Beruflich Dokumente
Kultur Dokumente
Pruebas de diagnstico, Cointegracin, Modelos de correccin de errores, Test de cointegracin de Johansen-Juselius y Pruebas de exogeneidad
Basado en las presentaciones del Dr. Luis Miguel Galindo Proyecto CEPAL-CMCA
El modelo tiene propiedades estadsticas de exogeneidad apropiadas: esto implica que el proceso de probabilidad condicional realizado es vlido.
El modelo es admisible con respecto a los datos: esto implica que el modelo realiza simulaciones y predicciones acertadas y tiene estabilidad en los parmetros.
Propiedades de exogeneidad
Teora econmica
PRUEBAS DE DIAGNSTICO
X2(2) es una chi cuadrada con dos grados de libertad y k es el numero de variables consideradas
La hiptesis nula es que los errores se distribuyen normalmente
AUTOCORRELACIN SERIAL
La autocorrelacin se define como la existencia de correlacin de los residuos con sus valores pasados: E(utut-k) 0
PROBLEMAS DE AUTOCORRELACIN
Los MCO siguen dando estimadores insesgados y consistentes cuando se utilizan variables exgenas en la ecuacin inicial.
Los MCO proporcionan estimadores sesgados e inconsistentes en el caso en que se utilizan variables endgenas en la ecuacin inicial.
Los estimadores no tienen varianza mnima.
Las estimaciones de los errores estndar tienden por lo general a subestimar el valor real lo que se traduce en la obtencin de pruebas t que rechazan la hiptesis nula.
Las predicciones muestran, por lo general, valores ms elevados que los normalmente esperados.
yt = 0 + 1 yt-1 ++kyt-k + k+1xit + et Asumiendo que los errores son autorregresivos de orden p entonces se estima la siguiente regresin: et = 0 + 1et-1 + 2et-2++pet-p + vt
Ho: 0 = 1 = 2 = p = 0
HETEROSCEDASTICIDAD La heteroscedasticidad se define como cambios de la varianza del trmino de error de la ecuacin estimada:
E (e
E (ee' )
Donde
HETEROSCEDASTICIDAD
Causas: El modelo no est especificado correctamente. Variacin en los coeficientes estimados Problemas en la agrupacin de los datos
PROBLEMAS DE HETEROSCEDASTICIDAD
Los MCO siguen siendo insesgados y consistentes pero ineficientes. Esto es la varianza ya no es mnima pero el uso de los MCO sigue siendo vlido al menos en muestras grandes no obstante que no representa un uso eficiente de la informacin
Las estimaciones de la varianza son sesgadas. Como consecuencia de que las estimaciones de la varianza ya no son mnimas entonces las pruebas de la significancia basadas en los t disminuyen su poder.
PRUEBA ARCH
Esta prueba se basa en la estimacin de una regresin que incluye los valores rezagados al cuadrado de los residuales de la ecuacin original:
et
et1
et1
et
Utilizar estimaciones por mnimos cuadrados generalizados en donde se conoce o especifica a priori la forma de la heteroscedasticidad Modificar la especificacin de la ecuacin original Aplicar la correccin de Newey-West en el proceso de estimacin OLS
B0
0
B1 x1t
1 1t
B2 x2t
2
...
...
Bkt xk
kt
et
et
x2t
xk
COINTEGRACIN
Cointegracin CI(d,b): La combinacin lineal de dos series Yt Xt I(1) no estacionarias baja un orden de integracin Yt - 1Xt =
COINTEGRACIN
Los coeficientes son las ponderaciones de la combinacin lineal que reduce las variables a un nivel estacionario Se normaliza la combinacin lineal de acuerdo a la teora econmica El vector de cointegracin no es nico ya que su multiplicacin por un escalar es similar pero se mantendr la relacin Con ms de dos variables puede haber ms vectores de cointegracin
PRUEBA DE COINTEGRACIN
Engle y Granger (1987): Suponiendo que Yt Xt que I(1). Regresin en niveles o esttica:
Yt =
1Xt
Estimacin
de
esta
ecuacin
por
OLS
da
coeficientes
PRUEBA DE COINTEGRACIN
CRADF(p):
t
t-1
p i t-i
+ ut
Esta ecuacin no incluye normalmente a una constante. Los valores crticos no tienen distribucin estndar y debe de corregirse por la primera regresin.
