Beruflich Dokumente
Kultur Dokumente
PROYECTO MONOGRFICO :
Violaciones de los modelos econmicos- La Autocorrelacin
AUTORES:
Ludeas Malmaceda, Estefany M,
Taboada Delgado, Misael A.
Risco Mogolln, Kliver S.
Garca Esquivel, Deyner T.
ASIGNATURA:
Econometria I
CICLO:
VIII
ASESOR:
Eco. Agurto Moran, Segundo
TUMBES PER
2017
Contenido
1 INTRODUCCIN...........................................................................................3
2 OBJETIVOS..................................................................................................4
2.1 OBJETIVO GENERAL............................................................................4
2.2 OBJETIVOS ESPECIFICOS...................................................................4
1
3 CONOCIMIENTOS PREVIOS.......................................................................5
4 MARCO TERICO: LA AUTOCORRELACION............................................6
4.1 DEFINICIN............................................................................................6
4.2 CAUSAS DE LA AUTOCORRELACIN.................................................9
4.3 PROBLEMAS DE LA AUTO CORRELACIN......................................10
4.4 IDENTIFICACIN DE LA AUTOCORRELACION.................................11
4.4.1 CONTRASTE DE DURBIN WATSON:...........................................12
4.4.2 MTODO GRAFICO.......................................................................14
5 QU HACER CUANDO HAY AUTOCORRELACIN: MEDIDAS
CORRECTIVAS?................................................................................................17
6 Ejemplo:.......................................................................................................18
7 Conclusiones:..............................................................................................28
2
1 INTRODUCCIN
3
2 OBJETIVOS
4
3 CONOCIMIENTOS PREVIOS
5
4 MARCO TERICO: LA AUTOCORRELACION
4.1 DEFINICIN
Cuando se mide una variable a lo largo del tiempo, las observaciones en
diferentes periodos a menudo estn relacionadas o correlacionadas. Esta
correlacin se mide usando el coeficiente de autocorrelacin.
6
una perturbacin estocstica que satisface los supuestos MCO
tradicionales.
Si = 0 no existe autocorrelacin
Manipulacin de datos
7
los datos un patrn sistemtico que quiz no estara presente en los datos
originales.
8
Las figuras 12.1 a) a d) muestran un patrn distinguible entre las u. La
figura 12.1 a) muestra un patrn cclico; las figuras 12.1 b) y c) sugieren
una tendencia lineal hacia arriba o hacia abajo en las perturbaciones; y la
figura 12.1 d) indica que hay trminos de tendencia tanto lineal como
cuadrtica en las perturbaciones. Slo la figura 12.1 e) indica que no hay
un patrn sistemtico, y apoya as el supuesto de no autocorrelacin del
modelo clsico de regresin lineal.
9
El problema de la autocorrelacin se presenta mucho en series histricas,
en las cuales la memoria se transmite a travs de los errores. Un shock
grande o pequeo se mantiene en el tiempo.
10
En consecuencia se tendra como principales problemas:
11
Los contrastes de hiptesis, por su parte, permiten, a travs de una regla
de decisin, considerar si con los datos de la muestra y con un nivel de
significacin ( ) concreto se debe o no rechazar la hiptesis nula.
Autocorrelacin
H 0: No existe autocorrelacin
H 1: Existe autocorrelacin
Donde
Donde:
12
= coeficiente de autocorrelacin para un retraso de K periodos
13
Dado que y t-12 son aproximadamente iguales para muestras grandes
(y dado tambin que =[t t-1/t2]). Tambin se ha demostrado que
el valor esperado de d, cuando =0, esta dado por la siguiente relacin
(Maddala, 1996).
14
Existen tablas para probar la hiptesis de autocorrelacin cero (=0) contra
la hiptesis de autocorrelacin positiva (>0), que arrojan los lmites: inferior
(dL) y superior (dU), para la autocorrelacin negativa se estima por
diferencia con lmites dado por la tabla que son 4-dU y 4-dL.
15
Con el uso del programa se pueden construir y graficar los residuos de
forma muy simple, se corre el modelo se estiman los residuos y se
construyen los residuos rezagados para graficar.
La autocorrelacin surge cuando los trminos del error del modelo no son
independientes entre s, encontrndose los errores vinculados entre ellos.
Et frente a Et-1:
Et en el tiempo:
16
En este caso, la grfica muestra un comportamiento sistemtico,
posiblemente cclico (sube, baja, sube, baja), hecho que sigue indicando
la posible existencia de problemas de autocorrelacin.
