Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/65757
Type: | Dissertação |
Title: | Um modelo vetorial auto-regressivo para previsões da economia cearense |
Authors: | Mesquita, Kílvia Helane Cardoso |
Advisor: | Castelar, Luiz Ivan de Melo |
Keywords: | Econometria;Economia |
Issue Date: | 2001 |
Citation: | MESQUITA, Kílvia Helane Cardoso. Um modelo vetorial auto-regressivo para previsões da economia cearense. 2001. 59f. Dissertação (Mestrado) - FEAAC - Faculdade de Economia, Administração , Atuária e Contabilidade - CAEN - Programa de Pós Graduação em Economia, Universidade Federal do Ceará, Fortaleza, 2001 |
Abstract in Brazilian Portuguese: | O objetivo principal desta dissertação foi o da construção de um modelo vetorial auto-regressivo (VAR) com o intuito de gerar previsões para a economia cearense. Secundariamente, utilizando-se um modelo de equações simultâneas gerou-se um modelo combinado de previsões, onde os pesos da combinação foram derivados a partir da inversão dos erros de previsão. Utilizando um período amostral, com dados anuais, que vai de 1970 a 1996, previsões foram geradas até o ano de 2005 simulando-se cenários conservador, pessimista e otimista para as economias nacional e regional. O estudo revelou que o modelo VAR gera predições superiores ao modelo de equações simultâneas. Considerando sua simplicidade e o menor número de restrições impostas, a sua superioridade sobre o modelo de equações simultâneas torna-se indubitável. O estudo mostra ainda , como tem sido constatado pela literatura especializada, que a combinação de modelos gera predições melhores, ou nunca inferiores, aos modelos individuais, o que aponta para o uso múltiplo de informações de forma a otimizar o acerto de predições econométricas. |
URI: | http://www.repositorio.ufc.br/handle/riufc/65757 |
Appears in Collections: | CAEN - Dissertações defendidas na UFC |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
2001_dis_khcmesquita.pdf | 22,8 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.