuperação - 05/02/2014 Nome: Professor: NUSP: Turma: INSTRUÇÕES (1) A prova tem início às 7:30 e duração de 2 horas. (2) Não é permitido deixar a
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 6
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 6 O Teorema de Wold O Teorema de Wold Lei dos Grandes Números Teorema Central do Limite -M O Teorema de Wold
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia mais4 Mecanismo gerador dos dados, quebras estruturais e cointegração
4 Mecanismo gerador dos dados, quebras estruturais e cointegração 4.1. Mecanismo gerador de dados Eis alguns fatos destacados na literatura: A teoria da PPC prevê que a taxa de câmbio real deve convergir
Leia mais1. Estudo do pêndulo
Objectivos odelizar um pêndulo invertido rígido de comprimento e massa, supondo uma entrada de binário. Simular em computador. entar estabilizar o pêndulo em ciclo aberto por manipulação directa do binário.
Leia maisMAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de T ( p(x) ) = p(x + 1) p(x), (a) 8, (b) 5, (c) 0, (d) 3, (e) 4.
MAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de 218 Q1. Considere a transformação linear T : P 3 (R) P 2 (R), dada por T ( p(x) ) = p(x + 1) p(x), para todo p(x) P 3 (R), e seja A
Leia maisAula 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
Leia maisNotas 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
Leia maisEconometria - 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
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisPARTE 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
Leia maisCointegração fracionária em séries financeiras. Victor Sakimoto Shie DISSERTAÇÃO APRESENTADA INSTITUTO DE MATEMÁTICA E ESTATÍSTICA
Cointegração fracionária em séries financeiras Victor Sakimoto Shie DISSERTAÇÃO APRESENTADA AO INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DA UNIVERSIDADE DE SÃO PAULO PARA OBTENÇÃO DO TÍTULO DE MESTRE EM CIÊNCIAS
Leia maisFACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP. Lista 7 - Econometria I
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP São Paulo - Nov/2017 Lista 7 - Econometria I Professora: Paula Pereda EAE0324 Monitores: Bernardo Ostrovski e Igor Barreto ALUNO: ATENÇÃO: A
Leia maisP4 de Álgebra Linear I
P4 de Álgebra Linear I 2008.2 Data: 28 de Novembro de 2008. Gabarito. 1) (Enunciado da prova tipo A) a) Considere o plano π: x + 2 y + z = 0. Determine a equação cartesiana de um plano ρ tal que a distância
Leia maisAULA 1 - Modelos determinísticos vs Probabiĺısticos
AULA 1 - Modelos determinísticos vs Probabiĺısticos Susan Schommer Econometria I - IE/UFRJ O que é Econometria? Aplicação de métodos estatísticos e matemáticos para analisar os dados econômicos, com o
Leia maisEconometria 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
Leia maisEconometria II. Equações simultâneas
Eco monitoria Leandro Anazawa Econometria II Este não é um resumo extensivo. O intuito deste resumo é de servir como guia para os seus estudos. Procure desenvolver as contas e passos apresentados em sala
Leia maisNotas de Aula Álgebra Linear II IFA Prof. Paulo Goldfeld Versão
Notas de Aula Álgebra Linear II IFA 2007.1 Prof. Paulo Goldfeld Versão 2007.03.29 1 2 Contents 2 Espaços Vetoriais 5 2.1 Espaços e Subespaços....................... 5 2.2 Independência Linear.......................
Leia maisM l u t l i t c i oli l n i e n arid i a d de
Multicolinearidade 1 Multicolinearidade Quando existem relação linear exata entre as variáveis independentes será impossível calcular os estimadores de MQO. O procedimento MQO utilizado para estimação
Leia mais6 MÉTODO DE ELEMENTOS FINITOS - MEF
6 MÉTODO DE ELEMENTOS FINITOS - MEF O Método de Elementos Finitos é uma técnica de discretização de um problema descrito na Formulação Fraca, na qual o domínio é aproximado por um conjunto de subdomínios
Leia maisModelos de Regressão
Renato Martins Assunção DCC - UFMG 2015 Renato Martins Assunção (DCC - UFMG) 2015 1 / 19 Exemplo de preço de apto Y = y 1 y 2 y 1499 y 1500 b 0 1 1 1 1 + b 1 área 1 área 2 área 1499 área 1500 + b 2 idade
Leia maisAnálise 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
Leia maisEquação Geral do Segundo Grau em R 2
8 Equação Geral do Segundo Grau em R Sumário 8.1 Introdução....................... 8. Autovalores e autovetores de uma matriz real 8.3 Rotação dos Eixos Coordenados........... 5 8.4 Formas Quadráticas..................
