Regressão espúria com séries não estacionárias

Duas séries geradas de forma independente podem produzir uma regressão com R² alto, coeficiente significante e p-valor muito abaixo de 5% quando nenhuma delas é estacionária. No exercício, simulamos milhares desses pares, medimos com que frequência o teste rejeita uma hipótese nula verdadeira, comparamos com séries estacionárias e vemos como a primeira diferença devolve ao teste a taxa de erro esperada.
Duas séries temporais simuladas de forma independente, cada uma com raiz unitária, traçando trajetórias que parecem relacionadas ao longo do tempo

Vamos sortear duas séries temporais de forma independente, sem que uma tenha qualquer influência sobre a outra. Mesmo assim, a regressão de uma contra a outra pode devolver R² alto, coeficiente significante e p-valor muito abaixo de 5%. Neste exercício, vamos ver por que isso acontece e o que fazer antes de regredir uma série temporal contra outra.

Esse resultado é uma regressão espúria, ou seja, uma regressão que indica uma relação estatisticamente significante entre variáveis sem relação alguma. Ela aparece quando as séries têm raiz unitária, e a saída do modelo fica parecida com a de uma relação verdadeira.

Duas séries temporais simuladas de forma independente, cada uma com raiz unitária, traçando trajetórias que parecem relacionadas ao longo do tempo
Dois passeios aleatórios sorteados em separado, sem nenhum choque em comum. Elaboração: Análise Macro.

Na figura acima, cada linha representa uma série simulada. Em trechos longos, as séries sobem ou descem ao mesmo tempo, e a regressão interpreta esse movimento comum como uma relação forte entre as variáveis.

De onde vem esse movimento comum? Da persistência de cada série: cada uma acumula os próprios choques e se afasta da origem por longos períodos, embora os sorteios tenham sido feitos sem nenhuma ligação entre eles.

📩 O modelo continua valendo. O que mudou é a velocidade

Quem já sabe econometria tem a parte difícil resolvida: saber qual pergunta fazer e como checar se a resposta faz sentido. No Boletim AM eu mostro, todo dia, como a IA entra nesse trabalho, sem substituir o julgamento de quem entende o modelo.

Receber o Boletim AM →

Todo dia no seu e-mail. Gratuito, e sai num clique.

O que é uma raiz unitária

Uma série tem raiz unitária quando o valor de hoje é igual ao valor de ontem somado a um choque que permanece na série em todos os períodos seguintes. O caso mais simples é o passeio aleatório, em que o nível da série muda apenas pelo choque do período:

yt = yt−1 + εt

Nessa equação, εt é um choque de média zero e sem correlação ao longo do tempo. Como cada choque é somado ao nível da série, ele continua presente em todos os períodos seguintes.

Se aplicarmos a equação período após período, desde o início, o nível da série em cada período é a soma de todos os choques passados. Por isso, a variância cresce na proporção do tempo decorrido:

Var(yt) = t · σ²

Uma série assim se afasta do ponto de partida sem tendência de voltar a uma média de longo prazo, e por isso é chamada de não estacionária. Essa variância, que cresce com o tempo, causa o problema na regressão.

Por que o teste t falha com séries não estacionárias

A estatística t é a razão entre o coeficiente estimado e o seu erro-padrão, e a fórmula usual do erro-padrão pressupõe que a variância dos dados não dependa do tempo.

Quando as séries são passeios aleatórios, a soma dos quadrados dos desvios cresce com a amostra mais rápido do que a fórmula supõe. Com isso, o erro-padrão calculado fica pequeno demais, e a estatística t, que divide o coeficiente por esse erro-padrão, fica grande demais.

Granger e Newbold (1974) documentaram esse resultado ao simular pares de passeios aleatórios independentes: a hipótese nula foi rejeitada com frequência muito acima do nível nominal do teste.

Phillips (1986) explicou o resultado pela teoria assintótica. Com séries não estacionárias, a estatística t cresce com a raiz do tamanho da amostra, em vez de convergir para a distribuição t usual.

Com que frequência o teste erra

Um único par de séries pode produzir qualquer resultado, dependendo do sorteio. Para medir o tamanho do problema, repetimos o experimento milhares de vezes e contamos com que frequência o teste rejeita a hipótese nula.

A hipótese nula afirma que o coeficiente é zero, e ela é verdadeira em todas as repetições, porque as séries foram sorteadas de forma independente. Por isso, um teste ao nível de 5% deveria rejeitá-la em cerca de 5% das repetições.

Histograma da estatística t de milhares de regressões entre séries independentes com raiz unitária, muito mais larga que a faixa delimitada pelos valores críticos usuais
Distribuição da estatística t entre pares de séries independentes. Elaboração: Análise Macro.

