- Choques causados por fatores externos ao sistema, entram no termo de erro. - Quando se introduz um choque, todas as variáveis do sistema são afetadas. - Se o modelo é estável, tais choques se dissipam ao longo do tempo. - Como os choques que são dadas no sistema impactam em cada uma das variáveis? (Análise de impulso-resposta)
Professor Thiago, que achado foi encontrar este vídeo! Estava estudando pelo RUclips sobre os modelos de estimação VAR, no entanto, em sua grande maioria, os vídeos se tratavam ou de um enfoque superficial ou simplesmente de aplicações diretas como em R ou EViews, mas pouquíssimos buscavam ensinar sobre a teoria por detrás do VAR - ah, e isso considerando que estava buscando conteúdo em inglês; em português o seu deve ser o único que se aprofunda desta forma, hehe. Muito obrigado pelo post. Já me inscrevi no canal e torço muito por seu sucesso aqui na rede, pois a qualidade do conteúdo é impecável. Abraços.
Pedro, muito obrigado pelo seu feedback! Sem dúvidas, é um estímulo para manter o Canal. Espero que o conteúdo oferecido continue te ajudando! Um abraço!
Ótimo! O modelo VEC (Vetor de Correção de Erros) é um VAR na primeira diferença, porém com variável embutida no modelo que visa corrigir os desvios aos longo do tempo, para garantir crescimento equilibrado.
Excelente aula. Tenho uma duvida: Aos 15minutos você comenta sobre o teste de raiz unitaria para o modelo VAR. Porém, você coloca que as raizes em modulo devem ser maiores que 1. Não é o contrário? Para um modelo VAR ser estável, as raízes características devem estar dentro do círculo unitário, ou seja, ter módulo menor que 1.
Olá, Henrique. Veja um modelo AR(1) convencional. Transforme-o por meio de um operador de defasagens e relacione o coeficiente autorregressivo à raiz característica: quando o coeficiente de um AR é 1 ou superior, o modelo é não estacionário (podendo ser explosivo). Neste caso, L estará dentro do círculo unitário; no caso oposto, com o coeficiente autorregressivo menor que 1, o modelo será estacionário e L estará fora do círculo unitário. A mesma lógica se aplica ao modelo VAR. Veja o capítulo de estabilidade do VAR no livro de Introdução à Econometria de Séries Temporais, do Bueno. Abs.
Pergunta rápida. O operador L, no modelo VAR, pensando como um operador linear, não seria um vetor coluna que multiplicaria por um vetor da variável dependente y(t), pra obter uma defasagem y(t - 1)? Porque, as contas em 17:54 trabalham com esse operador como se fosse um autovalor, com a matriz theta dos coeficientes como sendo o autovetor correspondente. O que justificaria essa mudança de modo de trabalhar, caso esse operador L realmente seja um vetor que multiplica y(t) pra obter y(t - 1) = L.y(t)? E, caso o operador L realmente seja representado por uma constante, o que justifica tal característica do operador L?
Uma pequena questão, como podemos procedr com o modelo VAR numa situação em que uma das nossas variaveis «, é estacionaria em nivel e a outra é estacionaria na primeira diferença?
Do ponto de vista estatístico, a que for estacionária em nível, deve entrar em nível. A outra, que é estacionária apenas na primeira diferença, entra em diferença. Porém, vale a pena consultar a literatura para saber a melhor especificação das variáveis. Talvez não faça sentido teórico analisá-las em diferentes graus de diferenciação.
Ótima aula professor! Uma dúvida: ao realizarmos os testes de raíz unitária nas séries e obtermos o resultado de que elas não são estacionárias, mas ao estimarmos um modelo VAR(p) com essas séries em nível, seria possível que este apresentasse as raízes do polinômio fora do círculo unitário? (ou seja, um modelo estável) Se sim, ainda seria possível fazer inferências confiáveis a partir desse modelo ou seria problemático?
Olá, Daniel. Este resultado pode ocorrer empiricamente. Em geral, a estrutura do VAR deve levar em consideração o resultado dos testes de raiz unitária individuais. Porém, há uma margem para trabalharmos com as variáveis em nível quando o VAR se mostra estável (conjuntamente).
![[TEORIA] Modelo VAR. VAR estrutural. Impulso-Resposta. Decomposição da Variância (Aula 2)](http://i.ytimg.com/vi/aRo0kknGPus/mqdefault.jpg)
![[TEORIA] Modelo VAR. VAR estrutural. Impulso-Resposta. Decomposição da Variância (Aula 2)](/img/tr.png)
![[TEORIA] VAR. Cointegração. Engle-Granger. Teste Johansen. Modelo VEC (Aula 3)](http://i.ytimg.com/vi/-h9we3SgvtM/mqdefault.jpg)
![BLACK BAG - Official Trailer [HD] - Only in Theaters March 14](http://i.ytimg.com/vi/Du0Xp8WX_7I/mqdefault.jpg)
Como demorei para achar um vídeo que abordasse nesse nível de profundidade. Parabéns!!!
