2161 8897 1 PB

Metodologia de estimao do PIB trimestral utilizando procedimentos...
Metodologia de estimao do PIB trimestral

utilizando procedimentos de cointegrao
e filtros de Kalman*
Luiz Fernando Cerqueira**
Professor Adjunto do Departamento de

Economia da Universidade Federal
Fluminense (UFF)
Resumo
Neste artigo, apresenta-se uma metodologia para a estimao da srie do PIB
trimestral no Brasil, para o perodo 1960-96, a qual parte da estimao da equao
esttica do procedimento de cointegrao de Engle-Granger (EG), envolvendo
dados anuais do PIB e variveis a ele relacionadas. Os coeficientes estimados
da regresso so utilizados com os dados trimestrais dessas variveis, para
construir uma primeira estimativa da srie do PIB trimestral. Em seguida,
aprimoram-se esses resultados com procedimentos de filtro de Kalman. Estimam-se modelos univariados com valores omissos e processos de "benchmarking",
bem como um modelo multivariado SURE com variveis explicativas. Os modelos
apresentam boas "performances" no que concerne obedincia das hipteses
do modelo gaussiano linear. A principal contribuio do artigo apresentar uma
metodologia consistente e original para a recuperao e/ou estimao e oferecer
bases para o desenvolvimento de uma metodologia de previso e/ou extrapolao
do PIB brasileiro trimestral.
Palavras-chave
Filtro de Kalman; construo e estimao de modelos; PIB.
* Artigo recebido em fev. 2007 e aceito para publicao em dez. 2007.

**E-mail: lcer@uol.com.br.
O autor agradece os comentrios e o apoio tcnico de Adrian Pizzinga e Cristiano Fernandes,
bem como as observaes cuidadosas de dois pareceristas annimos. Todos os erros
remanescentes so de responsabilidade do autor. O autor especialmente grato ao CNPq
e FAPERJ pelo apoio financeiro.
Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008
Luiz Fernando Cerqueira
Abstract
In this paper we present a methodology to estimate the Brazilian GDP's quarterly
series from 1960 to 1996. Firstly, the suggested methodology applies
Engle-Granger two-step cointegration procedure, involving annual GDP data and
some GDP correlated variables. The estimated coefficient of the long-run
relationship is used to create a quarterly equation with the GDP and its covariates.
From this equation the first quarterly GDP estimate is obtained. The following
step consists of improving this estimate with the state space framework, which
use the Kalman filter. We estimated univariate models with missing values and
benchmarking process, as well as a multivariate SURE with explanatory variables.
The estimated model shows appropriate goodness of fit and the diagnostic tests
for standardized innovations suggest the assumptions underlying the Gaussian
linear model are valid for the data. The paper's major contribution is to present an
approach for estimating the quarterly GDP series and developing a methodological
framework for its forecasting.
Key words
Kalman filter; model construction and estimation; GDP.
Classificao JEL: C32, C51, E01.
1 Introduo
O objetivo deste artigo descrever e aplicar a metodologia desenvolvida
para a recuperao e a estimao do PIB trimestral no perodo 1960-96, utilizando
procedimentos de cointegrao combinados com mtodos de espao de estado
em modelos estruturais de sries de tempo. Dentro desse esquema, estima-se
uma relao de longo prazo, com freqncia anual, entre o PIB e sries
relacionadas, e aplica-se o vetor de cointegrao obtido sobre os dados trimestrais
dessas variveis, para computar uma primeira estimativa do PIB. A srie estimada
encadeada para trs, com a srie oficial do PIB estimada pelo IBGE a partir
de 1980. O passo seguinte filtrar esses resultados com modelos estruturais
em espao de estado.
A motivao inicial era estimar a srie do ndice do PIB trimestral para o

perodo 1960-791 e obter uma srie completa para todo o perodo aps 1960,
com o intuito de utiliz-la em estudos posteriores, por exemplo, na estimao de
uma demanda por moeda, para esse perodo ou para subperodos, em que a
renda possua um papel central como varivel determinante. Entretanto, na
dmarche empreendida no processo de estimao, apareceram dificuldades
operacionais, relatadas na subseo 3.1, que conduziram estimao para um
perodo mais amplo e a uma metodologia "mais complexa", diferente da
inicialmente pretendida, que se resumia aos procedimentos tradicionais de
cointegrao. Acabou-se chegando, assim, escolha de modelos estruturais
em estado de espao.
Alguns estudos anteriores a este, utilizando enfoques diversos, procuraram
sanar essa deficincia das estatsticas oficiais. Em geral, na ausncia de
estatsticas coletadas com o objetivo de computar o PIB, a montagem de
estimativas trimestrais para o produto real agregado pode adotar trs critrios:
(a) um trabalho de interpolao dos dados anuais; (b) um levantamento prprio a
partir de amostras de bens e servios; e (c) uma combinao dos dois primeiros
critrios (Contador; Santos Filho, 1987).
Existem diversas tcnicas para a interpolao de sries, desde mtodos
simples, baseados em suposies de comportamento linear ou quadrtico, at
mtodos mais elaborados, que lidam mais apropriadamente com valores omissos,
a exemplo do ajuste aos dados de funes spline cbicas e filtro de Hodrick-Prescott, que utilizam suavizaes exatas do filtro de Kalman. H ainda
procedimentos de controle timo de funcionais de custo quadrticas, que utilizam
solues recursivas, baseadas tambm no filtro de Kalman. Outros mtodos
adotam sries disponveis em bases mensais ou trimestrais, que possuem forte
relao com a varivel objeto de interesse. No Brasil, a preferncia dos
pesquisadores recai sobre o uso da interpolao com sries relacionadas com o
produto. Neste estudo, segue-se tambm este ltimo caminho.
Na primeira etapa da metodologia, obteve-se uma estimativa do PIB
trimestral a partir dos coeficientes de uma regresso, rodada com freqncia
anual, entre o PIB e a produo de veculos automotores e a de cimento, o
consumo industrial de energia eltrica nas regies do Rio de Janeiro e de So
A partir de 1992, a srie do ndice do PIB trimestral no dessazonalizado passou a ser

divulgada periodicamente pelo IBGE, tendo sido computada retroativamente desde 1980. Ela
passou por diversas revises. A utilizada neste artigo esteve disponvel no site do IPEADATA
e referia-se quela calculada pelo IBGE com a metodologia antiga. Atualmente, ela aparece,
no site, encadeada com a srie calculada pela metodologia nova, srie esta que no est
disponvel no site do IBGE.
10
Paulo e a receita tributria real do Tesouro Nacional2, utilizando as sries em

ndices com base em 1980. Se as sries so todas integradas de mesma ordem, faz sentido realizar um teste de cointegrao e utilizar o vetor de
cointegrao associado equao do PIB como relao de longo prazo de
interesse entre essas variveis. Embora o tamanho da amostra seja um empecilho para essa estratgia, especialmente para a implementao do procedimento de Johansen, o teste de cointegrao de Engle-Granger (EG), por ser
menos exigente em termos de nmero de observaes, factvel.3 Assim, os
resultados obtidos com a equao esttica de Engle-Granger constituem uma
informao a priori a ser utilizada. O ndice do PIB trimestral , ento, computado com uma equao em que os coeficientes estimados da equao anual so
multiplicados pelos ndices trimestrais respectivos das sries relacionadas.
A natureza restritiva da j convencional metodologia raiz unitria/cointegrao no se coaduna com o uso de modelos que admitem uma heterogeneidade
temporal mais geral (Caporale; Pittis, 2002). No perodo em estudo, as mudanas
foram endmicas. Nesse caso, os processos econmicos so modelados mais
adequadamente na forma de espaos de estado, que possuem uma maior
flexibilidade para tratar de uma gama variada de problemas na anlise de sries
temporais. Nesta abordagem, assume-se que a evoluo da srie no tempo
determinada por uma srie no observada de vetores ts aos quais est associada uma srie de observaes yts. A relao entre os ts e os yts
especificada por um modelo de espao de estado. O propsito da anlise de
espao de estado inferir as propriedades relevantes dos ts a partir do
conhecimento das observaes. Nesses modelos, as observaes so constitudas por tendncia, sazonalidade, ciclos, componentes de regresso e mais
um termo irregular. Os componentes so geralmente representados por formas
de modelos de random walk e so moldados previamente, antes de serem colocados junto s observaes no modelo de espao de estado. Outra caracterstica dos modelos de espao de estado que eles so flexveis. Devido natureza recursiva destes e das tcnicas computacionais usadas para analis-los,
permitem, de imediato, mudanas conhecidas na estrutura do sistema ao longo
do tempo (Durbin; Koopman, 2004).
As informaes sobre a obteno e o tratamento dos dados utilizados neste artigo esto
descritas detalhadamente em Cerqueira (2007).
O que se deve ao fato de que defasagens nesse caso, apenas da varivel dependente
so exigidas somente no segundo estgio do procedimento, quando aplicado um teste de
raiz unitria sobre os resduos da equao esttica estimada no primeiro estgio. E, com
freqncia anual, o nmero de defasagens requerido pequeno, embora os seus resultados devam ser tomados com cautela, porque um teste, como o de Johansen, idealizado
para grandes amostras.
11
Modelos de espao de estado so bastante gerais, cobrindo uma ampla

