Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Os melhores documentos à venda: Trabalhos de alunos formados
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Comunidade
Peça ajuda à comunidade e tire suas dúvidas relacionadas ao estudo
Descubra as melhores universidades em seu país de acordo com os usuários da Docsity
Guias grátis
Baixe gratuitamente nossos guias de estudo, métodos para diminuir a ansiedade, dicas de TCC preparadas pelos professores da Docsity
A análise de três séries temporais (y1, y2 e y3) usando o teste de dickey-fuller aumentado, com diferentes considerações de tendência e constante. Além disso, é feita a identificação de um processo autorregressivo ar(1) e a especificação de modelos arima e arma para as séries. São apresentados os coeficientes, erros padrão, estatísticas z e p-valores, além de outras métricas de ajuste e verossimilhança.
O que você vai aprender
Tipologia: Exercícios
1 / 7
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Modelo 1: ARMA, usando as observações 1960:01-1968:04 (T = 100) Variável dependente: Y Erros padrão baseados na Hessiana Coeficiente Erro Padrão z p-valor const 1,88734e+031 2,11799e+031 0,8911 0, phi_1 0,991193 0,0106990 92,64 <0,0001 *** Média var. dependente 1,03e+30 D.P. var. dependente 6,05e+ Média de inovações 3,51e+29 D.P. das inovações 3,19e+ R-quadrado 0,993455 R-quadrado ajustado 0, Log da verossimilhança −7167,644 Critério de Akaike 14341, Critério de Schwarz 14349,10 Critério Hannan-Quinn 14344, Real Imaginária Módulo Frequência AR Raiz 1 1,0089 0,0000 1,0089 0,
Modelo 5: ARIMA, usando as observações 1960:03-1968:04 (T = 98) Variável dependente: (1-L)^2 Y Erros padrão baseados na Hessiana Coeficiente Erro Padrão z p-valor const −0,00718806 0,00267383 −2,688 0,0072 *** phi_1 0,526622 0,0950590 5,540 <0,0001 *** phi_2 −0,341463 0,0943993 −3,617 0,0003 *** theta_1 −1,00000 0,0305835 −32,70 <0,0001 *** Média var. dependente 0,000800 D.P. var. dependente 0, Média de inovações 0,013452 D.P. das inovações 0, R-quadrado 0,999842 R-quadrado ajustado 0, Log da verossimilhança −93,80633 Critério de Akaike 197, Critério de Schwarz 210,5375 Critério Hannan-Quinn 202, Real Imaginária Módulo Frequência AR Raiz 1 0,7711 -1,5277 1,7113 -0, Raiz 2 0,7711 1,5277 1,7113 0, MA Raiz 1 1,0000 0,0000 1,0000 0,
Modelo 2: ARMA, usando as observações 1960:01-1968:04 (T = 100) Variável dependente: Y Erros padrão baseados na Hessiana Coeficiente Erro Padrão z p-valor const 3,67731 0,334457 10,99 <0,0001 *** phi_1 0,803652 0,0637686 12,60 <0,0001 *** Média var. dependente 3,766020 D.P. var. dependente 1, Média de inovações 0,035758 D.P. das inovações 0, R-quadrado 0,608215 R-quadrado ajustado 0, Log da verossimilhança −103,8008 Critério de Akaike 213, Critério de Schwarz 221,4171 Critério Hannan-Quinn 216, Real Imaginária Módulo Frequência AR Raiz 1 1,2443 0,0000 1,2443 0,
