1. O parâmetro de cointegração pode ser proposto pela teoria econômica.

2. No contexto de cointegração estamos interessados em investigar se existe uma relação

de longo prazo entre duas séries não estacionárias de mesma ordem.
3. Séries com ordem de integração diferente não podem cointegrar.
4. Se duas séries são integradas de ordens diferentes, então elas não podem ser
cointegradas
5. A cointegração implica que as séries compartilham de uma tendência estocástica
comum
6. A presença de cointegração permite que os modelos clássicos de regressão sejam
estimados corretamente pelo método de MQO.
7. Se duas séries não cointegram a regressão de uma sobre a outra gera estimadores
inconsistentes.
8. Para verificar se duas séries possuem uma relação de cointegração, nós usualmente
testamos se as duas séries são estacionárias via um teste de raiz unitária e caso elas
sejam não estacionárias de mesma ordem nós fazemos um teste de cointegração
9. Se duas séries não cointegram, a regressão de uma sobre a outra é dita espúria
10. A modelagem de uma equação única de séries não estacionárias (por exemplo, uma
regressão de uma sobre a outra) não contém significado econômico (resultados são
espúrios) a não ser que as séries sejam cointegradas.
11. Se e são séries não estacionárias e se a série de
resíduos é dizemos que uma regressão de
sobre será espúria.
12. Se duas séries são integradas de diferentes ordens, a regressão de uma sobre a outra é
espúria
13. Modelos de correção de erros têm um componente de curto e outro de longo prazo
14. Séries cointegradas têm uma representação de correção de erros que mostra como cada
uma responde ao desvio do equilíbrio de longo prazo
15. O coeficiente do termo de correção de erro indica a velocidade de ajustamento de
qualquer desequilíbrio para um estado de equilíbrio de longo prazo.
16. Se duas séries são cointegradas elas possuem uma relação de equilíbrio no longo prazo
17. É possível encontrar uma relação de equilíbrio entre séries não estacionárias desde que
uma combinação linear delas seja estacionária.
18. Seja . Se e são e é , então e
são cointegradas.
19. Em um sistema cointegrado podemos usar um modelo de correção de erros para
descrever como as séries retornam ao equilíbrio.
20. É adequado estimar modelos de correção de erro via MQO, pois todas as variáveis do
lado direito da equação são estacionárias
21. O modelo de correção de erros relaciona a relação de equilíbrio de longo prazo e os
ajustes de curto prazo que descrevem como as variáveis (séries) se movimentam
enquanto não seguem o equilíbrio.
22. Se duas séries são não estacionárias de mesma ordem uma combinação linear delas será
estacionária se as séries compartilham a mesma tendência estocástica
23. A regressão de uma série integrada de ordem 1 sobre outra série integrada de ordem 1
será espúria a não ser que as séries sejam cointegradas
24. Regressões espúrias apresentam, em geral, testes que indicam significância dos
parâmetros e coeficientes de determinação altos
25. O coeficiente que mostra a velocidade de ajuste no modelo de correção de erros é
negativo por construção significando que a correção de erro (os desvios no equilíbrio de
longo prazo) entre as variáveis é feita em cada período
26. Se a tendência estocástica for comum a todas as séries temporais, nós dizemos que
existe um equilíbrio de longo prazo
27. Se duas séries não são cointegradas, então não há uma relação de longo prazo entre elas
28. A definição de cointegração se refere a uma combinação linear de séries não
estacionárias de mesma ordem cujos resíduos sejam de ordem inferior
29. Quando duas séries são cointegradas existe entre elas uma relação de equilíbrio e
qualquer perturbação em uma delas provocará um desequilíbrio de curto prazo
30. O teste de uma regressão entre duas séries que cointegram não é
necessariamente válido sob .
31. O estimador de MQO de uma regressão simples de duas séries que cointegram são ditos
super consistentes, o que significa que o estimador converge para o parâmetro em uma
velocidade mais rápida do que acontece quando fazemos uma regressão com séries
estacionárias
32. Se duas séries são integradas de mesma ordem e o resíduo é integrado a regressão de
uma sobre a outra é espúria
33. Uma regressão espúria gera estatísticas significantes porém sem
significado econômico
34. Uma regressão espúria possui, em geral, alto R^2
35. Duas séries são ditas cointegradas se forem não estacionárias de mesma ordem e os
resíduos de uma combinação linear entre elas for estacionário
36. O termo cointegração faz referência a combinações lineares (de séries não estacionárias
de mesma ordem) que são estacionárias
37. A soma de dois processos estocásticos não estacionários pode ser estacionária
38. Os componentes de um vetor de ordem e ( ), são ditos cointegrados se