Cuadro 1: Valores crticos de MacKinnon (1991) (caso bivariado) (Engle y Yoo, 1991): 1% T=50 T=100 T=500 -4.085 -4.048 -3.908 5% -3.438 -3.396 -3.345 10% -3.094 -3.091 -3.048
Ecuacin de cointegracin:
(1)
Yt =
1Xt
Equilibrio:
t=0 t
Desequilibrio:
= Yt -
1X t
Modelo general:
(2)
Yt =
Xt +
t-1
Xt + [Yt-1 -
1Xt-1] +
ut
COINTEGRACIN
Stock (1987) demostr que los coeficientes de (1) son superconsistentes pero no necesariamente distribuidos
normalmente, mientras que en (2) los coeficientes son consistentes y asintticamente distribuidos normalmente Inferencia con prueba t en la regresin (1) son invlidas. Inferencia con prueba t en la regresin (2) son vlidas. Existe igual nmero de ecuaciones que de variables.
Teorema de representacin de Granger (Engle y Granger, 1987): Cointegracin implica ECM e inversamente.
1Xt
t]
permite probar
t-1
+ ut
Ello equivale a:
(Y-X)t = [Y-X]t-1 + ut
Yt = Xt + [Y-X]t-1 + ut
Yt =
Xt + [Yt-1 - Xt-1] + ut
Ho: =0 Notas:
no cointegracin
La distribucin de la prueba t no es estndar. Usar valores crticos de la DF (Banerjee, et al 1986 y Kremers, Ericsson y Dolado, 1992). Se impone elasticidad unitaria.
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
13.1 13.0 12.9 12.8 12.7 .02 .01 .00 -.01 -.02 -.03 97 98 99 00 01 02 03 04 05 Fitted 06 12.6 12.5
Residual
Actual
7 6 5 4 3 2 1 0 -0.02 -0.01 -0.00 0.01 Series: Residuals Sample 1997Q1 2006Q4 Observations 40 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability 1.02e-06 0.000160 0.015574 -0.023547 0.009735 -0.246860 2.234025 1.384130 0.500541
Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 1.078689 5.340913 Prob. F(4,28) Prob. Chi-Square(4) 0.385815 0.254071
ARCH Test: F-statistic Obs*R-squared 1.057943 4.324045 Prob. F(4,31) Prob. Chi-Square(4) 0.393779 0.363924
Chow Breakpoint Test: 2000Q4 F-statistic Log likelihood ratio 1.921842 19.80282 Prob. F(8,24) Prob. Chi-Square(8) 0.103217 0.011108
1.6
20 15 10 5 0 -5 -10 -15
1.2
0.8
0.4
0.0
-0.4
-20 1999 2000 2001 2002 2003 2004 2005 2006 CUSUM 5% Significance
1999 2000 2001 2002 2003 2004 2005 2006 CUSUM of Squares 5% Significance
2.4 2.0 1.6 1.2 0.8 0.4 0.0 2000 2001 2002 2003 2004 2005 2006
1.0 0.8 0.6 0.4 0.2 0.0 -0.2 2000 2001 2002 2003 2004 2005 2006
1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 2000 2001 2002 2003 2004 2005 2006
1.2 0.8 0.4 0.0 -0.4 -0.8 -1.2 2000 2001 2002 2003 2004 2005 2006
.016 .012 .008 .004 .000 -.004 -.008 -.012 -.016 2000 2001 2002 2003 2004 2005 2006
SCST -4.77 ECM -6.82 D(ECM) SCST: Sin constante sin tendencia CCCT: Con constante con tendencia CCST: Con constante sin tendencia
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
.12 .08 .04 .03 .02 .01 .00 -.01 -.02 -.03 97 98 99 00 01 02 03 04 05 Fitted 06 .00 -.04
Residual
Actual
