Qual e formada antes, a SELIC ou as expectativas sobre a SELIC? Uma an alise atrav es da Causalidade-Granger.

Michel Cantagalo 28 de dezembro de 2008

Introdu c ao

Dez vezes por ano o Comit e de Pol tica Monet aria (COPOM) do Banco Central do Brasil (BACEN) se reuni para denir a taxa de juros base da economia nacional. Tamb em conhecida como Sistema Especial de Liquida ca o e Custodia (SELIC), esta taxa de juros e central ao funcionamento da economia, pois e a partir de seu valor que os agentes decidem seu posicionamento no mercado, especialmente as rmas. Na literatura acad emica sobre a forma ca o da SELIC a vari avel expectativa de mercado nem sempre e inclu da como explicativa. Principalmente nos trabalhos que dizem respeito ` a forma c ao da fun ca o de rea ca o do BACEN esta vari avel e desconsiderada. Podemos citar como exemplo os trabalhos de
Trabalho feito para a conclus ao da disciplina Econometria III do curso de mestrado em Economia Aplicada. Universidade de S ao Paulo, Faculdade de Economia, Administra c ao e Contabilidade de Ribeir ao Preto, Departamento de Economia Contato: cantagalo@fearp.usp.br

TELES e BRUNDO (2006)1 e AMARAL (2006)2 . Nos dois casos citados, muito provavelmente as expectativas do mercado sobre a SELIC n ao s ao levadas em considera ca o porque tal vari avel seria altamente correlacionada com a vari avel SELIC, prejudicando o processo de estima ca o. Por outro lado, diversos trabalhos acad emicos consideram importantes as expectativas na determina c ao da taxa de juros b asica nacional. No trabalho de SOBREIRA (2004) o autor discute os impactos das informa c oes geradas pelos derivativos de taxas de juros sobre a condu ca o da pol tica monet aria no Brasil no per odo 1995-98, sob o regime do c ambio xo. O autor parte da tese que a taxa de juros de longo prazo e determinada pelo n vel da taxa de juros b asica de curto prazo (taxa spot ), a ` qual se adicionam as expectativas a respeito do seu comportamento no futuro (taxas a termo esperadas) e um pr emio de risco determinado parte pelos custos de transa ca o associados a `s migra c oes de portf olios e parte pelo grau de conan ca nas expectativas a respeito do comportamento futuro da taxa de juros de curto prazo. O artigo mostra que a inclus ao de derivativos tende a volatilizar as expectativas quando o ambiente econ omico e percebido como mais inst avel, levando a ` imposi ca o de maiores pr emios de risco, intensicando os efeitos das crises de conan ca e, com isso, dicultando as a co es da autoridade monet aria no sentido de determinar a taxa de longo prazo. bem prov E avel que o COPOM leve em considera ca o as expectativas do mercado na determina c ao da SELIC. Isso porque o pr oprio BACEN coleta informa co es sobre as expectativas do mercado, que s ao reveladas atrav es do 3 relat orio Focus publicado semanalmente . Tamb em e plaus vel considerar que o mercado busca sinaliza c oes do governo para revelar suas expectativas, e que no caso dos juros, observa os valores anteriormente denidos da SELIC para ent ao criar sua estimativa sobre os valores futuros da mesma.
Os autores estimam a rea c ao do Banco Central brasileiro ` a varia c oes na ina c ao e no hiato do produto. Os autores incorporam duas contribui c oes a este tipo de exerc cio para o caso brasileiro. A primeira resume-se ` a an alise de medidas qualitativas da pol tica monet aria, sendo estas constru das com base nas atas das reuni oes do COPOM, al em do uso da SELIC, tradicionalmente utilizada. A segunda trata-se do uso de par ametros variando no tempo tanto para o modelo que usa a SELIC, como vari avel de pol tica monet aria, como no caso do modelo com vari avel discreta, cuja estima c ao e infer encia s ao feitas a partir de uma abordagem bayesiana de simula c oes, chamadas de Cadeias de Markov-Monte Carlo (MCMC) de um modelo Probit ordenado din amico. Os resultados revelam um aumento da austeridade da pol tica monet aria no per odo recente. 2 Realiza an alises sobre a fun c ao de rea c ao do Banco Central do Brasil, estudando a forma c ao da SELIC 3 Neste relat orio s ao publicadas expectativas sobre diversos indicadores econ omicos como SELIC, IPCA, IGP-DI, IGP-M, taxa de c ambio, entre outros.
1

