Abdul Aly Salimo

Anabela Guluja
Cleusia Barros
Elias Jechua Júnior
Emerson João Félix
Idalécio A. C. S. Cazança
Leila Machava
Letícia Laura José
Nelson Anderson da Conceição
Simore Machapata
Tamara Felicidade Chalauane

GRUPO 2

ECONOMETRIA II – LABORAL
Trabalho de Avaliativo

MSc. Khalilahmad M. Bahadur

Universidade Zambeze
Faculdade de Ciências Sociais e Humanidades
Beira, 28 de Abril de 2021
INDICE

MODELO INICIAL........................................................................................................................ 3

Testes de Estacionariedade ............................................................................................................. 3

Exame Visual .................................................................................................................................. 3

Primeira Estimação ......................................................................................................................... 4

Teste de Normalidade ..................................................................................................................... 5

Teste de Autocorrelação ................................................................................................................. 6

Teste de Heterocedasticidade .......................................................................................................... 6

Teste de Multicolinearidade ............................................................................................................ 7

MODELO FINAL ........................................................................................................................... 8

Análises de Resultados – Conclusões: ............................................................................................ 8

2
MODELO INICIAL

LnExp=B1+b2LnTC+B3IPC+u
 Exp – Exportação;
 TC – taxa de câmbio metical/dólar;
 IPC – Índice de Preço do Consumidor;
Período: 1994.1 – 2005.4 (48 observações)

Testes de Estacionariedade

Para testar a estacionariedade, foram efectuados os Exames visuais e o unit root test de ADF. A
análise de estacionariedade visa encontrar o nível em que todas as variáveis se encontram
igualmente co-integradas.
Exame Visual

LNEXP TC

16.4 35

16.0 30

15.6 25

15.2 20

14.8 15

14.4 10

14.0 5
94 95 96 97 98 99 00 01 02 03 04 05 94 95 96 97 98 99 00 01 02 03 04 05

IPC
200

180

160

140

120

100

80

60

40
94 95 96 97 98 99 00 01 02 03 04 05

O exame visual não é conclusivo pelo motivo de apenas testar a estacionariedade no nível das
séries. Para que se tenha resultados mais confiáveis e conclusivos é necessário o uso de um teste
formal, o teste de Raiz unitária de Dickey – Fuller (ADF).

3
 Varivel Ordem Nível de t estatístico t ADF prob
significancia
lnEXP I (0) 5% -2.9331 -0.2750 0.9200
I (1) 5% -2.9331 -3.0069 0.0422
IPC I (0) 5% -2.9252 1.9882 0.9998
I (1) 5% -2.9252 -5.0033 0.0002
TC I (0) 5% -2.9252 -0.5932 0.8622
I (1) 5% -2.9252 -6.2909 0.0000
Resid01 I (0) 5% -2.9281 -6.6518 0.0000
Os resultados ilustram que as variáveis do modelo não são estacionárias no nível I(0) pois os
valores de ADF crítico são maiores que os valores do t-estatístico.

Não alcançada a estacionariedade de todas variáveis no nível, I(0), estas foram colocadas na
primeira diferença, I(1) onde se mostraram estacionárias, com valores de ADF estatístico a serem
maiores, em todas variáveis que os valores do ADF Crítico. A variável resid01 é estacionária no
nível anterior das variáveis, ou seja, os resíduos são estacionários no nível, como pré-estabelecido.
Assim sendo podemos estimar o modelo.

Primeira Estimação

Dependent Variable: LNEXP

Method: Least Squares
Date: 04/27/21 Time: 11:18
Sample: 1994Q1 2005Q4
Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob.

TC 0.030240 0.007847 3.853687 0.0004

IPC 0.014221 0.001576 9.025277 0.0000
C 13.06277 0.093260 140.0685 0.0000

R-squared 0.926691 Mean dependent var 15.18288

Adjusted R-squared 0.923433 S.D. dependent var 0.702422
S.E. of regression 0.194366 Akaike info criterion -0.377689
Sum squared resid 1.700011 Schwarz criterion -0.260739
Log likelihood 12.06454 Hannan-Quinn criter. -0.333494
F-statistic 284.4198 Durbin-Watson stat 0.208502
Prob(F-statistic) 0.000000