Na figura acima, o histograma mostra a estatística t de cada repetição, e as linhas tracejadas marcam os valores críticos usuais, −1,96 e 1,96. Com séries estacionárias e a hipótese nula verdadeira, 95% das estatísticas ficariam entre esses dois valores.

No nosso exemplo, a maior parte das estatísticas fica fora da faixa entre os valores críticos, que ocupa apenas uma região estreita em torno de zero. Ou seja, o teste rejeita a hipótese nula verdadeira em mais de oito de cada dez repetições.

A distribuição fica larga porque, como mostrou Phillips, a estatística t cresce com a raiz do tamanho da amostra. Por isso, aumentar a amostra piora o diagnóstico em vez de corrigi-lo.

O R² também indica uma relação inexistente

Histograma do R² de milhares de regressões entre séries independentes com raiz unitária, espalhado por quase todo o intervalo entre zero e um
Distribuição do R² entre pares de séries independentes. Elaboração: Análise Macro.

Na figura acima, o histograma mostra o R² de cada repetição. Os valores se espalham por quase todo o intervalo entre zero e um, com frequência que diminui devagar da esquerda para a direita. Por isso, um R² alto, sozinho, não permite distinguir uma relação verdadeira de um par de séries sorteadas em separado.

Na cauda direita da distribuição, o R² ultrapassa 0,5, valor que muitos trabalhos aplicados leem como evidência de bom ajuste. Ou seja, parte das repetições produz uma regressão aparentemente bem ajustada entre séries sem relação.

O mesmo experimento com séries estacionárias

Se a raiz unitária causa o problema, o mesmo experimento com séries estacionárias deveria produzir uma taxa de rejeição próxima do nível nominal de 5%. Por isso, vamos repetir a simulação com séries estacionárias, que funcionam como grupo de controle.

As séries do controle são ruído branco, ou seja, sorteios independentes de média zero e variância constante. Elas são estacionárias porque nem a média nem a variância dependem do tempo.

Comparação entre a taxa de rejeição da hipótese nula verdadeira com séries não estacionárias e com séries estacionárias, muito acima e junto do nível nominal de cinco por cento
Frequência de rejeição de uma hipótese nula verdadeira nos dois desenhos. Elaboração: Análise Macro.

Na figura acima, cada barra mostra a taxa de rejeição em regressões cujo coeficiente verdadeiro é zero. A barra das séries estacionárias fica junto da linha tracejada do nível nominal, enquanto a barra das séries não estacionárias fica mais de dez vezes acima dela.

Os choques sorteados são os mesmos nos dois experimentos, e a única diferença é a soma acumulada que transforma o ruído branco em passeio aleatório. Ou seja, o problema surge quando aplicamos o teste t usual a séries cuja variância cresce ao longo do tempo.

A primeira diferença e a cointegração

Como corrigir o problema? A primeira diferença de uma série é a variação entre um período e o anterior. Num passeio aleatório, essa variação é o próprio choque εt, porque subtrair o valor anterior elimina a soma dos choques passados. Por isso, a primeira diferença de uma série com raiz unitária é estacionária.

Quando repetimos o experimento com as séries em primeira diferença, a taxa de rejeição volta para perto de 5%, e o R² médio cai para perto de zero. O processo que gerou os dados continua o mesmo; a diferenciação apenas coloca as séries na condição em que a fórmula do erro-padrão é correta.

A diferenciação tem um custo quando as séries têm uma relação de longo prazo. Duas séries com raiz unitária são cointegradas quando existe uma combinação linear entre elas que é estacionária. Por exemplo, os preços de dois ativos parecidos podem se afastar no curto prazo, mas a diferença entre eles tende a voltar a uma média. Nesse caso, a regressão em nível estima essa combinação de forma consistente.

Quando há cointegração, a diferenciação remove a relação de longo prazo entre as séries, que é justamente a informação procurada. Por isso, usamos o modelo de correção de erros, que inclui as séries em diferença e o desvio da relação de longo prazo, conforme Engle e Granger (1987).

Antes de diferenciar ou de usar o modelo de correção de erros, precisamos saber se as séries têm raiz unitária. O teste de Dickey-Fuller aumentado tem como hipótese nula que a série tem raiz unitária, e rejeitá-la indica que a série é estacionária.

Cuidados na leitura do diagnóstico

🔗

Quando há cointegração
Com séries cointegradas, a regressão em nível é válida e a diferenciação descarta a relação de longo prazo.
📊

R² em dados com tendência
Em dados com tendência, o R² fica alto mesmo entre séries sem relação, e por isso não indica se a relação é verdadeira.
📈

Tendência comum produz o mesmo efeito
Séries com tendência determinística comum produzem correlação alta, e o conserto é incluir a tendência como regressor.