Super recomendo!!
Obrigado!
- Choques causados por fatores externos ao sistema, entram no termo de erro.
- Quando se introduz um choque, todas as variáveis do sistema são afetadas.
- Se o modelo é estável, tais choques se dissipam ao longo do tempo.
- Como os choques que são dadas no sistema impactam em cada uma das variáveis? (Análise de impulso-resposta)
Professor Thiago, que achado foi encontrar este vídeo! Estava estudando pelo RUclips sobre os modelos de estimação VAR, no entanto, em sua grande maioria, os vídeos se tratavam ou de um enfoque superficial ou simplesmente de aplicações diretas como em R ou EViews, mas pouquíssimos buscavam ensinar sobre a teoria por detrás do VAR - ah, e isso considerando que estava buscando conteúdo em inglês; em português o seu deve ser o único que se aprofunda desta forma, hehe.
Muito obrigado pelo post. Já me inscrevi no canal e torço muito por seu sucesso aqui na rede, pois a qualidade do conteúdo é impecável. Abraços.
Pedro, muito obrigado pelo seu feedback! Sem dúvidas, é um estímulo para manter o Canal. Espero que o conteúdo oferecido continue te ajudando! Um abraço!
Ótimo! O modelo VEC (Vetor de Correção de Erros) é um VAR na primeira diferença, porém com variável embutida no modelo que visa corrigir os desvios aos longo do tempo, para garantir crescimento equilibrado.
Sem palavras para esta aula, sensacional!
Obrigado, Rafael! Espero que tenha ajudado! Bons estudos!
Excelente aula. Tenho uma duvida: Aos 15minutos você comenta sobre o teste de raiz unitaria para o modelo VAR. Porém, você coloca que as raizes em modulo devem ser maiores que 1. Não é o contrário? Para um modelo VAR ser estável, as raízes características devem estar dentro do círculo unitário, ou seja, ter módulo menor que 1.
Olá, Henrique. Veja um modelo AR(1) convencional. Transforme-o por meio de um operador de defasagens e relacione o coeficiente autorregressivo à raiz característica: quando o coeficiente de um AR é 1 ou superior, o modelo é não estacionário (podendo ser explosivo). Neste caso, L estará dentro do círculo unitário; no caso oposto, com o coeficiente autorregressivo menor que 1, o modelo será estacionário e L estará fora do círculo unitário. A mesma lógica se aplica ao modelo VAR. Veja o capítulo de estabilidade do VAR no livro de Introdução à Econometria de Séries Temporais, do Bueno. Abs.
Aula Excelente. Parabéns!!
Obrigado 🙂
Pergunta rápida. O operador L, no modelo VAR, pensando como um operador linear, não seria um vetor coluna que multiplicaria por um vetor da variável dependente y(t), pra obter uma defasagem y(t - 1)? Porque, as contas em 17:54 trabalham com esse operador como se fosse um autovalor, com a matriz theta dos coeficientes como sendo o autovetor correspondente. O que justificaria essa mudança de modo de trabalhar, caso esse operador L realmente seja um vetor que multiplica y(t) pra obter y(t - 1) = L.y(t)? E, caso o operador L realmente seja representado por uma constante, o que justifica tal característica do operador L?
Ótima aula!
Obrigado!
Modelos univariados: utiliza somente as informações da própria variável como preditoras ao longo do tempo.
Uma pequena questão, como podemos procedr com o modelo VAR numa situação em que uma das nossas variaveis «, é estacionaria em nivel e a outra é estacionaria na primeira diferença?
Do ponto de vista estatístico, a que for estacionária em nível, deve entrar em nível. A outra, que é estacionária apenas na primeira diferença, entra em diferença. Porém, vale a pena consultar a literatura para saber a melhor especificação das variáveis. Talvez não faça sentido teórico analisá-las em diferentes graus de diferenciação.
No slide de definição da ordem do var, SQR para o caso univariado é a soma de quadrados do resíduo?
Olá, Matheus! Isso mesmo.
Ótima aula professor! Uma dúvida: ao realizarmos os testes de raíz unitária nas séries e obtermos o resultado de que elas não são estacionárias, mas ao estimarmos um modelo VAR(p) com essas séries em nível, seria possível que este apresentasse as raízes do polinômio fora do círculo unitário? (ou seja, um modelo estável)
Se sim, ainda seria possível fazer inferências confiáveis a partir desse modelo ou seria problemático?
Olá, Daniel. Este resultado pode ocorrer empiricamente. Em geral, a estrutura do VAR deve levar em consideração o resultado dos testes de raiz unitária individuais. Porém, há uma margem para trabalharmos com as variáveis em nível quando o VAR se mostra estável (conjuntamente).