{"subject_id":"3c1616cf218c48819a0a8b3f5885c931","topico":"Vetor autorregressivo (VAR): defasagens de todas as variáveis; estacionaridade exigida","stems":["No setor de transportes e logística, demanda, preço e tráfego estão interligados, independentemente do modal utilizado. Ao longo do tempo, de forma dinâmica e aleatória, quando uma dessas variáveis muda, as demais também são afetadas. Por isso, essas séries costumam ser tratadas como processos estocásticos e, geralmente, são modeladas juntas por meio de modelos vetoriais autorregressivos (VAR). No que se refere a esse assunto, julgue os itens subsequentes.","No que se refere a vetores autorregressivos, julgue os itens que se seguem."],"questions":[{"id":"16ba630ee513","number":99,"stem":0,"statement":"Devido à sua complexidade metodológica e à ênfase em forecasting e foresight, modelos VAR são adotados exclusivamente na análise de políticas públicas, como as de transporte e de infraestrutura.","answer":"E","source":{"slug":"INFRASA_26_ANALISTA","ano":2026},"explanation":{"verdict_reason":"O VAR é uma estrutura genérica para séries que se determinam mutuamente, e é aplicada em previsão de demanda, de preços, de vendas, de energia e em macroeconometria em geral. Nada na sua formulação restringe o uso à avaliação de políticas públicas. A descrição técnica que abre o item é aceitável; o que o derruba é converter um campo de aplicação frequente em campo exclusivo.","distortion_type":"generalizacao","distorted_span":"modelos VAR são adotados exclusivamente na análise de políticas públicas","corrected_statement":"Devido à sua complexidade metodológica e à ênfase em forecasting e foresight, modelos VAR são adotados frequentemente na análise de políticas públicas, como as de transporte e de infraestrutura.","concept":"VAR não é exclusivo de política pública","citation":null,"trap_note":"Quando o item enfileira virtudes técnicas corretas e fecha restringindo o método a um único campo, o erro está na restrição, não na técnica. Ferramenta econométrica não tem domínio exclusivo de aplicação; leia a frase até o ponto final antes de marcar Certo pela metade técnica."}},{"id":"93f7a3a2b26e","number":104,"stem":1,"statement":"Para a utilização efetiva de um modelo de vetor autorregressivo em previsões, não é necessário que as séries temporais incluídas sejam estacionárias.","answer":"E","source":{"slug":"BCB_24","ano":2023},"explanation":{"verdict_reason":"Um VAR estimado em nível pressupõe séries estacionárias: sem estacionariedade, a distribuição assintótica usual dos coeficientes não se aplica e a regressão entre séries integradas é espúria. Quando há raiz unitária, ou se diferenciam as séries, ou, se elas forem cointegradas, substitui-se o VAR por um modelo vetorial de correção de erros, que preserva a relação de longo prazo. Dispensar a exigência é dispensar a condição que dá validade às funções de resposta a impulso, à decomposição da variância e aos testes de causalidade de Granger.","distortion_type":"inversao","distorted_span":"não é necessário que as séries temporais incluídas sejam estacionárias","corrected_statement":"Para a utilização efetiva de um modelo de vetor autorregressivo em previsões, é necessário que as séries temporais incluídas sejam estacionárias.","concept":"VAR exige estacionariedade das séries","citation":null,"trap_note":"Item de séries temporais que dispensa uma condição — estacionariedade, ausência de raiz unitária, cointegração antes do VECM — merece desconfiança imediata. A condição quase nunca é dispensada; ela é contornada por diferenciação ou por reespecificação do modelo, que é coisa diferente."}},{"id":"16417cb48045","number":105,"stem":1,"statement":"Em um modelo de vetor autorregressivo de ordem p, cada variável do sistema é modelada como uma função linear das defasagens de todas as variáveis incluídas no modelo, incluindo as próprias defasagens passadas.","answer":"C","source":{"slug":"BCB_24","ano":2023},"explanation":{"verdict_reason":"Essa é a própria definição de um VAR de ordem p: o sistema não separa variáveis endógenas de exógenas, e cada equação regride uma variável sobre p defasagens de todas as variáveis do sistema, inclusive as suas próprias. A simetria é o ponto — todas as equações compartilham o mesmo conjunto de regressores, o que permite estimá-las uma a uma por MQO sem perda de eficiência. É dessa estrutura que saem as funções de resposta a impulso, a decomposição da variância do erro de previsão e os testes de causalidade de Granger.","distortion_type":"correto","distorted_span":null,"corrected_statement":null,"concept":"VAR(p): cada variável sobre defasagens de todas","citation":null,"trap_note":"Se um item disser que alguma variável do VAR é exógena, ou que uma equação omite as próprias defasagens, está errado por definição. Todo o rendimento do VAR vem de tratar cada variável do sistema como endógena."}}]}