Detalhes bibliográficos
| Ano de defesa: |
2024 |
| Autor(a) principal: |
Chaves, Rafael Bernardoni |
| Orientador(a): |
Taufemback, Cleiton Guollo |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Link de acesso: |
http://hdl.handle.net/10183/278762
|
Resumo: |
Entender as complexidades das relações econômicas é crucial para formuladores de políticas, pesquisadores e analistas. A agregação temporal, onde a frequência de geração de dados excede a frequência de coleta de dados, apresenta desafios significativos na análise econômica. Essa discrepância pode levar a realizações não observáveis do processo estocástico original, afetando as propriedades dos dados de séries temporais. Abordar esses desafios é vital para detectar e interpretar com precisão as relações causais entre variáveis econômicas. Nossa pesquisa visa identificar como a agregação temporal pode interferir na detecção de causalidade entre séries temporais. Também demonstramos como um teste de causalidade Sims modificado pode ser empregado para detectar causalidade em modelos de frequências mistas. Nossas simulações de Monte Carlo mostram boas propriedades de tamanho e poder para amostras finitas. Finalmente, testamos a causalidade entre o PIB dos EUA e indicadores macroeconômicos mensais. |
