El Problema de Cambio Estructural Introduccin El trmino cambio estructural se usa para referirse a situaciones en que los parmetros que

gobiernan una relacin difieren entre subconjuntos de los datos. Considere los ejemplos que se presentan a continuacin. Ejemplo 1: Series Temporales Una serie temporal es un conjunto de observaciones sobre una o ms variables cuyos valores se miden en puntos especficos de tiempo. La Figura 1 a continuacin, muestra datos sobre el PIB de El Salvador para cada ao del perodo 1960-2012. Figura 1: El Salvador, Producto Interno Bruto, Millones de Dlares a Precios de 1990 Logaritmo Natural
9.20

8.95

8.70

8.45 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Fuente: Banco Central de El Salvador, Base de Datos Econmica-Financiera (http://www.bcr.gob.sv/bcrsite/?cdr=30&lang=es).

El examen visual de estos datos sugiere la posibilidad de una evolucin temporal diferenciada del PIB en la cual se identifican 3 perodos. El primer perodo que cubre hasta el ao 1994; el segundo, desde 1995 hasta 2007; y un tercero, a partir del ao 2008. Note que a partir de 1995, la pendiente de una tendencia lineal parece haber registrado una disminucin, y que en 2007, el cambio se dio en el intercepto mientras la pendiente parece haberse mantenido constante. Si estos aparentes cambios fuesen de una naturaleza real, estaramos ante cambios estructurales. En cada caso, es posible asociar el cambio a la ocurrencia de algn tipo de evento econmico. El nmero de homicidios mensuales es otro ejemplo de una serie que parece estar afectada por cambios estructurales. La Figura 2 muestra los homicidios por mes durante el perodo enero 2002 a agosto 2013. Los datos sugieren la posibilidad de varios cambios en la tendencia temporal de los homicidios. Note como el comportamiento de estos datos vara de distintas maneras en el tiempo. Un primer perodo parece corresponder al ao 2004durante el cual, los homicidios parecen haber fluctuado alrededor de una tendencia ms o menos constante. Esta tendencia se torna en ascendente a partir de enero de 2005 y aproximadamente hasta octubre o noviembre del ao 2006.

Figura 2: El Salvador, Homicidios por Mes Enero 2002 a Agosto 2013

Fuente: Datos del Instituto de Medicina Legal y de la Polica Nacional Civil

Desde finales de 2006 y hasta mediados del ao 2008, la tendencia fue al descenso para recuperar la tendencia a crecer hasta el mes de febrero del ao 2012. A partir de marzo del ao 2012, el nivel del os homicidios se reduce en casi la mitad, la tendencia se mantienen ms o menos constante hasta el mes de junio de 2013, para recuperar su comportamiento ascendente a partir del mes de julio y hasta el presente. La serie de homicidios est plagada de una volatilidad alta pero uno podra pensar que se han registrado cambios de naturaleza estructural en su comportamiento, la mayor parte de ellos sin una razn aparente. El nico cambio asociado a un evento identificable es el que se dio a partir del mes de marzo del ao 2012 y que se atribuy a la llamada tregua entre las pandillas. Ejemplo 2: Comparacin entre modelos de regresin La Tabla 1 muestra datos publicados por Hill, Griffitths & Judge (2001) sobre el comportamiento de las inversiones de dos empresas transnacionales, General Electric y Westinghouse. Estas empresas compiten entre s y manufacturan productos similares. Una pregunta de inters es si estas empresas tienen estrategias de inversin similares. Los datos son para los aos 1935 a 1954, y las variables se miden en dlares de 1947.

Tabla 1: Inversin Bruta en Planta y Equipo, Valor de la Empresa y Stock de Capital Millones de Dlares (Base=1947)
Ao General Electric Westinghouse INVERSION VALOR STOCK INVERSION VALOR DE LA DE DE LA EMPRESA CAPITAL EMPRESA 1935 33.1 1170.6 97.8 12.93 191.5 1936 45 2015.8 104.4 25.9 516 1937 77.2 2803.3 118 35.05 729 1938 44.6 2039.7 156.2 22.89 560.4 1939 48.1 2256.2 172.6 18.84 519.9 1940 74.4 2132.2 186.6 28.57 628.5 1941 113 1834.1 220.9 48.51 537.1 1942 91.9 1588 287.8 43.34 561.2 1943 61.3 1749.4 319.9 37.02 617.2 1944 56.8 1687.2 321.3 37.81 626.7 1945 93.6 2007.7 319.6 39.27 737.2 1946 159.9 2208.3 346 53.46 760.5 1947 147.2 1656.7 456.4 55.56 581.4 1948 146.3 1604.4 543.4 49.56 662.3 1949 98.3 1431.8 618.3 32.04 583.8 1950 93.5 1610.5 647.4 32.24 635.2 1951 135.2 1819.4 671.3 54.38 723.8 1952 157.3 2079.7 726.1 71.78 864.1 1953 179.5 2371.6 800.3 90.08 1193.5 1954 189.6 2759.9 888.9 68.6 1188.9 Fuente: Hill, Griffitths & Judge (2001, Tabla 9-3, p. 211) STOCK DE CAPITAL 1.8 0.8 7.4 18.1 23.5 26.5 36.2 60.8 84.4 91.2 92.4 86 111.1 130.6 141.8 136.7 129.7 145.5 174.8 213.5

