Beruflich Dokumente
Kultur Dokumente
AUTOCORRELACIN ............................................................................................
.................. 2
CAUSAS DE LA AUTO CORRELACIN
........................................................................... 3
PROBLEMAS DE LA AUTO
CORRELACIN................................................................... 4
IDENTIFICACIN DE LA
AUTOCORRELACIN............................................................. 5
CONTRASTE DE DURBIN WATSON:
........................................................................... 5
MTODO GRFICO
.......................................................................................................... 7
CONTRASTE DE WALLIS (1972)
.................................................................................. 8
CONTRASTE DE BREUSCH-GODFREY13 (1978)
................................................... 10
CORRECCIN DE LA AUTOCORRELACIN
............................................................... 11
1.
2. CAMUFLANDO LA AUTOCORRELACIN
........................................................ 13
EJERCICIO 1 EN GRETL:
...................................................................................................... 20
EJERCICIO 2(EXCEL)
............................................................................................................ 22
BIBLIOGRAFIA: .....................................................................................................
................... 24
AUTOCORRELACINECONOMETRA
PGINA
1
AUTOCORRELACIN
La autocorrelacin surge
en datos
en
serie de
tiempo
para
1< <1
AUTOCORRELACINECONOMETRA
PGINA
2
por
la
variable
ingreso)
puede
introducir
un
proceso
aparentemente autocorrelacionado.
Las consecuencias inmediatas, producto de la autocorrelacin, es que los
estimadores son poco eficientes, ya que sus varianzas estarn sobre o
subestimada lo cual imposibilita utilizar las pruebas de contrates test
estadstico usuales para verificar la validez de las estimaciones. Pero los
estimadores siguen siendo lineales, insesgados y consistentes pero han
perdido (como consecuencia de autocorrelacin) su propiedad de varianza
mnima, pero la insesgadez ser til para resolver el problema.
AUTOCORRELACINECONOMETRA
PGINA
3
muestras
AUTOCORRELACINECONOMETRA
PGINA
4
IDENTIFICACIN DE LA AUTOCORRELACIN
CONTRASTE DE DURBIN WATSON:
Para detectar la presencia de autocorrelacin en una serie de datos la prueba
ms utilizada y que es calculada en, prcticamente,
Dado que t2
y t-12
t-1/t2]). Tambin se ha
demostrado que el valor esperado de d, cuando =0, esta dado por la siguiente
relacin (Maddala, 1996).
AUTOCORRELACINECONOMETRA
PGINA
5
Valor del
Conclusin
Limites 0dL
Limites dLdU
1
?
Autocorrelacin Positiva
Ausencia de Evidencia
Limites dU4-dU
Ausencia de Autocorrelacin
Limites 4-dU4-dL
Ausencia de Evidencia
Limites 4-dL4
-1
Autocorrelacin Negativa
AUTOCORRELACINECONOMETRA
PGINA
6
GNP$ CREATE
; E1 = 0 ; .E2 = 0 ;
E3 = 0 $
; All $
PLOT; RHS= E; LHS=YEAR$
PGINA
7
como sube y bajan parecido a una montaa rusa los residuos con
montaas y valles, lo cual hace pensar en un modelo o comportamiento
subyacente que no ha sido capturado en la estimacin.
Otro grfico usual para detectar la presencia de procesos autorregresivos en
los errores es graficar los errores contra ellos mismos pero rezagado, es decir
s grfica el error t versus t-1 y centrando en cero se ve si crecen o
decrecen montonamente. La instruccin que a continuacin se lista muestra la
existencia de un proceso autorregresivo positivo
PLOT; RHS= E; LHS=E1$
Se puede observar claramente como los valores siguen una ruta que va desde
el cuadro inferior izquierdo al cuadro superior derecho marcando un claro
ascenso en diagonal. Este comportamiento es tpico de un proceso
autorregresivo positivo (=1). Si el comportamiento hubiera sido desde el
cuadro superior izquierdo al cuadro inferior derecho la autocorrelacin sera (=
-1) negativa
CONTRASTE DE WALLIS (1972)
Este contraste presenta una modificacin del estadstico de Durbin-Watson
para los modelos que utilizan datos trimestrales en los que, dado el carcter
estacional de estas series, se espera que la perturbacin de una observacin
concreta no est relacionada con la perturbacin del
AUTOCORRELACINECONOMETRA
PGINA
8
trimestre
H0 :j 0
H1 : 0 j 1
AUTOCORRELACINECONOMETRA
PGINA
9
j1
j 2...
jp
Este contraste, al igual que los estudiados hasta el momento, se basa en los
residuos MCO y se define como una prueba de significacin conjunta de las
primeras p autocorrelaciones de los residuos. Para su aplicacin emprica es
necesario desarrollar las siguientes etapas:
1. Estimacin por MCO del modelo de regresin y obtencin de los
residuos MCO (et )
AUTOCORRELACINECONOMETRA
PGINA
10
contrario
segundo
lugar
se
puede
sealar
que
este
contraste
permite
AUTOCORRELACINECONOMETRA
PGINA
11
la
correccin
de la
especificacin. Es
decir,
la
enfermedad; por tanto, podemos optar por camuflar el sntoma, pero siempre
ser ms razonable intentar atajar la enfermedad.
