Variável de transição observável
A variável que dirige a transição é observável e predeterminada no instante .
Se falhar:Se o determinante da transição é latente, o STR não pode ser estimado. Um modelo com mudança markoviana é mais adequado.
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.
Regressão com pesos de regime graduais, permitindo que coeficientes transitem suavemente conforme uma variável limiar muda.
Regressão com transição suave: que pergunta macro este modelo ajuda a responder?
Regressão com pesos de regime graduais, permitindo que coeficientes transitem suavemente conforme uma variável limiar muda.
Regressão com transição suave 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.
Função limitada a que determina o peso do regime 2. Logística para transições assimétricas, exponencial para transições simétricas.
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.
Relações macro não lineares em que a passagem entre regimes é gradual, não um corte abrupto.
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.
A variável que dirige a transição é observável e predeterminada no instante .
Se falhar:Se o determinante da transição é latente, o STR não pode ser estimado. Um modelo com mudança markoviana é mais adequado.
A função de transição é suave, limitada entre 0 e 1, e monótona em (logística) ou simétrica em torno de (exponencial).
Se falhar:Especificar mal o formato da função de transição (por exemplo, usar a logística quando a forma verdadeira é exponencial) enviesa e e distorce os pesos dos regimes.
O escolhido é o verdadeiro determinante das mudanças de regime, ou ao menos uma boa proxy dele.
Se falhar:Se está incorreto, o teste de linearidade pode não rejeitar, ou a função de transição estimada sairá plana ( pequeno), produzindo resultados próximos aos do modelo linear.
O processo é estritamente estacionário e -mixing com taxa de mistura geométrica.
Se falhar:A não estacionariedade invalida a assintótica dos mínimos quadrados não lineares. Raízes unitárias em ou exigem extensões do STR baseadas em cointegração.
As inovações são i.i.d. com média zero, quartos momentos finitos e variância constante (ou com estrutura de heterocedasticidade especificada).
Se falhar:Caudas pesadas inflam os erros padrão dos mínimos quadrados não lineares. Efeitos ARCH não modelados podem ser confundidos com efeitos de transição.
Uma função de transição é suficiente. Não resta não linearidade adicional depois de contabilizado o componente STR.
Se falhar:A não linearidade remanescente aparece nos testes de Eitrheim-Teräsvirta (1996) e sugere uma segunda função de transição ou outra classe de modelo.
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.