Pular para o conteúdo principal

Questão de Estatística — Análise de séries temporais — CESPE / CEBRASPE 2024

EstatísticaAnálise de séries temporais
Código
ce168238
Banca
CESPE / CEBRASPE
Órgão
BACEN
Ano
2024
Nível
Superior
Cargo
Analista – Área: Economia e Finanças
No que se refere a vetores autorregressivos, julgue o item que se segue.Em um modelo de vetor autorregressivo de ordem p, cada variável do sistema é modelada como uma função linear das defasagens de todas as variáveis incluídas no modelo, incluindo as próprias defasagens passadas.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Vetores autorregressivos (VAR)

CERTO. Em um modelo VAR(p), cada variável do sistema é, de fato, modelada como uma função linear das defasagens de todas as variáveis incluídas no modelo, incluindo as próprias defasagens passadas. Essa é a definição central de um vetor autorregressivo: um sistema de equações em que cada equação explica uma variável pelas suas próprias defasagens e pelas defasagens das demais variáveis.

O modelo VAR(p) generaliza o modelo autorregressivo univariado AR(p) para múltiplas séries temporais. Enquanto no AR(p) temos uma única equação relacionando a variável às suas próprias defasagens, no VAR(p) temos um sistema de equações simultâneas. Por exemplo, para duas variáveis XtX_t e YtY_t, um VAR(1) seria:

Xt=c1+ϕ11Xt1+ϕ12Yt1+ε1tX_t = c_1 + \phi_{11} X_{t-1} + \phi_{12} Y_{t-1} + \varepsilon_{1t}
Yt=c2+ϕ21Xt1+ϕ22Yt1+ε2tY_t = c_2 + \phi_{21} X_{t-1} + \phi_{22} Y_{t-1} + \varepsilon_{2t}

Observe que cada equação contém as defasagens de todas as variáveis do sistema, incluindo a própria variável dependente. Essa é a essência do modelo: capturar as interdependências dinâmicas entre as séries.

A banca explora aqui um ponto conceitual simples, mas que exige precisão: a diferença entre um modelo univariado (que usa apenas as defasagens da própria variável) e um modelo multivariado (que usa as defasagens de todas as variáveis). O candidato que confunde VAR com AR pode marcar errado, mas a definição é exatamente a descrita no enunciado.

Alternativa C — ✅ CERTOGABARITO

A afirmativa está correta porque descreve com precisão a estrutura de um modelo VAR(p). A palavra-chave é "todas as variáveis": no VAR, cada equação inclui as defasagens de todas as variáveis do sistema, e não apenas da própria variável. Isso é o que distingue o VAR de um simples modelo autorregressivo univariado aplicado a cada série separadamente.

PEGA ESSA DICA!

Para fixar, compare os modelos:

Modelo

Equação típica

Usa defasagens de...

AR(p)

Zt=δ+ϕ1Zt1++ϕpZtp+εtZ_t = \delta + \phi_1 Z_{t-1} + \dots + \phi_p Z_{t-p} + \varepsilon_t

apenas da própria variável

VAR(p)

Yt=c+Φ1Yt1++ΦpYtp+εt\mathbf{Y}_t = \mathbf{c} + \Phi_1 \mathbf{Y}_{t-1} + \dots + \Phi_p \mathbf{Y}_{t-p} + \boldsymbol{\varepsilon}_t

todas as variáveis do sistema

Na prova, se o enunciado disser "cada variável é explicada pelas defasagens de todas as variáveis", é VAR. Se disser "apenas pelas próprias defasagens", é AR univariado.

Gabarito: letra C (CERTO).

Link permanente: /questoes/ce168238