Desempenho do teste ADF em séries estacionárias na presença de quebras estruturais

Autores

DOI:

https://doi.org/10.5902/2179460X75150

Palavras-chave:

Quebras estruturais, Mudança de nível, Teste ADF, Séries temporais

Resumo

O estudo de séries temporais vem se tornando cada vez mais necessário, dado o volume de dados observados e medidos ao longo dos anos. Dentre as características mais importantes das séries temporais, tem-se a estacionariedade, que é majoritariamente analisada pelos testes de raiz unitária. É consenso na literatura que as quebras estruturais, quando presentes nas séries, podem viesar o resultado do Teste de Dickey-Fuller Aumentado (ADF). No entanto, até o momento, a intensidade com que as quebras afetam o poder do teste ADF não é clara, dificultando a tomada de decisão acerca da utilização deste teste e podendo induzir a erros quando a série contar com rupturas estruturais. Este trabalho comprova a influência de quebras estruturais do tipo level shift (LS) na análise de estacionariedade em séries temporais anuais estacionárias pelo do Teste ADF, quantificando seu poder. Conclui-se que o Teste ADF tende a não rejeitar a hipótese nula na presença de rupturas em uma possível confusão com a presença de raiz unitária. Ainda, ao aumentar a perturbação inicial ω, o poder do teste foi sendo rapidamente reduzido, principalmente com quebras de mudança de nível imputadas nas posições mais próximas à origem da série de dados.

Downloads

Não há dados estatísticos.

Biografia do Autor

Mariane Coelho Amaral, Universidade Federal do Rio Grande

Engenheira eletricista, Engenheira de Segurança do Trabalho e Licenciada em Matemática. Mestre em Modelagem computacional pela Universidade Federal do Rio Grande (FURG) e doutoranda em Modelagem Computacional. Possui especialização em Saúde e Segurança do Trabalho e em Engenharia de Segurança do Trabalho. Estudou Engenharia Elétrica no IFSul campus Pelotas e Graduação sanduíche na Universidade do Estado de New York. Tem como temas de interesse e estudo: simulações computacionais aplicadas às engenharias, análise multivariada de dados, testes de hipótese, testes de estacionariedade, inferência estatística e análises de séries temporais através de simulações computacionais. 

Anderson Silveira, Universidade Federal do Rio Grande

Possui doutorado em andamento pelo Programa de Pós-Graduação em Modelagem Computacional pela Universidade Federal do Rio Grande. Possui mestrado pelo Programa de Pós-Graduação em Modelagem Computacional pela Universidade Federal do Rio Grande (2017). Possui graduação em Engenharia Elétrica pelo Instituto Federal Sul-Rio-Grandense (2014). Atualmente é Professor do IFRS - Câmpus Rio Grande.

Viviane Leite Dias de Mattos, Universidade Federal do Rio Grande

Possui graduação em Engenharia Civil pela Universidade Católica de Pelotas, mestrado e doutorado em Engenharia de Produção pela Universidade Federal de Santa Catarina. Atualmente é professor adjunto da Universidade Federal do Rio Grande. Tem experiência na área de Engenharia de Produção, com ênfase em Garantia de Controle de Qualidade, atuando principalmente nos seguintes temas: séries temporais, qualidade, probabilidade e estatística, controle de processos e projeto de experimentos.

Andrea Cristina Konrath, Universidade Federal de Santa Catarina

Possui graduação em Matemática Aplicada e Computacional pela Universidade de Santa Cruz do Sul, mestrado em Engenharia de Produção e doutorado em Engenharia Mecânica pela Universidade Federal de Santa Catarina. Trabalhou como docente na área de Estatística na Universidade do Vale do Itajaí, no período de março de 2007 a janeiro de 2009, e no Instituto de Matemática, Estatística e Física da Universidade Federal do Rio Grande (FURG), no período de fevereiro de 2009 a julho de 2011, também na área de Estatística. 

Luiz Ricardo Nakamura, Universidade Federal de Lavras

Possui graduação em Estatística pela Universidade Estadual Paulista "Júlio de Mesquita Filho", mestrado em Ciências (Estatística e Experimentação Agronômica) pela Universidade de São Paulo e doutorado em Ciências (Estatística e Experimentação Agronômica) pela Universidade de São Paulo, com período sanduíche na London Metropolitan University. Atualmente é Professor Adjunto do Departamento de Estatística da Universidade Federal de Lavras.

Referências

Bai, J. (1994). Least squares estimation of a shift in linear processes. Journal of Time Series Analysis, 15(5), 453–472.

Bueno, R. D. L. d. S. (2012). Econometria de séries temporais. Cengage Learning.

Chen, C., Liu, L. M. (1993). Forecasting time series with outliers. Journal of forecasting, 12(1), 13–35.

Chow, G. C. (1960). Tests of equality between sets of coefficients in two linear regressions. Econometrica: Journal of the Econometric Society, 28(3), 591–605.

Dickey, D. A., Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, 74(366a), 427–431.

Gujarati, D. N., Porter, D. C. (2011). Econometria básica-5. Amgh Editora.

Hansen, B. E. (2001). The new econometrics of structural change: Dating breaks in us labor productivity. Journal of Economic perspectives, 15(4), 117–128.

Hyndman, R. J., Athanasopoulos, G. (2018). Forecasting: principles and practice. OTexts.

Kaiser, R., Maravall Herrero, A. (1999). Seasonal outliers in time series. Documentos de trabajo/Banco de España, 9915.

Kwiatkowski, D., Phillips, P. C., Schmidt, P., Shin, Y. (1992). Testing the null hypothesis of stationarity against the alternative of a unit root: How sure are we that economic time series have a unit root? Journal of econometrics, 54(1-3), 159–178.

Perron, P. (1989). The great crash, the oil price shock, and the unit root hypothesis. Econometrica: journal of the Econometric Society, pp. 1361–1401.

Phillips, P. C., Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335–346.

R Core Team, R., et al. (2020). R: A language and environment for statistical computing. URL https://www.R-project. org/..

Said, S. E., Dickey, D. A. (1984). Testing for unit roots in autoregressive-moving average models of unknown order. Biometrika, 71(3), 599–607.

Shikida, C., Paiva, G. L., Junior, A. F. A. (2016). Análise de quebras estruturais na série do preço do boi gordo no estado de são paulo. Economia Aplicada, 20(2), 265.

Silveira, A. G. (2017). Estudo da demanda de energia elétrica no brasil. Dissertação de mestrado (modelagem computacional). Trívez, F.

J. (1995). Level shifts, temporary changes and forecasting. Journal of Forecasting, 14(6), 543–550.

Tsay, R. S. (1988). Outliers, level shifts, and variance changes in time series. Journal of forecasting, 7(1), 1–20.

Zivot, E., Andrews, D. W. K. (2002). Further evidence on the great crash, the oil-price shock, and the unit-root hypothesis. Journal of business & economic statistics, 20(1), 25–44.

Downloads

Publicado

2023-12-01

Como Citar

Amaral, M. C., Silveira, A., Mattos, V. L. D. de, Konrath, A. C., & Nakamura, L. R. (2023). Desempenho do teste ADF em séries estacionárias na presença de quebras estruturais. Ciência E Natura, 45(esp. 3), e75150. https://doi.org/10.5902/2179460X75150

Artigos mais lidos pelo mesmo(s) autor(es)