Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Enfoque de Engle-Granger
HL Mata
http://webdelprofesor.ula.ve/economia/hmata
Conceptos de Cointegracin
Desde el punto de vista de la Economa
Se dice que dos o mas series estn cointegradas si las mismas se mueven
conjuntamente a lo largo del tiempo y las diferencias entre ellas son
estables (es decir estacionarias), an cuando cada serie en particular
contenga una tendencia estocstica y sea por lo tanto no estacionaria. De
aqu que la cointegracin refleja la presencia de un equilibrio a largo plazo
hacia el cual converge el sistema econmico a lo largo del tiempo. Las
diferencias (o trmino error) en la ecuacin de cointegracin se interpretan
como el error de desequilibrio para cada punto particular de tiempo.
HL Mata
HL Mata
1.6E+07
160000
1.4E+07
150000
1000
1.2E+07
800
140000
1.0E+07
130000
8.0E+06
600
120000
6.0E+06
400
110000
4.0E+06
200
100000
2.0E+06
0.0E+00
0
93
94
95
96
97
98
IPC
HL Mata
99
00
01
02
03
90000
93
94
95
96
97
98
99
00
01
02
03
M1
93
94
95
96
97
98
99
00
01
02
03
PIBR
Procedimientos de Cointegracin
Engel-Granger (1987)
9
9
9
9
Johansen, S. (1988,1991)
9
9
9
9
9
HL Mata
HL Mata
Procedimiento de Engle-Granger
1.
2.
3.
3.
4.
Si las series son estacionarias de orden I(0) apliquen el procedimiento estandard de MCO. Resultado: parmetros exactos y
superconsistentes.
Si las series resultan integradas de diferente orden, tales como:
I(0), I(1), I(2) es posible concluir que las mismas no estn
cointegradas. La aplicacin de MCO producir resultados
espurios: R2, Fc y tt altos y DWc bajo
Finalmente, puede ocurrir que las series tengan el mismo orden
de integracin, digamos I(1). En general: cualquier combinacin
lineal de variables I(1) ser tambin I(1). Pero puede haber
alguna combinacin lineal particular entre las variables I(1) que
sea estacionaria, es decir: I(0). Para determinarlo, ejecuten el
paso 2
Datos: Descripcin
Los series utilizadas en esta nota se obtuvieron de la Tabla 21-1, Informacin
Macroecononmica, Estados Unidos, 1970.1 a 1991.4. Damodar N. Gujarati
(2003) Basic Econometrics, McGraw Hill, 5ta edicin.
El procedimiento de la diapositiva 11 les ayudarn a bajar los datos, guardarlos
en formato .XLS e importarlos posteriormente desde la aplicacin EViews
Series Trimestrales:
Tamao de la muestra: 1970.1 - 1991.4
Series originales (Level: en su forma original, sin transformacin):
PCE = Gasto Consumo Personal
PDI = Ingreso Personal Disponible
Series transformadas en logartmicas (o en tasas de cambio)
LPCE = Logaritmo de la serie PCE
LPDI = Logaritmo de la serie PDI
HL Mata
10
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
Hagan Clic en Archivo- Guardar como. En Nombre del archivo, escriban USA
En Guardar como tipo, seleccionen Libro de Microsoft Office Excel. Clic en Guardar
15.
11
Clic OK
En la seccin Name for series or. escriban los nombres de las series separadas
por espacios en blanco, es decir: GDP PDI PCE PROFITS DIVIDENDS. Clic OK
Clic en Guardar
12
HL Mata
13
El orden de integracin se refiere al nmero de veces que se debe diferenciar una serie de
tiempo (calcular su primera diferencia) para convertirla en una serie estacionaria
Se dice que una serie de tiempo est integrada de orden d, escrita I(d), si despus de
diferenciarla d veces se convierte en estacionaria.
Las series que son estacionarias sin diferenciar se denominan I(0), ruido blanco
Si se calcula la primera diferencia de una serie y sta se vuelve estacionaria, se dice entonces
que la misma est integrada de orden I(1), random walk.