1. ADAPTANDO LA ESPECIFICACIN A LA NATURALEZA DE LOS
DATOS
En el caso en que se comprobase, como sucede en nuestro ejemplo, y con la
adecuada utilizacin de contrastes de No Estacionariedad , la existencia de
variables integradas, convendra utilizar diferencias de las variables originales
o bien tasas de crecimiento, estimando entonces de nuevo la ecuacin.
Puede comprobarse como, en ambos casos, los resultados en trminos de
significatividad son decepcionantes. Este resultado tiene su lgica ya que,
como seala Gujarati al tomar las primeras diferencias estamos estudiando
esencialmente el comportamiento de variables alrededor de sus valores de
tendencia (lineal) un movimiento siempre ms complejo que el de la mera
progresin tendencial:
Regresin con variables en diferencias
Dependent Variable: D(IMPK)
Method: Least Squares
Date: 03/15/06 Time: 09:06
Sample(adjusted): 1981:2 2002:2
Included observations: 85 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
C
291.8475
65.10598
4.482653
D(FBCK)
0.670183
0.114304
5.863145
D(GTOHOGK)
-0.033462
0.115973
-0.288528
D(PIMPENER)
1.173410
2.967580
0.395410
R-squared
0.324554 Mean dependent var
Adjusted R-squared
0.299538 S.D. dependent var
S.E. of regression
453.1934 Akaike info criterion
Sum squared resid
16636122 Schwarz criterion
Log likelihood
-638.4483 F-statistic
Durbin-Watson stat
1.603458 Prob(F-statistic)
AUTOCORRELACINECONOMETRA
Prob.
0.0000
0.0000
0.7737
0.6936
434.3882
541.4910
15.11643
15.23138
12.97361
0.000001
PGINA
12
Prob.
0.0000
0.0000
0.2822
0.4148
0.021866
0.027025
-4.718590
-4.603641
13.96121
0.000000
2. CAMUFLANDO LA AUTOCORRELACIN
PGINA
13
AUTOCORRELACINECONOMETRA
Prob.
0.0223
0.0909
0.0262
0.0054
0.0000
21493.54
12110.32
15.31549
15.45918
12406.11
0.000000
PGINA
14
n
1 n (b1 )
2
n
85
0.283
2.798
2
1 85 (0.039181)
1 n (b
1
2
)
la existencia de
y t yt yt 1
x*jt x jt x jt 1
PGINA
15
0.727543
823.3101
56938521
-690.7401
Prob.
0.0000
14.75610
1577.299
16.27624
16.30497
2.120850
Prob.
0.0000
0.0000
0.0000
0.0403
3593.261
2010.989
15.79166
15.90661
253.6474
0.000000
Y 1 Y1 1 2
X *j1 X j1 1 2
En realidad, dado que el clculo directo del rho implica cierta probabilidad de
error, suele ser conveniente utilizar el procedimiento de clculo iterativo de
conocido como Cochrane Orcutt descrito en clase. Esto implicara un proceso
sucesivo de re-clculo de rho a partir de los nuevos resultados del DW
obtenidos en esta regresin, y una nueva transformacin de las variables
previamente transformadas Es decir, en nuestro ejemplo, el nuevo valor del
DW es ahora 1.53 lo que implica un valor del de 0.24; podra utilizarse ese
nuevo valor para transformar de nuevo las variables y reestimar nuevamente la
ecuacin.
Prob.
0.0000
0.0000
0.0000
0.2807
2765.136
1553.521
15.71868
15.83443
151.4494
0.000000
EJERCICIO 1 EN GRETL:
Ao
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
AUTOCORRELACINECONOMETRA
Importaciones Precio
Relativo
Reales 1/
2/
imp.
precio
247
1.076
251
1.09
267
1.088
277.7
1.074
271.8
1.087
293.2
1.087
312
1.134
294.7
1.277
324.2
1.352
416.4
1.598
352.1
1.573
457.1
1.524
498.1
1.431
521.6
1.495
482.8
1.603
441.2
1.755
424.6
1.738
334.3
1.687
269.2
1.589
287.2
1.589
250.3
2.358
213.6
2.009
315.9
2.149
327.7
2.117
346.9
2.13
344.3
2.336
369.2
2.055
506
1.992
527.3
1.894
553.5
1.79
595.5
1.785
554.7
1.752
662.8
1.599
825.2
1.5
831.1
1.612
882.2
1.679
PIB
Real 1/
pib
1355.2
1429.9
1488.6
1619.2
1695.9
1792.8
1892.8
2031.6
2169.4
2307.7
2352.7
2526.5
2723.8
2859.9
2994.6
3106.9
3127.6
3016.6
2939.6
2953.5
2936.1
2940.2
3044.4
3162.9
3287.6
3389.6
3513.6
3683.6
3828.3
3982.7
4179.8
4303.4
4491.2
4715.5
4896.9
5072.5
PGINA
20
12345ABCDE
Utilizando las 36 observaciones 1965-2000
Variable dependiente: l_Imp
VARIABLE
const
l_Pre
l_Pi
COEFICIENTE
VALOR P
-4.07067
0.866285
-1.11768
0.178485
1.32852
0.116351
DESV.TP.