La Figura 3 muestra las lneas de regresin ajustadas para cada una de las empresas. La pregunta clave es si ellas corresponden al mismo mecanismo de toma de decisiones de inversin o si las empresas difieren en este respecto.
Figura 3: Modelos de Inversin Ajustados a los Datos de la Tabla 1
250 200 150 100 50
INV_WH=-0.509+0.053V+0.092K INV_GE=-9.956+0.027V+0.152K INV_T=17.872+0.015V+0.144K

1945

1935

1936

1937

1938

1939

1940

1941

1942

1943

1944

1946

1947

1948

1949

1950

1951

1952

1953

GE

WH

Ambas

1954

Ejemplo 3: Datos de corte transversal Regresiones dentro de grupos La idea de cambios estructurales que es propia de datos de series temporales, se transfiere a datos de corte transversal. Considere los datos de la Tabla 2 que se refieren a los coeficientes estimados de un modelo de retornos de la educacin dado la ecuacin siguiente: ( ) Se desea conocer si el modelo es el mismo para hombres y mujeres.
Tabla 2: El Salvador, Modelo de Retornos de la Educacin
Intercepto n Hombres Mujeres 9525 9258 -1.775 -1.954 0.068 0.075 -0.001 -0.001 Coeficientes Edad Edad al Cuadrado Grados de estudio aprobado 0.071 0.061 Suma de Cuadrados de Errores 8736.55 10278.59

Todos 18783 -1.861 0.071 -0.001 0.066 19048.50 Fuente: Elaboracin propia a partir de datos de la Encuesta de Hogares y Propsitos Mltiples (EHPM), 2001 a 2004.

Prueba de cambio estructural tipo Chow Uno de los supuestos ms importantes de cualquier modelo con series temporales es que el proceso que general los datos es el mismo para todas las observaciones en una muestra. Esto hace necesario analizar este tipo de datos cuando incluyen cambios abruptos. La prueba de Chow se usa para investigar UN nico cambio estructural en algunos o todos los parmetros de un modelo. El cambio o quiebre o ruptura en cuestin determina una particin de los datos en dos subconjuntos e induce dos modelos de regresin, uno para cada perodo. Un supuesto importante de la prueba de Chow es que el trmino de error es el mismo en ambos perodos. La prueba de Chow es una aplicacin de la prueba F que requiere obtener las sumas de cuadrados de los errores para 3 regresiones: La regresin para el perodo completo, la regresin para el primer sub-perodo conteniendo observaciones, y la regresin para las observaciones restantes. La prueba se puede conducir a partir de las respectivas sumas de cuadrados de regresin. PROC AUTOREG en SAS implementa la prueba de Chow usando el estadstico de prueba siguiente: ( ( ) ( ) ( ( ) ))
( ) ( ))

en donde, SCR representa una suma de cuadrados de regresin. El estadstico de prueba calculado a partir de sumas de cuadrados de errores es: ( ( ) ( ) ( ( ) ))
( ) ( ))

