8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 1/35
1
Apresentação do
Eviews 8
Jorge Caiado
ISEG/UTL e CemapreEmail: [email protected]
http://pascal.iseg.utl.pt/~jcaiado
Lisboa, 7/03/2013
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 2/35
2
O que é o EViews? Programa de estatística e econometria, com ênfase na
análise de dados macro e micro-econométricos(temporais, seccionais e de painel).
Empresa: IHS Global Inc. (US).
Contribuições: Robert Engle (Prémio Nobel daEconomia 2003), Soren Johansen (Cointegraçãomultivariada), entre outros.
Aplicações úteis em: Macroeconomia (cointegração bivariada e multivariada,
causalidade, VAR estrutural e não estrutural, VEC)
Microeconomia (dados de painel)
Finanças (risco, volatilidade, GARCH, efeitos assimétricos,rácios de variância)
Gestão e Marketing (previsão de vendas, regressão, efeitos dasazonalidade, acontecimentos exógenos, deteção de outliers)
Simulação e programação (interacção com o ambiente detrabalho)
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 3/35
3
Instalação e Utilização do EViews
Instalação rápida em CD e/ou download
Visualização em ambiente Windows
Menus e comandos fáceis de utilização
Compatibilidade com outros programas/bases
de dados: SAS, SPSS, Microsoft Access,
GAUSS, RATS, PcGive, ASCII, HTML, TSP,ODBC, XLS, XLSX, etc.
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 4/35
4
Análise de dados univariados Estatísticas descritivas e testes (paramétricos e não
paramétricos)
Classificação dos dados
Gráficos
Correlogramas
Testes de raízes unitárias (ADF, DFGLS, PP, KPSS,
ERS, NP)
Testes de rácio de variâncias
Testes de independência de BDS
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 5/35
5
Análise de dados univariados Transformação dos dados (interpolação, “low to high frequency”
e “high to low frequency”)
Ajustamento de sazonalidade (US Census X13, US Census
X12, X11, Tramo/Seats, médias móveis)
Efeitos de calendário, detecção de outliers, observações
ausentes, extracção de componentes, modelação ARIMA
automática, gráficos espectrais
Alisamento exponencial (AES, AED, HW, HWA, HWM) e ETS
Smoothing (Erro, tendência e sazonalidade nula, aditiva,
multiplicativa ou amortecida)
Outros filtros de alisamento (Hodrick-Prescott, frequências)
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 6/35
6
Exemplo: Gráficos de linhas e histograma dos retornos do PSI20
-.12
-.08
-.04
.00
.04
.08
.12
95 96 97 98 99 00 01 02 03 04 05 06 07 08 09
POR
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 7/35
7
Exemplo: Estatísticas descritivas e histograma dos retornos do PSI20
0
200
400
600
800
1,000
1,200
1,400
1,600
-0.10 -0.05 0.00 0.05 0.10
Series: POR
Sample 3/01/1995 31/12/2009
Observations 3913
Mean 0.000157
Median 0.000000
Maximum 0.097020
Minimum -0.107755
Std. Dev. 0.010998
Skewness -0.281274
Kurtosis 11.85595
Jarque-Bera 12838.59
Probability 0.000000
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 8/35
8
Exemplo: Cronograma e teste ADF de raizes unitárias
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 9/35
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 10/35
10
Exemplo: Previsão com métodos de alisamento exponencial
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 11/35
Exemplo: Extração de componentes da série
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 12/35
12
Análise de dados multivariados Criação de tabelas de frequências com transformações dos
dados (níveis, %’s, diferenças)
Covariâncias, medidas de associação e correlações
Múltiplos gráficos
Testes de hipóteses (igualdade de médias, medianas evariâncias)
Análise de componentes principais (tabelas, gráficos de scores
e loadings)
Análise factorial (tabelas, gráficos de scores e loadings)
Correlações cruzadas
Testes de cointegração (EG, Phillips-Ouliaris, Johansen)
Testes de causalidade à Granger
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 13/35
13
Exemplo: Estatísticas dos retornos de índices bolsistas
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 14/35
14
Exemplo: Gráficos dos
retornos de índices
bolsistas
-.15
-.10
-.05
.00
.05
.10 -.12
-.08-.04
.00
.04
.08
.12
95 96 97 98 99 00 01 02 03 04 05 06 07 08 09
POR
SPA
-.15
-.10
-.05
.00
.05
.10
1996 1998 2000 2002 2004 2006 2008
POR
-.10
-.05
.00
.05
.10
1996 1998 2000 2002 2004 2006 2008
UK
-.10
-.05
.00
.05
.10
.15
1996 1998 2000 2002 2004 2006 2008
US
-.3
-.2
-.1
.0
.1
.2
.3
1996 1998 2000 2002 2004 2006 2008
MAL
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 15/35
15
Exemplo: Significancia estatística das correlações entre os retornos
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 16/35
16
Exemplo: Causalidade à Granger entre REND, CONS e INVEST
Pairwise Granger Causality Tests
Date: 02/03/13 Time: 18:59Sample: 1995Q1 2010Q4
Lags: 4
Null Hypothesis: Obs F-Statistic Prob.