8 7 6 5 4 3 2 1 0 -0.02 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability -0.01 0.00 0.01 0.02 -0.000351 -6.94e-18 0.022890 -0.019732 0.009101 -0.019767 3.373405 0.229116 0.891760 Series: Residuals Sample 1997Q2 2006Q4 Observations 39
Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 0.917089 4.612599 Prob. F(4,27) Prob. Chi-Square(4) 0.468301 0.329404
ARCH Test: F-statistic Obs*R-squared 1.004885 4.135386 Prob. F(4,30) Prob. Chi-Square(4) 0.420469 0.387993
1.6
15 10 5 0 -5
1.2
0.8
0.4
0.0
-10
-0.4
-15 2002 2003 CUSUM 2004 2005 2006
2002
2003
2004
2005
2006
5% Significance
0.0 -0.2 -0.4 -0.6 -0.8 -1.0 -1.2 -1.4 2003 2004 2005 2006
.1 .0 -.1 -.2 -.3 -.4 -.5 -.6 2003 2004 2005 2006
-0.4 -0.6 -0.8 -1.0 -1.2 -1.4 -1.6 -1.8 2003 2004 2005 2006
.6
.00 -.01
.4 -.02 .2 -.03 -.04 -.05 -.2 -.06 -.4 2003 2004 2005 2006 -.07 2003 2004 2005 2006
.0
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
.12 .08 .04 .00 .02 -.04 .01 .00 -.01 -.02 97 98 99 00 01 02 03 04 05 Fitted 06
Residual
Actual
8 7 6 5 4 3 2 1 0 -0.02 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability -0.01 0.00 0.01 2.09e-06 -0.000984 0.013949 -0.018554 0.008167 -0.134001 2.612927 0.360182 0.835194 Series: Residuals Sample 1997Q2 2006Q4 Observations 39
Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 0.542062 3.498870 Prob. F(4,22) Prob. Chi-Square(4) 0.706514 0.478050
ARCH Test: F-statistic Obs*R-squared 1.616380 6.205677 Prob. F(4,30) Prob. Chi-Square(4) 0.195890 0.184306
15 10 5
1.6
1.2
0.8
0
0.4
-5
0.0
5% Significance
0.0 -0.2 -0.4 -0.6 -0.8 -1.0 -1.2 -1.4 2003 2004 2005 2006
.1 .0 -.1 -.2 -.3 -.4 -.5 -.6 2003 2004 2005 2006
-0.4 -0.6 -0.8 -1.0 -1.2 -1.4 -1.6 -1.8 2003 2004 2005 2006
.6
.00 -.01
.4 -.02 .2 -.03 -.04 -.05 -.2 -.06 -.4 2003 2004 2005 2006 -.07 2003 2004 2005 2006
.0
PROCEDIMIENTO DE JOHANSEN-JUSELIUS
Modelo VAR
xt
t it
xt
et
xt
A1 xt ...
... A1 1 xt
1 1
] I
Esta ltima matriz contiene la informacin sobre la relacin de largo plazo entre las variables consideradas.
PROCEDIMIENTO DE JOHANSEN-JUSELIUS
Johansen demostr que, bajo el supuesto inicial de que las series econmicas son I(1) entonces todos los elementos de la ecuacin anterior, excepto xt-1 son I(0). Esto implica que para que xt-1 pertenezca al mismo espacio vectorial se requiere que la combinacin de variables incluidas en el modelo como solucin de largo plazo generen una serie I(0), lo cual se resuelve bajo tres casos:
La matriz tiene rango completo, lo que implica que Xt es estacionario. La matriz tiene rango cero, lo que implica y por tanto las series no cointegran y la ecuacin solo es vlida incluyendo slo variables en primeras diferencias. La matriz tiene rango menor que el nmero de variables incluidas, con lo cual existe al menos una combinacin lineal de las variables incluidas que es I(0), conocida como vector de cointegracin.
