Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autocorrelacin
CAPITULO 7
AUTOCORRELACION
7.1 NATURALEZA
Autocorrelacin se define como la correlacin existente entre los
miembros de una serie de observaciones ordenadas en el tiempo (series
de tiempo) o en el espacio (series de corte transversal).
El modelo de regresin lineal clsico supone que no existe
autocorrelacin. Simblicamente,
E ( t t s ) 0
E ( i j ) 0
s 0 Serie de tiempo
i j Corte transversal
s 0 Serie de tiempo
i j Corte transversal
Econometra bsica
Autocorrelacin
Inercia
En series econmicas cuya caracterstica es que son cclicas
probablemente observaciones sucesivas sean interdependientes.
Fenmeno de la telaraa
Sea el siguiente modelo de oferta agrcola:
St 1 2 Pt 1 t
Econometra bsica
Autocorrelacin
Rezagos
Sea el siguiente modelo denominado modelo autorregresivo:
Ct 1 2Yt 3Ct 1 t
Manipulacin de datos
Se puede originar patrones sistemticos en los errores y por tanto, un
problema de autocorrelacin, si a travs de informacin incompleta se
obtiene informacin derivada mediante interpolaciones o promedios.
Donde:
E ( t t s ) 0 S NUMEROS NEGATIVOS
Econometra bsica
Autocorrelacin
2 wtYt
2 wt ( 1 2 X 2t t )
2 1 wt 2 wt X 2 t wt t
Siendo:
w X
t
2t
2 2 wt t
E ( 2 ) 2 wt E ( t )
E ( 2 ) 2
Definimos que,
var( 2 ) E ( 2 2 ) 2 E ( wt t ) 2
Siendo:
2 1 2 1 A2
3 2 3 ( 1 2 ) 2 1 2 3 2 1 A3
4 3 4 ( 2 1 2 3 ) 4 3 1 2 2 3 4 3 1 A4
.
.
.
n n 1 n ( n 2 1 n 3 2 n 2 3 ... n 1 ) n n 11 An
3 2 3 2 B3
4 3 4 ( 2 3 ) 4 2 2 3 4 2 2 B4
Econometra bsica
Autocorrelacin
5 4 5 ( 2 2 3 4 ) 5 3 2 2 3 4 5 3 2 B5
.
.
.
n n 1 n ( n 3 1 n 4 2 n 5 3 ... n 1 ) n n 2 2 Bn
4 3 4 3 C 4
5 4 5 ( 3 4 ) 5 2 3 4 5 2 3 C5
6 5 6 ( 2 3 4 5 ) 6 3 3 2 4 5 5 3 3 C 6 .
.
.
n n1 n ( n 4 3 n 5 2 n 6 3 ... n1 ) n n 3 3 C n
n 1 n 2 n 1 n 2 Rn 1
n n 1 n ( n 2 n 1 ) n 2 n 2 n 1 n 2 n 2 Rn
n n 1 n n 1 Z n
2
t
2
t
E ( t2 ) 2 w1 w2 E ( 12 ) 2 w1 w3 2 E ( 12 ) ... 2w1 wn n 1 E ( 12 )
2 w2 w3 E ( 22 ) 2 w2 w4 2 E ( 22 ) ... 2 w2 wn n 2 E (u 22 ) 2 w3 w4 E ( 32 )
2 w3 w5 2 E ( 32 ) ... 2 w3 wn n 3 E (u 32 ) ... 2 wn 1 wn E ( n21 )
var( 2 ) u2 wt2 2 u2 w1 w2 2 u2 w1 w3 2 ... 2 u2 u2 w1 wn n 1
2 u2 w2 w3 2 u2 w2 w4 2 ... 2 u2 w2 wn n 2 2 u2 w3 w4
2 u2 w3 w5 2 ... 2 u2 w3 wn n 3 ... 2 u2 wn 1 wn
n 1
n2
n 3
t 1
t 1
t 2
t 3
Econometra bsica
Autocorrelacin
t t 1 t
Donde:
1 1
y adems,
E ( t ) 0
E ( t2 ) 2
E ( t t s ) 0
Yt 1 1 X 2t 1 t 1
Yt Yt 1 (1 ) 1 2 ( X 2t X 2t 1 ) ( t t 1 )
Yt Yt 1 (1 ) 1 2 ( X 2t X 2t 1 ) t
Yt* 1* 2 X 2*t t
E (Yt * ) 1* 2 X 2*t
FRP
y x
x
*
t
*
2t
* 2
2t
Siendo:
Yt * Yt Yt 1
Econometra bsica
Autocorrelacin
Yt 1
Yt * Yt Yt 1
y t* y t y t 1
Anlogamente,
x 2*t x 2t x 2t 1
Reemplazando:
MCG
2
( y y )( x
( x x
t 1
2t
2t
x 2 1 )
2 t 1
(x
2t
x 2t 1 )
7.4 CONSECUENCIAS
Cules son las consecuencias de utilizar MCO en presencia de
autocorrelacin?