17
2. Si se trata de autocorrelacin (pura), se puede utilizar una
transformacin apropiada del modelo original de manera que en el
modelo transformado no se presente el problema de la autocorrelacin
(pura). Como en la heteroscedasticidad, habr que emplear algn
mtodo generalizado de mnimos cuadrados (MCG).
3. En muestras grandes se puede utilizar el mtodo o Prueba de Durbin-
Watson para obtener los errores estndar de los estimadores de MCO
corregidos para autocorrelacin. Este mtodo en realidad es una
extensin del mtodo de errores estndar consistentes con
heteroscedasticidad de White, que analizamos en el captulo anterior.
4. En algunas situaciones se puede conservar el mtodo MCO. Debido a la
importancia de cada uno de estos temas, les dedicamos una seccin.
6 Ejemplo:
venta K= K= K= K= K= K= K= K= K=
s 1 2 3 4 5 6 7 8 9
tiemp Yt Yt- Yt- Yt- Yt- Yt- Yt- Yt- Yt- Yt-9
o 1 2 3 4 5 6 7 8
1 654
2 658 65
4
3 665 65 65
8 4
4 672 66 65 65
5 8 4
18
5 673 67 66 65 65
2 5 8 4
6 671 67 67 66 65 65
3 2 5 8 4
7 693 67 67 67 66 65 65
1 3 2 5 8 4
8 694 69 67 67 67 66 65 65
3 1 3 2 5 8 4
9 701 69 69 67 67 67 66 65 65
4 3 1 3 2 5 8 4
10 703 70 69 69 67 67 67 66 65 654
1 4 3 1 3 2 5 8
11 702 70 70 69 69 67 67 67 66 658
3 1 4 3 1 3 2 5
12 710 70 70 70 69 69 67 67 67 665
2 3 1 4 3 1 3 2
13 712 71 70 70 70 69 69 67 67 672
0 2 3 1 4 3 1 3
14 711 71 71 70 70 70 69 69 67 673
2 0 2 3 1 4 3 1
15 728 711 71 71 70 70 70 69 69 671
2 0 2 3 1 4 3
n= MEDI
A
15 689.
8
1281.
64
1011. 1138.
24 44
615.0 788.6 887.8
4 4 4
19
316.8 441.4 566.0 637.2
4 4 4 4
282.2 299.0 416.6 534.2 601.4
4 4 4 4 4
353.4 315.8 334.6 466.2 597.8 673.0
4 4 4 4 4 4
10.2 - - - - - -
4 60.16 53.76 56.96 79.36 101.7 114.5
17.6 13.44 - - - - - -
4 78.96 70.56 74.76 104.1 133.5 150.3
125.4 47.04 35.84 - - - - - -
4 210.5 188.1 199.3 277.7 356.1 400.9
174.2 147.8 55.44 42.2 - - - - - -
4 4 4 248.1 221.7 234.9 327.3 419.7 472.5
148.8 161.0 136.6 51.2 39.04 - - - - -
4 4 4 4 229.3 204.9 217.1 302.5 387.9
COEFICIENTE DE
AUTOCORRELACI
ON
r1 r2 r3 r4 r5 r6 r7 r8 r9
0.7371 0.5756 0.4117 0.2416 0.1002 - - - -
49 91 71 94
error estndar de la autocorrelacin 18 0.1060 0.2210 0.2983 0.3961
Distribucion de
t
2.144787
FUNCION DE AUTOCORRELACION-VENTAS
(con limites de significacion de 5% para las
autocorrelaciones)
1.20
1.00
0.80
0.60
0.40
0.20
0.00
-0.20
-0.40
-0.60
-0.80 1 2 3 4 5 6 7 8 9
-1.00
-1.20
Desface
21
Ahora seleccionamos la opcin de correlograma
22
Ahora, tendremos nuestro correlograma y los coeficientes de
autocorrelacion
Resolucin en Minitab 17
23
Ingresamos nuestros datos y nos vamos a la opcin de autocorrelacion.
24
Minitab 17 nos arroja los coeficientes de correlacion y la grfica de estos
mismos junto con los lmites de significancia
Grafica de autocorrelacion.
autocorrelacion
1,0
0,8
0,6
0,4
Autocorrelacin
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
1 2 3 4 5 6 7 8 9
Desfase
25
Ahora desarrollamos la autocorrelacion en Gretl
26
Ahora
27
Grafica de coeficientes de autocorrelacion y los lmites de significancia.
FAC de consumo
1
+- 1.96/T^0.5
0.5
-0.5
-1
0 2 4 6 8 10
retardo
FACP de consumo
1
+- 1.96/T^0.5
0.5
-0.5
-1
0 2 4 6 8 10
retardo
28
7 Conclusiones:
29