PROCEDIMIENTO DE JOHANSEN-JUSELIUS
Johansen indica que es posible escribir la matriz de largo plazo como: Donde es la matriz compuesta por los vectores de cointegracin y es la matriz de ponderaciones. Los vectores se definen inicialmente como vectores columna y se define como matriz transpuesta. As, en el caso de soluciones mltiples puede suponerse que una combinacin lineal de los coeficientes en representa tambin una posible solucin. El uso de un VAR que contenga un vector de cointegracin y su respectivo vector de ponderaciones permite resolver el problema de regresiones espurias y el sesgo en los estimadores y, hace posible analizar los supuestos de exogeneidad.
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized No. of CE(s) None * At most 1 At most 2 Max-Eigen Statistic 31.49669 10.96876 0.477491 0.05 Critical Value 21.13162 14.26460 3.841466
R_EXP(-1)
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
.2 .1 .0 -.1 -.2
10 Series: Residuals Sample 1993Q4 2006Q4 Observations 53 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability -0.01 0.00 0.01 0.02 -0.000260 -0.001681 0.023634 -0.016873 0.008379 0.680646 3.221103 4.200256 0.122441
Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 1.042657 5.073344 Prob. F(4,39) Prob. Chi-Square(4) 0.397704 0.279854
ARCH Test: F-statistic Obs*R-squared 0.502295 2.139787 Prob. F(4,44) Prob. Chi-Square(4) 0.734168 0.710067
1.6
15 10 5 0 -5
1.2
0.8
0.4
0.0
-10
-0.4
-15 2001 2002 2003 CUSUM 2004 2005 2006
2001
2002
2003
2004
2005
2006
5% Significance
-.12 -.16 -.20 -.24 -.28 -.32 -.36 2003 2004 2005 2006 2003 2004 2005 2006
-.30 -.5 -.6 -.7 2003 2004 2005 2006 -.35 -.40 -.45 2003 2004 2005 2006 -.40 -.45 -.50
.50 .45 .40 .35 .30 .25 .20 2003 2004 2005 2006
-.04 -.08 -.12 -.16 -.20 -.24 -.28 -.32 -.36 2003 2004 2005 2006
.10 .05 .00 -.05 -.10 -.15 -.20 -.25 -.30 2003 2004 2005 2006
CONCEPTO DE EXOGENEIDAD
El concepto de exogeneidad es el instrumento que utiliza la econometra moderna para enfrentar problemas asociados a la relativa arbitrariedad de las formas de especificacin, de la seleccin de las variables exgenas y de la crtica de Lucas. El cumplimiento de las condiciones de exogeneidad en un modelo economtrico permite realizar inferencias estadsticas vlidas y obtener proyecciones y simulaciones de poltica econmica adecuadas. En trminos generales, una variable exgena es aquella que se determina por fuera del sistema analizado sin que ello implique perder informacin relevante con respecto al modelo construido.
Esta definicin depende de los parmetros de inters y de los propsitos del modelo en consideracin.
CONCEPTO DE EXOGENEIDAD
Exogeneidad dbil: permite realizar inferencias estadsticas vlidas sobre los parmetros de inters, que estn distribuidos libre e independientemente. Exogeneidad fuerte: se define como la suma de la exogeneidad dbil ms la presencia de la no causalidad en el sentido de Granger. Esta condicin permite realizar pronsticos de las series correspondientes basados en modelos vlidos de probabilidad condicional.
La causalidad de Granger se define considerando el caso de dos variables (Y,X), donde X no causa en el sentido Granger a Y si la prediccin que se realiza sobre el presente de Y no puede mejorarse utilizando valores rezagados de X. Esta condicin se prueba con la siguiente ecuacin:
yt
i t i
i t i
Ho : (
CONCEPTO DE EXOGENEIDAD
Superexogeneidad: se define como la combinacin de la condicin de exogeneidad dbil mas la propiedades de invarianza del modelo economtrico en cuestin. Esta condicin permite realizar simulaciones de poltica econmica y representa una solucin a la crtica de Lucas, sobre la variacin de los parmetros ante modificaciones de la poltica econmica. Consecuencias: Permite que los coeficientes sean invariantes ante cambios de las reglas de poltica econmica, lo cual invalida la crtica de Lucas. Invlida la posibilidad de invertir el modelo de probabilidad condicional, p.e., una ecuacin de demanda de dinero no se puede invertir para utilizarla como ecuacin de precios. Permite identificar a los parmetros que tienen un valor nico, ya que cualquier otra combinacin de parmetros del modelo condicional y el marginal no seran constantes.