variedade de modelos. Observaes multivariadas podem ser tratadas como
extenses da teoria univariada. Pode-se permitir a presena de valores omissos.
Variveis explicativas podem ser incorporadas ao modelo. Alm disso, se
necessrio, pode-se admitir que os coeficientes da regresso variem
estocasticamente ao longo do tempo. Ajustes e variaes de calendrio tambm
podem ser includos. Da mesma forma, observaes mensais e trimestrais podem
ser ajustadas, para terem consistncia com observaes anuais totais esse
processo de harmonizao das estimativas trimestrais com o total anual recebe
o nome de benchmarking e , muitas vezes, utilizado por agncias produtoras
de dados oficiais.
A etapa seguinte da metodologia consiste, ento, em aprimorar a estimativa
inicial atravs de procedimentos de filtro de Kalman. Utilizam-se trs modelos
distintos para a decomposio em espao de estado da srie do PIB em seus
componentes estruturais: um modelo univariado com valores omissos; um
multivariado SURE, em que a obteno do PIB filtrado por cada modelo,
respectivamente, feita sem ser adicionado o rudo gerado pelo termo irregular
aos demais componentes; e um terceiro, univariado, com benchmarking,
harmonizando os dados de freqncia trimestral com os anuais, atravs da
extrao do erro de medida existente nos valores trimestrais. At o momento da
finalizao da presente verso, no se tinha conhecimento de trabalhos
semelhantes na literatura econmica brasileira.
O artigo est organizado da seguinte forma. Na seo 2, feita uma reviso
da literatura brasileira sobre estimaes do PIB trimestral. Na seo 3, a
metodologia descrita em seus vrios aspectos: na subseo 3.1, apresenta-se a primeira etapa da metodologia, que utiliza o procedimento de cointegrao,
na 3.2, feita uma breve resenha sobre o assunto, junto com uma rpida
apresentao dos modelos estruturais com benchmarking; e, na 3.3 so
demonstrados os procedimentos da segunda etapa da metodologia. Na seo 4,
so mostrados os resultados dos modelos estimados em espao de estado. Na
seo 5, oferece-se uma concluso. No Apndice A, apresentam-se os grficos
das sries empregadas, e, no Apndice B, as matrizes desenhadas para se
estimar o modelo de benchmarking.
2 Reviso da literatura
Na ausncia de estatsticas oficiais coletadas com o objetivo de computar
o PIB, a montagem de estimativas trimestrais para o produto real agregado
pode adotar trs critrios: (a) interpolao dos dados anuais, (b) levantamento
12
prprio a partir de amostras de bens e servios e (c) combinao dos dois

primeiros critrios (Contador; Santos Filho, 1987). No Brasil, a preferncia dos
pesquisadores recaiu sobre o uso da interpolao com sries relacionadas ao
produto.4
Dentre os estudos que utilizam variveis relacionadas com o PIB como
forma de se obterem valores interpolados, cabe destacar-se o de Cardoso (1981),
o qual serviu de base para anlises posteriores na mesma linha metodolgica,
como em Rossi (1988), Pastore (1991), Pinotti (1991) e Cerqueira (1993). Nesse
artigo, o autor obtm estimativas trimestrais para o PIB, no perodo 1966-79, a
partir dos coeficientes de uma regresso do PIB anual contra a produo anual
de cimento e de veculos automotores, o consumo industrial de energia eltrica
no eixo Rio de JaneiroSo Paulo e a arrecadao tributria real do Tesouro
Nacional. No entender de Contador e Santos Filho (1987), o trabalho de Cardoso
(1981) possui deficincias no que concerne excessiva participao da produo
industrial e imposio de que a sazonalidade do produto real estimado seja a
mesma apresentada pela combinao das variveis. Esses autores, na
construo de sua srie de PIB trimestral para o perodo 1973-85, combinam
amostragem com interpolao e utilizam sries desagregadas para o produto
dos setores agropecuria, indstria, comrcio e transportes. Contudo a
metodologia empregada diferente daquela utilizada pelo IBGE. As sries
desagregadas usadas diferem, assim como os pesos associados a cada uma,
de modo a compor a srie agregada.5
Alm dos problemas apontados, os dados trimestrais, obtidos atravs
dessa metodologia, apresentam outros dignos de nota. H descontinuidade dos
dados utilizados para os setores agropecuria, comrcio e para o produto do
Governo, assim como dificuldade em obt-los. H tambm um certo empirismo
na escolha das proxies das variveis utilizadas, o que torna o procedimento
rduo de se replicar e estender para perodos maiores e anteriores a 1974. Por
essas razes, esse procedimento no ser empregado.
Embora, primeira vista, as estimativas que utilizam variveis relacionadas
ao PIB possam falhar, por no empregarem um nmero de variveis
suficientemente representativo de setores produtivos da economia, uma
combinao linear dessas variveis disponveis pode constituir uma boa proxy
do PIB. Assim sendo, lcito que se utilize como ponto de partida da metodologia
Para uma anlise detalhada, ver Contador e Santos Filho (1987).
Nakane (1994) procura corrigir essas deficincias, utilizando as mesmas ponderaes que
o IBGE, de modo a tornar as sries comparveis. Porm, como sugerido pelo prprio autor, a
srie estimada apresenta distores, devido s diferenas do padro de sazonalidade entre
13
de recuperao e estimao do PIB uma estimativa inicial, obtida por essa

tcnica baseada na estimao do PIB trimestral atravs de variveis relacionadas
a ele.
3 Metodologia
3.1 Primeira etapa: recuperao e estimao
do PIB trimestral atravs de tcnicas de
cointegrao
A idia inicial era fazer a estimativa do PIB trimestral apenas para o perodo
anterior a 1980.6 A metodologia de estimao partiria do teste de cointegrao
entre o PIB e as variveis a ele relacionadas, com freqncia anual, utilizando o
procedimento de Johansen. Os coeficientes do termo de correo de erros
estimado seriam, ento, aplicados sobre as sries em freqncia trimestral,
gerando a srie do PIB. As variveis includas seriam: PIB, produo de veculos
automotores e de cimento, consumo industrial de energia eltrica nas regies do
Rio de Janeiro e de So Paulo, receita tributria real, produo de petrleo e gs
e de ao em lingotes. As sries esto expressas em ndices com base em 1980.
No entanto, o pequeno tamanho da amostra (16 observaes) revelou-se,
desde logo, um entrave. O reduzido nmero de graus de liberdade impediu a
colocao de um nmero maior de defasagens para a correo da correlao
serial nos resduos, o que invalidava o teste de cointegrao, o qual, ademais,
requer "grandes amostras". Alm disso, a possvel presena de sries I(2) no
perodo 1965-80 poderia estar causando o excesso de correlao serial. A soluo
encontrada para dar continuidade aos experimentos foi reduzir o nmero de
variveis e aumentar o tamanho da amostra. Assim, alongou-se a amostra at o
limite da disponibilidade de dados, a qual passou, ento, a cobrir o perodo 1960-96.7 O nmero de variveis foi reduzido para cinco. A produo de ao foi retirada,
O mtodo de relacionar sries indicadoras srie anual do PIB, o benchmark, no representa

um processo de benchmarking estrito senso, embora resolva um problema de valores
omissos existente nas estatsticas oficiais do perodo 1960-79. O procedimento descrito
nesta seo inspira-se em Chow e Lin (1971).
As sries de energia eltrica e receita tributria s esto disponveis a partir de 1960. O

truncamento em 1996 deveu-se ao fato de a srie do ndice do PIB trimestral, pela metodologia
antiga do IBGE, ter sido interrompida no terceiro trimestre de 1997. Para no se ter que
trabalhar com frao de ano, a amostra foi truncada no final de 1996.
14
por ser intensiva em eletricidade, o que estava acarretando inverso de sinais

nos coeficientes do mecanismo de correo de erros (ECM). Alm disso, sua
presena aumentava a correlao serial dos resduos. A produo de petrleo,
por sua vez, foi retirada em funo do seu crescimento muito acelerado aps
1980, o que levou a srie a se afastar das demais.
Os estudos realizados com o procedimento de Johansen para o perodo
1960-96 no apresentaram resultados aceitveis. Embora os testes de raiz
unitria tenham indicado que as cinco sries utilizadas so I(1), os resduos do
vetor de correo de erros (VECM) apresentaram elevada correlao serial, que
no foi possvel corrigir com um polinmio de lags de ordem cinco, nmero
mximo imposto pelo tamanho da amostra (T = 35). Alm disso, o VECM no
mostrou boas caractersticas de estabilidade, apresentando, mesmo aps a
restrio sobre o espao dos vetores de cointegrao, razes muito prximas a
um. Assim, essa estratgia teve de ser abandonada.8
Um procedimento alternativo o teste de dois estgios de Engle-Granger.
Nessa hiptese, a equao esttica usada para fornecer os coeficientes de
longo prazo, e o teste de raiz unitria aplicado sobre os resduos da equao
indica a existncia de uma relao estvel de longo prazo entre as variveis.
Os testes realizados esto expostos no Quadro 1. O ndice do PIB a
varivel dependente. Do lado direito da equao aparece um termo constante
(C), uma tendncia (TT) e os ndices de consumo de energia eltrica (IEES), de
produo de veculos (IAUTO), da receita tributria real (IRTNRS) e da produo
de cimento (ICIM). Na parte inferior do Quadro 1, esto as estatsticas R2, DW e
SER para a equao esttica e o resultado do teste de raiz unitria dos resduos
junto com os p-values dos testes portmanteau para a presena de correlao
serial e o valor do critrio de informao bayesiano.
No nvel de 10%, rejeita-se a hiptese nula de no cointegrao entre as
variveis. O teste apresenta resduos sem correlao serial. Como esperado, o
R2 est bem prximo de um, caracterizando um ajuste perfeito e eliminando a
necessidade de correo para o vis de equaes simultneas ou correlao
serial (Engle; Granger, 1991).9 Ademais, a multicolinearidade existente entre as
Cabe mencionar-se que, nos experimentos realizados, algumas variveis apareceram com
sinais negativos, o que se deveu provavelmente colinearidade existente entre certas
sries, como energia eltrica com ao e cimento. Entretanto as sries do PIB estimadas
com os coeficientes do ECM apresentaram-se semelhantes s obtidas com a esttica de
Engle-Granger.
Contudo sempre se pode argumentar sobre a presena de regressores endgenos, que

