Mathematics">
Applied Econometric Time Series by Walter Enders (Z-Lib - Org) (239-256) .En - Es
Applied Econometric Time Series by Walter Enders (Z-Lib - Org) (239-256) .En - Es
Applied Econometric Time Series by Walter Enders (Z-Lib - Org) (239-256) .En - Es
El coeficiente de y1t − 1tiene un estadístico t de –2,17. Dado el valor crítico del 5%, no
podemos rechazar la hipótesis nula de una raíz unitaria no estacional. El estadístico t para
el coeficiente en y2t − 1es -4,17; por tanto, es poco probable que exista una raíz unitaria
estacional con una frecuencia semestral. El estadístico F de muestra para la hipótesis nula
de que el coeficiente en y3t − 1 y y3t − 2 conjuntamente igual cero es 6,81. Por lo tanto, al
nivel de significancia del 5%, no hay una raíz unitaria estacional en la frecuencia anual
(6,81 <6,57). Por tanto, como en el capítulo 2, podría no haber sido correcto diferenciar y
diferenciar estacionalmente en presencia de variables ficticias estacionales deterministas.
Como grupo, las variables ficticias estacionales son muy significativas; el estadístico F de
muestra para la presencia de variables ficticias estacionales es 7,49. Sin embargo, si
4
experimentas con el modelo en la forma mt = (1 - L) (1 - L ) ytutilizado en el Capítulo 2,
debería encontrar que los términos AR (1) y MA (4) funcionan mejor que un modelo con
variables ficticias estacionales deterministas. Además, si realiza la prueba HEGY sin
dummies estacionales, encontrará raíces unitarias tanto estacionales como anuales.
8. CAMBIO ESTRUCTURAL
Al realizar pruebas de raíz unitaria, se debe tener especial cuidado si se sospecha que se
ha producido un cambio estructural. Cuando hay rupturas estructurales, las diversas
estadísticas de la prueba Dickey-Fuller están sesgadas hacia el no rechazo de una raíz
unitaria. Para explicarlo, considere la situación en la que hay un cambio único en la media
de una secuencia que de otro modo sería estacionaria. En el gráfico superior de la Figura
4.9, el {yt} la secuencia se construyó de manera que fuera estacionaria alrededor de una
media de cero para t = 0,…, 50 y luego fluctuara alrededor de una media de 6 para t = 51,
…, 100. La secuencia se formó dibujando 100 de forma normal e independiente valores
distribuidos para el { t} secuencia. Configuración y0 = 0, los siguientes 100 valores de la
secuencia se generaron mediante la fórmula:
yt = 0,5 añost−1 +t + DL
donde DL es una variable ficticia tal que D L = 0 para t = 1,…, 50 y D L= 3 para t =
51,…, 100. El subíndice L está diseñado para indicar que el nivel de la variable
ficticia cambia. En ocasiones, será conveniente referirse al valor de la variable
ficticia en el período t como D L(t); en el ejemplo que nos ocupa, D L(50) = 0 y
DL(51) = 3.
En la práctica, el cambio estructural puede no ser tan evidente como la
ruptura que se muestra en la figura. Sin embargo, la gran ruptura simulada es
útil para ilustrar el problema de usar una prueba de Dickey-Fuller en tales
circunstancias. La línea recta que se muestra en la figura destaca el hecho de
que la serie parece tener una tendencia determinista. De hecho, la línea recta es
la ecuación MCO que mejor se ajusta:
yt = a0 + un2t + et
En la figura, puede ver que el valor ajustado de un 0 es negativo y el valor
ajustado de un2es positivo. La forma correcta de estimar (4.38) es ajustar un
modelo AR (1) simple y permitir que la intersección cambie al incluir la variable
ficticia DL. Sin embargo, supongamos que ajustamos sin sospechar la ecuación
de regresión:
yt = a0 + un1yt−1 + et
228 CAPÍTULO 4 MODELOS CON TENDENCIA
yt = 0,5 añost - 1 + εt + DL
8
–2
0 20 40 60 80 100
yt = yt - 1 + εt + DPAGS
8
–2
0 20 40 60 80 100
25
20
15
10
–5
10 20 30 40 50 60 70 80 90 100
donde DPAGS representa una variable ficticia de pulso tal que D PAGS = 1 si t
= + 1 y cero en caso contrario y D L representa una variable ficticia de nivel
tal que DL = 1 si t> y cero en caso contrario.
