GabaritoE — Errado
Gabarito: letra E (ERRADO). Para a utilização efetiva de um modelo de vetor autorregressivo (VAR) em previsões, é necessário que as séries temporais incluídas sejam estacionárias — a afirmação do enunciado está incorreta. Essa é uma condição fundamental para a validade estatística e estabilidade do modelo, conforme a teoria de séries temporais.
Um modelo VAR é uma generalização multivariada dos modelos autorregressivos univariados: cada variável do sistema é explicada como uma combinação linear das defasagens (valores passados) de todas as variáveis, inclusive dela mesma. A exigência de estacionariedade decorre do fato de que, sem ela, as propriedades estatísticas das séries (média, variância, autocorrelação) variam ao longo do tempo, o que compromete a estimação dos parâmetros e a validade das inferências e previsões.
A estacionariedade é definida como a constância das propriedades estatísticas ao longo do tempo: a série se desenvolve aleatoriamente ao redor de uma média constante, sem tendência ou sazonalidade. Quando uma série não é estacionária, aplicam-se transformações — a mais comum é a diferenciação — para estabilizá-la antes de ajustar o modelo. No contexto de modelos VAR, se as séries forem não estacionárias, pode-se trabalhar com suas diferenças ou com mecanismos de correção de erros, mas o modelo VAR clássico pressupõe estacionariedade.
A pegadinha da banca está em afirmar que a estacionariedade não é necessária, quando na verdade ela é um requisito central. O candidato que confunde a possibilidade de transformar séries não estacionárias (por diferenciação) com a dispensa do requisito acaba marcando "Certo".
Proposição | Valor Lógico | Justificativa |
|---|---|---|
p: "Não é necessário que as séries sejam estacionárias" | F | Modelos VAR exigem estacionariedade para validade estatística e estabilidade |
~p: "É necessário que as séries sejam estacionárias" | V | Condição fundamental para estimação confiável e previsões válidas |
Afirmação do enunciado (p) | F | Contraria a teoria — sem estacionariedade, parâmetros podem ser espúrios |
Gabarito (E: ERRADO) | V | Nega p, confirmando que a estacionariedade é necessária |
Afirma que não é necessário que as séries sejam estacionárias para a utilização efetiva de um modelo VAR em previsões. Isso contraria a teoria: modelos VAR exigem estacionariedade para que sejam estatisticamente válidos e estáveis. Sem estacionariedade, as estimativas dos parâmetros podem ser espúrias e as previsões, não confiáveis. Portanto, a afirmação é falsa.
A alternativa E (ERRADO) é a correta, pois nega a afirmação do enunciado. Para a utilização efetiva de um modelo VAR em previsões, é necessário que as séries temporais incluídas sejam estacionárias. Essa é uma condição essencial para a validade do modelo, conforme a teoria de séries temporais.
Gabarito: letra E (ERRADO).
Link permanente: /questoes/ce168239