4
A taxa de cambio e a inflação tem uma relação positiva com o nível de exportação na economia,
no período é analise. Um aumento de 1% na taxa de cambio irá aumentar as exportações em 0.03%,
mantendo o resto constante. Um aumento de 1% no IPC vai aumentar as exportações em 0.01%.
Com base no teste de significância individual todas as variáveis do modelo são significantes,
porque a 5% de significância, rejeitamos a hipótese de que os coeficientes, individualmente, sejam
iguais a 0. Essa conclusão é com base na probabilidade de t. com base na prob. de F, rejeitamos a
hipótese de que os coeficientes parciais sejam iguais a 0. Assim sendo as variáveis são
significantes.

O R2-ajustado, mostra o quão bem ajustados os dados estão a recta de regressão. O valor do
coeficiente de determinação retirado da acima, mostra que os dados estão ajustados a recta de
regressão em 92.34%, ou seja, a taxa de cambio e o IPC explicam o crescimento das exportações
em 92.34%.

Teste de Normalidade

7
Series: Residuals
6 Sample 1994Q1 2005Q4
Observations 48
5
Mean 2.31e-15
4 Median -0.015143
Maximum 0.472469
3 Minimum -0.482853
Std. Dev. 0.190185
2 Skewness 0.139717
Kurtosis 3.292357
1
Jarque-Bera 0.327111
0 Probability 0.849119
-0.5 -0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4 0.5

Observando os resultados do teste de normalidade acima ilustrados, observa-se que a probabilidade

de ocorrência do estatística de Jarque-Bera é maior que 5% e que o valor de Jarque – Bera é menor
que 5. Assim sendo não se pode rejeitar a hipótese nula de normalidade dos resíduos e concluímos
que os resíduos seguem a distribuição normal.

5
Teste de Autocorrelação

O teste de autocorrelação, feito com base no valor da estatística de Durbin – Watson e valores
críticos de dL e dU do apêndice 5, Gujarati (2006), concluiu que há autocorrelação serial positiva
nos resíduos, pois o valor da estatística dw foi inferior ao valor crítico de dL e dU, ou seja, dw
(0.208502) ˂ dL(1,421) ˂ dU (1,674). Lembrando que k = 3 e n = 50 (aproximadamente).

Para corrigir a autocorrelação estimou-se novamente o modelo com apoio ao comando AR (1):

Dependent Variable: LNEXP

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 04/27/21 Time: 11:37
Sample: 1994Q1 2005Q4
Included observations: 48
Convergence achieved after 11 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

TC 0.002107 0.005893 0.357589 0.7224

IPC 0.006291 0.002456 2.560845 0.0140
C 14.35237 0.664611 21.59514 0.0000
AR(1) 0.996410 0.022726 43.84365 0.0000
SIGMASQ 0.002874 0.000784 3.664377 0.0007

R-squared 0.994052 Mean dependent var 15.18288

Adjusted R-squared 0.993499 S.D. dependent var 0.702422
S.E. of regression 0.056636 Akaike info criterion -2.703124
Sum squared resid 0.137930 Schwarz criterion -2.508207
Log likelihood 69.87498 Hannan-Quinn criter. -2.629465
F-statistic 1796.611 Durbin-Watson stat 0.475437
Prob(F-statistic) 0.000000

Inverted AR Roots 1.00

Teste de Heterocedasticidade

Heteroskedasticity Test: White

F-statistic 2.567974 Prob. F(5,42) 0.0409

Obs*R-squared 11.23843 Prob. Chi-Square(5) 0.0469
Scaled explained SS 11.32140 Prob. Chi-Square(5) 0.0454

6
O teste de heterocedasticidade, apresentado acima, dão-nos a probabilidade do F – estatístico,
usado para interpretar o resultado. Com base nos resultados, rejeitamos a hipótese de
homocedasticidade, ou seja, conclui-se que os resíduos não têm variância constante pois a
probabilidade do F – estatístico é menor que 5%.

Para corrigir o problema da heterocedasticidade estimou-se novamente o modelo com fixando

Newey-West:

Dependent Variable: LNEXP

Method: Least Squares
Date: 04/27/21 Time: 11:35
Sample: 1994Q1 2005Q4
Included observations: 48
HAC standard errors & covariance (Bartlett kernel, Newey-West fixed
bandwidth = 4.0000)

Variable Coefficient Std. Error t-Statistic Prob.

