Documentos de Académico
Documentos de Profesional
Documentos de Cultura
exico
Documentos de Investigaci
on
Banco de M
exico
Working Papers
N 2006-12
Cointegraci
on Espuria: La Prueba de Engle-Granger
bajo la Presencia de Cambios Estructurales
Antonio E. Noriega
Daniel Ventosa-Santaul`
aria
Universidad de Guanajuato
Diciembre 2006
Documento de Investigaci
on
2006-12
Working Paper
2006-12
Cointegraci
on Espuria: La Prueba de Engle-Granger
bajo la Presencia de Cambios Estructurales
Antonio E. Noriega
Banco de Mexico, Universidad de Guanajuato
Daniel Ventosa-Santaul`
aria
Universidad de Guanajuato
Resumen
Este documento analiza el comportamiento asintotico de la prueba t de Engle-Granger
para cointegracion, cuando los datos incluyen cambios estructurales, en vez de ser procesos
I(1) puros. Encontramos que la prueba no posee una distribucion lmite, sino que diverge
cuando la muestra tiende a infinito. Calculos que involucran la expresion asintotica de la
prueba t, as como simulaciones Monte Carlo, revelan que la prueba puede divergir en ambas
direcciones (hacia mas, o menos infinito), haciendola poco confiable como una prueba de
cointegracion, cuando existen cambios estructurales en la funcion de tendencia de los datos.
Usando datos reales sobre ventas de vehculos y n
umero de asesinatos en los Estados Unidos,
se presenta un ejemplo emprico de los resultados teoricos.
Palabras Clave: Cointegracion espuria, cambios estructurales, procesos integrados.
Abstract
This paper analyses the asymptotic behavior of the Engle-Granger t-test for cointegration
when the data include structural breaks, instead of being pure I(1) processes. We find that
the test does not possess a limiting distribution, but diverges as the sample size tends to
infinity. Calculations involving the asymptotic expression of the t-test, as well as Monte
Carlo simulations, reveal that the test can diverge in either direction, making it unreliable
as a test for cointegration, when there are neglected breaks in the trend function of the data.
Using real data on car sales and murders in the US, we present an empirical illustration of
the theoretical results.
Keywords: Spurious cointegration, structural breaks, integrated processes.
JEL Classification:C12, C13, C22.
1.
Introduccin
(1)
b
=
b
b1 + b
(2)
la cual captura cualquier relacin potencial de largo plazo entre las variables.
En la segunda etapa los residuales,
b , son usados en la siguiente regresin de
Dickey-Fuller ( ):
2.
La complicacin con la prueba EG, como de hecho con muchas otras pruebas de cointegracin, es el problema de pre-prueba, el cual surge al tener que
identificar el orden de integracin de las variables.4
Dada la bien conocida dificultad en diferenciar modelos estacionarios en
tendencia quebrada de procesos (1), examinamos las propiedades asintticas y
de muestra finita de la prueba EG en la presencia de cambios estructurales para
series independientes. Encontramos que cuando el (Proceso Generador
de Datos) de al menos una de las variables incluye cambios estructurales, la
prueba EG no posee una distribucin lmite, sino diverge asintticamente con
3 Perron (1989, 1997) ha demostrado que cambios en la funcin de tendencia sesgan las
pruebas de raz unitarias hacia el no rechazo.
4 Por ejemplo, Elliot (1995) encuentra sobrerechazos de la nula de no cointegracin debido a
una raz cercana pero menor a uno en la representacin autoregresiva de las variables individuales. Usando simulaciones, Kellard (2006) tambin encuentra que la prueba de Engle-Granger
tiende a encontrar cointegracin espuria sustancial cuando evala la eficiencia de mercado.
I(1)
I(1)+ce
= + +
P
= + + =1
+
+
=1 + +
=1 + , para = . Los rdenes de
probabilidad para el resto de los casos siguen los mismos pasos. Todas las sumas
van de = 1 a . El estimador de MCO de en (2) es:
P 2 1
P
b = ( b
b1 )
b
P
P 1
P
P
P
donde
b
b1 =
1
b b
1 b
1 +
P
2P
1
bb
+ b
De
un
clculo
directo,
y usando el hecho de que, para (1),
b = ( ) b
= (1)
P 2
3
b1 = ( ) (veaP
Noriega y Ventosa-Santaulria (2006)), es simple mostrar
que cada elemento de
b
b1 es ( 2 ).
Por lo tanto,
( 2 )
b = ( 3 ) ,
lo cual implica que
b = (1)
Ahora se definen los residuales b
de (2) como:
b
= b
b
b1 .
