A primeira parte do nosso Curso de Macroeconometria usando o R é dedicada a entender o organismo econômico por meio da estimação de quatro equações: uma Curva de Phillips, que representa o lado da oferta; uma Curva IS, que representa o lado da demanda; uma Paridade da Taxa de Juros, que representa o contato com o resto do mundo; e uma Curva de Reação do Banco Central. Nesse post, por suposto, ilustramos alguns resultados da estimação da Curva IS, utilizando dados brasileiros. Todos os códigos e orientações sobre como proceder a estimação no R são mostrados no nosso curso.
Metodologia e Dados
Com base em Blinder (1999), Bogdanski et al. (2000) e Walsh (2010), nós estimaremos a seguinte Curva IS:
(1)
onde é o hiato do produto,
é o juro nominal,
é a expectativa de inflação 12 meses à frente,
é a taxa de juros neutra e
são as necessidades de financiamento do setor público. As séries que utilizaremos para estimar 1 são o PIB mensal do IBRE/FGV, o juro real ex-post (taxa Selic deflacionada pela inflação acumulada em 12 meses medida pelo IPCA), o juro real ex-ante (taxa Selic deflacionada pela expectativa de inflação medida pelo IPCA e acumulada em 12 meses) e a série de superávit primário acumulado em 12 meses controlado pelo PIB, com sinal trocado. Os dados brutos são importados abaixo.
### Importar dados data = read.table('data.csv', header=T, sep=';', dec=',') data$date = as.Date(dataexpost, type='lambda', freq=14400) neutro = hp$trend
Abaixo, um gráfico do diferencial de juros.
O próximo passo é criar o hiato do produto. O código abaixo faz isso.
hp2 = hpfilter(data$pib, type='lambda', freq=14400) hiato = hp2$cycle
Criado o diferencial de juros e o hiato do produto, podemos colocar os dados que utilizaremos em uma mesma estrutura.
hiato = ts(hiato, start=c(2003,01), freq=12) diferencial = ts(diferencial, start=c(2003,01), freq=12) data = ts(data[,-1], start=c(2003,01), freq=12) is = ts.intersect(hiato, diferencial, data[,4]) colnames(is) = c('Hiato', 'DJuros', 'NFSP')
Organizados os dados, podemos estimar 1 com a função dynlm do pacote de mesmo nome. O código abaixo faz isso.
modelo = dynlm(Hiato~lag(Hiato, -1)+lag(Hiato,-2)+lag(DJuros,-1)+ lag(NFSP,-1), data=is)
A tabela 1 traz os resultados da estimação. Observe que o coeficiente do diferencial de juros é de -0,11. Isso significa que um aumento de um ponto percentual no diferencial de juros, reduz o hiato do produto em -0,11. Ademais, observa-se que o mesmo é estatisticamente significativo. O coeficiente das necessidades de financiamento do setor público, por seu turno, não se mostrou estatisticamente significativo.
Essa seção do nosso Curso de Macroeconometria usando o R completou aquelas quatro equações vistas no modelo básico do Banco Central. Estimamos uma Curva de Phillips, uma Curva IS, uma Curva de Reação do Banco Central e uma equação de paridade da taxa de juros. Esperamos, com efeito, que todo esse trabalho de modelagem amplie os insights por trás da teoria macroeconômica.
Dependent variable: | |
Hiato | |
lag(Hiato, -1) | 0.969*** |
(0.077) | |
lag(Hiato, -2) | -0.144* |
(0.077) | |
lag(DJuros, -1) | -0.110*** |
(0.041) | |
lag(NFSP, -1) | 0.024 |
(0.046) | |
Constant | 0.177 |
(0.139) | |
Observations | 166 |
R2 | 0.770 |
Adjusted R2 | 0.764 |
Residual Std. Error | 1.024 (df = 161) |
F Statistic | 134.416*** (df = 4; 161) |
Note: | *p<0.1; **p<0.05; ***p<0.01 |
Vítor Wilher
Data Scientist
Vítor Wilher é Bacharel e Mestre em Economia, pela Universidade Federal Fluminense, tendo se especializado na construção de modelos macroeconométricos, política monetária e análise da conjuntura macroeconômica doméstica e internacional. Tem, ademais, especialização em Data Science pela Johns Hopkins University. Sua dissertação de mestrado foi na área de política monetária, titulada "Clareza da Comunicação do Banco Central e Expectativas de Inflação: evidências para o Brasil", defendida perante banca composta pelos professores Gustavo H. B. Franco (PUC-RJ), Gabriel Montes Caldas (UFF), Carlos Enrique Guanziroli (UFF) e Luciano Vereda Oliveira (UFF). Já trabalhou em grandes empresas, nas áreas de telecomunicações, energia elétrica, consultoria financeira e consultoria macroeconômica. É o criador da Análise Macro, startup especializada em treinamento e consultoria em linguagens de programação voltadas para data analysis, sócio da MacroLab Consultoria, empresa especializada em cenários e previsões e fundador do hoje extinto Grupo de Estudos sobre Conjuntura Econômica (GECE-UFF). É também Visiting Professor da Universidade Veiga de Almeida, onde dá aulas nos cursos de MBA da instituição, Conselheiro do Instituto Millenium e um dos grandes entusiastas do uso do R no ensino. Leia os posts de Vítor Wilher aqui. Caso queira, mande um e-mail para ele: vitorwilher@analisemacro.com.br