TC 0.030240 0.010311 2.932885 0.0053

IPC 0.014221 0.002153 6.605493 0.0000
C 13.06277 0.138087 94.59797 0.0000

R-squared 0.926691 Mean dependent var 15.18288

Adjusted R-squared 0.923433 S.D. dependent var 0.702422
S.E. of regression 0.194366 Akaike info criterion -0.377689
Sum squared resid 1.700011 Schwarz criterion -0.260739
Log likelihood 12.06454 Hannan-Quinn criter. -0.333494
F-statistic 284.4198 Durbin-Watson stat 0.208502
Prob(F-statistic) 0.000000 Wald F-statistic 108.0631
Prob(Wald F-statistic) 0.000000

Teste de Multicolinearidade

Por fim para analisar a correlação entre as variáveis usamos a matriz de correlação a seguir:

LNEXP TC IPC
LNEXP 1 0.8910 0.9500
TC 0.8910 1 0.8523
IPC 0.9500 0.8523 1

Notamos pela matriz de correlação que as variáveis independentes do nosso modelo estão
altamente correlacionadas. Para resolver este problema e tornar os parâmetros os mais
consistentes, optamos em remover as últimas 20 amostras, onde obtemos a seguinte matriz:

7
 LNEXP TC IPC
LNEXP 1 0.8824 0.8664
TC 0.8824 1 0.7888
IPC 0.8664 0.7888 1

Satisfeitas todas as premissas, o modelo final pronto pra analise é o seguinte:

MODELO FINAL

Dependent Variable: LNEXP

Method: Least Squares
Date: 04/27/21 Time: 11:50
Sample (adjusted): 1994Q1 2001Q4
Included observations: 28 after adjustments
HAC standard errors & covariance (Bartlett kernel, Newey-West fixed
bandwidth = 4.0000)

Variable Coefficient Std. Error t-Statistic Prob.

TC 0.032329 0.008854 3.651465 0.0012

IPC 0.012863 0.003463 3.714204 0.0010
C 13.08508 0.250420 52.25256 0.0000

R-squared 0.855430 Mean dependent var 14.65031

Adjusted R-squared 0.843865 S.D. dependent var 0.351800
S.E. of regression 0.139010 Akaike info criterion -1.007585
Sum squared resid 0.483094 Schwarz criterion -0.864849
Log likelihood 17.10619 Hannan-Quinn criter. -0.963949
F-statistic 73.96338 Durbin-Watson stat 0.255632
Prob(F-statistic) 0.000000 Wald F-statistic 24.40320
Prob(Wald F-statistic) 0.000001

Análises de Resultados – Conclusões:

O estudo teve como o objectivo analisar os efeitos da taxa de câmbio e do IPC sobre as exportações
de uma economia entre o período de 1994:1 á 2005.4. Por forma aferir os objetivos desejados,
foram realizados vários testes econométricos tais como: testes de estacionaridade, teste de
multicolinearidade, teste de heterocedasticidade, teste de autocorrelacao, estacionariedade dos
resíduos, teste de normalidade e o mecanismo de correção de erro e foram analisados os valores
de 𝑅 2 e 𝑅 2 Ajustado para a testar a validade do modelo.

Assim sendo, com base na estimação da regressão final, que é feita apos a satisfação das premissas,
podemos concluir que o no período de 1994:1 à 2005:4 a relação entre as exportações e a taxa de
cambio e o IPC foi positiva.

8
O teste de significância individual das variáveis leva-nos a concluir que a taxa de câmbio e o IPC
são determinates das exportações na economia. O aumento de 1% na taxa de câmbio aumenta as
exportações em 0.03%, mantendo o resto constante. Do mesmo modo, mantendo O resto constante
um aumento de 1% no IPC aumenta as exportações em 0.01%. ao todo, cerca de 84% das variações
nas exportações nesse período são esclarecidas pela taxa de câmbio e pelo IPC. Para que os
coeficientes do modelo sejam considerados os melhores estimadores lineares fez-se uso de
medidas corretivas de problemas encontrados na amostra como o da Heterocascictdade e
autocorrelação, ou seja, de inico as variância do resíduo era desigual ao longo da média e os
residios estavam correlacionados.