tornariam as estimativas linearmente viesadas, com distribuio limite assimtrica e contendo parmetros de nuisance. A soluo dessas deficincias, proposta por Phillips e Hansen
15
variveis colaborou no sentido de se obter esse ajuste. Por outro lado, os estudos sobre os componentes sazonais estruturais atravs de modelos em espao
de estado e de Holt-Winters indicam que a srie estimada e a do IBGE possuem
padres de sazonalidade muito semelhantes, cujas amplitudes crescem
progressivamente, com a srie estimada apresentando uma amplitude inferior
do IBGE aps 1980. Isso no tem implicaes para este estudo, dado que a
srie que se ir usar assume, entre 1980 e 1996, os valores da prpria srie do
IBGE.
Talvez a representatividade das variveis utilizadas seja questionvel, porm um pouco de reflexo indica que elas representam, de forma adequada, os
principais setores produtivos da economia. De fato, o setor automobilstico ,
desde os anos 60, o carro-chefe da economia. O consumo de cimento, por sua
vez, representa bem o nvel de atividade da construo civil, responsvel pela
gerao de grande parte do emprego na economia. Da mesma forma, o consumo
industrial de energia eltrica na principal regio econmica do Pas um indicador
relevante do nvel de atividade da economia. Por fim, evidente que a receita
(1990), utilizar os estimadores fully modified LS. Os experimentos realizados com esse
procedimento e estatisticamente vlidos no apresentaram resultados diferentes dos obtidos com as estimativas de EG. Assim sendo, no h por que se preocupar com endogeneidade.
16
tributria federal representa adequadamente as atividades do setor governamental, especialmente quando se tem em conta que parte dela repassada a
estados e municpios e que ela inteiramente gasta, pelo menos em grande
parte do perodo de interesse.10
Sendo assim, a srie obtida como uma combinao linear dessas variveis,
em que os escalares so os coeficientes da equao acima, fornece uma proxy
inicial bastante razovel para o ndice do PIB trimestral, especialmente porque
ela recupera os gaps existentes nas estatsticas do perodo 1960-79, onde as
observaes diretas no esto disponveis. Na Figura 1, aparece a srie estimada
com os coeficientes da equao de Engle-Granger para o perodo (YQEG),
juntamente com essa srie encadeada (para trs), a partir do primeiro trimestre
de 1980 com a srie do IBGE (YQPROXY). esta ltima que ser filtrada na
segunda etapa da metodologia proposta e ser denominada proxy do PIB
seja em ndice, seja em valor.
Figura 1
ndice do PIB trimestral 1960-96
YQ E G
Y Q PRO X Y
1.4
1.2
1.0
0.8
0.6
0.4
1 96 0
1 9 65
19 70
197 5
19 80
19 85
1 99 0
1 9 95
NOTA: 1. YQEG a srie estimada com os coeficientes da equao de

Engle-Gayer.
2. YQPROXY a srie do IBGE.
10
Os dados sobre o setor de transportes no foram includos, por no se ter obtido uma srie
de tamanho adequado.
17
3.2 Modelos estruturais em espao de estado11

com benchmarking
Um problema comum em estatsticas oficiais o ajustamento de observaes mensais e trimestrais, obtidas atravs de levantamentos ou amostragem
e sujeitas a erros, aos dados anuais totais, obtidos atravs de censos ou
levantamentos mais detalhados e que so, por hiptese, assumidos livres dos
erros de amostragem. O total anual chamado de benchmark; e o processo de
harmonizao das estimativas com o total anual, de benchmarking. Mais especificamente, benchmarking "calendarizao" ou harmonizao um
processo que consiste em combinar de forma "tima" duas fontes de medio
de uma mesma srie temporal, geralmente obtidas a partir de freqncias
distintas, onde a srie de freqncia mais baixa, a srie de benchmark,
assumida como mais confivel estatisticamente. No processo de benchmarking,
procura-se ajustar a srie de freqncia mais alta srie benchmark.
Existem duas metodologias principais de aplicao do benchmarking a
uma srie temporal: um approach puramente numrico e outro de modelagem
estatstica. O approach numrico difere do segundo, por no especificar um
modelo estatstico que se suponha que a srie obedea. O approach numrico
abrange a famlia dos mtodos baseados na minimizao de uma soma
quadrtica, propostos por Denton (1971)12 que segue o princpio da preservao de movimentos , Bassi (1958) e Ginsburgh (1973). O mtodo de modelagem estatstica, por sua vez, envolve os modelos baseados em processos Autoregressive Integrated Moving Average (ARIMA), propostos por Hillmer
e Trabelsi (1987), os modelos de espao de estado, propostos por Durbin e
Queenneville (1997), e os modelos que usam um conjunto de regresses, tais
como os de Cholette e Dagum (1994) e Mian e Laniel (1993), assim como as
referncias citadas por esses autores.13
Neste artigo, faz-se uso de um procedimento de benchmarking que utiliza
modelos estruturais, onde uma srie temporal decomposta em componentes
11
Para o leitor interessado em modelos de espao de Estado e filtro de Kalman, ver Durbin
e Koopman (2004) e Harvey (1990).
12
Para uma aplicao desse procedimento, ver Di Fonzo e Marini (2003).
13
Em adio, Chow e Lin (1971) propuseram um modelo multivariado de mnimos quadrados

generalizados para interpolao, distribuio e extrapolao de sries temporais. Embora no sendo um mtodo de benchmarking em um sentido estrito, o mtodo proposto est
relacionado ao de modelagem estatstica, particularmente ao ltimo grupo.
18
de tendncia, sazonalidade e termo irregular.14 A seguir, alinhavam-se os passos seguidos em ordem por Durbin e Koopman (2004) e Durbin e
Queenneville (1997).
Define-se um modelo em espao de estado (EE) linear gaussiano pelas
seguintes equaes:
yt = Zt t + t ,
t ~ N(0, H t ) ,
t +1 = Tt t + Rtt ,
t ~ N(0, Q t ) ,
(1)
1 ~ N(a 1 , P1 )
onde yt um vetor de observaes p x 1; t chamado de vetor de estado,
no observvel e de dimenso m x 1; t e t so termos de erro independentes; as matrizes do sistema Zt, Tt, Rt, Ht e Qt , em geral, contm parmetros desconhecidos, os quais se aglutinam em um vetor de parmetros .
A estimao do modelo em (1) efetuada pelo filtro de Kalman vetor de
estado combinado mxima verossimilhana vetor de parmetros. O
FK formado por um conjunto de equaes que estimam, recursivamente no
tempo, a mdia e a varincia condicional do vetor de estado. Detalhes sobre
essas equaes, sobre suas dedues respectivas
e sobre a combinao desy *t ;
tas com a estimao de mxima verossimilhana encontram-se em Harvey
(1990, cap. 3) e em Durbin e Koopman (2004, cap. 4 e 7).
Por questes de facilidade de exposio, suponha-se que as observaes
sejam mensais e obtidas em surveys realizados tambm mensalmente (s = 12).
Elas so denotadas por
e os verdadeiros valores que se deseja estimar,
*
por y t , para t = 12 (i - 1) + j, i = 1,..., l e j = 1,..., 12, onde l o nmero de
*
s 2
anos. Assim, o erro dos surveys et = yt - y t , denotado por t t , onde
s
t o desvio-padro do erro de survey no tempo t. O erro modelado como
um processo AR(1) com varincia unitria. Em princpio, processos
Autoregressive Moving Average (ARMA) de ordem mais alta podem ser usados.
Assuma-se que os valores de ts estejam disponveis a partir da prtica dos
surveys e que os erros sejam livres de vis.
12
y*
Os valores de benchmark so dados por xt =
para
j =1 12 ( i 1) + j
i = 1,..., l. Suponha-se que os valores anuais estejam disponveis para to-
14
Caminhando em direo oposta, Moauro e Savio (2005) apresentam um procedimento para

desagregao de sries temporais observadas em uma dada freqncia para uma outra
de freqncia maior. O mtodo sugerido um modelo multivariado SURE, estimado com filtro
de Kalman.
19
dos os anos de estudo; assim, na prtica, os valores censitrios tero, em geral,

uma defasagem de um ano ou dois em relao s observaes dos surveys.
Como modelo da srie de observaes, usa-se
y t = t + t + t + st + st
t = 1,..., 12l
(2)
onde t a tendncia e t o termo sazonal.

A srie organizada da seguinte forma:
y1,...,y12, x1, y13,..., y24, x2, y25,..., y12l, xl

Considere-se que o instante na srie em que o benchmark xt ocorre
t = (12i); assim, o instante t = (12i) ocorre na srie entre t = 12i e t =12i +
+ 1. Tomando o modelo de random walk integrado para o componente de tendncia e o de quasi-random walk para a componente sazonal, tem-se
2 t = t ,
11
t = t j + t ,
j =1
t ~ NID(0, 2 ),
t ~ NID (0, 2 )
(3)
conveniente colocarem-se os erros das observaes de medida

dentro do vetor de estado. Assim tem-se
t = ( t ,..., t 11, t ,..., t 11 , t ,..., t 11 , ts )

Dessa forma, yt = Ztat, onde,
Zt = (1,0,...,0,1,0,...,0,1,0,...,0, st )
t = 1,, n,
e xi = Ztt, onde,
Z t = (1,...,1,0,...,0,1,...,1,0)
t = (12i),
para i = 1,..., l. Pode-se, ento, escrever a transio de t para t+1 entre

t = 12i - 11 e t = 12i 1. De t = 12i para t = (12i), a transio a identidade.
De t = (12i) para t = 12i +1, a transio a mesma que de t = 12i - 11 para
t =12i 1.
A matriz de transio Tt uma matriz bloco-diagonal com elementos
'
2 1 01,10 I11
,

I11 011,1
I11
01,1
01,12
, I k,
011,1
I11
,
011,1
para
t = 1,..., n
20
e igual a I37, quando t = (12i) , i = 1,..., l. O vetor de erros de estado

n txxxx,xxxxxxxxxxx
= [x t , w t , e t , k t ] ,
se
t = 12i + 2,..., 12(i + 1) e n t = 0 para
t = (12i), i = 1,..., l. Os demais termos do modelo esto descritos acima.