Dessa maneira ca a quest ao, qual das duas SELICs (a determinada pelo COPOM, e a esperada pelo mercado) precede temporalmente a outra, qual surge primeiro em nossa economia? Para resolver essa quest ao propomos a utiliza ca o de um teste de Causalidade-Granger. A import ancia em responder essa quest ao esta em entendermos qual agente realmente dene a taxa b asica de juros, o governo ou o mercado, pois caso as expectativas precedam a SELIC, podemos concluir que o governo simplesmente ocializa o que anteriormente j a havia sido denido pelo mercado. Sabe-se ainda da similaridade entre os dados da SELIC e de sua expectativa de mercado e assim, caso as expectativas causem, no sentido Granger, a SELIC (ou ainda se existir simultaneidade de forma ca o) talvez as expectativas de mercado deveriam ser consideradas na fun ca o de rea c ao do BACEN, substituindo a SELIC, dado que tal s erie possui potencialmente mais informa co es que a SELIC (ela n ao varia apenas dez vezes ao ano).

Causalidade-Granger

O importante trabalho de GRANGER (1969) intitulado Investigando Rela co es Causais4 criou uma discuss ao da qual nasceu uma vasta e inuente literatura. Segundo o autor, existem algumas ocasi oes em que surge uma diculdade em se vericar a rela ca o de causalidade entre duas vari aveis e entender se est a ocorrendo ou n ao feedback e assim ele prop oe um modelo, com conceitos test aveis de causalidade e feedback, para tentar acabar com estes problemas metodol ogicos. O importante problema da aparente instant anea causalidade e discutido ainda pelo autor que sugere que o problema se coloca muitas vezes devido ` a lentid ao na grava ca o dos dados ou pela n ao utiliza c ao de classes sucientemente amplas de poss veis vari aveis causais. Por m o autor demonstra que o espectro cruzado entre duas vari aveis pode ser decomposto em duas partes, cada uma relativa a um u nico causador de uma situa ca o de feedback. Com isso medidas de defasagens em causalidade, ou de for cas das rela c oes de causalidade podem ent ao ser constru das. Na macroeconomia, por exemplo, a rela ca o causal entre dinheiro e renda foi investigada uma (SIMS, 1972) e muitas vezes (BARTH e BENNETT, 1984; WILLIANS, GOODHART e GOWLAND, 1976; CICCOLO, 1978; FEIGE e PEARCE, 1979; HSIAO, 1981). Por exemplo, no trabalho de HSIAO (1981), um procedimento baseado no conceito de causalidade de Granger e sugerido como um meio pr atico para identicar a ordem das defasagens de cada vari avel em um processo AR
4