ESTAD T
-4.699
-6.262
11.418
0.00004 ***
<0.00001 ***
<0.00001 ***
Resultado:
Se puede concluir que si existe autocorrelacin positiva ya que el
resultado de durbin-watson que nos proporciona gretl es de 0.897449 y
que segn la cantidad de datos(son 36) y el nmero de variables
independientes (son k2) ubicndolo en la tabla de durbin-watson donde :
o Dl es un valor critico inferior
o Du en un valor critico superior
Nos da los intervalos de:
AUTOCORRELACINECONOMETRA
PGINA
21
Dl = 1.35
Du = 1.59
Y ya que el resultado de durbin-watson es de 0.897449 que es menor al valor
critico inferior se dice que es una autocorrelacin positiva.
EJERCICIO 2(EXCEL)
ventas K=1
K=2
K=3
K=4
K=5
K=6
K=7
K=8
K=9
Yt-1
Yt-2
Yt-3
Yt-4
Yt-5
Yt-6
Yt-7
Yt-8
Yt-9
654
658
665
672
673
671
693
694
701
703
702
710
712
711
654
658
665
672
673
671
693
694
701
703
702
710
712
654
658
665
672
673
671
693
694
701
703
702
710
654
658
665
672
673
671
693
694
701
703
702
654
658
665
672
673
671
693
694
701
703
654
658
665
672
673
671
693
694
701
654
658
665
672
673
671
693
694
654
658
665
672
673
671
693
654
658
665
672
673
671
tiempo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Yt
654
658
665
672
673
671
693
694
701
703
702
710
712
711
728
n=
MEDIA
15
689.8
K=1
2
(yt -y)
1281.64
1011.24
615.04
316.84
282.24
353.44
10.24
17.64
125.44
174.24
148.84
(yt
- Y)(Yt1
- Y)
1138.44
788.64
441.44
299.04
315.84
-60.16
13.44
47.04
147.84
161.04
K=2
(yt
- Y)(Yt2
- Y)
887.84
566.04
416.64
334.64
-53.76
-78.96
35.84
55.44
136.64
AUTOCORRELACINECONOMETRA
K=3
(yt
- Y)(Yt3
- Y)
K=4
(yt
- Y)
(Yt4- Y)
K=5
(yt
- Y)
(Yt5- Y)
K=6
(yt
- Y)
(Yt6- Y)
637.24
534.24 601.44
466.24 597.84 673.04
-56.96 -79.36 -101.76 -114.56
-70.56 -74.76 -104.16 -133.56
-210.56 -188.16 -199.36 -277.76
42.24 -248.16 -221.76 -234.96
51.24
39.04 -229.36 -204.96
K=7
(yt
- Y)
(Yt7- Y)
K=8
(yt
- Y)
(Yt8- Y)
K=9
(yt
- Y)
(Yt9- Y)
-150.36
-356.16 -400.96
-327.36 -419.76 -472.56
-217.16 -302.56 -387.96
PGINA
22
408.04
492.84
449.44
1459.24
246.44
448.44
470.64
809.84
266.64
270.84
428.24
848.04
226.24
293.04
258.64
771.64
84.84
248.64
279.84
466.04
64.64
93.24
237.44
504.24
716.2
COEFICIENTE DE
AUTOCORRELACION
r1
r2
r3
r4
r5
r6
r7
r8
r9
SE(r2 )
SE(r3)
SE(r4)
SE(r5)
SE(r6)
SE(r7)
SE(r8)
SE(r8)
distribucin T
2.144787
Calculo de los Lmites de significacin del 5% para la
autocorrelacin
0.553782 0.799975 0.918279 0.973259 0.991495 0.994596 0.998056 1.012955 1.039554
-0.55378 -0.79998 -0.91828 -0.97326 -0.99149 -0.9946 -0.99806 -1.01295 -1.03955
AUTOCORRELACINECONOMETRA
PGINA
23
Autocorrela
cion
1.20
1.00
0.80
0.60
0.40
0.20
0.00
-0.20
-0.40
-0.60
-0.80
-1.00
-1.20
FUNCION DE
AUTOCORRELACION-VENTAS
(con limites de signifcacion de
5% para las
autocorrelaci
ones)
Desfa
ce
BIBLIOGRAFIA:
AUTOCORRELACINECONOMETRA
PGINA
24
1. https://sites.google.com/site/udadisiuniversity/
2. http://www.uoc.edu/in3/emath/material.htm
AUTOCORRELACINECONOMETRA
PGINA
25