La varianza estimada
es:
hP
i
P 2
P
2
b2 = 1
b1 2b
b2
b
b1
(b
) +
donde, nuevamente, clculos directos indican que
2
P
P
(b
)2 =
b
= ( )
As pues, h
i
2
b) 2 ( 3 ) 2 (
b) 1 ( 2 ) = (1)
b2 = 1 ( ) + (
Finalmente, el estadstico puede ser escrito como:
h
P 2 1 i12
b1 )
= 12 = (1)
b
b2 3 (
lo cual prueba el Teorema para los 2 2.
3.
Resultados de la simulacin
3-2
0.7
0.4
0.04
[001 01]
0.07
Cuadro 1.
3-1
0.7
0.4
0.04
[01 01]
[005 005]
0.7
0
0.7
0.3
[0 1]
0.7
0.7
2-2
0.7
0.4
0.04
[001 01]
0.04
0.07
[005 005]
0.02
0.3
0.7
0
0
2-4
0.7
0.4
0.04
0.07
0.04
0.07
0.07
0.02
[0 1]
[0 1]
0
0
La Grfica 1 muestra el comportamiento del estadstico para probar la nula de no cointegracin para cada una de las cuatro combinaciones de los
descritos en el Cuadro 1 y una muestra de tamao = 100. Las Grficas 1a,
1b, 1c, y 1d corresponden a las combinaciones 3 2, 3 1, 2 2, and 2 4,
respectivamente. La Grfica 2 exhibe los resultados para = 500 Las grficas
muestran que el estadstico solamente toma valores negativos6 . Esto implica
que la posibilidad de divergencia hacia menos infinito no puede ser descartada.
Consecuentemente, la posibilidad de cointegracin espuria entre series independientes con cambios estructurales prevalece en muestras finitas, y parece crecer
con el tamao de muestra.
6 Note, sin embargo, que el estadstico no siempre es menor que los valores crticos al nivel
de, digamos, 1 %, es decir, -4.008 ( = 100) y -3.92 ( = 500).
50
100
200
500
7 Con
3-2
2.7
0.5
0.04
[5 5]
1.5
Cuadro 3.
3-1
2.7
0.5
0.04
[18 18]
[15 2]
0.7
0
0.7
0.3
[0 1]
0.7
0.7
= 03, y = 07.
2-2
2.7
0.5
0.9
[5 5]
-1.7
1.5
[15 2]
1.5
0.3
0.7
0
0
2-4
2.7
0.5
0.04
0.9
-1.7
0.07
1.5
[0 1]
[0 1]
0
0
4.
Evidencia Emprica
10
5.
Conclusiones
11
Figura 1:
parmetro indica divergencia hacia infinito, lo cual conducira a una inferencia
correcta. Para darle un contenido emprico a nuestros hallazgos tericos, el documento tambin mostr que la aplicacin de la prueba Engle-Granger descubri
una relacin de cointegracin espuria entre el nmero de asesinatos y las ventas
de autos en Estados Unidos.
Creemos que los resultados presentados son relevantes, dada la dificultad
de distinguir variables (1) de variables estacionarias alrededor de tendencias
quebradas, es decir, dado el bajo poder de las pruebas de raz unitaria en contra
de alternativas estacionarias en tendencia. En resumen, la prueba EG debera
de ser usada con cautela, debido a que la presencia de cambios estructurales
ignorados pudieran producir rechazos espurios de la nula de no cointegracin
entre series de tiempo independientes.
Dado el potencial impacto negativo de los cambios estructurales ignorados
sobre la inferencia usando la prueba EG, nos adherimos a la recomendacin
de Gonzalo y Lee (1998) en el sentido de que . . . . . . ..la pre-prueba de races
unitarias individuales no es suficiente. Necesitamos estar seguros de que las
variables no tienen cualquier otro comportamiento de tendencia o de memoria
larga diferente al de un proceso de raz unitaria (p.149).
6.
Referencias
Elliot, G. (1998), On the robustness of cointegration methods when regressors almost have unit roots, Econometrica, 66(1), 149-158.
Enders, W. (2004), Applied Econometric Time Series, Second Edition, Wiley.
Engle, R.F. y C.W.J. Granger (1987), ointegration and error correction:
representation, estimation and testing", Econometrica, 55, 251-76.
Gonzalo, J. y T.H. Lee (1998), Pitfalls in testing for long-run relationships,
Journal of Econometrics, 86(1), 129-154.
Kellard, N. (2006), On the robustness of cointegration tests when assessing
market eciency, Finance Research Letters, 3, 57-64.
12
13