Leia maisFUNDAÇÃO GETÚLIO VARGAS ESCOLA DE PÓS-GRADUAÇÃO EM ECONOMIA MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL
FUNDAÇÃO GETÚLIO VARGAS ESCOLA DE PÓS-GRADUAÇÃO EM ECONOMIA MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL PREVENDO INFLAÇÃO USANDO SÉRIES TEMPORAIS E COMBINAÇÕES DE PREVISÕES Anderson Alencar de Araripe
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 2.2 Gabarito ) Considere a matriz 4 N = 4. 4 Observe que os vetores (,, ) e (,, ) são dois autovetores de N. a) Determine uma forma diagonal D de N. b) Determine uma matriz P tal
Leia mais17.1 multiplicidade de um ponto da curva
Aula 17 multiplicidades de interseção (Anterior: C é fecho algébrico de R ) Voltamos ao estudo de curvas planas O assunto agora diz respeito à compreensão das multiplicidades O exemplo modelo bem conhecido
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Espaços Vetoriais Reais
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 4 Espaços Vetoriais Reais Definição de espaço vetorial real [4 01] O conjunto
Leia maisQuiz Econometria I versão 1
Obs: muitos itens foram retirados da ANPEC. Quiz Econometria I versão 1 V ou F? QUESTÃO 1 É dada a seguinte função de produção para determinada indústria: ln(y i )=β 0 + β 1 ln( L i )+β 2 ln( K i )+u i,
Leia maisFUNDAMENTOS DE SISTEMAS LINEARES PARTE 1
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisLista de exercícios 7 Independência Linear.
Universidade Federal do Paraná semestre 6. Algebra Linear Olivier Brahic Lista de exercícios 7 Independência Linear. Exercício : Determine se os seguintes vetores são linearmente independentes em R : (
Leia mais(x 1, y 1 ) (x 2, y 2 ) = (x 1 x 2, y 1 y 2 ); e α (x, y) = (x α, y α ), α R.
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2457 Álgebra Linear para Engenharia I Terceira Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Considere as retas
Leia maisEconometria - Lista 5
Econometria - Lista 5 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 Utilizando a base de dados disponível em TEMCOPROD.wtf1,
Leia maisG4 de Álgebra Linear I
G4 de Álgebra Linear I 20122 Gabarito 7 de Dezembro de 2012 1 Considere a transformação linear T : R 3 R 3 definida por: T ( v = ( v (1, 1, 2 (0, 1, 1 a Determine a matriz [T ] ε da transformação linear
Leia maisÁlgebra Linear I - Aula 11. Roteiro. 1 Dependência e independência linear de vetores
Álgebra Linear I - Aula 11 1. Dependência e independência linear. 2. Bases. 3. Coordenadas. 4. Bases de R 3 e produto misto. Roteiro 1 Dependência e independência linear de vetores Definição 1 (Dependência
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisMulticolinariedade e Autocorrelação
Multicolinariedade e Autocorrelação Introdução Em regressão múltipla, se não existe relação linear entre as variáveis preditoras, as variáveis são ortogonais. Na maioria das aplicações os regressores não
Leia maisEstimação 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
Leia maisP4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
Leia maisECONOMETRIA AVANÇADA Prova Intermediária - 09/04/2015
ECONOMETRIA AVANÇADA Prova Intermediária - 09/04/2015 Solução Questão I (2,0 pontos): Para o modelo y t = 0, 7y t 1 + ɛ t, com ruído branco ɛ t (0, 1), (a) (0,5) Obtenha a previsão h-passos a frente, ŷ
Leia maisDeterminantes da Demanda de Óleo Diesel no Brasil. Niágara Rodrigues UFF Luciano Losekann UFF Getúlio Borges UFRJ
Determinantes da Demanda de Óleo Diesel no Brasil Niágara Rodrigues UFF Luciano Losekann UFF Getúlio Borges UFRJ Gramado Setembro de 2016 ESTRUTURA Introdução Objetivo Metodologia Resultados Conclusões
Leia maisn. 35 AUTOVALORES e AUTOVETORES ou VALORES e VETORES PRÓPRIOS ou VALORES CARACTERÍSTICOS e VETORES CARACTERÍSTICOS
n. 35 AUTOVALORES e AUTOVETORES ou VALORES e VETORES PRÓPRIOS ou VALORES CARACTERÍSTICOS e VETORES CARACTERÍSTICOS Aplicações: estudo de vibrações, dinâmica populacional, estudos referentes à Genética,
Leia maisMAE125 Álgebra Linear /1 Turmas EQN/QIN
MAE25 Álgebra Linear 2 205/ Turmas EQN/QIN Planejamento (última revisão: 0 de junho de 205) Os exercícios correspondentes a cada aula serão cobrados oralmente na semana seguinte à aula e valem nota Todas
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática
UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática 1 a Lista - MAT 17 - Introdução à Álgebra Linear II/2005 1 Considere as matrizes A, B, C, D e E com respectivas ordens,
