Econometria - 3 - Séries temporais

glenerdourado
Mind Map by , created about 6 years ago

Master Econometria Mind Map on Econometria - 3 - Séries temporais, created by glenerdourado on 09/25/2013.

236
1
0
Tags
glenerdourado
Created by glenerdourado about 6 years ago
Econometria - 1
DBCONCURSEIRO DBCONCURSEIRO
Econometria - 2
glenerdourado
Dúvidas
glenerdourado
PSYA1 - attachment, AQA psychology
Tess W
Macbeth Quotes/Themes
Michael LEwis
Econometria
Euler RA
Econometria - 1
glenerdourado
Estatística
Euler RA
Econometria - 1
Fabiano Costa
Econometria - 1
rai thales
Econometria - 3 - Séries temporais
1 1.1 Modelos de Decomposição
1.1 a)Tendência
1.1.1 b) Sazonalidade (ciclo e sazonalidade)

Annotations:

  • Olhem o gráfico lá em cima! Ciclo é fácil entender, certo? No fundo, é como a variável costuma “flutuar” de forma sistemática, ao longo de qualquer período de tempo! E sazonalidade? Vocês já ouviram falar que todo fim de ano o comércio vende mais? Então, isso é sazonalidade! Na verdade é o movimento da variável que já é esperado para determinados períodos de um ano.
1.1.1.1 c) Erro
1.1.1.2 Tratada com dummies
1.2 Modelos
1.2.1 Aditivo
1.2.1.1 Multiplicativo
2 1.2 Modelos com variáveis defasadas
3 2. Metodologia Box-Jenkins
3.1 Métodos autorregressivos
3.1.1 Hipóteses Mann-Wald

Annotations:

  • Entretanto, a “análise de Mann-Wald”, que surgiu de um estudo realizado por estes autores, trouxe um ponto importante à tona. Caso a metodologia de modelos auto-regressivos seja utilizada de forma indiscriminada haverá problemas sérios no que se refere ao viés dos estimadores de MQO para este modelo. A análise destes autores levou à conclusão de que, caso determinadas hipóteses não sejam satisfeitas, o modelo será tendencioso
3.1.1.1 Inexistência de autocorrelação nos resíduos

Annotations:

  • Lembra-se que eu disse que, se houver uma variável dependente defasada no modelo, a autocorrelação levaa viés dos estimadores de MQO?
3.1.1.2 2.1 Hipótese 1 –estacionariedade da série
3.1.1.2.1 Média constante
3.1.1.2.2 Variância constante
3.1.1.2.3 Covariância só depende da defasagem n entre Y_t e Y_t-n
3.1.1.2.4 2.2 Hipótese 2 - erros que se comportam como “ruído branco”
3.1.1.2.4.1 Processo estacionário, com média igual a zero, e sem autocorrelação
4 3. Modelos ARIMA –procedimento Box-Jenkins
4.1 AR(p)
4.1.1 MA(q)
4.1.1.1 Sempre estacionário
4.1.1.1.1 Invertível se |alfa|<1
4.1.1.2 ARMA (p,q)
4.1.1.2.1 Se um ARMA é estacionário e invertível, ele atende as condições de admissibilidade!
4.1.1.2.2 ARIMA(p,d,q)
4.1.1.2.2.1 A diferenciação nos permite obter uma versão estacionária de uma variável não estacionária!

Media attachments