Assim, emprega-se uma forma modificada do modelo de espao de estado
introduzido no comeo da seo, no qual a varincia do erro da equao de
observaes zero para t = 1,..., n e igual varincia do benchmark para t = (12i) , i = 1,...,l. Supe-se tambm que a matriz de erros de
benchmark seja uma matriz diagonal, porque, de outra forma, o vetor de estado
se tornaria muito grande. A equao de transio , ento, dada por
t = Tt t - 1 + R t n
t = 1,...,12, (12) , 13,...
(4)
onde Rt a matriz de seleo formada apropriadamente pelas colunas da matriz

identidade I37.
3.3 Segunda etapa: procedimentos de estimao

em espao de estado15
A partir dos resultados apresentados na subseo 3.1, os componentes
estruturais do PIB trimestral foram extrados, utilizando-se modelos de espao
de estado univariados e multivariados. Foram estimados trs modelos estruturais
univariados: um com valores omissos, um com processo de benchmarking e
um terceiro com missings e benchmarking. Alm deles, estimou-se tambm um
modelo estrutural multivariado SURE uma generalizao do modelo
estrutural bsico.
As estimaes foram feitas para o perodo 1960-96, com as sries em
ndices nos modelos univariados e com valores omissos e multivariados. Neste
ltimo, usaram-se as mesmas variveis do modelo da subseo 3.1. Nos
modelos com processo de benchmarking, utilizaram-se as sries em quantidades,
e o PIB foi estimado em valores reais de 1980.16 Neste ltimo, a soma dos
trimestres de cada ano diferente da do PIB anual computado oficialmente;
para as demais sries, o total anual igual soma das quantidades e/ou valores
trimestrais.
15
16
Uma sntese da metodologia apresentada em Cerqueira (2007).

A srie do PIB trimestral em valores constantes de 1980 calculada multiplicando-se a srie
de ndice pelo valor do PIB mdio trimestral de 1980.
21
Os experimentos preliminares com modelos estruturais bsicos univariados

e multivariados em freqncia trimestral indicaram a presena de uma forte
heteroscedasticidade, que, se no tratada, poderia comprometer os resultados
estimados. A heteroscedasticidade no perodo 1960-96 tem relao com o
comportamento da taxa de crescimento da economia: um longo perodo de
crescimento, de 1960 a 1980, seguido de um perodo de taxas baixas de
crescimento, oscilantes e sem tendncia definida. Ela tambm guarda relao
com o comportamento da taxa de inflao17. A partir de 1973, a taxa de inflao
entrou numa rota ascendente, intercalada com perodos de quedas violentas,
derivadas dos congelamentos de preos. A partir de meados de 1994, com o
Plano Real, ela caiu abruptamente, seguindo uma rota declinante.
A soluo para o problema passa pelos mnimos quadrados ponderados. O
procedimento tratar a heteroscedasticidade atravs da normalizao das sries,
com uma srie que seja proporcional aos recprocos dos desvios-padro dos
erros. Uma srie adequada seria, ento, aquela que guardasse relao com o
PIB e com a inflao. A receita tributria, pela teoria, deveria guardar uma relao
de endogeneidade com o PIB e a inflao. No entanto, no caso da economia
brasileira, diversas modificaes na tributao foram efetuadas durante o perodo,
o que conduziu a um aumento progressivo e exgeno da receita tributria real. A
opo como fator de ponderao recaiu sobre o ndice18 da receita tributria
real.19 Como a srie est disponvel mensalmente, calculou-se a receita do
trimestre e, a partir dela, a srie de ndice. Com isso, a receita tributria real
deixou de ser uma varivel isolada no modelo e passou a compor combinaes
com as demais. No que concerne ao PIB, essa srie em valor ou em ndice , dividida pelo ndice da receita tributria, passa a ser a varivel a ser
estimada PIB ponderado. O PIB estimado recuperado, multiplicando-se o
PIB ponderado pelo ndice da receita.
Experimentos com a estimao de modelos estruturais bsicos com a
srie ponderada do PIB indicaram uma falha no processo de estimao dos
componentes estruturais, decorrente do surgimento de spikes antes inexistentes
17
A taxa de inflao definida como a variao percentual do IGP-DI da FGV.
18
A razo do uso da varivel em ndice que a receita real expressa em reais de 1980 assume
valores muito baixos, devido s converses monetrias causadas pela inflao, o que faz
os valores divididos pela srie explodirem, tornando o procedimento estatstico e
computacional pouco manejvel.
19
A taxa de inflao seria uma tima candidata, no fossem os congelamentos de preos

ocorridos durante o perodo, os quais levaram a taxa de inflao prxima a zero. Assim, a
diviso de uma srie por ela tem como resultado a gerao de outliers de difcil tratamento.
22
na srie. A soluo foi estimar-se um modelo estrutural20 para a srie de receita

real e extrarem-se os outliers identificados na srie de resduos auxiliares da
equao de medida e a quebra observada nos resduos da equao de estado.21
Dessa forma, para corrigir a heteroscedasticidade identificada, utiliza-se a srie
de receita tributria ajustada, devidamente tratada com dummies de poltica e
de interveno. As novas sries ajustadas so plotadas no Apndice A, na
Figura A.2.
Para efeito das estimaes, os parmetros foram tomados como tendo
densidade, a priori, difusa. Assim, no foram supostos valores a priori da matriz
de covarincia, embora priors para os coeficientes das variveis explicativas
tenham sido utilizados nas estimaes feitas com valores omissos.
O primeiro modelo estimado (PIB1) considera a presena de valores omissos
na srie do PIB trimestral, no perodo 1 trim./60-4 trim./79. O modelo utilizado
foi o estrutural bsico com tendncia, mas sem inclinao, com dummies sazonais
estocsticas, termo irregular e variveis explicativas.22 A varivel do lado esquerdo
da equao de medida a srie de ndice do PIB ponderado ajustado com
valores observados de 1980 a 1996 e com valores omissos de 1960 a 1979, os
quais se deseja estimar. Se o perodo anterior a 1980 for inteiramente coberto
com valores omissos, o pacote no realiza adequadamente as recurses. Ento,
da srie estimada do PIB, selecionaram-se aleatoriamente 50% da amostra
para assumir valores omissos, para os trimestres anteriores a 1980.23 Por
construo, esses valores omissos foram substitudos, atravs do algoritmo de
suavizao, por valores interpolados, consistentes com a estrutura de
componentes do modelo. As variveis explicativas veculos, cimento e energia
eltrica , devidamente ajustadas, entram no lado direito da equao de medida,
20
O modelo utilizado inclui um componente estrutural de tendncia sem inclinao, um ciclo de

curta durao, dummies sazonais trigonomtricas e um termo irregular.
21
O critrio para extrao foi o resduo normalizado assumir um valor maior do que 3.5. Foram
feitas intervenes no 3 trim./80, no 1 trim./86, no 4 trim./86, no 3 trim./89, no 2 trim./90,
no 4 trim./91 e no 1 trim./92, no termo irregular, e uma no nvel da srie, no 4 trim./89.
22
O modelo foi estimado em Eviews 5.1, que usa o procedimento descrito em Koopman,
Shephard e Doornik (1999) para estimaes com missings. Vale a pena ter em conta que
o pacote funciona mais apropriadamente, quando so fornecidos priors dos valores
iniciais, matriz de covarincia e valores dos coeficientes do sistema.
23
A seleo foi realizada utilizando 61 pseudonmeros aleatrios extrados de uma normal
(0,1). Desses nmeros, as duas primeiras casas decimais em mdulo eram usadas para
escolher uma posio entre 1 e 80, qual se atribua um missing. Foram necessrios 61
nmeros para conseguir selecionar 40, j que alguns eram repetidos; e outros, superiores
a 80. Uma random seed foi utilizada.
23
apropriadamente estacionarizadas,24 conforme recomendado por Durbin e

