5 · Granger, Hsiao e dados em painel
Causalidade preditiva no tempo, heterogeneidade municipal no espaço. A combinação Granger × Hsiao é o que permite ao agente operar com 5.570 unidades observadas em múltiplos períodos sem colapsar em médias enganosas.
5.0 · Por que tempo e espaço, em vez de só um deles
Granger (1969) e Hsiao (1986) representam duas tradições econométricas que, no agente, se reconciliam por necessidade operacional. Granger formaliza causalidade preditiva — X "Granger-causa" Y se valores passados de X melhoram a previsão de Y para além do que valores passados do próprio Y já explicam. Não é causalidade estrutural à la Pearl; é uma definição probabilística e datada: trata o tempo como dimensão informacional irredutível. Hsiao, por sua vez, sistematiza a econometria de painel— observações repetidas das mesmas unidades — permitindo controlar heterogeneidade não observada via efeitos fixos.
Aplicado a 5.570 municípios brasileiros observados ao longo de uma década, isto muda o que se pode afirmar. Sem painel, qualquer comparação cross-section sofre de variável omitida — cultura local, herança histórica, geografia — que confunde os coeficientes. Sem componente temporal, perde-se a direção da relação: quem move o quê. A combinação Granger × Hsiao é, portanto, o mínimo defensável para inferir causalidade aproximada em dados observacionais públicos brasileiros, que são as únicas séries que uma fundação consegue manter atualizadas em ciclos mensais sem orçamento de coleta primária.
“Panel data, by blending the inter-individual differences and intra-individual dynamics, have several advantages over cross-sectional or time-series data: controlling for individual heterogeneity, more variability, more degrees of freedom, and the ability to identify dynamic effects.”
5.1 · Por que painel
Cross-section pura ignora dinâmica; séries temporais puras ignoram heterogeneidade. O painel (município × tempo) permite controlar simultaneamente efeitos fixos invariantes no tempo (cultura local, geografia) e choques temporais comuns (crise fiscal, pandemia).
“Panel data provide more informative data, more variability, less collinearity, more degrees of freedom, and more efficiency. They allow us to construct and test more complicated behavioral models than purely cross-sectional or time-series data.”
5.2 · Modelo canônico do agente
Para cada componente do Score, o motor estima:
5.3 · Lags relevantes por componente
- Sev — lag 12 meses (resposta lenta de indicadores sociais).
- Via — lag 3 meses (resposta rápida ao ciclo orçamentário).
- Esc — lag 6 meses (institucionalização média).
- Pro — lag 1 mês (sinais de mobilização local são quase imediatos).
5.4 · Teste de Granger no painel
Granger original assumia série única; Dumitrescu-Hurlin (2012) generalizou para painel heterogêneo. O motor usa esta versão e reporta o estatístico Z̃-barcom p-valor sob hipótese nula de "homogeneous non-causality". Rejeição implica que ao menos algumas unidades exibem precedência preditiva.
5.5 · Limites e ressalvas
- Painéis curtos (T < 10) viesam efeitos fixos — o agente não estima componentes para municípios com menos de 36 meses de dados.
- Granger pressupõe estacionariedade — séries com tendência são pré-diferenciadas.
- Heterogeneidade severa pode mascarar efeitos contrários que se cancelam — sempre cruzar com a leitura espacial em
/diagnostico.
Para aprofundar
- Causalidade de Granger do índice de desenvolvimento socioeconômico na gestão fiscal dos municípios brasileiros (RAP/FGV) ↗Revista de Administração Pública · 2019Aplicação direta de Granger ao painel municipal brasileiro. Metodologia análoga à do Cap 5.
- Testing for Granger non-causality in heterogeneous panels (Dumitrescu & Hurlin) ↗Economic Modelling · 2012Generalização canônica de Granger para painel heterogêneo. Implementação direta no motor causal.
- Evaluating multiple spatial dimensions of economic growth in Brazil using spatial panel data models ↗Annals of Regional Science (Springer) · 2016Painel espacial brasileiro. Open access. Boa referência para estender o motor com efeitos de vizinhança.
- Fiscal Policy and regional inequality in Brazil ↗SciELO Estudos EconômicosPainel longitudinal de desigualdade regional. Útil para calibrar premissas Norte/Nordeste.
- Analysis of Panel Data — Cheng Hsiao (3ed, Cambridge) ↗Hsiao · 2014Tratado canônico de painel. Capítulos 4 (FE) e 9 (Granger heterogêneo) são leitura obrigatória.
- plm: Linear Models for Panel Data (R Package) ↗Croissant & MilloImplementação canônica em R do estimador within. Auditores externos usam para replicar.
- FINBRAS — Finanças do Brasil (Tesouro Nacional) ↗Tesouro NacionalPainel municipal de receitas e despesas. Fonte primária do componente Viabilidade.