O próprio teste de Dickey-Fuller aumentado tem dificuldade para distinguir uma raiz unitária de um processo muito persistente, mas estacionário, e essa dificuldade aumenta quanto menor a amostra.

Por isso, em séries curtas, comparamos a conclusão do teste com a de outros testes de raiz unitária e com o que sabemos do processo econômico por trás da série.

O roteiro para regredir duas séries temporais

Passo O que fazer
1 Fazer o gráfico das duas séries ao longo do tempo. Um nível que se afasta da média sem voltar a ela é o primeiro indício de raiz unitária.
2 Aplicar o teste de Dickey-Fuller aumentado em cada série, em nível e em primeira diferença.
3 Se as duas forem integradas de ordem um, ou seja, estacionárias em primeira diferença, testar a cointegração entre elas antes de escolher a especificação.
4 Se não houver cointegração, estimar a regressão em primeira diferença; se houver, usar o modelo de correção de erros.
5 Reportar o teste de raiz unitária e o de cointegração junto da regressão, com as estatísticas e as defasagens usadas.

O quinto passo permite que o leitor avalie a especificação, porque, sem o diagnóstico de estacionariedade, não há como distinguir uma estimativa válida de uma regressão espúria.

Considerações finais

A regressão espúria surge quando aplicamos o estimador a séries que violam a hipótese sobre a qual a fórmula do erro-padrão foi construída. O estimador de mínimos quadrados funciona como deveria; o erro está em usar o teste t usual com séries cuja variância cresce com o tempo.

Por isso, testamos a raiz unitária antes de qualquer estimativa. O teste é rápido de aplicar e evita que uma conclusão seja construída sobre uma relação inexistente.

  • Economista: testa raiz unitária antes de relacionar câmbio, juros ou nível de preços, que raramente são estacionários em nível.
  • Analista de dados: desconfia de R² alto entre duas séries que só compartilham o fato de crescerem ao longo do tempo.
  • Gestor de risco: evita construir sinal de carteira sobre uma correlação entre preços que desaparece na primeira diferença.
  • Pesquisador: reporta os testes de raiz unitária e de cointegração junto da regressão, permitindo a avaliação da especificação.
  • Profissional de mercado: distingue um par cointegrado, que sustenta estratégia de reversão, de um par de séries que se moveram juntas por acaso.

Em todos esses casos, a pergunta é a mesma: as séries satisfazem as condições sob as quais este teste é válido?

Você viu o problema; aprenda a modelar séries temporais

De estatística descritiva a testes de hipótese e regressão, com Python aplicado a dados econômicos reais desde a primeira aula. Quem quer acesso a todas as formações tem o AM Black, a assinatura anual.

Conheça a formação →Ver o AM Black →

Referências

DICKEY, D. A.; FULLER, W. A. Distribution of the Estimators for Autoregressive Time Series with a Unit Root. Journal of the American Statistical Association, v. 74, n. 366, p. 427-431, 1979.

ENGLE, R. F.; GRANGER, C. W. J. Co-Integration and Error Correction: Representation, Estimation, and Testing. Econometrica, v. 55, n. 2, p. 251-276, 1987.

GRANGER, C. W. J.; NEWBOLD, P. Spurious Regressions in Econometrics. Journal of Econometrics, v. 2, n. 2, p. 111-120, 1974.

HAMILTON, J. D. Time Series Analysis. Princeton: Princeton University Press, 1994.

PHILLIPS, P. C. B. Understanding Spurious Regressions in Econometrics. Journal of Econometrics, v. 33, n. 3, p. 311-340, 1986.

Leia também: Multicolinearidade

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Encontre o seu conteúdo

Pesquisar
Boletim AM · gratuito

Estatística, econometria e IA aplicada, todo dia no seu e-mail

Um insight rápido por dia. Aos domingos, os papers, livros e modelos da semana em métodos quantitativos, aplicados à economia e ao mercado financeiro.

Quero receber o Boletim AM

Temas do blog

Livros digitais

Python, R e IA aplicados a dados econômicos

Livro Análise de Dados com PythonLivro Análise de Dados com RLivro Como Criar Agentes de IALivro Linguagem Econômica

Quatro livros com dados reais do Banco Central, do IBGE e do FED, e código pronto para rodar. Leia as primeiras páginas antes de comprar.

R$ 197R$ 47cada
Ver os livros

Artigos mais acessados

Análise Macro © 2011 / 2026

comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002