Leia mais2 Modelos em Espaço de Estado Lineares: Formulação Geral
2 Modelos em Espaço de Estado Lineares: Formulação Geral 2.1 Definição Geral de um Modelo Linear Apresenta-se uma definição de modelos em EE lineares que seja a mais geral e flexível possível, e que segue
Leia maisMODELOS ECONOMÉTRICOS PARA DADOS DE ALTA- FREQUENCIA: TEORIA E APLICAÇÕES
MODELOS ECONOMÉTRICOS PARA DADOS DE ALTA- FREQUENCIA: TEORIA E APLICAÇÕES Aluno: Thiago Portugal Frotté Orientador: Marcelo Cunha Medeiros Introdução Atualmente a previsão de eventos econômicos está em
Leia maisIntroduzir os conceitos de base e dimensão de um espaço vetorial. distinguir entre espaços vetoriais de dimensão fnita e infinita;
META Introduzir os conceitos de base e dimensão de um espaço vetorial. OBJETIVOS Ao fim da aula os alunos deverão ser capazes de: distinguir entre espaços vetoriais de dimensão fnita e infinita; determinar
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 13 04/2014 Sistemas de Equações Lineares Parte 3 MÉTODOS ITERATIVOS Cálculo Numérico 3/44 MOTIVAÇÃO Os métodos iterativos
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Não Linear Aula 7: Programação Não-Linear - Funções de Várias variáveis Vector Gradiente; Matriz Hessiana; Conveidade de Funções e de Conjuntos; Condições óptimas de funções irrestritas; Método
Leia maisÁlgebra Linear /2 Turma EM1 (unificada)
Álgebra Linear 2 2013/2 Turma EM1 (unificada) Planejamento preliminar (última revisão: 3/4/2013) Os exercícios correspondentes a cada aula serão discutidos na aula seguinte e não valem nota Este planejamento
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia mais1 Auto vetores e autovalores
Auto vetores e autovalores Os autovalores de uma matriz de uma matriz n n são os n números que resumem as propriedades essenciais daquela matriz. Como esses n números realmente caracterizam a matriz sendo
Leia mais(e) apenas as afirmações (II) e (III) são verdadeiras.
Nas questões da prova em que está fixado um sistema de coordenadas Σ = (O, E, quando for necessário, considera-se que E é uma base ortonormal positiva. 1Q 1. Seja V um espaço vetorial e x 1, x 2,, x q,
Leia maisVariáveis Dummy. y = b 0 + b 1 x 1 + b 2 x b k x k + u. Econometria II - Prof. Ricardo Freguglia
Variáveis Dummy y = b 0 + b 1 x 1 + b 2 x 2 +... b k x k + u 1 VARIÁVEIS DUMMY Variável dummy: variável que assume os valores 1 ou 0 Exemplos: masculino (= 1 se masculino, 0 caso contrário), sul (= 1 se
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisO resultado abaixo é local, por praticidade o enunciamos em todo o espaço. Escrevamos R n+m =R n R m ={(x,y) x R n e y R m }.
CÁLCULO III - MAT 216 - IFUSP- Primeiro Semestre de 2014 Professor Oswaldo Rio Branco de Oliveira http://wwwimeuspbr/~oliveira MULTIPLICADORES DE LAGRANGE EM VÁRIAS VARIÁVEIS Definição SejaM umamatrizemm
Leia maisMODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS
MODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS 1 Diversas distribuições podem ser consideradas para a modelagem de dados positivos com distribuição contínua e assimétrica, como, por exemplo, as
Leia maisGabarito e resolução da prova de seleção PPGE FURG Estatística
Gabarito e resolução da prova de seleção PPGE FURG 2019. Questão 1) Resposta: letra c) i. (FALSO) Estatística Variáveis de interação sempre podem ser incluídas mos modelos de regressão, se isso não gerar
Leia maisRegressão múltipla: Unidades de medida. Unidades de medida. Unidades de medida salário em dólares (*1000) Unidades de medida
Efeitos da dimensão dos dados nas estatísticas MQO Regressão múltipla: y = β 0 + β x + β x +... β k x k + u Alterando a escala de y levará a uma correspondente alteração na escala dos coeficientes e dos
Leia maisPaulo Jorge Silveira Ferreira. Princípios de Econometria
Paulo Jorge Silveira Ferreira Princípios de Econometria FICHA TÉCNICA TÍTULO: Princípios de Econometria AUTOR: Paulo Ferreira ISBN: 978-84-9916-654-4 DEPÓSITO LEGAL: M-15833-2010 IDIOMA: Português EDITOR:
Leia mais5. Seja A uma matriz qualquer. Assinale a afirmativa
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno, Gregório, Luiz Carlos, Mario, Milton, Monique e Umberto Data: 12 de julho de 2013 Terceira Prova 1. Considere no espaço
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia mais