Investigating Causal Relations

multivariado. O modelo parece u til porque pode servir como uma forma reduzida de formula c ao para evitar imposi co es, muitas vezes falsas ou esp urias, de restri c oes ao modelo. Al em disso, o proposto pelo artigo vem como um razoavelmente poderoso teste de causalidade. A id eia e demonstrada no trabalho analisando os dados monet arios e de renda p os-guerra dos Estados Unidos. Alguns autores t em feito exce co es a ` deni ca o de Granger sobre causalidade (ZELLNER, 1979; JACOBS, LEAMER e WARD, 1979; CONWAY et al., 1984) e at e mesmo Granger sugeriu que uma melhor express ao poderia ser temporalmente relacionados5 (GRANGER e NEWBOLD, 1977 - p. 255)6 . O artigo de JACOBS, LEAMER e WARD (1979) baseado nos trabalhos de SIMS (1972) e GRANGER (1969), arma que a leitura destes artigos sem a devida aten c ao pode ter levado muitos economistas ` a impress ao contr aria do anteriormente observado, de que as correla co es podem ser usadas para inferir a dire c ao da causalidade, o que na opini ao dos autores se trata de uma grande m a interpreta c ao dos trabalhos de GRANGER (1969) e SIMS (1972). Preocupados com este problema interpretativo os autores oferecem um artigo de cunho pedag ogico. Assim seguem o seguinte roteiro em seu trabalho: Primeiro o artigo apresenta um modelo simples de duas equa co es atrav es do qual os autores interpretam os resultados da causalidade. Discutem ent ao, tr es deni c oes de causalidade que implicam aus encia de restri co es sobre os par ametros de cada uma das equa co es tanto estruturais como de forma reduzida para com isso demonstrar que apenas uma destas deni co es de causalidade e test avel. A deni ca o test avel, chamada pelos autores de informativeness, n ao coincide com as no co es de causalidade intuitivas que a maioria das pessoas possuem. A deni c ao test avel implica apenas que uma vari avel eu til para predizer outra. Nas u ltimas se co es consideram as regress oes de tr as-para-frente propostas por SIMS (1972) como um teste de causalidade, e demonstram que elas fornecem as mesmas informa co es que os coecientes das equa co es de forma reduzida. Por m os autores demonstram que o efeito da especica ca o de erros, n ao importa qu ao pequeno, torna o teste de causalidade n ao-interpret avel.
...a better term might be temporally related... Neste trabalho o objetivo declarado dos autores e desenvolver uma teoria econom etrica aplic avel para previs oes macroecon omicas. Tal teoria precisa, segundo os autores, permitir que os processos n ao-estacion arios, que s ao sujeitos a intermitentes quebras estruturais, sejam analisados por m etodos con aveis e que podem ser diferentes daqueles que geraram os dados. O artigo se foca primariamente no caso onde os processos n ao possuem quebras estruturais, mas possui demonstra c oes de resultados (que s ao diferentes do caso anterior) para casos com quebras.
6 5

Neste trabalho consideraremos a no c ao inicial da Causalidade-Granger, ou seja, concordamos com o trabalho inicial do autor sobre a revela ca o da ordena ca o temporal resultante da aplica c ao de sua metodologia. A ess encia do teste de causalidade de Granger n ao se prop oe a identicar uma rela ca o de causalidade no seu sentido de endogeneidade7 . Dessa forma, uma s erie de tempo causa no sentido de Granger uma outra s erie, se melhores predi co es estatisticamente signicantes da primeira podem ser obtidas ao incluirmos valores defasados da segunda aos valores defasados da primeira.

Procedimentos e resultados

A base de dados com que trabalhamos neste artigo foi conseguida no site do BACEN8 . Os dados s ao referentes aos valores ociais da SELIC e a `s m edias das expectativas de mercado sobre a SELIC futura (do m es seguinte). Os dados retratam o per odo de 14 de Janeiro de 2005 at e 7 de Novembro de 2008. A s erie St (SELIC) estava em tabela e teve de ser expandida de mensal9 para semanal adequando-se aos dados da s erie Et (expectativas da SELIC). J a a s erie Et teve de ser montada a partir de consultas aos relat orios Focus, que s ao semanais, de Janeiro de 2005 a ` Novembro de 2008. Foram coletadas destes relat orios as informa co es sobre a m edia das expectativas dos dez maiores agentes do mercado sobre a SELIC do per odo futuro. Com os dados foi montada a s erie Et . Gracamente as duas s eries apresentam grandes semelhan cas10 . Considerando ent ao nossas duas s eries de tempo (St e Et ) para o teste de causalidade de Granger, devemos testar se a informa ca o relevante - para a predi c ao das respectivas vari aveis S e E - est a contida no passado de suas pr oprias s eries de tempo. Em termos mais formais, o teste envolve estimar as seguintes regress oes:
n n

St =
i=1 n

ai Sti +
i=1 n

bi Eti + u1t ;

(1)