Si una combinacin lineal de 2 variables I(1) genera errores I(0), se dice que las 2 variables
estn cointegradas
Si dos variables estn integradas de diferentes rdenes, digamos que una es I(1) y la otra de
orden I(2), no habr cointegracin
HL Mata
14
HL Mata
15
HL Mata
16
3200
2800
2400
2000
1600
70
72
74
76
78
80
PCE
HL Mata
82
84
86
88
90
PDI
17
18
Las Series parecen moverse no alrededor del tiempo sino alrededor de sus
Medias, Varianzas y Covarianzas, caracterstica de las series estacionarias
HL Mata
19
Funcin de Autocorrelacin
La funcin de autocorrelacin de la serie PCE da la correlacin terica entre los valores de
la serie en el perodo t y sus valores en el tiempo t+k, para todo valor de k desde 1 hasta
n, cuya frmula de clculo es la siguiente:
k =
cov(xt , xt + k )
k
k
=
=
para todo k = 1,...,
var( xt ) var(xt + k )
0 0 0
Regla de decisin:
Los coeficientes de autocorrelacin de los procesos estacionarios tienden a cero (0)
rpidamente a medida que aumenta el nmero de retardos K
Los coeficientes de autocorrelacin de los procesos no estacionarios decaen muy
lentamente, a cero (0), a medida que aumenta K
El grfico del correlograma es una herramienta importante en el anlisis de las series
temporales. Noten los valores de
k (rho) en las dispositivas 25 y 26
HL Mata
20
21
Reglas de decisin:
SerieNo Estacionaria: El correlograma empieza en un valor muy alto y decae
muy lentamente hacia cero. De acuerdo con esto, nuestras series son no
estacionarias
Serie Estacionaria: El correlograma decae rpidamente despus del primer
retardo
HL Mata
22
Prueba de hiptesis de Q y LB
1.
Planteamiento de hiptesis:
2.
Q BP = n
k =1
3.
2
k
2
m k
2
Q
= n (n + 2 )
m
LB
k =1 n k
Regla de decisin:
4.
Conclusin:
Dado que las probabilidades asociadas a los estadsticos Q son menores que el
nivel alfa igual a 0.05, se concluye que las series son no estacionarias
HL Mata
23
Rechace Ho
si
No rechace a Ho si
p
p >
= 0.05
HL Mata
0.01<p<0.01 Significativo
24
Coeficiente
Autocorrela.
Standard
Error
Box-Pierce
Estadstico Q
Ljung-Box
Estadstico
***************************************************************
1
2
3
4
5
6
7
8
9
10
.96891
.93525
.90136
.86579
.82982
.79122
.75193
.71250
.67491
.63814
.10660
.18083
.22930
.26654
.29678
.32207
.34345
.36167
.37729
.39077
82.6134[.000]
159.5870[.000]
231.0825[.000]
297.0469[.000]
357.6434[.000]
412.7341[.000]
462.4895[.000]
507.1635[.000]
547.2475[.000]
583.0827[.000]
85.4621[.000]
166.0159[.000]
241.7170[.000]
312.3932[.000]
378.1002[.000]
438.5656[.000]
493.8494[.000]
544.1077[.000]
589.7729[.000]
631.1213[.000]
*****************************************************************
Estadsticos calculados con MicroFit. Los valores entre corchetes son valores de Probabilidad.
25
Coeficiente
Autocorrela.
Standard
Error
Box-Pierce
Estadstico Q
Ljung-Box
Estadstico
***************************************************************
1
2
3
4
5
6
7
8
9
10
.96699
.93425
.90142
.86762
.83310
.79829
.76253
.72655
.69147
.65661
.10660
.18060
.22902
.26631
.29669
.32218
.34393
.36263
.37881
.39289
82.2863[.000]
159.0952[.000]
230.5997[.000]
296.8437[.000]
357.9201[.000]
413.9999[.000]
465.1683[.000]
511.6215[.000]
553.6973[.000]
591.6376[.000]
85.1237[.000]
165.5052[.000]
241.2158[.000]
312.1915[.000]
378.4190[.000]
439.9700[.000]
496.8237[.000]
549.0836[.000]
597.0181[.000]
640.7953[.000]
*****************************************************************
Estadsticos calculados con MicroFit. Los valores entre corchetes son valores de Probabilidad
26
HL Mata
27
Yt = Yt 1 + ut
Yt = + Yt 1 + ut
Yt = + T + Yt 1 + ut
.
28
Planteamiento de hiptesis:
*
t = tau = ADF
3.