REND does not Granger Cause CONS 60 2.76271 0.0373
CONS does not Granger Cause REND 0.74514 0.5658
INVEST does not Granger Cause CONS 60 1.55823 0.1996
CONS does not Granger Cause INVEST 0.72205 0.5809
INVEST does not Granger Cause REND 60 0.49034 0.7428
REND does not Granger Cause INVEST 2.17198 0.0853
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 17/35
17
Exemplo: Cointegração de EG entre CONS, REND e INVEST
Date: 02/03/13 Time: 19:00
Series: CONS REND INVEST
Sample: 1995Q1 2010Q4Included observations: 64
Null hypothesis: Series are not cointegrated
Cointegrating equation deterministics: C
Automatic lags specification based on Schwarz criterion (maxlag=10)
Dependent tau-statistic Prob.* z-statistic Prob.*
CONS -2.063903 0.7083 -8.935111 0.6496REND -2.008975 0.7323 -8.807135 0.6585
INVEST -1.604451 0.8723 -4.047269 0.9319
*MacKinnon (1996) p-values.
Intermediate Results:
CONS REND INVEST
Rho - 1 -0.141827 -0.139796 -0.064242Rho S.E. 0.068718 0.069586 0.040040
Residual variance 33109.39 345465.1 60598.34
Long-run residual variance 33109.39 345465.1 60598.34
Number of lags 0 0 0
Number of observations 63 63 63
Number of stochastic trends** 3 3 3
**Number of stochastic trends in asymptotic distribution
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 18/35
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 19/35
19
Regressão Métodos dos mínimos quadrados (OLS)
Método dos mínimos quadrados ponderados (WLS)
Método dos mínimos quadrados a duas etapas (TSLS)
Método dos mínimos quadrados não linear (NLLS) Método dos momentos generalizados (GMM)
Mínimos quadrados robusto
Mínimos quadrados com quebras de estrutura
Regressões de cointegração Switching regression
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 20/35
20
Exemplo: Regressão do CONS sobre o REND e o INVEST
Dependent Variable: CONS
Method: Least Squares
Date: 02/03/13 Time: 19:06Sample: 1995Q1 2010Q4
Included observations: 64
Variable Coefficient Std. Error t-Statistic Prob.
REND 0.310761 0.003364 92.36863 0.0000
INVEST 0.180166 0.050559 3.563463 0.0007
C -2955.004 271.8324 -10.87068 0.0000
R-squared 0.997283 Mean dependent var 29045.65
Adjusted R-squared 0.997194 S.D. dependent var 6513.142
S.E. of regression 345.0287 Akaike info criterion 14.57087
Sum squared resid 7261735. Schwarz criterion 14.67207
Log likelihood -463.2679 Hannan-Quinn criter. 14.61074
F-statistic 11194.37 Durbin-Watson stat 0.302107Prob(F-statistic) 0.000000
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 21/35
21
Exemplo: Resíduos da regressão, teste BG e intervalos de confiança
-800
-400
0
400
800
15,000
20,000
25,000
30,000
35,000
40,000
95 96 97 98 99 00 01 02 03 04 05 06 07 08 09 10
Residual Actual Fitted
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 37.08937 Prob. F(4,57) 0.0000
Obs*R-squared 46.23585 Prob. Chi-Square(4) 0.0000
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/03/13 Time: 19:11
Sample: 1995Q1 2010Q4
Included observations: 64
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
REND -0.001386 0.001858 -0.746007 0.4587
INVEST 0.012750 0.027748 0.459474 0.6476C 20.85620 148.6281 0.140325 0.8889
RESID(-1) 0.785152 0.131216 5.983680 0.0000
RESID(-2) 0.140294 0.177373 0.790959 0.4322
RESID(-3) -0.183141 0.190172 -0.963028 0.3396
RESID(-4) 0.155666 0.146065 1.065733 0.2910
R-squared 0.722435 Mean dependent var 2.84E-14
Adjusted R-squared 0.693218 S.D. dependent var 339.5079
S.E. of regression 188.0464 Akaike info criterion 13.41417
Sum squared resid 2015602. Schwarz criterion 13.65030
Log likelihood -422.2535 Hannan-Quinn criter. 13.50720
F-statistic 24.72624 Durbin-Watson stat 1.966851
Prob(F-statistic) 0.000000
Coefficient Confidence Intervals
Date: 02/03/13 Time: 19:12
Sample: 1995Q1 2010Q4
Included observations: 64