Et =
i=1
7 8

ci Sti +
i=1

di Eti + u2t ;

(2)

vide MADDALA (1992). http://www.bacen.gov.br/ 9 Na verdade de quase-mensal, dado que a partir de 2006 o COPOM passou a reunir-se apenas dez vezes ao ano e n ao mensalmente como antes fazia. 10 Como podemos ver no Anexo I - Gr aco das s eries St e Et .

n representa o n umero de defasagens a ser utilizado no teste. A equa ca o (1) postula que valores correntes de S est ao relacionados a valores passados do pr oprio S assim como a valores defasados de E . A equa ca o (2), por outro lado, postula um comportamento similar para a vari avel E . Com estas regress oes podemos encontrar causalidade unilateral de Et para St , quando os coecientes estimados em (1) para a vari avel defasada Et s ao
n

conjuntamente diferentes de zero (

i=1 n

bi = 0), e quando o conjunto de co-

ecientes estimados em (2) para a vari avel St n ao forem estatisticamente diferentes de zero (
i=1

ci = 0), causalidade unilateral de St para Et , quando

n

o conjunto de coecientes defasados para a vari avel St na equa ca o (1) n ao for estatisticamente diferente de zero (
i=1

bi = 0) e o conjunto de coecientes
n

defasados para a vari avel Et em (2) o for (

i=1

ci = 0). Podemos ainda en-

contrar simultaneidade, quando os conjuntos de coecientes defasados de Et e St forem estatisticamente diferentes de zero em ambas as regress oes, e independ encia, quando, em ambas as regress oes, os conjuntos de coecientes defasados de Et e St n ao forem estatisticamente diferentes de zero. No entanto para que as regress oes sejam v alidas para o teste de causalidadeGranger, ambas as s eries precisam ser estacion arias. Analisando os correlogramas das duas s eries11 vemos que ambas possuem valores signicativamente positivos, com decr escimo exponencial, no fator de autocorrela ca o (AC), e apenas valor signicativo na primeira defasagem no valor da autocorrela ca o parcial (PAC), caracter sticas que indicam que as duas s eries sejam auto-regressivas de ordem 1 (AR(1)). Por assim serem, o teste Dickey-Fuller (DF), que testa a presen ca de raiz unit aria, pode ser utilizado para testarmos a estacionariedade das s eries. Ambas as s eries foram testadas em n vel considerando a exist encia de tend encia e intercepto e nenhuma foi considerada estacion aria. Seguem os resultados nas tabelas a seguir. Tabela I - Teste Dickey-Fuller para a s erie St . Hip otese nula: St tem raiz unit aria Estat stica t Probabilidade Estat stica do teste Dickey-Fuller 0.8387 0.99 Valores cr ticos: 1% 4.0048 5% 3.4326 10% 3.1401
11

Presentes no Anexo II - Correlogramas das s eries St e Et

Tabela II - Teste Dickey-Fuller para a s erie Et . Hip otese nula: Et tem raiz unit aria Estat stica t Probabilidade Estat stica do teste Dickey-Fuller 1.5038 1.00 Valores cr ticos: 1% 4.0048 5% 3.4326 10% 3.1401 Como vimos os testes apontaram a presen ca de ra zes unit arias em ambas s eries, revelando desta forma que estas s ao n ao-estacion arias. Acreditando que as duas s eries se tratam de integradas de ordem 1 (I(1)) a an alise de estacionariedade foi novamente feita considerando a primeira diferen ca das s eries e a exist encia de intercepto. Com os novos valores encontrados vimos que as s eries em primeira diferen ca s ao estacion arias. Seguem os resultados tabelados. Tabela III - Teste Dickey-Fuller para a s erie St em 1o diferen ca. o Hip otese nula: St em 1 diferen ca tem raiz unit aria Estat stica t Probabilidade Estat stica do teste Dickey-Fuller 14.2177 0.00 Valores cr ticos: 1% 3.4634 5% 2.8760 10% 2.5745 Tabela IV - Teste Dickey-Fuller para a s erie Et em 1o diferen ca. o Hip otese nula: Et em 1 diferen ca tem raiz unit aria Estat stica t Probabilidade Estat stica do teste Dickey-Fuller 11.6914 0.00 Valores cr ticos: 1% 3.4634 5% 2.8760 10% 2.5745 Como demonstrado, as s eries em primeira diferen ca n ao possuem raiz unit aria, ou seja, s ao estacion arias. Quando consideramos as s eries em primeira diferen ca, as vari aveis S e E passam a ser representadas como taxas de varia ca o. Em nossa an alise esta mudan ca n ao traz preju zo algum, pois n ao h a nenhum ponto na teoria que reprove s eries assim representadas, pelo contr ario, este tipo de s erie tem sido muito utilizada na literatura, dada a diculdade em se encontrar vari aveis que sejam estacion arias em seus n veis. Um ponto importante ao analisarmos a rela c ao de causalidade entre duas vari aveis e a escolha do n umero adequado de lags (ou defasagens) a ser utilizado nas regress oes (1) e (2). MADDALA (1992) sugere que a determina c ao 7