Bajo la hipótesis nula, {yt} es un proceso de raíz unitaria con un salto único en el
nivel de la secuencia en el período t = + 1. Bajo la hipótesis alternativa, {y t} es la
tendencia estacionaria con un salto único en la intersección. La figura 4.10 puede
ayudarlo a visualizar las dos hipótesis. Simulando (4.40) configurando un0 = 0.2 y
usando 100 realizaciones para el { t} secuencia, la línea discontinua errática en la
figura representa la trayectoria temporal de {y t} bajo la hipótesis nula. Puede ver el
salto único en el nivel del proceso que ocurre en el período 51. A partir de entonces,
el {yt} La secuencia continúa el proceso original de caminata aleatoria más deriva. La
hipótesis alternativa postula que el {y t} la secuencia es estacionaria alrededor de la
línea de tendencia discontinua. Hasta t =, {yt} está estacionario alrededor de un0 +
un2t, y comenzando en + 1, yt está estacionario alrededor de un0 + un2t + 2. Como lo
ilustra la línea discontinua, hay un aumento único en la intersección de la tendencia
si2 > 0.
El problema econométrico consiste en determinar si una serie observada
se modela mejor con (4.40) o (4.41). La implementación de la técnica de
Perron (1989) es sencilla:
Para ser aún más general, es posible combinar las dos hipótesis nulas H 1 y H2. Un
cambio tanto en el nivel como en la deriva de un proceso de raíz unitaria se puede
representar mediante
H3: yt = a0 + yt−1 +1rePAGS +2reL +t
donde DPAGS y DLson los maniquíes de pulso y nivel, respectivamente,
definidos anteriormente. La alternativa adecuada para este caso es
UN3: yt = a0 + un2t +2reL +3reT +t
Nuevamente, el procedimiento implica combinar las hipótesis nula y
alternativa en una sola ecuación. Considerar
yt = a0 + un1yt−1 + un2t +1rePAGS +2reL +3reT +t
Compare el estadístico t de la estimación de un 1al valor crítico calculado por
Perron (1998). Si los errores de esta segunda ecuación de regresión no parecen
ser ruido blanco, calcule la ecuación en forma de una prueba de Dickey-Fuller
aumentada. El estadístico t para la hipótesis nula a 1= 1 puede compararse con
los valores críticos calculados por Perron (1989). Para varios valores de, Perron
informa los siguientes valores críticos del estadístico t al nivel de significancia del
5%:
H1 H2 H3
0,15-0,25 −3,77 −3,80 −3,99
0,45–0,55 −3,76 −3,96 −4,24
0,65-0,75 −3,80 −3,85 −4,18
∑k
yt = a0 +1reL +2repags + un2t + un1yt−1 + yo yt−i +t
yo= 1
donde DPAGS(1930) = 1 y cero en caso contrario
reL = 1 para todo t a partir de 1930 y cero en caso contrario
CAMBIO ESTRUCTURAL 233
Notas:
1 T = número de observaciones; = proporción de observaciones que ocurren antes del cambio estructural; k
= longitud de retraso.
2
Los estadísticos t apropiados están entre paréntesis. Para 0, 1, 2y un2, el nulo es que el coeficiente es igual a
cero. Para1, la hipótesis nula es una 1 = 1. Tenga en cuenta que todos los valores estimados de 1 son
significativamente diferentes de la unidad al nivel del 1%.
1 2 3 4 5 6
Dickey: rendimiento de
pruebas más completo
t-estadística para = 0: -
yt = −0,0233yt−1 +t 0,985
t-estadística para = 0: -
yt = 0.0661 - 0.0566yt−1 +t 1.706
t-estadística para = 0: -
yt = −0,0488 - 0,1522yt−1 + 0,004t +t 2.734
Las pruebas de diagnóstico indican que no se necesitan retrasos más largos.