Regla de decisin:
Si | t | | valor crtico
Conclusin:
PDI
Serie no estacionaria
Como | t | > | valor crtico DF |
HL Mata
29
Yt = + T + Yt 1 + Yt i + et
i =1
HL Mata
30
OK
Maximum Lags: 11
OK
31
t-Statistics
-2.215287
1% level
5% level
10% level
Prob.*
0.4749
-4.068290
-3.462912
-3.157836
Acepten la hiptesis nula por cuanto el valor del ADF es menor en valor abosluto (menos negativo)
que el valor crtico de McKinnon al 5%. (Transformen sus datos en logs, 1ras diferencias, tasas de
cambio, etc)
t-Statistics
-6.630339
1% level
5% level
10% level
Prob.*
0.00000
-3.508326
-2.895512
-2.584952
Rechacen la hiptesis nula a favor de estacionariedad por cuanto el valor del ADF (-6.630339) es
mayor, en valor absoluto (ms negativo) que cualesquiera de los valores crticos de MacKinnon
Noten que la probabilidad asociada al estadstico tau (Prob) es menor que el nivel 0.05, lo cual
ratifica el rechazo de la hiptesis nula de no estacionariedad
HL Mata
32
t-Statistics
-2.588254
1% level
5% level
10% level
Prob.*
0.2867
-4.066981
-3.462292
-3.157475
Acepten la hiptesis nula por cuanto el valor del ADF es menor en valor abosluto (menos negativo)
que el valor crtico de McKinnon al 5%. (Transformen sus datos en logs, 1ras diferencias, tasas de
cambio, etc)
t-Statistics
-9.636167
1% level
5% level
10% level
Prob.*
0.00000
-3.508326
-2.895512
-2.584952
33
Estadstico
ADF
Estadstico
DW
Nmero de
Retardos
Incluye
Intercepto
Incluye
Tendencia
Orden de
Integracin
PCE
-2.21528
2.0858
Si
No
I(1)
PDI
-2.58825
1.9384
No
Si
I(1)
En Level
En Primeras Diferencias:
DPCE
-6.6303 *
2.0344
Si
No
I(0)
DPDI
-9.6361 *
2.0049
Si
No
I(0)
NOTAS:
1.
2.
3.
Para que se pueda rechazar la hiptesis nula en favor de estacionariedad el estadstico ADF debe ser
un nmero suficientemente negativo. Ejemplo de nmeros suficientemente negativos: -6.6303 y
-9.6361, respectivamente.
4.
4.
Rechace la hiptesis nula de no estacionariedad cuando el valor absoluto del estadstico ADF (tau)
sea mayor en valor absoluto que el valor crtico de MacKinnon al nivel de significacin seleccionado,
normalmente el 5 %.
Un valor bajo del estadstico DW es indicativo de la necesidad de aumentar el nmero de retardos a
fin de remover la autocorrelacin en los valores de la serie.
HL Mata
34
Especificar y Estimar la
Relacin Funcional a Largo Plazo
HL Mata
35
PCEt = 0 + 1 PDI t + t
Tambin se especificar una relacin logartmica de consumo por cuanto la
primera diferencia de los logaritmos de las variables es equivalente a la
tasa de crecimiento de las series. Dichas trasformaciones son importantes ya
que inducen estacionariedad, adems de facilitar la interpretacin de los
resultados
LPCEt = 0 + 1 LPDI t + t
Al concluir la estimacin guarden los residuos estimados a fin de determinar
si existe o no cointegracin, en un todo de acuerdo con el procedimiento de
Engle-Granger, diapositiva 9
HL Mata
36
HL Mata
37
Coefficient
-171.4412
0.967250
0.994051
0.993981
35.92827
111012.3
-439.0292
0.531629
Std. Error
22.91725
0.008069
t-Statistic
-7.480880
119.8712
Prob.
0.0000
0.0000
2537.042
463.1134
10.02339
10.07969
14369.10
0.000000
38
HL Mata
39
HL Mata
40
41
100
50
-50
-100
70
72
74
76
78
80
82
84
86
88
90
ERRORES
42
HL Mata
43
U t = PCEt 0 1 PDI t
Para conocer si los residuos son estacionarios, estime la siguiente regresin:
= U
U
t
t 1
En donde:
U t
U t 1
44
Resultados de la Estimacin
Dependent Variable: dRES
Method: Least Squares
Date: 04/20/04 Time: 10:59
Sample(adjusted): 1970:2 1991:4
Included observations: 87 after adjusting endpoints
Variable
Coefficients
Std. Error
t-Statistico
rRES
-0.275312
0.072852
-3.779071
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.142205
0.142205
24.25937
50612.48
-400.3706
Prob.
0.0002
-0.405877
26.19315
9.226911
9.255255
2.277512
NOTAS:
Residuos retardados en un perodo: rRES = -0.276312. Probabilidad = 0.0002
Se rechaza la hiptesis nula Ho: de no cointegracin.
Se concluye que los residuos son I(0) y en consecuencia las series estn cointegradas
HL Mata
45
HL Mata
46
47
Prob.*
Variable
Coefficient
Std. Error
t-Statistic
RES(-1)
-0.275312
0.072852
-3.779071
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.142205
0.142205
24.25937
50612.48
-400.3706
Prob.
