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 VAR

Vetor autorregressivo, um pequeno sistema em que cada variável macro é regredida sobre suas próprias defasagens e as das demais variáveis.

Visão geralGráficoMatemáticaReferências

VAR: artigos e trilha de evidência

Use esta aba para localizar os textos e referências que sustentam a página. Títulos bibliográficos são preservados no idioma original.

VAR fontes: fontes e orientação de uso

De onde vem a estrutura, quais hipóteses adota e como interpretar os resultados.

Fontes acadêmicas e de pesquisaBase de pesquisaOrientação de uso

Fontes acadêmicas e de pesquisa

[S1] Econometrica ↗

Sims (1980) -- Macroeconomics and Reality (Econometrica). The founding paper. Argued for unrestricted VARs as an alternative to large structural models.

Econometrica · 1980

[S2] Journal of Business & Economic Statistics ↗

Litterman (1986) -- Forecasting with Bayesian Vector Autoregressions (Journal of Business and Economic Statistics). Introduced the Minnesota prior for VAR shrinkage.

Journal of Business & Economic Statistics · 1986

[S3] Handbook of Macroeconomics ↗

Christiano, Eichenbaum, and Evans (1999) -- Monetary policy shocks: what have we learned and to what end? (Handbook of Macroeconomics). Canonical Cholesky-identified monetary policy VAR.

Handbook of Macroeconomics · 1999

[S4] Journal of Economic Perspectives ↗

Stock and Watson (2001) -- Vector Autoregressions (Journal of Economic Perspectives). The standard survey article. Clear exposition of the methodology and its limits.

Journal of Economic Perspectives · 2001

[S5] Cambridge University Press ↗

Kilian and Lutkepohl (2017) -- Structural Vector Autoregressive Analysis (Cambridge University Press). The modern reference on structural identification.

Cambridge University Press · 2017

[S6] Springer ↗

New Introduction to Multiple Time Series Analysis

Texto de referência de Lutkepohl sobre VAR.

Springer · 2005

Base de pesquisa

Evidências e dados

Verifique estacionariedade, seleção de defasagens, diagnóstico de resíduos e avaliação de previsão antes de interpretar qualquer resposta ao impulso.

Calibração ou mensuração

Número de defasagens, ordenação das variáveis, transformações e janela amostral moldam o resultado.

Limites

  • VAR de forma reduzida não identifica choques causais.
  • Amostras curtas permitem sobreajuste.
  • Mudanças de regime podem quebrar a estabilidade.

Orientação de uso

Quando é suficiente

Previsão e projeções condicionais de um conjunto pequeno de variáveis macro determinadas conjuntamente, quando o processo gerador é razoavelmente estável e a pergunta não exige identificação causal. Avaliação fora da amostra de trajetórias de PIB, inflação e juros é o caso canônico (Sims 1980, Econometrica). A forma reduzida também serve como primeira checagem de se a dinâmica conjunta do conjunto de variáveis é internamente coerente com a teoria mantida.

Quando serve apenas como esquema

Não use o VAR de forma reduzida como evidência sobre efeitos causais estruturais. O modelo é ateórico por construção: a ordenação das variáveis numa fatoração de Cholesky impõe uma hipótese de identificação que precisa ser defendida à parte. Respostas ao impulso de um VAR não identificado descrevem correlações, não a reação a um choque bem definido.

Quando mudar de modelo

Passe para um SVAR (empirical:svar) quando a identificação causal for necessária. Passe para um BVAR (empirical:bvar) quando o número de variáveis for grande o bastante para que a estimação por MQO sobreajuste e prioris de encolhimento sejam necessárias para estabilizar a previsão. Passe para um modelo em espaço de estados quando o painel tiver dados faltantes ou componentes não observados que exijam o filtro de Kalman.

Sinal de falsificação

Erros de previsão fora da amostra que superam sistematicamente um passeio aleatório ou um AR(1) em vários episódios e escolhas de variáveis indicam que a estrutura de defasagens está sobreajustada ou que os parâmetros mudaram. Uma avaliação em janela móvel com ajuste estável dentro da amostra e precisão deteriorando fora dela é o aviso concreto de que o modelo não captura a dinâmica subjacente.

Como ler esta lista

As fontes estão agrupadas pela proximidade com a evidência. Comece por divulgações oficiais e páginas metodológicas para afirmações de medição; use artigos e textos para discussão para mecanismos, identificação e interpretação.

As referências fundamentam a estrutura; não validam automaticamente os parâmetros escolhidos no gráfico.

Composição das fontes

6 · Fontes acadêmicas e de pesquisa

Macro by Mark
Ajuda
Política de PrivacidadeTermos de UsoÉtica e conformidade

© 2026 Mark Jayson Nation LLC