do n umero de lags e, de certa forma, arbitr aria, por em para pesquisas realizadas por pesquisadores iniciantes o indicado e seguir algum tipo de crit erio, dada a falta de experi encia. Utilizamos o crit erio de Schwarz que nos revelou que o n umero de lags indicado para a an alise das s eries e 2. Realizando ent ao o teste de causalidade de Granger, nas s eries St e Et , ambas em primeira diferen ca, encontramos simultaneidade de forma ca o, ou seja, St granger causa Et e Et granger causa St , como demonstrado na tabela abaixo. Tabela V - Teste de Causalidade-Granger entre St e Et . Defasagens consideradas: 2 Hip otese Nula Observa c oes Estat stica F Probabilidade St n ao Granger-causa Et 187 4.3874 4.8E 06 Et n ao Granger-causa St 4.7912 1.1E 06 Como o teste levou a ` rejei ca o de ambas hip oteses nulas, a simultaneidade de forma ca o deve ser aceita como a hip otese v alida at e ent ao. Por em caso exista cointegra ca o entre as vari aveis analisadas nosso teste passa a ser question avel. Para testarmos a presen ca de cointegra c ao entre as vari aveis Et e St utilizamos a metodologia de Engle-Granger. O primeiro passo para realiza c ao do teste e a estima c ao das seguintes regress oes: St = f1 Et + et Et = f2 St + nt . e (3) (4)

Em seguida um teste DF deve ser realizado nos res duos das regress oes (3) e (4) como teste de estacionariedade. Caso os res duos n ao possuam raiz unit aria, ou seja, tenham estacionariedade como caracter stica, e poss vel armar que as s eries Et e St , cointegram. Considerando t os res duos da equa ca o (3) e t os res duos da equa c ao (4) testamos a presen ca de ra zes unit arias nas mesmas12 . Tabela VI - Teste Dickey-Fuller para o res duo t . Hip otese nula: t tem raiz unit aria Estat stica t Probabilidade Estat stica do teste Dickey-Fuller 4.3696 0.0005 Valores cr ticos: 1% 3.4632 5% 2.8759 10% 2.5745
12

Na verdade bastaria testar em um dos res duos

Tabela VII - Teste Dickey-Fuller para o res duo t . Hip otese nula: t tem raiz unit aria Estat stica t Probabilidade Estat stica do teste Dickey-Fuller 4.3712 0.0004 Valores cr ticos: 1% 3.4632 5% 2.8759 10% 2.5745 Como demonstram as tabelas, os res duos t e t s ao estacion arios conrmando a exist encia de cointegra ca o entre as vari aveis St e Et . Dessa forma nosso teste de causalidade-Granger deve ser alterado para se tornar con avel. Na verdade existe uma cr tica aos testes de causalidade tradicionais, como o realizado acima, e tal cr tica diz respeito ao fato de que eles se concentram apenas em rela co es de curto prazo, ignorando assim, informa co es provenientes de tend encias de longo prazo das s eries temporais. Como as s eries originais geralmente t em que ser transformadas para alcan carem a estacionariedade, como demonstrado acima, a informa c ao de longo prazo contida originalmente nas s eries e perdida por deni ca o. Uma vers ao mais recente do teste de causalidade de Granger permite que se busquem poss veis rela co es de causalidade entre duas vari aveis origin arias de uma mesma tend encia de longo prazo. Tal processo e derivado do m etodo de corre ca o dos erros, proposto por Engle e Granger (1987). O m etodo de Engle e Granger altera o teste de causalidade de Granger incorporando um poss vel efeito de longo prazo na an alise de curto prazo, o que e a ess encia da an alise de cointegra ca o. Em termos mais t ecnicos, para testar causalidade quando as vari aveis s ao cointegradas, usam-se as seguintes equa c oes:
n n

