Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Correlación Serial
Correlación Serial
Clase 7
Series de tiempo
Uno de los supuestos bsicos del modelo de regresin
lineal mltiple es que las observaciones no estn
correlacionadas unas con otras.
Esto se cumple cuando se toma una muestra aleatoria,
usando datos de corto transversal.
Ese supuesto no se cumple muchas veces cuando se toman
observaciones en intervalos temporales regulares.
Ese tipo de datos se denomina series de tiempo, los cuales
tienen una estructura implcita en la cual el tiempo es un
componente importante.
Si el modelo de regresin no recoge adecuadamente esa
estructura temporal, el residuo se reflejar en el trmino de
error y esto producira que los errores esten
correlacionados.
cov( vt , vs ) 0 for t s
1 1
E ( et ) 0
2
v
var( et ) e2
1 2
cov et , et k e2 k
k 0
corr( et , et k )
corr( et , et 1 )
cov( et , et k )
var( et )var et k
cov( et , et k ) e2k
2 k
var( et )
e
cov(
xt , yt )
rxy
var(
x )var(
y)
t
( xt x )( yt y )
t 1
( xt x )
t 1
cov(
et , et 1 )
r1
var(
e)
t
et et 1
t 2
T
e
t 1
t 2
2
(
y
y
)
t
t 1
Deteccin de la autocorrelacin
Mtodo grfico
Graficar los residuos contra el tiempo
Graficar los residuos de hoy contra los del perodo
precedente
Correlograma
Mtodo Durbin-Watson
Deteccin de la autocorrelacin
Uso del correlograma, el cual es una grfica
que dibuja series de correlacin entre el
residuo actual y el residuo con diferentes
retrasos temporales.
Lo primero es estimar el modelo usando
MICO.
Luego determinar el correlograma
Deteccin de la autocorrelacin
0.00
-0.50
Autocorrelations of ehat
0.50
10
Lag
15
Durbin-Watson
El estadstico D-W (o d) se define:
tN
et et 1
t 2
tN
2
e
t
t 1
Durbin-Watson
Es difcil derivar la distribucin probabilstica exacta de D-W,
debido a que depende de X. Pero se encontraron lmites que
permiten saber si hay o no correlacin serial positiva o
negativa:
tN
et et 1
t 2
tN
2
t
t 1
e e 2 e e
e
2
t
Asumiendo que :
e e
2
t
2
t 1
et et 1
d 2 1
2 1
2
et
1 1 0 d 4
2
t 1
tN
t t 1
2
t
t 1
Durbin-Watson
Si el valor del D-W est cercano a dos, se llega a la
conclusin de que no existe correlacin serial.
Si el valor del D-W est cercano a cero, se dice
que la correlacin serial es positiva.
Si el valor del D-W est cercano a cuatro, se dice
que la correlacin serial es negativa.
Medidas de solucin
Cuando se conoce rho se transforman las variables restando la
variable original multiplicada por rho retrasada un perodo y se
estima usando MICO, lo cual esquivalente a usar MCG.
Cuando no se conoce rho, transforme el modelo a variables en
primera diferencia (rho es 1).
Si asume que rho es -1, transforme el modelo a una regresin de
promedio mvil de dos perodos.
Esto reduce el componente inercial, que origina relaciones espreas
y correlacin serial en los modelos de series de tiempo.
Aplicacin en EViews
Abra el archivo bangla.wf1 (datos de rea
sembrada de caa de azcar y precio del
azcar)
Estime el modelo: log(A) c log(P)
Cree la serie series ehat=resid
Grafique la serie de reisudos: View/Actual,
Fitted, Residual/Residual Graph
Para guardarla cliquee en Freeze y luego en
Name
-1
-.5
Residuals
.5
10
20
time
30
40
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
LOG(P)
3.893256
0.776119
0.062444
0.378207
62.34761
2.052102
0.0000
0.0484
R-squared 0.196466
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic 7.824072
Prob(F-statistic)
3.980680
0.338123
0.538245
0.628031
0.568864
1.168987
e2 v2 1 2
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
LOG(P)
AR(1)
3.898771
0.888370
0.422140
0.092165
0.259299
0.166047
42.30197
3.426048
2.542284
0.0000
0.0018
0.0164
R-squared 0.277777
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
5.769216
Prob(F-statistic)
Inverted AR Roots
.42
3.999309
0.325164
0.416650
0.552696
0.462425
Prueba de autocorrelacin
Correlograma residual: es la secuencia de las
correlaciones r1, r2entre et, et-1, et-2, etc.
La frmula que usa Eviews para computar rk es
igual a:
e e
r
e
Vaya a la ecuacin estimada y luego haga:
View/Residual Tests/ Correlograma Q statistics y
especifique un lag (e.g., 6)
El resultado se presenta bajo la grfica
Autocorrelation y bajo AC
Corrija el modelo por AR(1) y vuelva a realizar el
correlogramaqu observa?
T
t k 1 t t k
2
T
t 1 t
Prueba de Durbin-Watson
Se reporta en la tabla de resultados de la
ecuacin estimada
Se debe verificar si existe autocorrelacin
usando la regla presentada anteriormente