0.0003
-0.405877
26.19315
9.226911
9.255255
2.277512
Dado que el valor del estadstico ADF, -3.779071, es mayor en valor absoluto que cualesquiera de los
valores crticos de McKinnon, al 1%, 5% y 10%, respectivamente, (vea notas al final de la diapositiva
34), se rechaza la Ho de no cointegracin y se concluye que los residuos estn integrados de orden I(0).
Existe una relacin estable a largo plazo, por lo que se dice que las variables PCE y DPI estn
cointegradas.
HL Mata
48
HL Mata
49
al 1 % = 0 .511 ;
al 5 % = 0 .386 ;
al 10 % = 0 .322
Planteamiento de hiptesis:
50
HL Mata
51
= GCP IPD
U
t
t
0
1
t
GCPt = 0 + 1 IPDt + t
PCEt = 0 + 1PDI t + 2U t 1 + t
Dado que las series PCE y DPI estn cointegradas, implica que hay una relacin
estable de equilibrio a largo plazo entre ellas; no obstante, en el corto plazo puede haber desequilibrio. El trmino error U t en la regresin de cointegracin se
interpreta como el error de equilibrio y es ste, precisamente, el que sirve para
atar la conducta a corto plazo de la variable PCE con su valor a largo plazo.
corto plazo
Es el parmetro de ajuste a corto plazo. La significacin estadstica de 2 indica
la proporcin del desequilibrio en PCE, que es corregido en el siguiente perodo.
Mientras ms cerca est 2 de 1, ms rpido ser el ajuste hacia el equilibrio.
HL Mata
52
1.
2.
dPCE=PCE-PCE(-1).
OK
dPDI=PDI-PDI(-1).
OK
rRES=RES(-1).
OK
1.
2.
53
Coefficient
Std. Error
t-Statistico
11.69183
2.195675
5.324936
0.0000
dPDI
0.290602
0.069660
4.171715
0.0001
rRES
-0.086706
0.054180
-1.600311
0.1133
0.171727
0.152006
16.84283
23829.19
-367.6026
1.923381
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Prob.
16.90345
18.29021
8.519601
8.604632
8.707918
0.000366
Funcin estimada:
54
Anlisis
Ecuacin estimada escrita en primeras diferencias:
55
HL Mata
56
[2]
57
Ho : 1 = ... = l = 0
Ho : 1 = ... = l = 0
Hiptesis alternativas:
H1 : 1 ... l 0
H1 : 1 ... l 0
H 0 = 1 = 2 = ... = l = 0
58
3. Independencia Causal:
Ocurre cuando ninguno de los coeficientes retardados de la variable DPI en la ecuacin
[1], ni los coeficientes retardados de la variable PCE en la [2] no son estadsticamente
diferentes de cero
HL Mata
59
5.
6.
7.
Resultados de la estimacin:
HL Mata
60
Conclusin:
Basado en los valores de la probabilidad mostrados en el
cuadro de los resultados del Eviews, diapositiva 60, no se
puede rechazar la hiptesis nula que PDI no causa a PCE,
en el sentido de Granger.
No obstante, se rechaza la hiptesis que sostiene que PCE no
causa a PDI, en el sentido de Granger. Por lo tanto, se
desprende que la causalidad de Granger corre en una sola
direccin, desde PCE hacia PDI.
Se desprende del rechazo de la hiptesis nula que la variable
PCE precede a la variable PDI, lo que equivale a decir que los
valores retardados de la variable PDI tienen un impacto
significativo en la variable endgena PCE
HL Mata
61
Bibliografa
HL Mata
62
63
Bill Hung. (October, 2000). Dickey-fuller unit root test (stationary test).
Http://www.Hkbu.Edu.Hk/~billhung/econ3600/application/app01/app01.Html
Wakeford, Jeremy. Honours econometrics:
econometrics Time series econometrics.
Stationarity, unit roots and cointegration
http://www.Commerce.Uct.Ac.Za/economics/courses/eco416z/2004/time%20series.Doc
64
Ana Cecilia Kikut Valverde, Bernal Laverde Molina, Jorge Len Murillo, Evelyn
Muoz Salas, Mario Rojas Snchez, lvaro Solera Ramrez y Carlos Torres
Gutirrez (2003). Aspectos tericos sobre algunos temas economtricos.
http://www.bccr.fi.cr/ndie/Documentos/DIE-01-2003-NT-ASPECTOS%20TEORICOS
%20SOBRE%20TEMAS%20ECONOMETRICOS.pdf
HL Mata
65