Koopman (2004). O PIB reportado no inclui o componente irregular, por ser este
uma estimativa do distrbio aleatrio. Assim, sem esse termo, o PIB estimado
fornece uma informao sobre a capacidade de os componentes de tendncia e
sazonalidade estocstica explicarem o seu comportamento.
O segundo modelo univariado (PIB2) o de benchmarking, que torna o PIB
trimestral "consistente" com o PIB anual calculado pelo IBGE, ao corrigir os
erros de medida. Supe-se que o erro de medida siga um processo AR(1). O
modelo foi estimado com o PIB em valores ponderados pelo ndice mdio do
ano da receita tributria.25 O modelo de estimao foi o gaussiano linear geral,26
com tendncia local, dummies sazonais e sem variveis explicativas. O modelo
obedece a estrutura do modelo com processo benchmarking, tal como descrito
na subseo 3.2. As matrizes Z , T , e R ,construdas para operacionalizar as
t
t
t
estimaes com benchmark, esto apresentadas no Apndice B. O primeiro
grupo de matrizes refere-se estimao do modelo univariado reportado na
seo 4. Essas matrizes, escritas para os dados trimestrais e totais anuais,
tambm constituem o primeiro passo para a implementao do modelo
multivariado com quatro variveis dependentes, que no chegou a ser estimado.
O segundo grupo de matrizes refere-se apenas ao modelo multivariado.
Procedeu-se tambm a um exerccio de modelo benchmarking contendo
valores omissos (PIB3) dado que o modelo trabalha naturalmente com a presena de observaes omissas, embora no em grandes propores da amostra.
Esses valores foram concentrados no perodo anterior a 1980 e escolhidos pela
sua atipicidade.27 As demais caractersticas do modelo so as descritas acima.
Em ambos os modelos, o PIB reportado no inclui o erro de medida.
24
O teste clssico para a presena de razes unitrias sazonais, HEGY, em geral rejeita a
hiptese nula e, tal como apontado em Maddala e Kim (2002), apresenta vrias deficincias. Por esse teste, concluir-se-ia que no existem razes unitrias sazonais em nenhuma
das variveis explicativas utilizadas. A soluo para detectar e tratar um componente
sazonal estocstico foi pesquisar o comportamento da srie atravs de modelos de espao de estado. Coincidentemente, o mesmo modelo foi ajustado para todas as sries. Assim,
foi estimado um modelo com tendncia linear local, sazonalidade estocstica e termo
AR(1). Nas sries de veculos e energia eltrica, o termo AR(1) estacionrio dominou o
componente irregular; com isso, este ltimo foi retirado. Nesses casos, as sries estacionarizadas so representadas pelo componente AR(1). No caso da srie cimento, a srie
estacionarizada representada pelo termo irregular.
25
O uso da mdia anual tem como objetivo preservar a relao de benchmarking das sries,
exceo do PIB.
26
A estimao foi feita em SsfPack3.
27
Foram retirados da amostra e substitudos por valores omissos os PIBs do perodo 1 trim.-4 trim./66, 4 trim./73, 1 trim./75, 1 trim./76, 1 trim./79 e 1 trim.-2 trim./94. Os dois
ltimos foram removidos por terem exatamente o mesmo valor.
24
Cabe observar que a soluo encontrada para tratamento da heteroscedasticidade no implicou no-linearidades nos moldes descritos por Durbin e
Queenneville (1997). O que se fez foi transformar variveis linearmente e estimar
o modelo, de tal maneira que os valores trimestrais fossem corrigidos para que
a soma dos trimestres fosse igual ao total anual. O procedimento de tratamento
da heteroscedasticidade aqui assumido uma alternativa ao modelo multiplicativo
proposto por Durbin e Queenneville (1997), o qual incorre em no-linearidades.
Ademais, a metodologia proposta computacionalmente mais eficiente, alm
de permitir que se averigue, atravs das inovaes padronizadas, se a heteroscedasticidade foi tratada corretamente.
O ltimo modelo estimado foi um multivariado, em que as quatro variveis PIB, veculos, cimento e energia eltrica esto endogeneizadas. As
sries so usadas em ndices, divididas previamente pelo ndice da receita
tributria ajustada de outliers (Figura A.2). A especificao envolve uma tendncia
local para cada varivel, dummies sazonais na forma trigonomtrica porque,
no modelo, lidaram melhor com a correlao serial presente e variveis
explicativas estacionarizadas, tambm para tratamento da correlao serial
(Durbin; Koopman, 2004). No caso, a escolha recaiu sobre a srie de automveis
com seis defasagens. O interesse deste ltimo modelo exatamente apresentar
a extrao dos componentes estruturais em um ambiente multivariado e comparar
com os resultados dos modelos univariados. O PIB estimado reportado tambm
no inclui o componente irregular, permitindo que os componentes de tendncia
e sazonalidade estocstica de cada varivel expliquem o seu comportamento.
4 Resultados
Nas Tabelas 1 e 2, so apresentados os testes de diagnsticos dos modelos
estimados descritos na seo anterior.28 Todos os testes foram feitos com a
srie de resduos padronizados do modelo, as chamadas inovaes (Durbin;
Koopman, 2004). O modelo PIB1 refere-se ao modelo com missings; o PIB2, ao
modelo com benchmarking; e o PIB3, ao modelo com missings e benchmarking
(Tabela 2). O modelo PIB4 o multivariado estrutural (Tabela 3).
28
Sobre a notao, cabem algumas informaes. P. E. V. a predio da varincia do erro. DH

2
o teste de normalidade de Doornik-Hansen com distribuio aproximada . H(h) o teste
2
para presena de heteroscedasticidade de Goldfeld-Quandt, com distribuio aproximada
F(h,h). Os coeficientes de determinao so reportados para as sries em nveis, para
diferenas e para diferenas sazonais (RS2). Por fim, so reportados os critrios de
informao de Akaike e Schwartz (Bayes).
25
Tabela 1
Testes de diagnsticos dos modelos com missing (PIB1), com benchmarking
(PIB2) e com missing e benchmarking (PIB3)
ESTATSTICAS
PIB1(1)
PIB2
PIB3
LogL ........................
110 236
229 262
203 655
Iteraes .................
(2)16
(2)64
(2)61
P. E. V. ...................
0,0030
...
...
Erro-padro ............
0,0549
...
...
DH ..........................
H(h) .........................
DW ..........................
Q(12) ......................
CumPer (K-S) (7) ....
(3) 0,0008
[0,9996]
(4) 1,2269
[0,2430]
1,9540
[0,7576]
16,505
[0,1234]
0,0877
21,895
[0,0000]
(5) 0,7382
[0,8747]
1,8561
[0,3278]
12,964
[0,3717]
0,1544
(3)67,648
[0,0000]
(6) 1,3209
[0,1548]
1,7346
[0,0863]
16,522
[0,168]
0,1134
R2 ...........................
0,9377
...
...
RD2 ...
0,7307
...
...
AIC
-1,9483
-5,3337
-5,2086
SIC (Bayes) .
-1,7985
-5,1729
-5,0406
NOTA: Os nmeros entre colchetes so os p-valores correspondentes das

estatsticas.
(1) Neste modelo, h 107 observaes vlidas. (2) Interao forte. (3) O teste
2
utilizado foi o de Bera-Jarque, que tambm tem distribuio aproximada 2 .
(4) h = 47. (5) h = 58. (6) h = 54. (7) K S (0,10) = 0,1078.
26
Tabela 2
Testes de diagnsticos do modelo multivariado PIB4
ESTATSTICAS
MODELO MULTIVARIADO PIB4
PIB
CIM
EE
AUTO
1 457,73
1 457,73
1 457,73
1 457,73
(1) 38
38
38
38
0,0088
0,0068
0,0103
0,0117
0,0938
0,0825
0,1017
0,1079
2,8403
4,2242
0,6834
0,2926
[0,2417]
[0,1210]
[0,7105]
[0,8639]
H(46) .................
0,5234
0,6467
1,0551
1,3326
[0,1668]
[0,9848]
[0,9285]
[0,4282]
DW ....................
1,8763
1,9279
1,8781
1,8263
[0,3007]
[0,4611]
[0,6675]
[0,4677]
Q(10) .................
13,667
10,423
13,986
9,2378
[0,3226]
[0,0909]
[0,2366]
[0,0821]
CumPer (K-S) ...
0,1991
0,1181
0,2270
0,1537
R2 .....................
0,8112
0,6041
0,7272
0,6424
RD2 ...............
0,4631
0,4855
0,4515
0,5275
RS2 ...................
0,3384
0,3584
0,3269
0,4242
AIC ................
-3,7610
-4,0187
-3,6007
-3,4809
SIC (Bayes) ......
-2,3247
-2,5824
-2,1644
-2,0446
NOTA: Os nmeros entre colchetes so os p-valores correspondentes das
estatsticas.
(1) Interao muito forte.
LogL ..................
Iteraes ...........
P. E. V. ..............
Erro-padro .......
DH .....................
Tabela 3
Avaliao das predies dos modelos PIB1, PIB2, PIB3, PIB4
e srie do IBGE 1980-96
ESTATSTICAS
PIB1
PIB2
PIB3
PIB4
Srie do
IBGE
YQ6096
Raiz quadrada do EQM......

EQM (%).............................
Erro absoluto mdio...........
Erro absoluto mdio (%).....
Coeficiente Desigualdade
de Theil .............................
Proporo do vis .............
Proporo da varincia......
Proporo da covarincia...
Pseudo R2..........................
0,0089
0,0069
0,0070
0,0054
0,0112
0,0078
0,0073
0,0052
0,0158
0,0121
0,0091
0,0066
0,0245
0,0196
0,0199
0,0158
0,0427
0,0372
0,0356
0,0312
0,0034
0,0008
0,0008
0,9984
0,9969
0,0043
0,2847
0,2685
0,4469
0,9979
0,0060
0,1428
0,0947
0,7625
0,9928
0,0094
0,0021
0,0050
0,9929
0,9770
0,0185
0,0398
0,0263
0,9339
0,9198
27
O modelo PIB1, sem benchmarking, apresenta diagnsticos adequados.

importante frisar a inexistncia de quaisquer indicaes de quebras no termo de
nvel da srie, nem da presena de outliers em 1980, um ano crtico, dado que
nele ocorreu o encadeamento da srie estimada com a srie publicada pelo
IBGE.29 Pode-se concluir que o modelo estimado capturou adequadamente os
componentes estruturais da srie, o que, provavelmente, decorreu de a
sazonalidade ter sido especificada estocasticamente.
As avaliaes das predies um passo frente, feitas para o perodo 1980-96, esto reportadas na Tabela 3. Esse o perodo para o qual esto disponveis
as estimativas oficiais do IBGE, obtidas no site do IPEADATA. Apenas se ressalta
que as estatsticas so bem claras quanto acurcia das estimativas realizadas
pelo modelo PIB1. O grfico do PIB1 estimado pela soma dos componentes
de tendncia e sazonais convertido para valores reais de 1980 aparece na
Figura 3. Na quinta coluna da Tabela 3, as estatsticas referem-se ao PIB em
valores estimados, com os coeficientes da equao de longo prazo do
procedimento de Engle-Granger sem encadeamento com a srie do IBGE,
denotada por YQ6096 (ver subseo 3.1).
O modelo PIB2 corrige os valores trimestrais do PIB, de tal maneira que a
soma dos PIBs trimestrais estimados se iguala do PIB oficial do IBGE. A
heteroscedasticidade foi inteiramente tratada. No h presena de correlao
serial nas inovaes padronizadas, mas o teste K-S rejeitado a 1%. A normalidade das inovaes rejeitada, o que no chega a ser um problema, dado que no
se pretende fazer inferncia estatstica sobre parmetros desconhecidos, mas,
sim, extrair componentes estruturais. Contudo uma indicao de que o comportamento dos valores observados no est sendo representado apropriadamente
pelo modelo em considerao. Frisa-se tambm que no foram encontrados
quaisquer indcios de quebras no termo de nvel da srie resultante, nem de
presena de outliers na vizinhana de 1980.
Entre as limitaes dos resultados desse modelo, ressalta-se a ausncia
de dummies de interveno, o que foi detectado atravs de experimentos
realizados com o modelo com estrutura de benchmarking rodados em ambiente
de modelo estrutural com a especificao incluindo variveis explicativas. Por
outro lado, o erro de medida estimado possui um coeficiente de correlao serial
29
Para corroborar essa afirmativa, fez-se uma regresso da srie PIB1, em nveis e em
diferenas, contra termos determinsticos (constante, tendncia e dummies sazonais),
estimada por mnimos quadrados recursivos. Os coeficientes, assim como seus intervalos
de confiana, no apresentam mudanas de comportamento em 1980, apesar de serem
bastante instveis. Os resultados esto disponveis aos interessados.
28
de primeira ordem muito prximo de um (0,9727),30 o que significa que esse

