Radar Perene / Arquivos / ciência

Regressão espúria: séries que andam juntas por nada

◦ Metodologia v2.2 dos índices (working papers com DOI). Ver metodologia.

Ciência

Em 1926, o estatístico britânico George Udny Yule publicou um artigo com um título que ainda constrange: Por que às vezes obtemos correlações sem sentido entre séries temporais? Seu exemplo tornou-se clássico: entre 1866 e 1911, a proporção de casamentos religiosos na Inglaterra e a taxa de mortalidade do país exibiam correlação quase perfeita. Nenhuma das duas influenciava a outra; ambas apenas declinavam ao longo das décadas, cada qual por seus motivos. Duas escadas rolantes descendo lado a lado — e um século depois, o mercado financeiro segue subindo nelas de mãos dadas com conclusões que não existem.

Regressão espúria é a relação estatisticamente forte entre duas séries que não têm vínculo real nenhum — um artefato produzido, na maioria dos casos, por tendências ou persistência que as duas carregam ao mesmo tempo. O tempo é o terceiro fator universal: quase tudo que cresce, cresce junto; quase tudo que definha, definha em companhia. A força da relação medida não é, sozinha, evidência de relação nenhuma.

Se o problema fosse só uma curiosidade vitoriana, não mereceria esta página. Ele é, na verdade, um dos resultados mais demolidores da econometria moderna — e uma armadilha armada exatamente onde a pesquisa de mercado mais gosta de pisar.

Por que o tempo fabrica parentesco

O golpe de misericórdia veio em 1974, quando Clive Granger e Paul Newbold fizeram um experimento de honestidade brutal: geraram pares de séries por sorteio, construídas para não ter relação nenhuma, e regrediram uma contra a outra. Em números: nas simulações do artigo, cerca de três em cada quatro regressões entre essas séries independentes produziram estatísticas que, pela leitura convencional, apontariam relação "significativa". Três em cada quatro — entre séries fabricadas para serem estranhas uma à outra.

O mecanismo não é místico. Séries com tendência, ou com forte persistência — onde o valor de hoje herda quase tudo do de ontem —, violam as premissas que dão sentido aos testes clássicos. O teste continua cuspindo números; os números é que deixam de significar o que o manual promete. E séries de mercado são o habitat perfeito do problema: preços, índices, agregados monetários e PIBs são quase todos persistentes, quase todos com tendência em janelas longas. Quem procurar correlações entre eles vai encontrá-las. A pergunta científica nunca foi "há correlação?" — é "a correlação sobrevive quando se remove o que as séries têm de inércia comum?".

A vizinhança dessa armadilha com outra já descrita pela casa é evidente: quem testa muitos pares até achar um que "funciona" empilha a regressão espúria sobre o p-hacking — dois mecanismos distintos fabricando, juntos, a mesma ilusão de descoberta.

O antídoto que a econometria construiu

A literatura não parou no diagnóstico. O receituário geral é conhecido e pode ser descrito sem fórmulas: testar se as séries têm raiz nas próprias tendências antes de regredi-las; trabalhar com variações em vez de níveis quando for o caso; e, quando a pergunta é justamente sobre relação de longo prazo entre níveis, usar a máquina da cointegração — o teste de se duas séries dividem uma mesma âncora, tema que merece página própria nesta trilha. Acima de tudo, a defesa metodológica repete o mantra das outras páginas desta série: hipótese declarada antes do teste, mecanismo plausível declarado antes da correlação, e desconfiança proporcional à conveniência do achado.

É esse o espírito do filtro editorial da casa: correlação sem controle e sem mecanismo não vira frase publicada. A régua está descrita em por que nunca escrevemos "você deve" — e ela barra, na prática, exatamente o tipo de achado que Yule desmontou há um século.

Um par do próprio acervo

O arquivo da casa guarda um exemplo instrutivo de relação forte que não informava nada — não por sorteio, mas por construção. Em mais de um episódio, a razão entre commodities medidas em reais e o Ibovespa saltou para o topo da própria história, e a leitura apressada teria sido "entusiasmo por commodities". O registro publicado diz outra coisa: o salto era o câmbio dentro da régua. Commodities cotadas em dólar, convertidas para uma moeda que enfraquecia, subiam em reais por aritmética — e a razão subia junto, sem que nenhum entusiasmo existisse. O episódio está documentado em o topo de commodities que era câmbio; o acervo registrou o equivalente em abril de 2016. "Parecia entusiasmo; era contabilidade" — a frase do registro original é a definição de relação espúria escrita sem jargão.

O exemplo ensina o gesto que importa: diante de duas linhas coladas, a primeira pergunta da casa não é "o que uma diz sobre a outra?", e sim "o que as move ao mesmo tempo?". Quando a resposta é "a mesma variável dentro das duas" ou "a mesma tendência debaixo das duas", a colagem é mecânica — e a manchete que ela sugeria morre antes de nascer.

Perguntas frequentes

Correlação alta e duradoura não prova nada?

Prova que as séries compartilham algo — possivelmente só tendência ou um fator comum. É matéria-prima de hipótese, nunca veredito. A duração da colagem aumenta a tentação, não a evidência.

Como se detecta uma regressão espúria?

Os sinais clássicos: relação fortíssima entre níveis que desaparece nas variações; resíduos que se comportam como as próprias séries; ajuste alto demais para um mecanismo que ninguém consegue nomear. O diagnóstico formal usa testes de raiz unitária e cointegração — descritos em linhas gerais nesta trilha.

Trabalhar com variações resolve sempre?

Não. Remove a tendência comum, mas pode jogar fora exatamente a relação de longo prazo que interessava — e não protege contra fatores comuns que também variam. É ferramenta, não absolvição.

O problema existe fora de séries temporais?

O parentesco fabricado por terceiro fator existe em qualquer dado. A versão espúria por tendência é típica de séries no tempo — e é a razão de o problema ser endêmico em finanças e macroeconomia.

Escadas rolantes que descem juntas são metade do problema; a outra metade é o par mais famoso do mercado brasileiro — e a seta que a manchete desenha entre eles: Ibovespa e dólar, o que a correlação não conta →

Leituras da casa: o registro sem parentesco fabricado está na leitura de hoje, no Diário; as colagens que o tempo desmontou, nos precedentes, no Atlas.

Submeter um par específico de séries a esse diagnóstico é exercício que a casa conduz sob consulta.

Leia também: Ibovespa e dólar: o que a correlação não conta · As commodities no topo. O minério, parado. · O que é p-hacking e por que ele mina modelos de mercado