Independientemente de la presencia de la constante o la tendencia, el {y t} secuencia
parece ser DS. Por supuesto, el problema es que la ruptura estructural sesga los
datos hacia sugerir una raíz unitaria.
Ahora, usando el procedimiento de Perron, el primer paso es estimar el
modelo
Poder
Formalmente, la potencia de una prueba es igual a la probabilidad de rechazar una
hipótesis nula falsa (es decir, uno menos la probabilidad de un error de tipo II). Una
prueba con buena potencia rechazaría correctamente la hipótesis nula de una raíz unitaria
cuando la serie en cuestión es realmente estacionaria. Las simulaciones de Monte Carlo
han demostrado que la potencia de las diversas pruebas Dickey-Fuller puede ser muy
baja. Como tal, estas pruebas indicarán con demasiada frecuencia que una serie contiene
una raíz unitaria. El problema es que, en muestras finitas, cualquier proceso estacionario
de tendencia puede aproximarse arbitrariamente bien mediante un proceso de raíz
unitaria, y un proceso de raíz unitaria puede aproximarse arbitrariamente bien mediante un
proceso estacionario de tendencia. Para explicarlo, examine la serie de tasas de interés y
la serie de tasas de cambio que se muestran al comienzo del Capítulo 3. Si no conocía los
procesos reales de generación de datos, sería difícil saber cuáles, si es que hay alguno,
están estacionarios. De manera similar, es difícil para cualquier procedimiento estadístico
distinguir entre procesos de raíz unitaria y series que son altamente persistentes.
Es simple realizar un experimento de Monte Carlo que determina la potencia
de la prueba Dickey-Fuller. Para ser más específico, suponga que el verdadero
proceso de generación de datos para una serie es y t = a0 + un1yt−1 + t donde |
a1| <1. Si no conocía el proceso real de generación de datos, puede probar la
serie para una raíz unitaria usando una prueba Dickey-Fuller. La pregunta en
cuestión es ¿Con qué frecuencia la prueba Dickey-Fuller no detecta que la serie
es realmente estacionaria? Dado que los intervalos de confianza para los
estadísticos t de Dickey-Fuller superan los de la prueba t habitual, es de esperar
que la potencia de la prueba de Dickey-Fuller sea baja. Para encontrar la
respuesta exacta a la pregunta, podemos generar 10,000 series estacionarias y
aplicar una prueba de Dickey-Fuller a cada una. Entonces podemos calcular el
porcentaje de veces que la prueba identifica correctamente un proceso
verdaderamente estacionario.
La capacidad de la prueba para detectar adecuadamente que la serie está
estacionaria dependerá del valor de un 1. Esperaríamos que la prueba tenga la menor
potencia cuando | a1| está cerca de la unidad. Por tanto, tiene sentido examinar cómo la
magnitud de un1afecta el poder de la prueba. Primero construimos 100 observaciones de
la serie yt = a0 + un1yt−1 + t usando un valor de a1 = 0.8 y una { t} secuencia extraída de
una distribución normal estandarizada. La magnitud de un 0no es importante y, por lo
tanto, se establece igual a cero. El valor inicial de y 0 se establece igual a la media
incondicional de cero. A continuación, la serie simulada se estima en la forma y t = a0 +
yt−1 + t. Las estadísticas de Dickey-Fuller se utilizan para determinar si la hipótesis nula de
que = 0 puede rechazarse en los niveles de significancia del 10%, 5% y 1%. El
experimento se repite 10.000 veces y se registra la proporción de casos en los que la
hipótesis nula se rechaza correctamente. Finalmente,
236 CAPÍTULO 4 MODELOS CON TENDENCIA
o
yt = a2 +t
La idea es estimar el coeficiente de tendencia, un 2, usando la regresión yt = a2 + t.
Como tal, la presencia de la tendencia estocástica Σ yo no interfiere con la estimación de
un2. La estimación resultante de un 2 (llamado a2) es una estimación de la pendiente de la
dt
tendencia temporal. Utilice esta estimación para formar la serie sin tendencia como y =
yt - (y1 - â2) - â2t, donde y1 es el valor inicial de {yt} serie. Tenga en cuenta que (y1 - â2)
actúa como la intersección de la línea de tendencia estimada y â 2actúa como pendiente.
