Pular para o conteúdo principal

Cookies no Macro by Mark.Usamos cookies essenciais para login, idioma e segurança. Com sua permissão, também usamos cookies opcionais de preferências, para análise e para medição de anúncios com o Pixel da Meta (Facebook). Leia nossa política de cookies.

Macro by MarkMacro by Mark
  • Início
Carregando…
Carregando…
← Modelos
MacroConceitosPolíticaModelos

Modelo ARDL / teste de limites

Modelo autorregressivo de defasagens distribuídas para dinâmica curta e relações de longo prazo entre variáveis com ordens de integração misturadas.

Visão geralGráficoMatemáticaReferências

ARDL / teste de limites: que pergunta macro este modelo ajuda a responder?

Contexto

Modelo autorregressivo de defasagens distribuídas para dinâmica curta e relações de longo prazo entre variáveis com ordens de integração misturadas.

ARDL / teste de limites fica em Séries temporais multivariadas. Use esta classe quando uma série isolada não basta, e a pergunta depende de como um grupo pequeno de variáveis macro se move junto e responde a choques.

A página deve ser lida como uma referência de método: primeiro o objeto empírico, depois o conjunto de informação, os diagnósticos e os limites da inferência.

Conexões para explorar

Matemática ↗A estrutura e suas condições, passo a passo.Fontes ↗Fontes acadêmicas e orientação de uso.

Como as partes se conectam

πy\pi_yπy​

Velocidade de correção de erro

Coeficiente sobre o nível defasado de yty_tyt​. Precisa ser negativo para haver estabilidade. Seu valor absoluto mede com que rapidez o desequilíbrio é corrigido a cada período.

Comece pela série-alvo, frequência, janela da amostra e calendário de revisão. Um modelo empírico perde valor quando a pergunta ignora a safra dos dados.

Testar se uma relação de equilíbrio de longo prazo é plausível sem exigir que todas as variáveis tenham a mesma ordem de integração.

A leitura útil compara o resultado com um benchmark simples, registra onde o erro de previsão aparece e separa sinal estatístico de interpretação causal.

Os componentes e as hipóteses formais abaixo são os do próprio modelo, com a terminologia em português. A notação matemática e os títulos bibliográficos ficam no original, que é como a literatura os identifica.

Premissas

Testável

Sem variáveis I(2) ou de ordem superior

Todas as variáveis são I(0) ou I(1). O teste de limites é inválido para processos I(2).

Se falhar:Variáveis I(2) invalidam a teoria assintótica. Os valores críticos do teste de limites deixam de delimitar a distribuição verdadeira.

Testável

Especificação correta das defasagens

As ordens de defasagem do ARDL (p,q1,…,qk)(p, q_1, \ldots, q_k)(p,q1​,…,qk​) são escolhidas de modo a eliminar a correlação serial dos resíduos.

Se falhar:Defasagens subespecificadas produzem resíduos serialmente correlacionados, enviesando a estatística F do teste de limites para cima e inflando a taxa de rejeição a favor de cointegração.

Mantida

Uma única relação de cointegração

Existe no máximo uma relação de longo prazo tendo yty_tyt​ como variável dependente.

Se falhar:Se houver múltiplos vetores de cointegração, o ARDL identifica apenas o normalizado em y. Os demais são ignorados, o que pode enviesar os coeficientes de longo prazo estimados.

Testável

Exogeneidade fraca dos regressores

Os regressores xjtx_{jt}xjt​ não respondem ao termo de correção de erro no longo prazo (ou as ordens de defasagem são suficientes para aproximar qualquer endogeneidade).

Se falhar:Se xjtx_{jt}xjt​ é fortemente endógeno e as defasagens são insuficientes, as estimativas de MQO são inconsistentes. Pesaran e Shin (1999) mostraram que defasagens suficientes restauram a consistência.

Testável

Sem quebras estruturais

Os parâmetros de longo e de curto prazo são constantes ao longo da amostra.

Se falhar:Quebras estruturais podem gerar resultados espúrios de cointegração. Os testes CUSUM e CUSUMSQ são diagnósticos padrão de pós-estimação.

Testável

Regularidade das inovações

utu_tut​ é i.i.d. com média zero e variância finita.

Se falhar:A heterocedasticidade não enviesa as estimativas pontuais, mas invalida a inferência padrão; use erros padrão robustos à heterocedasticidade. (Os valores críticos de Kripfganz-Schneider 2020 são ajustes de amostra finita e de caso determinístico, não uma correção para heterocedasticidade.)

Aplicações

Use esta página para escolher o modelo antes de olhar o resultado: o alvo, a frequência, a janela e o benchmark definem o que a saída pode dizer.

Em monitoramento macro, a comparação com alternativas importa tanto quanto o modelo escolhido. Erro fora da amostra, estabilidade e revisão dos dados devem ficar visíveis.

Troque ou complemente o modelo quando a pergunta exigir identificação causal, contrafactual estrutural, distribuição entre agentes ou uma mudança de regime que a amostra histórica não contém.

Extensões e questões em aberto

Variantes

  • NARDL - nonlinear extension with asymmetric positive/negative decomposition
  • QARDL - quantile autoregressive distributed lag
  • Panel ARDL - cross-country extension (MG, PMG, DFE estimators)
  • Bootstrap ARDL - McNown et al. augmented bounds test with bootstrap p-values
  • Structural break ARDL - with regime-shift dummies and break-date estimation

Questões em aberto

  • The bounds test is inconclusive when the F-statistic falls between the I(0) and I(1) bounds, which happens frequently in practice. Practitioners often report the result as 'cointegration found' if above the upper bound but have no clear recommendation in the inconclusive zone.
  • The PSS (2001) critical values assume strict exogeneity of the forcing variables in the long run. When regressors are endogenous, the bootstrapped bounds test of McNown et al. (2018) is more appropriate but less widely used.
  • Sensitivity of long-run estimates to lag-order selection remains a practical concern. Different information criteria (AIC vs BIC vs HQ) can select different lag structures that produce materially different long-run coefficients.

Continue por aqui

Leia a seguir

Continue com um conceito, modelo ou exemplo relacionado.

Modelo teórico

IS-LM Model

modelo teórico bem conectado a dois passos daqui

Novo ângulo: modelo teórico →
Macro by Mark
Ajuda
Política de PrivacidadeTermos de UsoÉtica e conformidade

© 2026 Mark Jayson Nation LLC