PRUEBAS DE EXOGENEIDAD
Los parmetros de inters cuando se modela la ecuacin (3) de forma independiente son (1, 11, 12, 13).
PRUEBAS DE EXOGENEIDAD
La condicin de exogeneidad dbil se deriva de la superexogeneidad, esto es, la presencia de estabilidad estructural indica que el modelo no excluye informacin relevante. zt no se ajusta a la presencia de los desequilibrios captados por el ECM, aunque puede reaccionar a los cambios en los valores rezagados de yt-1
PRUEBAS DE EXOGENEIDAD
Exogeneidad fuerte: corresponde a la prueba de no causalidad de Granger, que se prueba analizando la significancia de la siguiente hiptesis: Ho: 13 = 0 Ho: 22 = 0 La exogeneidad fuerte indica que zt no es afectada por los desequilibrios entre yt y zt ni tampoco por los cambios pasados en yt
Superexogeneidad: corresponde al anlisis de la invarianza y estabilidad estructural de los parmetros del modelo: (1, 11, 12, 13, 21, 22, 23). Esta prueba se realiza con los test de Chow y mtodos recursivos (Cusum y Cusum Q).
PRUEBAS DE EXOGENEIDAD
La invarianza de los parmetros se analiza estableciendo la estabilidad de (3) y la inestabilidad de (4), que se puede hacer estable incluyendo variables dicotmicas. 1. Las variables dicotmicas incluidas en el modelo marginal (4) se incluyen en el modelo inicial de probabilidad condicional (3) y se analiza su significancia estadstica. La insignificancia estadstica prueba superexogeneidad.
2. Prueba de Haussman donde los residuos del modelo marginal (4) se incluye en el modelo original (3). Su insignificancia estadstica es prueba de superexogeneidad. Residuos de (3) pueden interpretarse como los cambios de poltica econmica. 3. Invertir la ecuacin original (3) y comprobar que sus parmetros no son estables.
CASOS DE EXOGENEIDAD
CASOS DE EXOGENEIDAD
yt = zt + zt 3. Si = = 0 pero 0 entonces y causa en el sentido de Granger a zt y entonces z no es exgena fuerte pero puede aun es exogena dbil
yt = zt
CASOS DE EXOGENEIDAD
4. Si = = 0 pero 0 se rechaza exogeneidad dbil para zt,,, entonces se requiere estimacin conjunta de:
para zt.
R_EXP(-1)
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
52
Obs 57
51
1.6
15 10 5 0 -5
1.2
0.8
0.4
0.0
-10
-0.4
-15 2001 2002 2003 CUSUM 2004 2005 2006
2001
2002
2003
2004
2005
2006
5% Significance
Mean dependent var S.D. dependent va r Akaike info criterion Schwarz criterion Durbin-Watson stat
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
Regresin Marginal: dr
Dependent Variable: DR Sample (adjusted): 1993Q4 2006Q4 Included observations: 53 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3) Variable D2 DR(-4) D9601 D9602 D9403 D9404 D9501 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Coefficient -0.007272 0.173086 0.046794 -0.054006 -0.073330 0.027704 0.064147 0.816392 0.792443 0.009472 0.004127 175.4980 Std. Error 0.002746 0.066316 0.004488 0.002390 0.004080 0.000177 0.001353 t-Statistic -2.648095 2.610039 10.42639 -22.59274 -17.97423 156.4053 47.42391 Prob. 0.0111 0.0122 0.0000 0.0000 0.0000 0.0000 0.0000 -0.001757 0.020791 -6.358414 -6.098187 1.363122
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
GRACIAS