termo absorveu ou refletiu a correlao serial, que, de outra forma, estaria contida
nas inovaes. Interpreta-se essa forte persistncia como sendo "herdada" de
estruturas que, potencialmente, deveriam estar embutidas nos demais
componentes do vetor de estado,31 conforme se visualiza no quarto painel da
Figura 2. Julga-se esse problema supervel com a mudana da especificao
do modelo.32
Figura 2
Componentes extrados do modelo univariado PIB2 1960-96
Ten d n cia
1 .7 5
S azo n al
0 .0 5
1 .5 0
0 .0 0
1 .2 5
- 0. 05
1 .0 0
0
50
100
15 0
0
0 .1 0
Ir reg u lar
50
10 0
1 50
10 0
1 50
E rr o d e Med id a
0 .0 1
0 .0 5
0 .0 0
0 .0 0
-0 .0 1
30
50
100
15 0
50
O erro de medida estimado t sem os totais anuais tem ordem de integrao prxima de um.
Os testes de raiz unitria com polinmio de defasagens apropriadamente especificado
aceitam, em conjunto, a hiptese nula de raiz unitria; t segue, assim, um processo ARIMA
(4,1,0). A hiptese do modelo que t AR(1) ~ (0,1).
31
Tambm importante ter em conta que, devido s inmeras dificuldades computacionais

para estimao desse modelo, esta anlise incompleta, posto no ter sido possvel
estimar os resduos auxiliares.
32
Para testar a validade do procedimento de benchmarking empregado, pode-se adotar o

seguinte procedimento: tomar uma srie observada ou simulada com freqncia trimestral
e cujos totais anuais sejam iguais soma dos trimestres e introduzir um erro seguindo um
processo AR(1) nos dados reais; em seguida, aplicar o procedimento de benchmarking e
comparar os resultados para observar se a srie foi corrigida do erro de medida, tal como
proposto pelo mtodo.
29
Todas as observaes feitas para o modelo PIB2 aplicam-se ao modelo

PIB3 estimado contendo alguns valores omissos (ver seo anterior). Em especial, destacam-se trs resultados dos modelos de benchmarking. O primeiro
no reportado nesta verso do artigo que o modelo PIB2 estimado sem
tratamento de heteroscedasticidade produz praticamente a mesma srie, no
havendo diferena material entre elas. Assim, para esse modelo de estado de
espao benchmarking , o filtro de Kalman robusto heteroscedasticidade.
O segundo que a presena de dados omissos, por sua vez, afeta as estimativas,
mas no de modo expressivo. O terceiro um resultado evidenciado pela anlise
da avaliao das predies para o perodo 1980-96, apresentada na Tabela 3. O
aparente vis das estimativas vem do fato de que, a partir do 4 trimestre de
1990, o PIB estimado sobreestima sistematicamente as estimativas do PIB
feitas pelo IBGE (Figura 3). Em especial, o PIB3 no acompanha os movimentos
bruscos do PIB estimado pelo IBGE ocorridos em 1991, subestimando-os, o
que sugere que o procedimento adotado est efetivamente corrigindo as
estimativas trimestrais oficiais, de modo que a soma dos trimestres seja consistente com ou igual ao PIB anual. Nesse caso, o vis detectado uma
caracterstica do PIB trimestral oficial estimado, e, portanto, so as estimativas
do IBGE, obtidas no IPEADATA, que no apresentam consistncia.
Figura 3
PIBs estimados 1960-96
P IB1
P IBP ROXY
P IB2
1.5
1.5
1.0
1.0
0.5
0.5
1960
1970
P IB3
1980
1990
1960
P IBP ROXY
1.5
1.0
1.0
0.5
0.5
1960
1970
1970
P IB4
1.5
1980
1990
1960
P IBPROXY
1980
1990
1980
1990
P IBPROXY
1970
30
O modelo multivariado associado ao PIB4 estimado envolveu as sries de

ndice do PIB, de produo de cimento, de veculos automotores e de consumo
de energia eltrica no Rio de Janeiro e em So Paulo. Todas elas foram divididas
pelo ndice da receita tributria real, extraindo-se previamente os outliers. A
srie de produo de automveis em defasagens apropriadamente estacionarizada entrou como varivel explicativa, com o intuito de controlar a correlao
serial. Os testes dos resduos padronizados indicam que os pressupostos bsicos
do modelo esto sendo respeitados. Por outro lado, no h, nos resduos auxiliares
das variveis, indicaes da presena de outliers ou de quebras, o que revela
que o modelo captura adequadamente os componentes estruturais da varivel.33
O PIB4 estimado como a soma dos componentes de tendncia e sazonal a
menos do termo irregular. A sua aderncia aos dados do IBGE evidente.
Vale ressaltar que os componentes sazonais extrados dos modelos
estimados (ver Figura 2 para o modelo PIB2; os demais no foram reportados)
no apresentam quebras significativas em torno do ano de 1980 (observao
29). O que se verifica a sazonalidade oscilando ao longo de todo o perodo.
Isso permite deduzir que o encadeamento, per si, da srie estimada na primeira
etapa com a do IBGE no implicou alteraes materiais do padro sazonal.
Na Figura 3 esto plotados os quatro PIBs estimados pela metodologia de
espao de estado e o PIBPROXY estimado pela esttica de Engle-Granger e
encadeado com a srie do IBGE. Olhados individualmente, cada um dos resultados estimados apresenta boas propriedades, e todos representam um avano
em relao s estimativas do PIB com os coeficientes da esttica de Engle-Granger. Por sua vez, os procedimentos de estimao utilizando filtro de Kalman
com valores omissos e com processo de benchmarking so inovadores na literatura brasileira, ao que se juntam o procedimento de tratamento da heteroscedasticidade e o emprego de variveis explicativas em modelos univariados e multivariados.
As estatsticas dos testes de diagnstico e da avaliao da capacidade
preditiva dos modelos no indicam claramente qual modelo escolher, entre o
univariado com valores omissos (PIB1) e o multivariado (PIB4), para ser usado
na recuperao do PIB trimestral, no perodo 1960-79, e como substituto do PIB
do IBGE nos anos de 1980 a 1996. Os modelos com benchmarking (PIB2 e
33
Os componentes extrados da equao do PIB no reportados indicam que o componente de tendncia se assemelha ao do modelo PIB1, embora a sazonalidade apresente um
padro mais instvel e de maior amplitude, provavelmente devido presena de quatro
variveis dentro do modelo. O termo irregular, tal como no modelo do PIB1, um termo auto-regressivo estvel, no caso, um AR(8).
31
PIB3), por corrigirem o erro de medida existente nos dados trimestrais, harmonizam os dados recuperados com os valores anuais conhecidos e constituem um
aperfeioamento em relao aos prprios dados trimestrais da fonte oficial o
IBGE no perodo 1980-96.
5 Concluso
Neste artigo, apresentou-se uma metodologia para a estimao do PIB
trimestral para o perodo 1960-96 e foram reportadas as estimativas realizadas.
Embora o objetivo inicial fosse estim-lo apenas para o perodo 1960-79, a
necessidade de uma amostra maior levou a se fazerem estimativas para um
perodo mais longo. A necessidade de uma proxy judiciosa para o PIB, para
perodos anteriores a 1980, relaciona-se diretamente realizao de estudos
empricos que cubram um perodo mais longo da histria econmica brasileira.
Inicialmente, realizou-se um experimento com um modelo simples, porm
rigoroso dado seus estimadores serem superconsistentes , que foi o de
estimar os coeficientes da equao esttica do teste de cointegrao de dois
estgios de Engle-Granger, realizado com freqncia anual. As sries utilizadas
foram o PIB, as produes de cimento e de veculos automotores, o consumo
industrial de energia eltrica nas regies do Rio de Janeiro e de So Paulo e a
receita tributria do Tesouro Nacional. O vetor de cointegrao estimado foi,
ento, aplicado sobre os dados trimestrais das sries, para gerar a estimativa
do PIB trimestral. Os resultados indicaram que a melhor conduta seria estender
os estudos com uma metodologia mais robusta, o que conduziu a se estimarem
modelos que utilizam mtodos de espao de estado.
Continuou-se a pesquisa com diferentes modelos estruturais, dadas as
estimativas realizadas com o modelo acima. Foram estimados um modelo univariado, com valores omissos no perodo 1960-79, utilizando-se variveis explicativas, e um modelo com processo de benchmarking, que corrige o erro de medida
dos valores dos trimestres de modo que a soma dos PIBs trimestrais totalize o
PIB anual respectivo. Realizou-se tambm um experimento com modelo de
benchmarking e valores omissos. Finalmente, estimou-se um modelo estrutural
multivariado a quatro sries e com variveis explicativas. Todos eles foram
estimados com correo de heteroscedasticidade. Estimaram-se, portanto, quatro
modelos concorrentes e quatro sries de PIB trimestral. exceo do modelo
de benchmarking, nenhum dos PIBs recuperados inclui o componente irregular.
A lgica do benchmarking considera o componente irregular, porque o componente
de erro de medida retirado da sua composio.
32
Os resultados foram bastante satisfatrios no que concerne aos diagnsticos dos resduos, os quais respeitam as hipteses do modelo gaussiano linear.
Da mesma forma, os PIBs estimados apresentaram boa aderncia aos dados e
previram adequadamente o PIB oficial no perodo aps 1980. O PIB estimado
com benchmarking corrige, ao mximo, os erros de medida e inequivocamente
mantm consistncia com o PIB anual, aperfeioando os prprios dados oficiais.
Em nvel global, o modelo estimado com missing values e o modelo SURE
apresentaram as melhores performances. Em conjunto, as estatsticas reportadas
no indicam claramente qual a melhor estimativa. Certamente, todas representaram uma melhora em relao ao PIB estimado com a esttica de Engle-Granger. A escolha para prever o PIB do perodo 1960-96 dever recair sobre
uma delas.
Como recomendao de estudos futuros, indicam-se trs direes. A primeira
utilizando os modelos discutidos neste artigo para pesquisar outros perodos,
preferencialmente que se estendam at o presente e que permitam a incluso
de outras variveis relacionadas com o PIB. Como conseqncia natural, o
caminho para a realizao de extrapolaes fica aberto. Uma segunda,
complementar, a de estender a metodologia para modelos multivariados de
benchmarking, o que traria maior preciso e confiabilidade s sries finais do
PIB trimestral. Finalmente, sugere-se estender o procedimento para a recuperao
e a correo de erros de medida de dados mensais a partir de dados trimestrais
previamente corrigidos.
A principal contribuio deste artigo apresentar uma metodologia
consistente e original para a recuperao e a estimao do PIB trimestral do
perodo 1960-96 e que, ademais, capaz de corrigir os dados da pesquisa
trimestral do IBGE. Por fim, essa metodologia oferece bases concretas para o
desenvolvimento de um procedimento de previso e/ou extrapolao do PIB
trimestral.
Apndice
Apndice A: dados utilizados
Na Figura A.1, esto os dados em ndices trimestrais encadeados com as
observaes interpoladas ou projetadas, respectivamente, da produo de
automveis (IAUTO), de cimento (ICIM), do consumo industrial de energia eltrica
(IEES), da receita tributria real (IRTNRS), da produo de petrleo (LGN) e gs
33
liquefeito natural (IPETBS) e de ao em lingotes (IACOS).1 Na Figura A.2, aparecem as sries do PIB estimado, YRTN, as sries observadas da produo de
automveis, de cimento e consumo industrial de energia eltrica, todas divididas pela srie da receita tributria real ajustada e expressa em ndices.
Figura A.1
ndices trimestrais das variveis intervenientes no PIB 1960-96
2.0
IAUTO
ICIM
1.5
1.0
1.0
0.5
0.5
1960
1970
1980
1990
1.5
1960
2.0
IEES
1970
1980
1990
1970
1980
1990
1970
1980
1990
IRTNRS
1.5
1.0
1.0
0.5
0.5
1960
1970
1980
1990
IPETBS
1960
IACOS
1.5
1.0
2
0.5
1960
1970
1980
1990
1960
NOTA: IAUTO a produo de automveis; ICIM, a de cimento; IEES o consumo