El uso de (y1 - â2) en el detrending
re
procedimiento asegura que el valor inicial de la serie sin tendencia (es decir, y ) es cero. En el
1
yt = a0 + ytd−1 +t
o, si hay alguna correlación serial en los residuos, estime
∑
pags
re re
yt = a0 + y t−1
+ cyo y t−i
+t
yo= 1
1% 2,5% 5% 10%
Interceptar −3,28 −2,98 −2,73 −2,46
Tendencia −3,71 −3,41 −3,17 −2,91
Un ejemplo
Para ilustrar el uso apropiado del procedimiento, el archivo etiquetado
ERSTEST.XLS contiene 200 observaciones generadas a partir de la ecuación: y t = 1
+ 0,95 añost−1 + 0.01t + t. Aunque la serie es claramente tendencialmente
estacionaria, el objetivo de este ejercicio es ilustrar el uso apropiado de la prueba
ERS y comparar los resultados.
242 CAPÍTULO 4 MODELOS CON TENDENCIA
t y y_tilde z1 z2 yarda
1 20.03339 20.03339 1,0000 1,0000 0.036376
2 21.85126 3.170125 0.0675 1.0675 1.692188
3 22.01347 1.637169 0.0675 1,1350 1.692338
4 22.08649 1.558934 0.0675 1.2025 1,603304
5 22.17255 1.576890 0.0675 1.2700 1.527297
y
∑
e = ayo0 + yoyeso−1 +
y +
so unyo2t + ij eso−j eso yo = 1,…, n (4,45)
j= 1
Debido a que las longitudes de retardo pueden diferir entre ecuaciones, debe realizar
pruebas de longitud de retardo por separado para cada ecuación. Además, puede optar
por excluir la tendencia temporal determinante. Sin embargo, si la tendencia se incluye en
una ecuación, debería incluirse en todas. Una vez que haya estimado los distintos yo,
obtenga el estadístico t para la hipótesis nula yo = 0. En una prueba tradicional de Dickey-
Fuller, cada uno de estos estadísticos t, denotados por tyo —Se compararía con el valor
crítico apropiado informado en la Tabla A. Sin embargo, para la prueba de raíz unitaria de
panel, forme la media muestral de los estadísticos t como
norte
∑
t = (1 ∕ n) tyo
yo= 1
norte[t - E (t)]
T 6 8 10 15 20 50 100 500
Et −1,52 −1,50 −1,50 −1,51 −1,52 −1,53 −1,53 −1,53 var (t) 1,75
1,23 1,07 0,92 0,85 0,76 0,74 0,72
Im, Pesaran y Shin muestran que Zttiene una distribución normal estandarizada
asintótica. Por tanto, para T y n grandes, puede aproximar Ztcon una distribución
normal. Este hecho no debería sorprender demasiado. Si cada uno de los valores
estimados de los distintos tyoson independientes, el teorema del límite central indica
que la desviación del promedio muestral de la media verdadera tendrá una
distribución normal. Rechazando la hipótesis nula Zt = 0 es equivalente a aceptar la
hipótesis alternativa de que al menos un valor de layodifiere de cero. Después de
todo, si el promedio muestral de las estadísticas t es significativamente diferente de
cero, al menos uno de los valores deyo es estadísticamente diferente de cero.
La prueba de que Zttiene una distribución normal se basa en muestras muy grandes.
Para los tamaños de muestra que suelen utilizar los econometristas aplicados, es
preferible utilizar los valores críticos contenidos en la Tabla 4.7. Observe que los valores
críticos dependen de n, T y de si se incluye una tendencia temporal en (4.45). Por
ejemplo, si tiene siete series que contienen cada una 50 observaciones e incluye una
tendencia temporal en (4.45), el valor crítico del 5% para t es −2.67. Si ha utilizado la
prueba de Dickey-Fuller, el valor crítico correspondiente para cada uno de los siete
valores de tyosería −3,50 (consulte la Tabla A). Tenga en cuenta que es necesario tener
valores de T y n, que sean mayores que cuatro. Los valores grandes de T son estándar