St = g1 +
i=1 n

1,i Sti +
i=1

1,i Eti + 1 t1 + ut
n

(5)

Et = g2 +
i=1

2,i Eti +
i=1

2,i Sti + 2 t1 + vt .

(6)

Al em do anteriormente descrito sobre o teste de causalidade, na equa ca o (5) a hip otese nula de que Et Granger-causa St n ao pode ser rejeitada se o coeciente de t1 for signicante. O mesmo tipo de an alise aplica-se ao caso de t1 na equa c ao (6), para a hip otese nula de que St Granger-causa Et . Em outras palavras, o valor de ou em um per odo representa o erro a ser corrigido no per odo seguinte. Estimando ent ao as equa co es (5) e (6) considerando novamente duas defasagens, obtivemos os seguintes resultados: 9

Vari avel St (1) St (2) Et (1) Et (2) t (1) g1

Tabela VIII - Estima ca o da equa ca o (5). Vari avel dependente: St M etodo: M nimos Quadrados Observa c oes: 197 Coeciente Erro Padr ao Estat stica t Probabilidade 0.0032 0.0628 0.0517 0.9589 0.1148 0.0677 1.6936 0.0915 0.0641 0.1007 0.6366 0.5252 0.3182 0.0913 3.4860 0.0006 0.3489 0.0410 8.4982 0.0000 0.0330 0.0114 2.9057 0.0041 Tabela IX - Estima c ao da equa ca o (6). Vari avel dependente: Et M etodo: M nimos Quadrados Observa c oes: 197 Coeciente Erro Padr ao Estat stica t Probabilidade 0.0512 0.0818 0.6263 0.5319 0.0448 0.0741 0.6033 0.5470 0.3505 0.0510 6.8730 0.0000 0.1109 0.0550 2.0172 0.0451 0.0733 0.0337 2.1730 0.0310 0.0156 0.0093 1.6861 0.0934

Vari avel Et (1) Et (2) St (1) St (2) t (1) g2

Na tabela VIII podemos ver que apenas os coecientes de Et (2), t (1) e g1 s ao estatisticamente diferentes de zero, considerando valores cr ticos de 5%. Assim temos que tanto o passado de Et como os res duos da equa ca o (3) s ao vari aveis explicativas v alidas da vari avel dependente St , ou seja, Et Granger-causa St . Por outro lado analisando a tabela IX temos o caso contr ario. Apenas os coecientes de St (1), St (2) e t (1) podem se considerados diferentes de zero, considerando o mesmo n vel de 5% para os valores cr ticos. Ent ao podemos concluir com os dados da tabela IX que o passado da s erie St e o res duo da equa c ao (4) tem poder de explica ca o sobre a Et , ou seja, St Granger-causa Et . Dessa forma, vemos que mesmo que o teste considere a cointegra c ao existente entre as vari aveis analisadas, ainda sim encontramos simultaneidade de forma ca o entre Et e St .