existe um vetor tal que . O vetor é chamado

de vetor de cointegração.
39. Não há uma relação de cointegração entre duas séries que são estacionárias
40. Sejam duas séries temporais e . Dizemos que
e cointegram se, para algum , , onde é
chamado de parâmetro de cointegração. Se o coeficiente de for
mantido fixo e igual a 1, o valor de é único
41. Podemos testar cointegração examinando os resíduos do equilíbrio de longo prazo
42. Dado um conjunto de observações de duas séries não estacionárias de mesma ordem
e , podemos calcular e testar se a partir de um teste
ADF comparando a estatística com os valores críticos da tabela de Davidson & Mackinon.
Se rejeitarmos a nula encontramos evidência de que e cointegram.
43. Para testar a cointegração entre duas séries não estacionárias de mesma
ordem podemos estimar os resíduos de uma combinação linear entre elas e
implementar o teste ADF comparando a estatística com os valores críticos
da tabela de Davidson & Mackinon
44. Para testar a cointegração entre duas séries nós podemos utilizar a metodologia de
Engle-Granger
45. Uma regressão espúria gera estatísticas significantes porém sem
significado econômico
46. Se duas séries são cointegradas as tendências estocásticas que elas
possuem em comum se cancelam mutuamente
47. Os modelos de correção de erro são aplicáveis quando duas séries não estacionárias
cointegram
48. Se duas séries não cointegram os desvios entre elas não tendem a se corrigir. Em outras
palavras, eles são persistentes
49. Se e são séries não estacionárias e se a série de resíduos
é dizemos que uma regressão de sobre será espúria
50. Nós podemos estimar um modelo de correção de erros se rejeitarmos a hipótese nula
de que não há cointegração entre as séries
51. Em um modelo de correção de erros a dinâmica de curto prazo das séries (no sistema) é
influenciada pelo desvio do equilíbrio.
52. Regressões espúrias apresentam, em geral, testes t que indicam significância dos
parâmetros e coeficientes de determinação altos
53. Sob a nula podemos derivar a exata distribuição da estatística de Durbin Watson, isto é,
podemos fazer inferência sem considerar aproximações. Além disso, o teste de Durbin
Watson tem boas propriedades para amostras finitas
54. O de modelos com constante é entre
55. Os estimadores de mínimos quadrados ordinários não serão mais (melhores
estimadores lineares não-viesados) na presença de autocorrelação serial
56. Uma maneira mais apropriada de lidar com regressores endógenos é usar o teste de Breusch-
Godfrey ao invés do teste de Durbin-Watson
57. A correção de Newey-West sob exogeneidade estrita nos permite usar os testes e
tradicionais na presença de autocorrelação serial
58. Seja O teste de Durbin-Watson não pode ser usado
para testar a autocorrelação serial do modelo
59. Em modelos com variáveis dummy em que estão presentes o termo constante e todos os termos
de sazonalidade não podemos usar , pois não conseguiremos encontrar a inversa da
matriz dado que possui posto completo
60. Em modelos com variáveis dummy em que estão presentes o termos constante e um dos termos
de sazonalidade é retirado nós podemos usar para estimar os coeficientes, pois
conseguimos encontrar a inversa da matriz dado que não possui posto completo
61. Seja Assuma também
que . Podemos dizer que sob esta condição a
condição de exogeneidade contemporânea é válida
62. Em modelos com variáveis dummy em que estão presentes o termos
constante e um dos termos de sazonalidade é retirado nós podemos
usar para estimar os coeficientes, pois conseguimos encontrar a
inversa da matriz dado que não possui posto completo
63. Em modelos com variáveis dummy é possível estimar um
modelo por em que estejam presentes todos os
termos de sazonalidade.
64. A hipótese nula do teste de Durbin-Watson é que o processo
é um
65. Em modelos com variáveis dummy com apenas todos os
termos de sazonalidade não devemos considerar o , pois
este pode assumir um valor negativo
66. Para um modelo do
tipo o
efeito de longo prazo de uma alteração em sobre é dado
por
67. Seja Podemos dizer que a hipótese de
exogeneidade estrita não é válida para este modelo
68. Exogeneidade estrita é uma condição que necessita ser válida para todo o
tempo .
69. Na presença de autocorrelação os erros-padrão calculados de maneira usual não são
corretos e não podemos usar os tradicionais testes t e F que assumem independência
70. O teste de Durbin-Watson ( ) não é robusto a inclusão de regressores
endógenos, isto é, se queremos ajustar um modelo com variáveis defasadas
de como regressores, a estatística de não é apropriada.