90% CI 95% CI 99% CI
Variable Coefficient Low High Low High Low High
REND 0.310761 0.305142 0.316380 0.304034 0.317488 0.301816 0.319706
INVEST 0.180166 0.095721 0.264611 0.079066 0.281265 0.045736 0.314595
C -2955.004 -3409.024 -2500.984 -3498.566 -2411.441 -3677.767 -2232.240
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 22/35
22
Modelação e previsão de séries temporais
Modelos ARMA(Modelos sazonais, não sazonais e mistos; estimaçãocom backasting; estimação de TSLS, NLLS e WLS comerros ARIMA; testes de avaliação do diagnóstico;condições de estacionaridade e invertibilidade;
autocorrelações e autocorrelações parciais dos resíduos Testes de raízes unitárias
Teste ADF; Teste DFGLS; Teste Phillips-Perron; TesteKPSS; Teste ERS; Teste Ng-Perron
PrevisãoPrevisão dinâmica; previsão estática; previsão estrutural(sem a componente ARMA); previsão por intervalos;REQM, EAM; EPAM; enviesamentos da previsão emmédia e em variância.
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 23/35
23
Exemplo: Dependent Variable: D(HOUSE,1,12)
Method: Least Squares
Date: 03/05/13 Time: 10:01
Sample (adjusted): 1988M04 1994M11
Included observations: 80 after adjustments
Convergence achieved after 8 iterations
MA Backcast: 1986M12 1988M03
Variable Coefficient Std. Error t-Statistic Prob.
AR(2) -0.293244 0.112392 -2.609123 0.0109
MA(4) -0.297959 0.112294 -2.653398 0.0097
SMA(12) -0.844399 0.041575 -20.31046 0.0000
R-squared 0.472929 Mean dependent var -0.037500
Adjusted R-squared 0.459239 S.D. dependent var 5.585795
S.E. of regression 4.107596 Akaike info criterion 5.700332
Sum squared resid 1299.171 Schwarz criterion 5.789658
Log likelihood -225.0133 Hannan-Quinn criter. 5.736145Durbin-Watson stat 2.426180
Inverted MA Roots .99 .85+.49i .85-.49i .74
.49+.85i .49-.85i .00-.99i
-.6
-.4
-.2
.0
.2
.4
2 4 6 8 10 12 14 16 18 20 22 24
Actual Theoretical
A u t o
c o r r e l a t i o n
-.6
-.4
-.2
.0
.2
.4
2 4 6 8 10 12 14 16 18 20 22 24
Actual Theoretical
P a r t i a l a u t o c o r r e l a t i o n
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
AR rootsMA roots
Inverse Roots of AR/MA Polynomial(s)
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 24/35
24
Testes de especificação e diagnóstico
Testes aos coeficientes
Teste de Wald; teste de rácio de verosimilhanças para aomissão de variáveis; teste de RV para variáveisredundantes; teste de quebra de estrutura
Testes aos resíduosCorrelogramas (níveis e quadrados); Estatística-Q;histograma e teste de normalidade; teste LM; teste
ARCH; testes de heteroscedasticidade (White, Harvey,BPG, Glejser, ARCH)
Testes de estabilidade
Teste de Chow (quebra de estrutura e previsão); testeRESET de Ramsey; Estatísticas influentes; Leverage
plot
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 25/35
25
Modelação ARCH e GARCH
Testes de rácios de variância
ARCH e GARCH com regressores na equação da
variância, distribuição condicional dos erros (normal, t-
student, distribuição do erro generalizada-GED)
Threshold ARCH (TARCH)
Exponential GARCH (EGARCH)
GARCH em média (GARCH-M)
Power ARCH (PARCH) Component GARCH (CGARCH)
Previsão dos preços, retornos e variância condicional
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 26/35
26
Exemplo:
50
100
150
200
250
300
-.15
-.10
-.05
.00
.05
.10
95 96 97 98 99 00 01 02 03 04 05 06 07 08 09
POR R_POR
Dependent Variable: DLOG(POR)
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 03/05/13 Time: 10:24
Sample (adjusted): 1/04/1995 12/31/2009
Included observations: 3912 after adjustments
Convergence achieved after 16 iterations
Presample variance: backcast (parameter = 0.7)
GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*RESID(-1)^2*(RESID(-1)<0) +
C(6)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob.