Dos casos:
Estimacin de MCO permitiendo autocorrelacin:
Intervalos de confianza amplios
Tendencia a no rechazar la hiptesis nula cuando deberamos
hacerlo
Estimacin de MCO sin tener en cuenta autocorrelacin.
Es probable que la varianza obtenida por el mtodo de mnimos
cuadrados ordinarios la subestime
Se sobre estima el coeficiente de determinacin
Las pruebas de significancia dejan de ser vlidas y conducen a
conclusiones errneas
Se subestima la pendiente y se sobreestima el intercepto de la
lnea de regresin de dos variables.
7.5 IDENTIFICACION DEL PROBLEMA DE AUTOCORRELACION
Econometra bsica
Autocorrelacin
Media:
E ( n)
Varianza:
n2
2 N1 N 2
1
N1 N 2
2 N 1 N 2 (2 N1 N 2 N 1 N 2 )
( N 1 N 2 ) 2 ( N1 N 2 1)
Donde:
= Nmero de observaciones
= Nmero de residuos positivos
= Nmero de residuos negativos.
= Nmero de corridas.
N
N1
N2
(A
Ei ) 2
Ei
Donde:
~ (2r 1)( c 1)
Econometra bsica
Ai
Autocorrelacin
Ei
d) Prueba d de Durbin-Watson
El estadstico d se define como:
d
(e e
e
t
t 1
)2
2
t
Supuestos:
Siendo:
et21 2 et et 1
2
t
d 2(1
e e
e
t
t 1
2
t
2
t
e e
e
t
t 1
2
t
Entonces:
d 2(1 )
Econometra bsica
Autocorrelacin 10
Es evidente que s:
0
1
f(d)
Rechazar Ho
0
Ho:
Ho*:
Zona de
Indecisin
dL
dU
Aceptar
Ho
Aceptar
Ho*
Zona de
Indecisin
4-dU
Rechazar Ho*
4-dL
Una de las desventajas de esta prueba es que si estas caen en la zona de indecisin no se
puede concluir si existe o no autocorrelacin. Para resolver este problema es posible determinar la
prueba d modificada que est fuera del propsito del curso.
Econometra bsica
Autocorrelacin 11
Donde:
1 1
Siendo el modelo:
Yt 1 2 X 2t t
Rezagando en un periodo
Yt 1 1 X 2t 1 t 1
Puesto que t satisface los supuestos del MMCO podemos aplicar dicho
mtodo al modelo transformado para obtener estimadores ptimos 5.
CASO 2:
Cuando no se conoce la estructura de la autocorrelacin.
En la prctica es raro conocer el valor de por ello se necesita disear
mtodos alternos, algunos de los cuales son los siguientes:
a)
Sea el modelo:
Yt 1 2 X 2t t
Donde:
t t 1 t
5
Econometra bsica
Autocorrelacin 12
1 1
Yt Yt 1
( X 2t X 2t 1 )
1 2
t
2
2
b)
d
n 2 (1 ) k 2
2
n2 k 2
Econometra bsica
Autocorrelacin 13
ANEXO G
NOCIONES BASICAS DE EVIEWS 3.1
AUTOCORRELACIN
La siguiente regresin muestra una ecuacin en la que tratamos de explicar el valor real
de las importaciones trimestrales (IMPK) en funcin de tres explicativas: el valor real de la
formacin bruta de capital fijo (FBCK), el valor real del consumo privado de los hogares
(GTOHOGK) y los precios de importacin de productos energticos (PIMPENER). 6
Dependent Variable: IMPK
Method: Least Squares
Date: 03/13/06 Time: 11:17
Simple: 1981:1 2002:2
Included observations: 86
Variable
C
FBCK
GTOHOGK
PIMPENER
6
Coefficient
-56823.91
-0.149782
1.265278
30.80776
Std. Error
2537.860
0.166913
0.100670
3.582319
t-Statistic
-22.39049
-0.897365
12.56854
8.599948
Prob.
0.0000
0.3722
0.0000
0.0000
Para reproducir los resultados de la regresin utilice el archivo en formato Eviews: Capitulo
7_Autocorrelacin_Practica 1
Econometra bsica
R-squared
Adjusted R-squared
S.E. of regresin
Sum squared resid
Log likelihood
Durbin-Watson stat
Autocorrelacin 14
0.983182
0.982566
1602.487
2.11E+08
-754.6015
0.290346
21327.70
12136.72
17.64190
17.75605
1597.883
0.000000
Los contrastes individuales son significativos para todos los coeficientes a excepcin
de FBCK cuyo p-value es inadmisiblemente elevado: slo puede rechazarse la
hiptesis de nulidad del parmetro real con un (1-0,37)=0,63% de nivel de confianza.