Esta prueba solo nos permite conocer si la serie temporal en cuestin o la relacin entre variables cuyos valores se miden en el tiempo presenta un cambio estructural, quiebre o ruptura, a partir del perodo . La prueba de cambio estructural implementada con la opcin Chow en PROC AUTOREG solamente investiga la hiptesis conjunta . Esta prueba no nos dice si el cambio ocurre en el intercepto, en la pendiente o en ambos parmetros. Un anlisis de cambio estructural ms completo se puede llevar a cabo usando el procedimiento siguiente: 1. Correr la regresin de Y sobre X y obtener la SCE. Designe la suma de cuadrados de errores como . El modelo a ajustar es . 2. Correr la regresin de Y sobre X y las variables Dummy d1 y d2. La variable d1 es igual a 1 si el perodo es menor o igual que , y es igual a 0 en otro caso. La variable d2 es igual a 1 si el perodo es mayor o igual que , y es igual a 0 en otro caso. Obtener la SCE de este modelo. Designe la suma de cuadrados de errores como . El modelo a ajustar es . Note que este modelo no contienen un intercepto. 3. Correr la regresin de Y sobre X y las variables Dummy d1 y d2, y las variables Z1 y Z2. La variable Z1 es igual a X si el perodo es menor o igual que , y es igual a 0 en otro caso. La variable Z2 es igual a X si el perodo es mayor o igual que , y es igual a 0 en otro caso. Designe la suma de cuadrados de errores como . El modelo a ajustar es . Note que este modelo no contienen un intercepto. El estadstico para la prueba de parmetros iguales (equivalente a la de PROC AUTOREG) es dado por: ( ) ( ) ( ) ( ) ( ( )) El estadstico para la prueba de pendientes iguales es: ( ) ( ) ( ( )) El estadstico para la prueba de interceptos iguales es: ( ) ( )

Ejemplo 1: Un modelo de Crecimiento Econmico en El Salvador, 1950-2008 La Tabla 3 y la Figura 4 contienen datos sobre el PIB per cpita y la Formacin Bruta de Capital per cpita a precios de 2000. Datos de este tipo se usan para la construccin de modelos de crecimiento econmico. Un modelo muy simple que explica cambios en el producto a partir de cambios en la formacin bruta de capital corresponde a la ecuacin siguiente: ( ) ( )

Los datos de la Figura 3 sugieren que el modelo anterior parece describir bien la relacin de inters y que un cambio importante parece haber ocurrido alrededor del ao 1979. Nosotros usaremos estos datos para verificar si la relacin inversin-crecimiento se modific a partir del ao 1979.

Tabla 3: El Salvador, 1950-2008, PIB per Cpita y Formacin Bruta de Capital per Cpita (2000=100)
Ao 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 PIB per Cpita 774.9 799.9 829.3 829.3 832.9 845.8 872.5 896.8 881.2 895.1 905.2 910.2 989.6 1002.3 1063.6 1087.8 1131.4 1157.9 1160.2 FBK per Cpita 5.0 6.2 7.7 8.2 7.1 7.8 7.8 8.5 7.3 7.0 7.4 6.6 9.4 10.5 12.5 13.3 14.4 13.5 10.0 Ao 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 PIB per Cpita 1165.0 1174.9 1210.8 1233.0 1261.8 1261.7 1287.7 1336.1 1367.6 1274.1 1093.3 952.5 868.4 858.5 847.3 830.9 811.7 811.6 806.9 FBK per Cpita 11.1 12.1 15.5 13.6 15.0 18.4 18.6 23.0 22.7 18.2 12.3 10.4 9.1 8.2 8.1 8.6 9.0 9.5 9.7 Ao 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 PIB per Cpita 815.1 825.7 868.7 913.3 949.3 991.5 991.4 1017.6 1040.4 1060.9 1068.1 1070.7 1080.0 1089.3 1093.8 1111.5 1141.3 1177.1 1189.6 FBK per Cpita 9.8 11.1 12.9 14.6 16.1 18.1 15.5 16.5 17.8 17.4 18.1 18.1 18.4 18.6 17.4 17.5 19.3 20.1 18.8

1165.3 9.9 795.5 10.3 1969 1989 Fuente: Elaboracin propia a partir de datos de la CEPAL

Figura 4: El Salvador, 1950-2008, PIB per Cpita y Formacin Bruta de Capital per Cpita Logaritmos Naturales
7.3 PIB per Cpita (Logaritmo Natural) 7.2 7.1 7.0 6.9 6.8 6.7 6.6 6.5 6.4 0.5 1.5 1.0 2.5 2.0 3.5 FBK per Cpita (Logaritmo Natural) 3.0

6.3 0.0 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 ln_PIB ln_FBK

El fragmento de programa siguiente muestra el proceso que se sigui para crear las variables requeridas para conducir las pruebas de cambio estructural. El programa crea el archivo

temporal llamado cambio a partir del archivo permanente pib5008 almacenado en la librera identificada con el alias de pib.
data cambio; set pib.pib5008_cepal; ln_pib=log(pib_pc); ln_cons=log(cons_pc); ln_fbk=log(fbk_pc); d79_1=(year le 1978); d79_2=(year gt 1978); if d79_1=1 then do; ln_fbk1=ln_fbk; end; else do; ln_fbk1=0; end; if d79_2=1 then do; ln_fbk2=ln_fbk; end; else do; ln_fbk2=0; end; run;

