Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cointegracion PDF
Cointegracion PDF
RESUMEN.
La econometra de series temporales se encuentra con un problema al medir las
relaciones entre aquellas variables que tienen una tendencia temporal. Este problema
puede llegar a que se consideren significativas relaciones completamente espurias.
Cuando, en lugar de series estacionarias, se utilizan datos de panel el problema
tambin puede surgir.
Las variables que tienen una tendencia temporal definida se denominan no
estacionarias. Las estimaciones de regresiones con variables no estacionarias son
espurias salvo que estas estn cointegradas. Dos variables no estacionarias cointegradas
son aquellas cuyos residuos son estacionarios. Si los residuos son estacionarios las
estimaciones de variables no estacionarias son superconsistentes.
INTRODUCCIN A LAS SERIES NO ESTACIONARIAS
Una serie es estacionaria cuando su valor medio es estable. Por el contrario es no
estacionaria cuando sistemticamente crece o disminuye en el tiempo.
Intuitivamente podemos entender que las relaciones entre variables no
estacionarias pueden estar sesgadas y, sin embargo, tener errores estndar muy bajos y
ajuste (R2) muy altos. Por ejemplo el nmero de libros editados en Espaa ha crecido en
los ltimos 20 aos y la estatura media tambin. Una regresin de una sobre otra es
posible que arroje resultados significativos y un buen ajuste, sin embargo la relacin
entre ambas no es directa, en este caso estaramos ante lo que se denomina una
regresin espuria (Granger Newbold, 1974). En otras ocasiones podemos no conocer si
dos variables no estacionarias tienes relacin la una sobre la otra (Por ejemplo salud y
descentralizacin) o que, teniendo alguna relacin, en qu grado la relacin entre ambas
es correcta o espuria (por ejemplo crecimiento econmico y crecimiento de la cantidad
de dinero).
Ejemplos de funciones que son no estacionarias son:
yt = yt-1 + ut donde: ut ~ N (a,s2). Este es un ejemplo de paseo aleatorio.
57
53
49
45
41
37
33
29
25
21
17
13
25
29
33
37
41
45
49
53
57
25
29
33
37
41
45
49
53
57
21
17
13
21
17
13
0
-5
12
R = 0.9252
10
8
6
4
2
0
0
cov( xt , xt k )
;k 1,...m
var( xt ) var( xt k )
por lo que el test puede realizarse en tres versiones sin intercepto ni tendencia o
con alguna de las dos. PERO ES ACONSEJABLE HACERLO SIEMPRE
UTILIZANDO LA TENDENCIA, PARA CORREGIR ESTE EFECTO SI EXISTE.
p
dxt = r xt-1 +
b dx
i 1
t i
+ ut
dxt = ao + r xt-1 +
b dx
i 1
t i
+ ut
dxt = ao + r xt-1 + a1 t +
b dx
i 1
t i
+ ut
donde dxt = xt - xt-1, y, en los tres casos, pasamos el test Ho: r = 0 contra H1: r
0. Si no puede rechazarse la nula (p-valor > 0.05) la serie es no estacionaria y tiene raz
1 (I(1)) si se rechaza la nula (p-valor<0.05) la serie es estacionaria y tiene una raz 0
(I(0)). Es importante notar que el estadstico de contraste para la r no son la t usual sino
que Dickey-Fuller (1979) y MacKinnon (1994) mediante simulaciones de Montecarlo,
construyeron unas tablas especiales en las que la t es superior.
p
El trmino
b dx
i 1
t i
dxt = ao + r xt-1 + a1 t +
b dx
i 1
t i
+ ut
b) Otros test interesantes son B de Bartlett (wntestb var), Q de Pormateau (wntestq var;
tambin conocido como test Ljung-Box)y Z de Phillips-Perron (pperron var)
n k
Fk
2
q
1 n 2 2 2
n 0 ,n
2 sn2
0 ,n n 1 1 2
1 n
n 0 ,n
2
2
n
2
n sn
Para testar la cointegracin slo hay que estimar los residuos del modelo de
regresin y pasar la prueba de Dickey-Fuller aumentada (dfuller var) a los residuos
estimados ( u ). Si se cumple la Ho entonces xt e yt estn cointegradas y b es
superconsistente.
III) Modelo de correccin de errores.
Como una extensin del modelo, si las variables estn cointegradas se pueden
utilizar los residuos para corregir los errores y estimar tambin los efectos a corto plazo
de depvar sobre indepvar. El modelo a estimar se denomina de correccin de errores y
su especificacin es:
yt yt-1 = (xt xt-1) + (yt-1 a b xt-1) + t
Donde (yt-1 a b xt-1) = (ut-1) es el mecanismo de correccin en que
forzosamente <0, b es la influencia, a largo plazo de x sobre y, y es la estimacin
de la influencia, a corto plazo de x sobre y. El modelo tambin suele escribirse:
yt = (xt) + (ut-1) + t
Bibliografa