C 0.000421 0.000144 2.918007 0.0035
AR(1) 0.107255 0.015499 6.920255 0.0000
Variance Equation
C 8.28E-07 1.32E-07 6.259290 0.0000
RESID(-1) 2̂ 0.066960 0.006111 10.95754 0.0000
RESID(-1) 2̂*(RESI D(-1)<... 0.050810 0.007099 7.157133 0.0000
GARCH(-1) 0.905034 0.005337 169.5675 0.0000
R-squared 0.006445 Mean dependent var 0.000157 Adjusted R-squared 0.006191 S.D. dependent var 0.011000
S.E. of regression 0.010966 Akaike info criterion -6.582456
Sum squared resid 0.470156 Schwarz criterion -6.572837
Log likelihood 12881.28 Hannan-Quinn criter. -6.579043
Durbin-Watson stat 2.041429
Inverted AR Roots .11
148
152
156
160
164
168
1 4 5 6 7 8 11 12
2010m1
PORF
± 2 S.E.
.000063
.000064
.000065
.000066
.000067
.000068
1 4 5 6 7 8 11 12
2010m1
Forecast of Variance
.0000
.0004
.0008
.0012
.0016
.0020
.0024
95 96 97 98 99 00 01 02 03 04 05 06 07 08 09
GARCH01
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 27/35
27
Modelos de variável dependente
limitada e discreta Modelos de variável dependente binária (probit,
logit e valor extremo)
Modelos de variável dependente ordinal (tabela
de frequências, tabela de probabilidades,previsão)
Regressão com dados censorados (tobit)
Regressão com dados truncados
Modelos de contagem (Poisson, BinomialNegativa, Exponencial, Normal)
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 28/35
28
Modelos macroeconométricos
Modelos vectoriais autoregressivos (VAR)
Modelo de correcção do erro (VEC)
Modelo VAR estrutural (SVAR)
Funções de resposta a impulsos
Decomposição da variância
Teste de Cointegração de Johansen
Restrições de curto prazo e de longo prazo
Modelo VAR Bayesiano (BVAR)
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 29/35
29
Exemplo:
-.04
-.02
.00
.02
.04
60 65 70 75 80 85 90 95 00
DLRGDP
-.02
.00
.02
.04
.06
60 65 70 75 80 85 90 95 00
DLRM2
-4
-2
0
2
4
6
60 65 70 75 80 85 90 95 00
DRS
-.004
-.002
.000
.002
.004
.006
.008
1 2 3 4 5 6 7 8 9 10
DLRGDP DLRM2 DRS
Response of DLRGDP to Generalized One
S.D. Innovations
-.004
-.002
.000
.002
.004
.006
.008
1 2 3 4 5 6 7 8 9 10
DLRGDP DLRM2 DRS
Response of DLRM2 to Generalized One
S.D. Innovations
-.2
.0
.2
.4
.6
.8
1 2 3 4 5 6 7 8 9 10
DLRGDP DLRM2 DRS
Response of DRS to Generalized One
S.D. Innovations
Vector Error Correction Estimates
Date: 03/05/13 Time: 10:57
Sample (adjusted): 1962Q3 2001Q1
Included observations: 155 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
DLRGDP(-1) 1.000000
DLRM2(-1) -0.419654
(0.08752)
[-4.79515]
DRS(-1) -0.004078
(0.00245)
[-1.66682]
C -0.005331
Error Correction: D(DLRGDP) D(DLRM2) D(DRS)
CointEq1 -0.750090 -0.063881 76.29588
(0.36661) (0.29641) (30.7751)
[-2.04603] [-0.21552] [ 2.47914]
-.04
-.03
-.02
-.01
.00
.01
.02
.03
.04
1965 1970 1975 1980 1985 1990 1995 2000
Cointegrating relation 1
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 30/35
30
Exemplo:
Date: 03/05/13 Time: 11:00
Sample (adjusted): 1962Q3 2001Q1
Included observations: 155 after adjustments
Trend assumption: Linear deterministic trend
Series: DLRGDP DLRM2 DRS
Lags interval (in first differences): 1 to 12
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.117905 40.29861 29.79707 0.0022
At most 1 * 0.096421 20.85296 15.49471 0.0071
At most 2 * 0.032600 5.137263 3.841466 0.0234
Trace test indicates 3 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p -values
Unrestricted Cointegration Rank Tes t (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None 0.117905 19.44564 21.13162 0.0847
At most 1 * 0.096421 15.71570 14.26460 0.0293
At most 2 * 0.032600 5.137263 3.841466 0.0234
Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p -values
-.02
-.01
.00
.01
.02
.03
1995 1996 1997 1998 1999 2000 2001
Actual DLRGDP (Baseline Mean)
DLRGDP ± 2 S.E.