Frente a estos resultados empricos contrarios a la lgica econmica cabe sospechar que
estamos ante un error de especificacin. Efectivamente, y aunque se ver con detalle ms
adelante, el valor del estadstico DW indica una fuerte autocorrelacin positiva que,
seguramente, viene causada por una indebida especificacin.
Resulta muy probable que la ecuacin exhiba, as mismo, problemas de multicolinealidad,
heterocedasticidad u otros incumplimientos bsicos pero, por el momento, nos
concentraremos en utilizar este ejemplo con el fin de ilustrar el problema de la
autocorrelacin.
PRUEBAS DE AUTOCORRELACION
a) Mtodo Grfico
El anlisis grfico del residuo de la regresin estimada indica un claro patrn
sistemtico denotando autocorrelacin positiva de primer grado por que la
evolucin de los residuos tienen un patrn sistemtico sinusoidal o de ondas y
existe una relacin directa entre los residuos y los residuos desfasados en un
periodo; lo cierto es que el componente auto - regresivo del error es muy claro.
Econometra bsica
Autocorrelacin 15
E ( n)
Varianza:
n2
2 N1 N 2
1
N1 N 2
2 N 1 N 2 (2 N1 N 2 N 1 N 2 )
( N 1 N 2 ) 2 ( N1 N 2 1)
Donde:
N
N1
N2
= Nmero de observaciones
= Nmero de residuos positivos
= Nmero de residuos negativos.
Econometra bsica
n
Autocorrelacin 16
= Nmero de corridas.
=
= 44
= 42
= 18
Entonces,
E ( n)
Media:
2(44)(42)
1 43.9767442
44 42
Varianza:
n2
11.3703178
628,660
(86) 2 (85)
(A
Ei ) 2
Ei
~ (2r 1)( c 1)
TABLA N 01
RESIDUOS Y SUS FRECUENCIAS DE SIGNOS
AO
1981.1
AO
1992.1
Econometra bsica
1982.1
1983.1
1984.1
1985.1
1986.1
1987.1
1988.1
1989.1
1990.1
1991.1
1,359.431
1,639.177
1,312.639
1,042.407
484.214
321.077
175.135
-612.199
-205.070
79.525
-847.921
-734.975
-2,044.363
-1,230.492
-863.570
-767.517
413.002
1,451.669
2,354.731
1,685.566
420.600
581.358
944.321
1,068.600
402.614
503.182
673.498
-223.911
791.804
-1,164.962
-1,582.512
-1,987.625
-843.202
-892.976
-2,448.450
-3,512.930
-2,140.277
-1,599.239
-2,029.501
-2,348.353
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
-
Autocorrelacin 17
1993.1
11.000
1994.1
2.000
1.000
1995.1
1996.1
6.000
1997.1
1998.1
11.000
1.000
1.000
1999.1
2000.1
2001.1
2002.1
-2,345.298
-2,308.679
-2,875.039
-2,899.523
-2,870.680
-541.606
-790.367
-1,124.827
-781.418
-398.604
1,403.111
439.444
-18.364
39.673
-452.167
-349.831
1,490.633
257.235
497.825
1,214.710
918.067
1,287.866
1,600.000
3,159.702
2,961.924
3,602.893
2,923.230
3,004.623
2,238.171
1,849.051
-315.490
-238.995
1,264.366
-277.492
1,031.966
12.763
-1,032.168
-223.246
-786.525
-1,940.350
Donde:
Ai Es la frecuencia real u observada en la celda i.
E i Es la frecuencia terica o esperada en la celda i.
Es el nmero de filas.
Es el nmero de columnas
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
-
23.000
2.000
1.000
1.000
2.000
14.000
2
1
1
2
Econometra bsica
Autocorrelacin 18
Periodo t(-1)
Periodo (t)
N de Residuos
Positivos
N de Residuos
negativos
Total
N de Residuos Positivos
35
44
N de Residuos negativos
33
41
Total
43
42
85
TABLA N 04
TABLA DE CONTINGENCIA: RESIDUOS ESPERADOS
Periodo t(-1)
Periodo (t)
(A
N de Residuos
Positivos
N de Residuos
negativos
Total
N de Residuos Positivos
20.81
28.19
49
N de Residuos negativos
27.19
36.81
64
Total
48
65
113
Ei ) 2
Ei
36.6
20.81
28.19
27.19
36.81
6
Siendo 12 6.63 para un nivel de significancia del 95% se rechaza la hiptesis nula de
independencia, luego concluimos que los et y et 1 no son independientes por lo tanto
es muy probable que exista autocorrelacin.