industrial de energia eltrica; IRTNRS, a receita tributria real; IPETBS a produo
de petrleo e LGN; e IACOS, a produo de ao em lingotes.
Para as sries que possuem apenas freqncia anual para parte do perodo produo de
petrleo, ao e receita tributria nacional em valores correntes , construiu-se um teste
ADF de raiz unitria para um perodo especfico. Com a especificao do teste, deduz-se
o processo ARIMA da srie, isto , um random walk puro, um random walk com um processo
auto-regressivo de ordem 1 e o coeficiente de auto-regresso associado, ou um processo
integrado de segunda ordem. Com essas informaes, realiza-se a interpolao descrita em
Bertsekas (1976) e encadeia-se a srie interpolada com a srie trimestral observada a partir
do perodo em que os dados no esto disponveis. Para a srie de produo de petrleo,
34
Figura A.2
ndices trimestrais das variveis ajustadas 1960-96
IAUTO
ICIM
1.25
1.5
1.00
1.0
0.75
0.50
0.5
0.25
1960
1970
1980
1990
1960
IEES
1970
1980
1990
1970
1980
1990
IRTNRS
1.5
1.5
1.0
1.0
0.5
0.5
1960
1970
1980
1990
1960
NOTA: IAUTO a produo de automveis; ICIM, a de cimento; IEES o consumo

industrial de energia eltrica; e IRTNRS, a receita tributria real.
escolheu-se interpolar no perodo 1955-69, em funo da homogeneidade do crescimento

nesse perodo, ainda no muito pronunciado. A maior parte dos testes indicou a srie como
sendo I(2), o que levou escolha desta especificao. A interpolao da produo de ao foi
feita para o perodo 1961-97, a partir da constatao de que ela segue um processo do tipo
random walk puro. A srie de receita tributria nacional foi interpolada no perodo 1952-73,
supondo que a srie no perodo era I(2). A srie foi convertida para reais e encadeada com
a srie observada no 3 trim./65.
35
Apndice B: matrizes do modelo de

benchmarking
A seguir, apresentam-se o grupo de matrizes referente a um modelo de
benchmarking univariado com nvel, dummies sazonais e termo de erro de
medida, juntamente com os vetores de estados t e de choques de estado
~t , associados s matrizes. Por convenincia, o vetor de observaes est
inserido dentro do vetor de estado. Lembre-se de que o modelo espao de estado dado por
(1)
onde no modelo univariado yt tem uma varivel; e o modelo multivariado, quatro
variveis empilhadas.
Para os Ys (trimestres), as matrizes so:
,
36
Para os Xs (totais anuais), as matrizes so Zt = [1 1 1 1 1 1 1 1 1 1 1 1 1],
Tt = Identidade 12 x 12
Os vetores de estados e de choques de estados so, respectivamente, os

seguintes:
t' = [ t , t 1 , t 2 , t 3 , t , t 1 , t 2 , t 3 , t , t 1 , t 2 , t 3 , ts ]
~t' = [t , t , t* , t ]
As matrizes que seguem se referem a um modelo de benchmarking com

quatro variveis dependentes (vetor de medidas com dimenso quatro), uma
delas sendo o PIB. A especificao de cada varivel a mesma do modelo
univariado. As matrizes Zt, Tt,e Rt possuem uma dimenso a menos que as
matrizes do modelo univariado, porque delas foi retirado o erro de medida t, o
qual recolocado posteriormente.
O procedimento de construo das matrizes segue os seguintes passos:
(a) reconstruir as matrizes do
modelo univariado sem considerar o erro de medida,
,
,
para os Y s, e para os X s, as quais no so reapresentadas; (b) construir as
~
~
~
matrizes, Z t = Z t I 4 , Tt = Tt I 4 , e R t = R t I 4 , nas quais o
produto de Kronecker; (c) construir as matrizes finais, que aparecem a seguir,
montadas a partir dos componentes descritos, seguidas das matrizes bloco-diagonal de covarincia Qt e Ht.
37
Para os Ys (trimestres), as matrizes so:
Z t = Z%t
( )
1

0 ,
0

0
( )
T%
t
Tt =
0
1x 48
( )
( 0 ) ,
48 x1
( )
( )(
R% 0
t 48x1
Rt =
0 1
1x12
Q = diagcat ( , , , )
Para os Xs (totais anuais), as matrizes so:
Zt = Z%t
( )
0
T%
0
t
, T =
t
0
0

1x48
0
( 0 )
( )
48x1
( )
Q = diagcat ( , , , )
(1)
( )(
R% 0
t 48x1
Rt =
0 0
1x12
Ys
s,
Observe-se que as matrizes do passo (b) devem ter as dimenses

~
~
~
48 x 4 ( Z t ), 48 x 48 (Tt ) e 8 x 12 ( R t ), tanto para os Ys (trimestres) quanto
para os Xs (totais anuais), e que os blocos de Qt so "cheios", porque as
componentes de mesma interpretao so correlacionadas. A matriz
(4 x 1) univariada, pois existe um erro de medida, e este associado ao
PIB. O vetor de espao do modelo multivariado no apresentado, em funo
da sua dimenso (37 x 1). Porm ele nada mais do que o vetor de estado do
modelo univariado com cada grupo de componentes repetido quatro vezes,
devidamente indexados pelo nmero da varivel dependente (quatro)
correspondente. O vetor de choques de estado dado por
t' = t1 , t 2 , t 3 , t 4 , t1 , t 2 , t 3 , t 4 , *t1 , *t 2 , *t 3 , *t 4 , t
Os s esto associados aos nveis; os