-.01
.00
.01
.02
.03
.04
.05
1995 1996 1997 1998 1999 2000 2001
Actual DLRM2 (Baseline Mean)
DLRM2 ± 2 S.E.
-3
-2
-1
0
1
2
1995 1996 1997 1998 1999 2000 2001
Actual DRS (Baseline Mean)
DRS ± 2 S.E.
VEC Granger Causality/Block Exogeneity Wald Tests
Date: 03/05/13 Time: 11:10
Sample: 1959Q1 2001Q1
Included observations: 155
Dependent variable: D(DLRGDP)
Excluded Chi-sq df Prob.
D(DLRM2) 12.77376 12 0.3857
D(DRS) 31.07733 12 0.0019
All 38.54119 24 0.0305
Dependent variable: D(DLRM2)
Excluded Chi-sq df Prob.
D(DLRGDP) 7.289367 12 0.8379
D(DRS) 27.34224 12 0.0069
All 64.63993 24 0.0000
Dependent variable: D(DRS)
Excluded Chi-sq df Prob.
D(DLRGDP) 34.39034 12 0.0006
D(DLRM2) 26.21630 12 0.0100
All 59.70089 24 0.0001
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 31/35
31
Dados de painel
Criação e estruturação de um ficheiro de Pooled data
Estatísticas descritivas e análise gráfica
Estimação de modelos
Efeitos fixos e efeitos aleatórios
GLS weights (cross-section weights, cross-section SUR, period weights,period SUR)
Estimação das covarâncias dos coeficientes (White cross-section,
White period, White diagonal, Cross-section SUR, Cross-section
weights, Period SUR, Period Weights)
Variáveis instrumentais (two-stage least squares)
Testes de diagnóstico (autocorrelação, histograma, efeitos fixos, efeitos
aleatórios, Wald, omissão de variáveis, variáveis irrelevantes)
Testes de raizes unitárias (Levin, Lin e Chu; Breitung; Im, Pesaran e
Shin; Kao; ADF; PP)
Testes de cointegração: Pedroni (ou EG-based) ; Kao; Johansen
Teste de causalidade de Dumitrescu-Hurlin
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 32/35
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 33/35
33
Exemplo:
Panel unit root test: Summary
Series: TURNOVER
Date: 03/05/13 Time: 17:11
Sample: 1994 2011
Exogenous variables: Individual ef fects Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0 to 2
Newey-West automatic bandwidth selection and Bartlett kernel
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* 0.83435 0.7980 7 115
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat 3.72853 0.9999 7 115 ADF - Fisher Chi-square 1.67777 1.0000 7 115
PP - Fisher Chi-square 1.78075 1.0000 7 119
** Probabilities for Fisher tests are computed using an asymptotic Chi-square
distribution. All other tests assume asymptotic normality.
Null Hypothesis: Unit root (individual unit root process)
Series: TURNOVER
Date: 03/05/13 Time: 17:13
Sample: 1994 2011
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0 to 2
Total number of observations: 115Cross-sections included: 7
Method Statistic Prob.**
ADF - Fisher Chi-square 1.67777 1.0000
ADF - Choi Z-stat 3.89284 1.0000
** Probabilities for Fisher tests are computed using an asymptotic Chi
-square distribution. All other tests assume asymptotic normality.