TABLA N 02
RESIDUOS Y RESIDUOS DESFASADOS EN UN PERIODO
AOS
1981.1
AOS
RESIDUOS
-2,348.4
RESIDUOS(-1) SIGNOS
--2,029.5
Econometra bsica
1982.1
1983.1
1984.1
1985.1
1986.1
1987.1
1988.1
1989.1
1990.1
1991.1
1,666.0
1,546.7
1,573.4
1,359.4
1,639.2
1,312.6
1,042.4
484.2
321.1
175.1
-612.2
-205.1
79.5
-847.9
-735.0
-2,044.4
-1,230.5
-863.6
-767.5
413.0
1,451.7
2,354.7
1,685.6
420.6
581.4
944.3
1,068.6
402.6
503.2
673.5
-223.9
791.8
-1,165.0
-1,582.5
-1,987.6
-843.2
-893.0
-2,448.5
-3,512.9
-2,140.3
-1,599.2
-2,029.5
-2,348.4
Autocorrelacin 19
1,254.3
1,666.0
1,546.7
1,573.4
1,359.4
1,639.2
1,312.6
1,042.4
484.2
321.1
175.1
-612.2
-205.1
79.5
-847.9
-735.0
-2,044.4
-1,230.5
-863.6
-767.5
413.0
1,451.7
2,354.7
1,685.6
420.6
581.4
944.3
1,068.6
402.6
503.2
673.5
-223.9
791.8
-1,165.0
-1,582.5
-1,987.6
-843.2
-893.0
-2,448.5
-3,512.9
-2,140.3
-1,599.2
-2,029.5
++
++
++
++
++
++
++
++
++
++
-+
-+ -+
-----+ ++
++
++
++
++
++
++
++
++
++
-+
+ -+
-----------
1992.1
1993.1
1994.1
1995.1
1996.1
1997.1
1998.1
1999.1
2000.1
2001.1
2002.1
-1,878.6
-2,412.8
-2,345.3
-2,308.7
-2,875.0
-2,899.5
-2,870.7
-541.6
-790.4
-1,124.8
-781.4
-398.6
1,403.1
439.4
-18.4
39.7
-452.2
-349.8
1,490.6
257.2
497.8
1,214.7
918.1
1,287.9
1,600.0
3,159.7
2,961.9
3,602.9
2,923.2
3,004.6
2,238.2
1,849.1
-315.5
-239.0
1,264.4
-277.5
1,032.0
12.8
-1,032.2
-223.2
-786.5
-1,940.4
-2,348.4
-1,878.6
-2,412.8
-2,345.3
-2,308.7
-2,875.0
-2,899.5
-2,870.7
-541.6
-790.4
-1,124.8
-781.4
-398.6
1,403.1
439.4
-18.4
39.7
-452.2
-349.8
1,490.6
257.2
497.8
1,214.7
918.1
1,287.9
1,600.0
3,159.7
2,961.9
3,602.9
2,923.2
3,004.6
2,238.2
1,849.1
-315.5
-239.0
1,264.4
-277.5
1,032.0
12.8
-1,032.2
-223.2
-786.5
-1,940.4
------------+ ++
-+
+ -+
-+ ++
++
++
++
++
++
++
++
++
++
++
++
++
-+
-+ -+
+ ++
-+
----
Econometra bsica
Autocorrelacin 20
[e e
d
e
t
t 1
2
t
Seleccionar Genr
En la ventana activa escribir e1=resid
Nuevamente seleccionar Genr
En la ventana activa escribir e2=resid(-1)
Scalar d=(e1-e2)^2/(e1)^2
Pulsar doble clic sobre el icono del scalar generado
e) Prueba h de Durbin
El estadstico "d" de Durbin y Watson no puede utilizarse para
detectar correlacin serial (de primer orden) en los modelos
autorregresivos debido a que el valor "d" calculado en tales
modelos generalmente tiende a 2, que corresponde al valor de
"d" esperado en una secuencia aleatoria.
Por ello Durbin ha proporcionado una prueba para muestras
grandes para detectar correlacin serial de primer orden en los
modelos autorregresivos. Esta prueba denominada estadstico H
es la siguiente.
Econometra bsica
H
Autocorrelacin 21
n
1 n[var( 2 )]
1
d) ;
2
Seleccionar Genr
En la ventana activa escribir e=resid
Por segunda vez, seleccionar Genr
En la ventana activa escribir e2=e*e
Por tercera vez, seleccionar Genr
En la ventana activa escribir ee2=(e-e(-1))^2
scalar dw=@sum(ee2)/@sum(e2)
Pulsar doble clic sobre el cono del escalar dw
Econometra bsica
Autocorrelacin 22
Econometra bsica
Autocorrelacin 23