s sazonalidades; os
o choque do erro de medida do PIB,
lembrando que esse erro de medida segue um AR(1), como evidenciado pela
matriz T relativa aos
(trimestres).
*s, s componentes irregulares; e t
38
Referncias
ANURIO ESTATSTICO DO BRASIL. Rio de Janeiro: IBGE, v. 50, 1990.
ANURIO ESTATSTICO DO BRASIL. Rio de Janeiro: IBGE, v. 54, 1994.
BANCO CENTRAL DO BRASIL. Disponvel em: <http://bcb.gov.br/>. Acesso
em: jun. 2004.
BASSI, V. L. Appendix A. In: ___ (Ed.). Economic Forecasting. New York:
McGraw-Hill, 1958.
BERTSEKAS, D. P. Dynamic programming and stochastic control. New
York: Academic Press, 1976.
BOLETIM MENSAL. Braslia: Banco Central do Brasil, maio 1994.
CAPORALE, G. M.; PITTIS, N. Unit root versus other types of time heterogeneity,
parameter time dependence and superexogeneity. Journal of Forecasting,
v. 21, p. 207-223, 2002.
CARDOSO, E. Uma equao para a demanda de moeda no Brasil. Pesquisa e
Planejamento Econmico, v. 11, n. 3, p. 617-655, 1981.
CERQUEIRA, L. F. Demanda por moeda, regresses esprias e nveis de
instabilidade hiperinflacionrios. Dissertao (Mestrado)-Pontifcia
Universidade Catlica, Departamento de Economia, Rio de Janeiro, 1993.
CERQUEIRA, L. F. Metodologia de estimao do PIB trimestral utilizando
procedimentos de cointegrao e filtros de Kalman. Niteri: UFF. Departamento
de Economia, 2007. (Textos para discusso; n. 216).
CHOLETTE, P. A.; DAGUM, E. B. Benchmarking time series with autocorrelated
survey errors. International Statistical Review, v. 62, n. 3, p. 365-377, 1994.
CHOW, G. C.; LIN, A. Best linear unbiased interpolation, distribution and
extrapolation of time series by related series. Review of Economics and
Statistics, v. 53, p. 372-375, 1971.
CONJUNTURA ECONMICA. Rio de Janeiro: FGV, v. 31, n. 4, abr.1977.
CONJUNTURA ECONMICA. Rio de Janeiro: FGV, v. 33, n. 8, ago.1979.
CONTADOR, C. R.; SANTOS FILHO, W. A. C. Produto Interno Bruto trimestral:
bases metodolgicas e estimativas. Pesquisa e Planejamento Econmico,
v. 17, n. 3, p. 711-742, 1987.
39
DENTON, F. T. Adjustment of monthly or quarterly series to annual totals: an

approach based on quadratic minimization. Journal of the American Statistical
Association, v. 66, p. 99-102, 1971.
DI FONZO, T.; MARINI, M. Benchmarking systems of seasonally adjusted
time series according to Denton's Movement Preservation Principle. Padova:
Universit di Padova, Dipartimento di ScienzeStatistiche, 2003. (Working paper;
n. 2003-09).
DURBIN, J.; KOOPMAN, S. J. Time series analysis by state space methods.
Oxford: Oxford University, 2004.
DURBIN, J.; QUEENNEVILLE, B. Benchmarking by state space models.
International Statistical Review, v. 65, n. 1, p. 21-48, 1997.
ELLIOT, G.; ROTHENBERG, T. J.; STOCK, J. H. Efficient tests for an
autoregressive unit root. Econometrica, v. 64, p. 813-836, 1996.
ENGLE, R. F.; GRANGER, C. Cointegration and error correction: representation,
estimation, and testing. In: ___ (Ed.). Long-run economic relationships:
readings in cointegration. Oxford: Oxford Univ., 1991a.
ENGLE, R. F.; GRANGER, C. W. J. Introduction. In: ___ (Ed.). Long-run
economic relationships: readings in cointegration. Oxford: Oxford Univ., 1991.
GINSBURGH, V. A. A further note on the derivation of quarterly figures consistent
with annual data. Applied Statistics, v. 22, n. 3, p. 368-374, 1973.
HARVEY, A. C. Forecasting, structural time series and the Kalman Filter.
Cambridge: Cambridge University, 1990.
HARVEY, A. C.; KOOPMAN, S. J. Diagnostic checking of unobserved time series
models. Journal Business and Economic Statistics, v. 10, p. 377-389, 1992.
HARVEY, A. C.; KOOPMAN, S. J. Multivariate structural time series models. In:
HEJI, C. et al. (Ed). Systematic dynamics in economics and financial models.
Chichester: Wiley & Sons, 1997. p. 269-298.
HARVEY, A. C.; KOOPMAN, S. J. Signal extraction and the formulation of
unobserved components models. Econometrics Journal, n. 3, p. 84-107, 2000.
HILLMER, S. C.; TRABELSI, A. Benchmarking of economic time series. Journal
of the American Statistical Association, v. 82, n. 400, p. 1064-1071, 1987.
IBGE. Sistema IBGE de Recuperao Automtica-SIDRA. Disponvel em:
<http://www.sidra.ibge.gov.br/>. Acesso em: 21 jun. 2004.
40
IPEADATA. Disponvel em: <http://www.ipeadata.gov.br/>. Acesso em: 21 jun.

2004.
JOHANSEN, S. Likelihood-based inference in cointegrated vector auto-regressive models. New York: Oxford University, 1995.
KOOPMAN, S. J.; SHEPHARD, H. Exact score for time series models in state
space form. Biometrika, v. 79, p. 823-826, 1992.
KOOPMAN, S. J. et al. Stamp 6.3: structural time series analyzer, modeller, and
predicto. London: Timberlake Consultants, 2000.
KOOPMAN, S. J.; SHEPHARD, H.; DOORNIK, J. A. Statistical algorithms for
models in state space using SsfPack 2.2. Econometrics Journal, v. 2, p. 107-160, 1999.
MADDALA, G. S.; KIM, In-Moo. Unit roots, cointegration and structural
changes. Cambridge: Cambridge University, 2002.
MIAN, I. U. H.; LANIEL, N. Maximum likelihood estimation of constant
multiplicative bias benchmark model with application. Survey Methodology,
v. 19, p. 165-172, Dec 1993.
MOAURO, F; SAVIO, G. Temporal disaggregating using multivariate structural
time series models. Econometrics Journal, v. 8, n. 2, p. 214-234, 2005.
NAKANE, M. I. Testes de exogeneidade fraca e de superexogeneidade para
a demanda por moeda no Brasil. Rio de Janeiro: BNDES, 1994.
NG, S.; PERRON, P. Useful modifications to some unit root tests with dependent
errors and their local asymptotic properties. Review of Economic Studies,
v. 63, n. 3, p. 435-465, July 1997.
PASTORE, A. C. Dficit, dvida pblica, moeda e inflao: uma resenha. (no
publicado, 1991).
PHILLIPS, P. C. B.; HANSEN, B. E. Statistical inference in instrumental variables
regression with I(1) processes. Review of Economic Studies, v. 58, p. 407-436, 1990.
PINOTTI, M. C. Inovaes financeiras e imposto inflacionrio. Tese
(Doutorado)-Universidade de So Paulo; FEA, So Paulo, 1991.
QUANTITATIVE MICRO SOFTWARE. Eviews 5. Irvine, CA: Quantitative Micro
Software, 2004.
ROSSI, J. M. A demanda de moeda no Brasil: o que ocorreu a partir de 1980?
Pesquisa e Planejamento Econmico, v. 18, n. 1, p. 37-53, 1988.

2161 8897 1 PB

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2161 8897 1 PB

Transféré par

Droits d'auteur :

Formats disponibles

Metodologia de estimao do PIB trimestral utilizando procedimentos...

Metodologia de estimao do PIB trimestral

Professor Adjunto do Departamento de

* Artigo recebido em fev. 2007 e aceito para publicao em dez. 2007.

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Luiz Fernando Cerqueira

Classificao JEL: C32, C51, E01.

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Metodologia de estimao do PIB trimestral utilizando procedimentos...

A motivao inicial era estimar a srie do ndice do PIB trimestral para o

A partir de 1992, a srie do ndice do PIB trimestral no dessazonalizado passou a ser

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Luiz Fernando Cerqueira

Paulo e a receita tributria real do Tesouro Nacional2, utilizando as sries em

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Metodologia de estimao do PIB trimestral utilizando procedimentos...

Modelos de espao de estado so bastante gerais, cobrindo uma ampla

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Luiz Fernando Cerqueira

prprio a partir de amostras de bens e servios e (c) combinao dos dois

Para uma anlise detalhada, ver Contador e Santos Filho (1987).

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Metodologia de estimao do PIB trimestral utilizando procedimentos...

de recuperao e estimao do PIB uma estimativa inicial, obtida por essa

O mtodo de relacionar sries indicadoras srie anual do PIB, o benchmark, no representa

As sries de energia eltrica e receita tributria s esto disponveis a partir de 1960. O

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Luiz Fernando Cerqueira

por ser intensiva em eletricidade, o que estava acarretando inverso de sinais

Contudo sempre se pode argumentar sobre a presena de regressores endgenos, que

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Metodologia de estimao do PIB trimestral utilizando procedimentos...

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Luiz Fernando Cerqueira

NOTA: 1. YQEG a srie estimada com os coeficientes da equao de

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Metodologia de estimao do PIB trimestral utilizando procedimentos...

3.2 Modelos estruturais em espao de estado11

Para uma aplicao desse procedimento, ver Di Fonzo e Marini (2003).

Em adio, Chow e Lin (1971) propuseram um modelo multivariado de mnimos quadrados

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Luiz Fernando Cerqueira

Caminhando em direo oposta, Moauro e Savio (2005) apresentam um procedimento para

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Metodologia de estimao do PIB trimestral utilizando procedimentos...

dos os anos de estudo; assim, na prtica, os valores censitrios tero, em geral,

onde t a tendncia e t o termo sazonal.

y1,...,y12, x1, y13,..., y24, x2, y25,..., y12l, xl

conveniente colocarem-se os erros das observaes de medida

t = ( t ,..., t 11, t ,..., t 11 , t ,..., t 11 , ts )

para i = 1,..., l. Pode-se, ento, escrever a transio de t para t+1 entre

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Luiz Fernando Cerqueira

e igual a I37, quando t = (12i) , i = 1,..., l. O vetor de erros de estado

t = 12i + 2,..., 12(i + 1) e n t = 0 para

t = (12i), i = 1,..., l. Os demais termos do modelo esto descritos acima.

t = 1,...,12, (12) , 13,...

onde Rt a matriz de seleo formada apropriadamente pelas colunas da matriz

3.3 Segunda etapa: procedimentos de estimao

Uma sntese da metodologia apresentada em Cerqueira (2007).

Ensaios FEE, Porto Alegre, v. 29, n. 1, p. 7-40, jun. 2008

Metodologia de estimao do PIB trimestral utilizando procedimentos...

Os experimentos preliminares com modelos estruturais bsicos univariados