Intermediate ADF test results TURNOVER
Cross
section Prob. Lag Max Lag Obs
Arsenal Football ... 0.9486 0 3 17
Aston Villa 0.7629 0 3 17
Chelsea 0.8411 0 3 17
Everton 0.9225 2 3 15
Liverpool 0.8080 0 3 17
Manchester Unite... 0.9539 0 3 17
Tottenham Hotsp... 0.9985 2 3 15Pairwise Dumitrescu Hurlin Panel Causality Tests
Date: 03/05/13 Time: 17:17
Sample: 1994 2011
Lags: 3
Null Hypothesis: W-Stat... Zbar-Stat. Prob.
DTURNOVER does not homogeneously cause DTO... 3.846... -0.16685 0.8675
DTOSCO does not homogeneously cause DTURNO... 1.237... -1.39972 0.1616
DWAGES does not homogeneously cause DTOSCO 6.867... 1.26023 0.2076
DTOSCO does not homogeneously cause DWAGES 2.244... -0.92381 0.3556
DOOC does not homogeneously cause DTOSCO 2.397... -0 .85144 0.3945
DTOSCO does not homogeneously cause DOOC 5.175... 0 .46095 0.6448
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 34/35
34
Exemplo: Pedroni Residual Cointegration Test
Series: DTOSCO DTURNOVER DWAGES DOOC
Date: 03/05/13 Time: 17:14
Sample: 1994 2011
Included observations: 126Cross-sections included: 7
Null Hypothesis: No cointegration
Trend assumption: No deterministic trend
Automatic lag length selection based on SIC with a max lag of 2
Newey-West automatic bandwidth selection and Bartlett kernel
Alternative hypothesis: common AR coefs. (within-dimension)
Weighted
Statistic Prob. Statistic Prob.
Panel v-Statistic -1.111710 0.8669 -1.682715 0.9538
Panel rho-Statistic -1.279028 0.1004 -1.354110 0.0879
Panel PP-Statistic -8.867667 0.0000 -8.180581 0.0000Panel ADF-Statistic -7.559696 0.0000 -8.237869 0.0000
Alternative hypothesis: individual AR coefs. (between-dimension)
Statistic Prob.
Group rho-Statistic -0.540757 0.2943
Group PP-Statistic -10.60068 0.0000
Group ADF-Statistic -9.258845 0.0000
Johansen Fisher Panel Cointegration Test
Series: DTOSCO DTURNOVER DWAGES DOOC
Date: 03/05/13 Time: 17:16
Sample: 1994 2011
Included observations: 126
Trend assumption: Linear deterministic trend
Lags interval (in first differences): 1 1
Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)
Hypothesized Fisher Stat.* Fisher Stat.*
No. of CE(s) (f rom trace test) Prob. (f rom max-eigen tes ... Prob.
None 170.2 0.0000 109.3 0.0000
At most 1 82.91 0.0000 60.63 0.0000
At most 2 37.61 0.0006 30.07 0.0075
At most 3 32.79 0.0031 32.79 0.0031
* Probabilities are computed using asymptotic Chi-square distribution.
Individual cross section results
Trace Test Max-Eign Test
Cross Section Statistics Prob.** Statistics Prob.**
Hypothesis of no cointegration
Arsenal Footb... 88.7771 0.0000 38.4654 0.0014
Aston Villa 122.3159 0.0000 74.5562 0.0000
Chelsea 76.7892 0.0000 39.7648 0.0009
Everton 68.4146 0.0002 38.7650 0.0012
Liverpool 80.9042 0.0000 38.0728 0.0016Manchester Un... 58.7008 0.0035 28.8935 0.0338
Tottenham Hot... 72.7185 0.0001 35.1415 0.0044
Hypothesis of at most 1 cointegration relationship
Arsenal Footb... 50.3117 0.0001 31.4449 0.0013
Aston Villa 47.7597 0.0002 33.5656 0.0006
Chelsea 37.0245 0.0062 23.8514 0.0202
Everton 29.6496 0.0520 16.5328 0.1952
Liverpool 42.8314 0.0009 26.1949 0.0089
Manchester Un... 29.8073 0.0499 18.8499 0.1013
Tottenham Hot... 37.5770 0.0052 22.9864 0.0271
8/16/2019 Apresentacao do EViews 8.pdf
http://slidepdf.com/reader/full/apresentacao-do-eviews-8pdf 35/35
35
Modelos, programação e simulação
Modelos de espaço de estados
Filtro de Kalman
Construção de modelos (equações econométricas,
relações de identidade, simulação de cenários comvariáveis exógenas, previsão)
Programação (em ambiente de Windows através de
uma janela de comandos ou em modo de programação
– encriptado e não encriptado)
Top Related