La sintaxis siguiente instruye a SAS para que lleve a cabo la prueba tipo Chow con PROC AUTOREG. Note que el nmero 29 escrito entre parntesis a continuacin de la opcin Chow corresponde al nmero de observacin en el archivo cambio para el ao 1978.
proc autoreg data = cambio; model ln_pib = ln_fbk / chow = (29); run; quit;

SAS produce el output siguiente:

The AUTOREG Procedure Ordinary Least Squares Estimates SSE MSE SBC MAE MAPE Durbin-Watson 0.60443462 DFE 0.01060 Root MSE -94.689132 AIC 0.08450785 AICC 1.22081402 HQC 0.1024 Regress R-Square Total R-Square Structural Change Test Test Chow Break Point Num DF Den DF F Value Pr > F 29 2 55 33.40 <.0001 57 0.10298 -98.844207 -98.629921 -97.222234 0.5946 0.5946

Parameter Estimates Variable DF Estimate Standard Error t Value Approx Pr > |t| Intercept ln_fbk 1 1 6.1000 0.3250 0.0894 0.0355 68.23 9.14 <.0001 <.0001

El valor del estadstico de la prueba (33.4) lleva a rechazar la hiptesis de igualdad de parmetros al nivel de significancia de 1% y a concluir que un cambio estructural ocurri a partir del ao 1979. Un problema es que no sabemos si este cambio se manifest en pendiente diferente, intercepto diferente, o ambos. Para contestar estas preguntas vamos a usar PROC REG para ajustar los 3 modelos indicados arriba. Modelo 1
proc reg data = carcach; model ln_pib = ln_fbk ; run; quit;

El output relevante se muestra a continuacin:

Analysis of Variance Source Model Error Corrected Total Root MSE DF 1 57 58 Sum of Mean F Value Pr > F Squares Square 0.88644 0.88644 83.59 <.0001

0.60443
1.49088

0.01060

0.10298 R-Square 0.5946

Dependent Mean 6.90815 Adj R-Sq 0.5875 Coeff Var 1.49065 Parameter Estimates Variable DF Parameter Standard t Value Pr > |t| Estimate Error Intercept ln_fbk 1 1 6.10002 0.32500 0.08940 0.03555 68.23 <.0001 9.14 <.0001

Modelo 2
proc reg data = carcach; model ln_pib = d79_1 d79_2 ln_fbk / noint; run; quit;

Con output dado por:

Analysis of Variance Source Model Error Uncorrected Total Root MSE DF Sum of Squares Mean F Value Pr > F Square 204880 <.0001

3 2816.86104 938.95368 56

0.25665

0.00458

59 2817.11768 0.06770 R-Square 0.9999

Dependent Mean 6.90815 Adj R-Sq 0.9999 Coeff Var 0.97997 Parameter Estimates Variable DF Parameter Standard t Value Pr > |t| Estimate Error d79_1 d79_2 ln_fbk 1 1 1 5.99398 5.83001 0.40118 0.06002 0.06644 0.02495 99.87 <.0001 87.74 <.0001 16.08 <.0001

Modelo 3
proc reg data = carcach; model ln_pib = d79_1 d79_2 ln_fbk1 ln_fbk2 / noint; run; quit;

Con output dado por:

Analysis of Variance Source Model Error Uncorrected Total Root MSE DF Sum of Squares Mean F Value Pr > F Square 151509 <.0001

4 2816.86204 704.21551 55

0.25564

0.00465

59 2817.11768 0.06818 R-Square 0.9999

Dependent Mean 6.90815 Adj R-Sq 0.9999 Coeff Var 0.98690 Parameter Estimates Variable DF Parameter Standard t Value Pr > |t| Estimate Error d79_1 1 5.97202 0.07671 77.85 <.0001

Parameter Estimates Variable DF Parameter Standard t Value Pr > |t| Estimate Error d79_2 ln_fbk1 ln_fbk2 1 1 1 5.86824 0.41052 0.38657 0.10603 0.03217 0.04025 55.34 <.0001 12.76 <.0001 9.61 <.0001

Los estadsticos de prueba para las distintas hiptesis se calculan a continuacin: 1. El estadstico para la prueba de parmetros iguales (equivalente a la de PROC AUTOREG) es dado por:
( )

(La diferencia con el valor del estadstico de prueba de PROC AUTOREG se debe a errores de redondeo). 2. El estadstico para la prueba de pendientes iguales es: ( ) 3. El estadstico para la prueba de interceptos iguales es: ( ) Estos resultados confirman la conclusin del prueba Chow en AUTOREG pero indian que el cambio estructual ocurri debido a un cambio de intercepto. La pendiente se mantuvo constante.