10

Discuss ao

A simultaneidade encontrada entre a SELIC e suas expectativas pode ser entendida de duas maneiras, sob duas hip oteses diferentes. A primeira hip otese e de que mercado e governo se observam e que atrav es desta rela ca o denem a SELIC ou as expectativas sobre a mesma, por em de maneira mais din amica do que os dados possam demonstrar. A segunda hip otese, vista como mais realista, e de que mesmo que o governo e o mercado se comuniquem em suas respectivas tomadas de decis oes, n ao e essa comunica c ao central a ` forma ca o da SELIC ou de suas expectativas, mas sim a conjuntura macroecon omica. Metaforicamente e como se os dois agentes olhassem pela mesma janela para buscar informa c oes que justiquem suas a c oes, e assim como ambos t em fontes de dados similares acabam revelando atitudes parecidas ao agirem na deni c ao da taxa de juros (ou de sua previs ao). Dada esta hip otese, o resultado de simultaneidade encontrado no trabalho, e sim v alido. Uma u ltima considera ca o deve ser aqui feita. Dada a similaridade entre as duas s eries e sua comprovada simultaneidade, e plaus vel considerarmos que o processo gerador de dados (DGP) de ambas as s eries tendem a ter muita semelhan ca. Tal semelhan ca valida a id eia de que, em alguns casos, seja poss vel a substitui ca o de uma s erie (por exemplo, a SELIC) pela outra (expectativas sobre a SELIC) para ampliar os resultados de trabalhos acad emicos13 , dado que os dados s ao gerados de maneira semelhante, por em com periodicidades distintas.

Refer encias bibliogr acas

AMARAL, R. Q. (2006) A din amica da fun c ao de rea c ao do Banco Central do Brasil: Uma poss vel fonte da perda de ec acia da pol tica monet aria. Revista Economia & Tecnologia, Jul/Set. BARTH, J. R. e BENNETT, J. T. (1984) The role of money in the canadian economy: An empirical test. Canadian Journal of Economics, 306-11. CICCOLO, J. H. Jr. (1978) Money, equity values, and income: Tests for exogeneity. Journal of Money, Credit, and Banking, 46-64.
Como os que estimam a fun c ao de rea c ao do BACEN, citados na introdu c ao deste trabalho
13

11

 CONWAY, R. K.; SWAMY, P. A. V. B.; YANAGIDA, J. F. e MUEHLEN, P. V. Z. (1984) The impossibility of causality testing Agriculture and Economic Research, 1-19. ENGLE, R. F. e GRANGER, C. W. J. (1987) Co-integration and error correction: representation, estimation and testing. Econometrica, 251-76. FEIGE, E. L. e PEARCE, D. K. (1979) The casual causal relationship between money and income: Some caveats for time-series analysis. Review of Economics and Statistics, 521-33. GRANGER, C. W. (1969) Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 424-38. GRANGER, C. W. e NEWBOLD P. (1977) Forecasting economic time series. New York: Academic Press. HSIAO, C. (1981) Autoregressive modeling and money-income causality detection. Journal of Monetary Economics, 85-106. JACOBS, R. L.; LEAMER, E. E. e WARD M. P. (1979) Diculties with testing for causation Economic Inquiry, 401-13. MADDALA, G. S. (1992) Introduction to Econometrics. 2nd edition, MacMillan, Nova York. SIMS, C. (1972) Money, income, and causality. American Economic Review, 540-55. SOBREIRA, R. (2004) Pol tica monet aria, derivativos e expectativas: Uma an alise do Brasil no per odo 1995-1998. An alise Econ omica, Setembro, 33-59. TELES, V. K. e BRUNDO, M. (2006) Medidas de pol tica monet aria e a fun c ao de rea c ao do Banco Central no Brasil. Anais do XXXIV Encontro Nacional de Economia da Associa ca o Nacional dos Centros de P osgradua c ao em Economia (ANPEC). WILLIANS, D.; GOODHART, c. A. e GOWLAND, D. H. (1976) Money, income and causality: The U.K. experience. American Economic Reviem, 417-23.

12

 ZELLNER, A. (1979) Causality and econometrics. Three Aspects of Policy and Policymaking: Knowledge, Data and Institutions ed. K. Brunner and A. H. Meltzer, pp. 9-54. Carnegie-Rochester Conference Series on Public Policy, vol. 10.

13