Questões de Concurso Público IPEA 2024 para Técnico de Planejamento e Pesquisa - Políticas Públicas e Avaliação

Os Gráficos Acíclicos Direcionais (Directed Acyclic Graph – DAG) são ferramentas gráficas muito utilizadas para identificar fatores de confusão, colisores e mediadores, permitindo, assim, uma melhor identificação dos efeitos causais diretos e indiretos.

Considere que a análise DAG foi utilizada para auxiliar na definição das restrições na identificação de um modelo VAR estrutural (SVAR) aplicado à política monetária. O modelo é constituído a partir das seguintes variáveis: Taxa Selic, PIB, câmbio nominal e taxa de inflação. Considere o DAG abaixo.




Nesse contexto, verifica-se que

Seja o seguinte processo dinâmico caracterizado pela descontinuidade no tempo:

em que t é a unidade de tempo e ε_t é o termo de erro independente e identicamente distribuído com média igual a 0 e variância constante.

Sendo assim, qual é o valor esperado para t = 3, isto é, E[Y₃ ]?

O modelo do Método de Momentos Generalizados de Arellano-Bond (GMM) é um método estatístico utilizado em econometria para abordar o problema de endogeneidade em modelos de dados em painel.
Os modelos dinâmicos de dados em painel envolvem tanto dados de séries temporais quanto de seção transversal. Esses modelos frequentemente incorporam variáveis dependentes defasadas e regressores endógenos, o que pode levar a problemas de endogeneidade.
O modelo GMM aborda problemas de endogeneidade e autocorrelação em modelos dinâmicos de dados em painel. Ele faz isso utilizando variáveis instrumentais (IVs) e explorando a estrutura dos dados, para criar condições de momento que auxiliam na estimativa consistente de parâmetros.
Um dos principais testes usados para avaliar a adequação do modelo é o teste de Sargan-Hansen.

O teste de Sargan-Hansen

Entender qual processo melhor explica a dinâmica de uma série temporal é uma questão central da análise de séries temporais univariadas. A metodologia de Box-Jenkins auxilia na resposta a essa questão, indicando se a dinâmica temporal de uma série é mais bem compreendida por processos: AR(p); MA(q); ARMA(p,q) ou outro.
Essa metodologia é composta pelas seguintes etapas:

P - Estimação
Q - Diagnóstico
R - Previsão
S - Identificação 

Segundo essa metodologia, a sequência das etapas, da primeira para a última, para explicar a dinâmica de uma série temporal é:

No Texto para Discussão do Ipea, é apresentada a seguinte Tabela que sumariza o resultado do teste de causalidade de Granger entre duas variáveis: Expectativa de Dívida Líquida do Setor Público (EDLSP) e a diferença da Expectativa de Superávit Primário (dESP), em que d representa a primeira diferença da série, entre janeiro de 2001 e junho de 2006. 

As informações da Tabela permitem inferir o seguinte resultado: