Está en la página 1de 33

Sobre la existencia de una raz unitaria

en la serie de tiempo mensual del precio


de la electricidad en Colombia

Elkin Castao y Jorge Sierra

Lecturas de Economa - No. 76. Medelln, enero-junio 2012


Lecturas de Economa, 76 (enero-junio 2012), pp. 259-291

Elkin Castao y Jorge Sierra


Sobre la existencia de una raz unitaria en la serie de tiempo mensual del precio de la
electricidad en Colombia
Resumen: Generalmente, las series de tiempo de precios de electricidad presentan cambios estructurales debido
a las condiciones econmicas relacionadas con la oferta, la demanda o las reglas del mercado donde se transan.
Mientras algunas de las propuestas para modelar estas series estn basadas en modelos de reversin a la media
inspirados por la literatura financiera (Philipovic, 1998), sus saltos y cambios estructurales han evidenciado la
existencia de regmenes con diferentes medias y varianzas (Huisman, 2003). En Colombia, estas series parecen
mostrar una tendencia general de crecimiento. En este artculo se busca evidencia de si este crecimiento es debido
a una tendencia puramente determinstica, o a una raz unitaria, o a la presencia de distintos cambios de nivel,
los cuales podran haber sido causados por eventos exgenos, tales como los fenmenos climticos de El Nio y
La Nia y las resoluciones de la Comisin de Regulacin de Energa y Gas del pas. Los resultados se inclinan a
favor de un proceso estacionario alrededor de varios cambios de nivel, y sealan la importancia de contar con
la informacin sobre los eventos ocurridos en la evolucin del proceso.
Palabras clave: Cambios de nivel, componentes determinsticas, raz unitaria. Clasificacin JEL: C15, C22, C52.

On the Existence of a Unit Root in the Time Series of Monthly Electricity Prices in Colombia
Abstract: Usually, the time series of electricity prices in different markets show structural changes due to econo-
mic conditions related to supply, demand or specific market rules. While some of the proposals for modeling these
series are based on mean reversion models inspired by the financial literature (Philipovic, 1998), its jumps and
structural changes have evidenced the existence of regimes with different means and variances (Huisman, 2003).
In Colombia, these series seem to show an overall growing pattern. This article seeks to find evidence of whether
this growing pattern is due to the presence of a purely deterministic trend; or if there is a unit root, implying
the existence of a stochastic trend; or if the series is generated by a stationary process around various changes of
level, which could have been caused by various exogenous events such as the weather phenomena of El Nio and
La Nia and the resolutions of the Comisin de Regulacin de Energa y Gas in the country. The results are in
favor of a stationary process around multiple level changes, and highlight the importance of having information
about the events that occurred in the evolution of the process.
Key Words: Level shift, deterministic components, unit root. JEL classification: C15, C22, C52.

Lexistence dune racine unitaire dans les sries mensuelle de prix dlectricit en Colombie
Rsum: Gnralement, les sries mensuelles de prix dlectricit ont des changements structurels en raison des
conditions conomiques lis loffre, la demande ou bien lis aux rgles des changs. La modlisation de ces
sries est souvent base sur des modles de retour la moyenne, inspirs par la littrature financire (Philipovic,
1998). Cependant, cette modlisation prsente des sauts et des changements structurels qui prouvent lexistence des
rgimes avec des diffrentes moyennes et diffrentes variances (Huisman, 2003). Pour le march colombien, cette
srie semble montrer une tendance gnrale de croissance. Cet article cherche des preuves afin dtablir si cette
croissance est attribuable une tendance purement dterministe ou elle obit une racine unitaire ou bien est
due la prsence de changements du niveau, ce qui pourrait avoir t provoqu par des vnements exognes tels
que les phnomnes climatiques El Nio et La Nia, ou les mandats de la Commission de lEnergie et du Gaz
de Colombie. Les rsultats montrent un processus stationnaire autour de plusieurs changements de niveau, et ils
soulignent limportance des vnements en tant que source dinformation afin de mieux analyser lvolution du
processus.
Mots-cls: changements de niveau, composantes dterministes, racine unitaire. Classification JEL: C15, C22, C52.
Lecturas de Economa, 76 (enero-junio), pp. 259-291 Universidad de Antioquia, 2012

Sobre la existencia de una raz unitaria en la serie de tiempo


mensual del precio de la electricidad en Colombia
Elkin Castao y Jorge Sierra*
Introduccin. I. Metodologa. II. Contraste de una raz unitaria en presencia de una
tendencia lineal determinstica. III. Una prueba de raz unitaria en presencia de varios
cambios de nivel. IV. Tendencia determinstica o cambios de nivel? Conclusiones.
Bibliografa.

Primera versin recibida en febrero de 2012; versin final aceptada en abril de 2012

Introduccin

Generalmente, las series de tiempo de los precios de electricidad de los


distintos mercados presentan cambios estructurales en su comportamiento
debido a las condiciones econmicas relacionadas con la oferta, la demanda
o a las reglas del mercado donde se generan. Si bien algunas de las propuestas
para modelar las series de precios se relacionan con modelos de reversin a
la media, inspirados por la literatura financiera (Philipovic, 1998), los saltos y
cambios estructurales de esta serie han evidenciado la existencia de regmenes
en el precio con diferentes medias y varianzas (Huisman, 2003).
En el caso particular de Colombia, la serie de precios reales mensuales de
la electricidad, presentada en el Grfico 1, muestra una tendencia general de
crecimiento tanto en su nivel como en la varianza incondicional.

* Elkin Argemiro Castao Velez: Profesor asociado de la Facultad de Ciencias, Universidad


Nacional de Colombia, Sede Medellny profesor titular de la Facultad de Ciencias Econ-
micas, Universidad de Antioquia. Direccin postal: Universidad Nacional Sede Medelln,
calle 59A #63-20, oficina 43-216. Direccin electrnica: elkincv@gmail.com. Jorge Sierra
Almanza: XM Expertos en Mercado, Centro Nacional de Despacho. Direccin electrnica:
jsierra@xm.com.co.
reversin a la media, inspirados por la literatura financiera (Philipovic, 1998), los saltos y
cambios estructurales de esta serie han evidenciado la existencia de regmenes en el precio con
diferentes medias y varianzas (Huisman, 2003).

En el caso particular de Colombia, la serie de precios reales mensuales de la electricidad,


presentada en el Grfico 1, muestra una tendencia general de crecimiento tanto en su nivel como
en la Castao
varianzay incondicional.
Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...

Serie mensual
Grfico1.1. Serie
Grfico mensualdel
delprecio realreal
precio
200

150
Precio

100

50

2000 2002 2004 2006 2008 2010

Time
.
Fuente: ElaboracinFuente:
propia. Elaboracin propia.

Una breve descripcin del mercado de la electricidad y sus caractersticas para el mercado
Una
colombiano, sebreve descripcin
encuentra del mercado
en el Apndice 1. de la electricidad y sus caractersticas
para el mercado colombiano, se encuentra en el Apndice 1.
En este documento se trata deseobtener
En este documento trata deevidencia sobre el tipo
obtener evidencia sobredeelproceso
tipo de que genera este
proceso
crecimiento. Se quiere investigar si el crecimiento es debido a: i) la existencia de un proceso
que genera este crecimiento. Se quiere investigar si el crecimiento es debido
1
a: i) la existencia de un proceso estacionario alrededor de una tendencia
puramente determinstica (denominado proceso Trend Stationary o TS); o
Elkin Argemiro Castao Velez: Profesor asociado de la Facultad de Ciencias, Universidad Nacional de
Colombia, Sede Medellny profesor titular de la Facultad de Ciencias Econmicas, Universidad de
ii) si Direccin
Antioquia. el proceso tieneUniversidad
postal: una raz unitaria,
Nacional lo queMedelln,
Sede implicara
callela59A
presencia
#63-20, de una 43-216.
oficina
tendencia
Direccin estocstica
electrnica: posiblemente
elkincv@gmail.com. Jorgecon una
Sierra deriva XM
Almanza: (denominado
Expertos en proceso
Mercado, Centro
Difference
Nacional Direccin oelectrnica:
Stationary
de Despacho. DS); o iii) si la serie es generada por un proceso
jsierra@xm.com.co.
estacionario alrededor de distintos cambios de nivel, los cuales podran
haber sido causados por diferentes eventos exgenos. Con respecto a este 1
ltimo enfoque, se quiere verificar si el crecimiento observado se debe a la
posible presencia de cambios de nivel como resultados de los efectos de
los fenmenos climticos de El Nio y La Nia y de las resoluciones de la
Comisin de Regulacin de Energa y Gas del pas CREG para el mercado
de la electricidad en Colombia.
El contenido de este documento es el siguiente. La seccin I presenta
metodologa empleada para la determinacin del modelo ms adecuado
para explicar la tendencia a crecer de la serie del precio. En la seccin II se

262
263

aplican pruebas tradicionales de raz unitaria en presencia de una tendencia


determinstica a la serie. La seccin III presenta una prueba de raz unitaria
en presencia de mltiples cambios de nivel, basada en la propuesta de
Cavaliere y Georgiev (2006a) y se realiza su aplicacin a la serie de precios
reales mensuales de la electricidad en Colombia. En la seccin V se discuten
los resultados encontrados en las secciones II y III. Finalmente, se presentan
las conclusiones.

I. Metodologa

Durante varios aos se ha debatido si las series de tiempo econmicas y


financieras poseen una raz unitaria o si pueden ser mejor representadas por
procesos que son estacionarios alrededor de una tendencia determinstica
y/o de cambios de nivel. Perron (1990, 1992) cuestiona la relevancia
emprica de los procesos con races unitarias y sugiere que la ocurrencia de
innovaciones permanentes en una serie de tiempo es poco comn. Propone
que las series de tiempo econmicas parecen obedecer a procesos que son
estacionarios alrededor de una tendencia determinstica sujeta a cambios de
nivel espordicos. Adems, Perron seala que la presencia de cambios de
nivel en las series, afecta el comportamiento de las pruebas de races unitarias
conducindolas, generalmente, a no rechazar la existencia de una raz unitaria.
Para investigar si el proceso generador de datos de la serie del precio
real mensual de la electricidad en Colombia posee una raz unitaria o sigue
un proceso estacionario en tendencia o estacionario en cambios de nivel, se
emple la siguiente metodologa:
i) Se contrast la hiptesis de raz unitaria sobre la serie del precio real de
electricidad en el modelo cuya componente exgena es una tendencia
lineal, usando pruebas tradicionales.
ii) Se contrast la hiptesis de raz unitaria en presencia de varios cambios
de nivel sugerida por Cavaliere y Georgiev (2006a, 2006b).
iii) Se compararon los modelos sugeridos en las pruebas anteriores.

Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012


Para investigar si el proceso generador de datos de la serie del precio real mensual de l
electricidad en Colombia posee una raz unitaria o sigue un proceso estacionario en tendencia
estacionario en cambios de nivel, se emple la siguiente metodologa:

i) Se contrast la hiptesis de raz unitaria sobre la serie del precio real de electricidad en e
Castao
modeloy Sierra: Sobre la existencia
cuya componente de una
exgena esraz
unaunitaria en la lineal,
tendencia serie deusando
tiempo mensual...
pruebas tradicionales.
ii) Se contrast la hiptesis de raz unitaria en presencia de varios cambios de nivel sugerida po
II. Contraste
Cavaliere y Georgiev (2006a, de una raz unitaria en presencia
2006b).
iii) Se compararon los modelos sugeridos
de una tendencia lineal en las pruebas anteriores.
determinstica

Tras Contraste
II. la observacin
de unadel
razGrfico
unitaria1,ense puede concluir
presencia que la varianza
de una tendencia lineal determinstica
incondicional de la serie no es estable y tiende a crecer con su nivel. El
Tras la observacin del Grfico 1, se puede concluir que la varianza incondicional de la serie n
empleo de ylatiende
es estable transformacin
a crecer condesuBox-Cox
nivel. El (Box
empleo y Cox,
de la 1964) sugiere que
transformacin la
de Box-Cox (Box
transformacin
Cox, 1964) sugierelogartmica
que la es adecuada para
transformacin estabilizaresdicha
logartmica varianza.
adecuada para Por
estabilizar dich
lovarianza.
tanto, elPor
anlisis deellaanlisis
lo tanto, serie se derealizar
la serie sesobre el logaritmo
realizar natural natural
sobre el logaritmo de los de los precio
precios
reales. reales.
Sea X = Log(preciot). Para probar la hiptesis de una raz unitaria en
Sea X t t Log ( preciot ) . Para probar la hiptesis de una raz unitaria en presencia de un
presencia de una tendencia lineal, se emplearon la prueba de Dickey-Fuller
Aumentada (Dickey
tendencia lineal, y Fuller, 1981),
se emplearon basada
la prueba en el modelo
de Dickey-Fuller Aumentada (Dickey y Fuller, 1981)
basada en el modelo
p
Xt 0 1t Xt 1 j Xt j t , (1) (1)
j 1

yy lala prueba de Dickey-Fuller


prueba de Dickey-FullerDetrended
Detrended(DF-GLS)
(DF-GLS) de de Elliot
Elliot et al.
et al. (1996),
(1996), la posee una
la cual
ymayor
la prueba de Dickey-Fuller Detrended (DF-GLS) de Elliot et al. (1996), la cual posee una2
ycual posee una mayor potencia que la prueba anterior, basada
et al.en(1996),
el modelo
potencia que la prueba anterior, basada en el modelo
la prueba
mayor de Dickey-Fuller
potencia que la prueba Detrended
anterior, (DF-GLS)
basada en el de Elliot
modelo la cual posee una
(1996), lay cual
la prueba
mayor posee deunaDickey-Fuller Detrended (DF-GLS) de Elliot et al. (1996), la cual posee una
potencia que la prueba anterior, basada en el modelo
mayor potencia que la prueba anterior, basada enp el modelo
d
X td d
X td 1 p d
j X td j t, (2) (2)
X dt X dtp 1 jp 1 j X dt j t, (2)
d Xt d Xt 1 j 1 dj Xt j t, (2)
) donde X tdd X t 0 X t 1t , X y tdonde
1 ( j 0j ,X1 t 1 )j se obtienen
t, (2)
regresando X sobre W siendo
donde X dt X t 0 1t , y dondej 1( 0 , 1 ) se obtienen regresando X sobre W siendo
, y donde , ) se obtienen regresando X sobre W siendo
X sobre donde
donde
W siendo X td X tX t Xt0 01t , y1tdonde ( 0 , (1 )0se obtienen
1 regresando X sobre W siendo
X X1, (1 L) X 2 , ...,(1 L) X T y W [W1, (1 L)W2 , ...,(1 L)WT ], (3)
X X1, (1 L) X 2 , ...,(1 L) X T y W [W1, (1 L)W2 , ...,(1 L)WT ], (3)
..,(1
X XX1, (1
L)WT ],con (3)
X1, (1L) X L,)...,(1
Wt (1, t )' y2
X 2 , ...,(1L) X L) X Ty Wy [W
1 c / T T, c =13.5.
W , (1[W1, (1
1 L)W2 ,L...,(1 )W2 , ...,(1L)WT ],L)W (3) ],
T (3) (3)
con Wt (1, t )' y 1 c / T , c =13.5.
con con Wt W(1t , t )'(1,yt )' y 1 c 1/ T ,c / T , c =13.5.
c =13.5.
Sobre los modelos anteriores, para probar la existencia de una raz unitaria, equivale a contrastar
Sobre Sobre
las hiptesis los
los modelosH0:modelos
anteriores,
0 contra anteriores,
para probar
H1:probar 0para probar la
la existencia
.la existencia
de una raz unitaria,de una raz a contrastar
equivale
SobreSobre
unitaria,
las los los
hiptesismodelos
equivale
modelos H 0 : anteriores,
a contrastar las
anteriores,0 para
contra para
probar
H : la existencia
0 . existencia
de unade una
1 hiptesis H0: = 0 contra H1: <= 0. contrastar
raz raz
unitaria, unitaria,
equivale equivale
a a contrastar
taria, equivalelas a hiptesis
contrastar
las hiptesis H0: H0: 0 contra 0 contraH1: H1:0 . 0 .
La seleccin
La seleccin del orden del p orden p de la componente
de la componente autorregresiva autorregresiva
de los modelos anteriores de los se basa en:
La seleccin del orden de p de la componente autorregresiva de los
0.25 modelos anteriores se basa en:
modelos
La
i) determinar
seleccin
La seleccin anteriores
del
un
del
orden
orden
orden
p deseplabasa
de
p
la en:
mximo i) determinar
componente
componente
usando p mx un orden de
=[12(T/100)
autorregresiva
autorregresiva de los de los
0.25
modelos
] mximo
pmodelos
donde [.]
anteriores usando
indica
anteriores
se
la parte
basa se basa
en:
entera
en:
i) determinar un orden de p mximo usando pmxde =[12(T/100) ] dondetodos [.] indica la parte para
enterap
elos anteriores i)p
y se
T es
i) determinar
mx
ydesde
T es=[12(T/100)
basael en:
determinar
elun
nmero
un orden
orden
nmero
de
de
de p] de
donde
0.25 observaciones
p mximo
mximo
observaciones [.] indica
usando
de la la
usando
de pla
mxserie pparte
serie
=[12(T/100)
mx de
entera
0.25 y
tiempo;
=[12(T/100)
tiempo; ] donde
ii) Tajustar
ii)0.25
] es
ajustar
[.]elindica
donde nmero
[.] indica
todos la de
los modelos
parte
los laentera
parte para
modelos enterap
de [.] indica cero a pmx y seleccionar el modelo para hacer la prueba como aquel cuyo criterio de
y Tlaydesde
esparte entera
Telesnmero
el nmero
cero
informacin de
a de
pmx dey observaciones
observaciones
Schwarz (SIC) de
seleccionar de
seaellamnimo
la serie
serie
modelo deypara de hacer
tiempo; tiempo;
el modelo ii) la ii) ajustar
ajustar
prueba
satisfaga todoscomo
los
todos los cuyo
los aquel
modelos
diagnsticos
modelos
para p parade
de criterio
validacin
p
todos losdesde
modelos
desdecero
informacinpara
cero
a p p
a p
mxdemxy y seleccionar
seleccionar el el
modelo modelopara para
hacer hacer
la la
prueba prueba
Schwarz (SIC) sea mnimo y el modelo satisfaga los diagnsticos de validacincomo como
aquel aquel
cuyo cuyo
criterio criterio
de de
de supuestos.
mo aquelinformacin
cuyo de criterio
informacin de de
supuestos. Schwarz
de Schwarz (SIC)(SIC)
sea mnimo
sea mnimo y el modeloy el modelo satisfaga los diagnsticos
satisfaga los diagnsticosde validacin
de validacin
diagnsticos 264
de
de validacin
de supuestos.
supuestos.
La Tabla 1 presenta los resultados obtenidos para la prueba ADF. El modelo seleccionado para
La Tablala1prueba
realizar presenta es los resultados obtenidos para la prueba ADF. El modelo seleccionado para
La Tabla
La 1 presenta
Tabla
realizar la1prueba
presentalosesresultados
los resultados obtenidos
obtenidospara la paraprueba ADF. ADF.
la prueba El modelo seleccionado
El modelo para para
seleccionado
modelo seleccionado Xt 1t Xt 1 1 Xt 1 t , (4)
realizar
realizar lapara
la prueba es es
prueba X
0
Xt 1 1 Xt 1 t , (4)
1t
X t X t0t 0
10t X X
1t t 1 X t 11 t 11 X tt 1
, t,
(4) (4)
donde X t Xt 0 1t , y donde ( 0 , 1 ) se obtienen regresando X sobre W siendo
con Wt (1, t )' y 1 c / T , c =13.5.
X X1, (1 L) X 2 , ...,(1 L) X T y W [W1, (1 L)W2 , ...,(1 L)WT ], (3)
Sobre los modelos anteriores, para probar la existencia de una raz unitaria, equivale a contrastar
las W (1H
conhiptesis , t 0)': y 0 contra
1 c /T H,1: c =13.5.
0.
t
265
La seleccin
Sobre del orden
los modelos p de lapara
anteriores, componente
probar laautorregresiva
existencia de una de los
razmodelos
unitaria,anteriores
equivale asecontrastar
basa en:
0.25
i) determinar
lasobservacionesun orden de p mximo usando p =[12(T/100) ] donde [.] indica la parte entera
y T es el nmerode delaobservaciones
0 serie deHtiempo; 0 . ajustar todos los modelos para p desde
de laii)serie
hiptesis H0: contra 1: mx
de tiempo; ii) ajustar todos los modelos para p
cero cero
desde a pmx y seleccionar
a pmx y seleccionar el modelo
el modelo para hacer
para hacerla laprueba
pruebacomo como aquel
aquel cuyo
cuyo criterio de
La criterio dede
seleccin
informacin informacin
del orden p de
Schwarz (SIC) de sea
la Schwarz
componente
mnimo (SIC)
y el sea mnimo
autorregresiva
modelo de y
los
satisfaga
0.25
el modelo
modelos
los satisfaga
anteriores
diagnsticos dese basa en:
validacin
delos
i) diagnsticos de validacin de supuestos.
determinar
supuestos. un orden de p mximo usando pmx =[12(T/100) ] donde [.] indica la parte entera
y T es el nmero de observaciones de la serie de tiempo; ii) ajustar todos los modelos para p
desde La
cero1Tabla
a pmx1 presenta
ylos los resultados
seleccionar obtenidoslapara la pruebaaquel ADF. El criterio de
La Tabla presenta resultadoselobtenidos
modelo parapara hacer
la pruebaprueba
ADF. como cuyo
El modelo seleccionado para
modelo
informacin
realizar seleccionado
de Schwarz
la prueba es para realizar
(SIC) sea mnimo la prueba es
y el modelo satisfaga los diagnsticos de validacin
de supuestos.
Xt 0 1t Xt 1 1 Xt 1 t , (4) (4)
La Tabla 1 presenta los resultados obtenidos para la prueba ADF. El modelo seleccionado para
realizar la prueba es Tabla 1. Prueba ADF
Tabla 1. Prueba ADF
Xt 0 1t X t 1 1 X t 1 Estadstico
t, (4)t Valor p*
Estadstico de Dickey-Fuller Aumentado Estadstico t Valor 0,0003
-5,052628 p*
Estadstico
Valoresde Dickey-Fuller
crticos: Aumentado
1% nivel -5,052628
-4,0307290,0003
Tabla 1. Prueba ADF
Valores crticos: 5% nivel
1% nivel -3,445030
-4,030729
Estadstico t Valor p*
5% 10%
Estadstico de Dickey-Fuller
nivel
nivel Aumentado -3,147382
-3,445030
-5,052628 0,0003
*MacKinnon (1996) valores
10% p laterales.
nivel -3,147382
Valores crticos: 1% nivel -4,030729
*MacKinnon (1996) valores p laterales.
5% nivel -3,445030
Regresin ajustada
10% nivel -3,147382
Variable Coeficiente Error Estand Estadstico t Valor p
*MacKinnon (1996) valores pRegresin
laterales. ajustada
LPRECIO(-1) -0,336908 0,066680 -5,052628 0,0000
Variable
D(LPRECIO(-1)) Coeficiente Error Estand
0,201667 Estadstico
0,089496 t
2,253358Valor p0,0260
LPRECIO(-1) Regresin ajustada-5,052628
Constante -0,336908 1,263223 0,066680
0,248810 5,0770510,0000 0,0000
Variable
D(LPRECIO(-1)) Coeficiente
0,201667 Error Estand
0,089496 Estadstico0,0260
2,253358 t Valor p
Tenencia 0,002823 0,000699 4,040269 0,0001
LPRECIO(-1) -0,336908 0,066680 -5,052628 0,0000
Constante 1,263223 0,248810 5,077051 0,0000
D(LPRECIO(-1))
Fuente: Elaboracin propia. 0,201667 0,089496 2,253358 0,0260
Tenencia 0,002823 0,000699 4,040269 0,0001
Constante 1,263223 0,248810 5,077051 0,0000
Fuente: Elaboracin
El modelo empleado propia.
Tenencia 0,002823 bsicos
pasa los diagnsticos 0,000699 4,040269sobre0,0001
de validacin normalidad, no
autocorrelacin y homocedasticidad en el trmino de error. De la tabla anterior se concluye que
Fuente: Elaboracin propia.
no hayElraz unitariaempleado
modelo y que la componente de tendencia determinstica
pasa los diagnsticos es significativa.
bsicos de validacin sobre
Elnormalidad, no autocorrelacin
modelo2 presenta
empleado y homocedasticidad de envalidacin
el trmino de error.
La Tabla lospasa los diagnsticos
resultados obtenidos parabsicos
la prueba DF-GLS. Elsobre
modelonormalidad, no
seleccionado
Derealizar
para la tablalaanterior
autocorrelacin y
prueba esse concluye que no hay raz unitaria y que la componente
homocedasticidad en el trmino de error. De la tabla anterior se concluye que
nodehay
tendencia determinstica
raz unitaria es significativa.
y que la componente de tendencia determinstica es significativa.
X td X td 1 1 X td 1 t , (5)
La Tabla 2 presenta los resultados obtenidos para la prueba DF-GLS. DF-GLS.
La Tabla 2 presenta los resultados obtenidos para la prueba El modeloEl seleccionado
modelo seleccionado
para realizar la prueba es para realizar la prueba es
X td X td 1 1 X td 1 t , (5) (5)

3
Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012

3
Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...

Tabla 2. Prueba DF-GLS


Estatistic t
Tabla 2 Prueba DF-GLS
Estadstico DF-GLS de Elliott-Rothenberg-Stock -4,964735
Tabla 22 Prueba
Tabla Prueba DF-GLS
DF-GLS Estatistic t
Valores crticos: 1% nivel -3,545200
Estadstico DF-GLS de Elliott-Rothenberg-Stock Estatistic
-4,964735tt
Estatistic
5% nivel -3,001000
Estadstico
Estadstico DF-GLS de
DF-GLS
Valores crticos: de Elliott-Rothenberg-Stock
Elliott-Rothenberg-Stock
1% nivel -4,964735
-4,964735
-3,545200
10% nivel -2,711000
Valores crticos:
Valores crticos: 1%
1% nivel
5%nivel
nivel -3,545200
-3,545200
-3,001000
*Elliott et al (1996, Table 1)
5% nivel
5%
10%nivel
nivel -3,001000
-3,001000
-2,711000
Regresin
10%
10% ajustada
nivel
nivel -2,711000
-2,711000
*Elliott et al (1996, Table 1)
Variable
*Elliott
*Elliott etetalal(1996, Coeficiente
(1996,Table
Table 1)
1) Error Estnd Estatstico t Valor p
GLSRESID(-1) -0,321237
Regresin
0,064704
ajustada
-4,964735 0,0000
Variable RegresinError
Regresin
Coeficiente ajustada
ajustada
Estnd Estatstico t Valor p
D(GLSRESID(-1)) 0,194487 0,088932 2,186915 0,0306
Variable
Variable
GLSRESID(-1) Coeficiente
Coeficiente Error
-0,321237 Error Estnd Estatstico
Estnd
0,064704 Estatstico
-4,964735 tt Valor
Valor pp
0,0000
Fuente: Elaboracin propia.
GLSRESID(-1)
GLSRESID(-1)
D(GLSRESID(-1)) -0,321237
-0,321237 0,064704
0,194487 0,064704 -4,964735
0,088932 -4,964735 0,0000
2,186915 0,0000
0,0306
D(GLSRESID(-1))
Elaboracin propia.
D(GLSRESID(-1))
Fuente: 0,194487
0,194487 0,088932
0,088932 2,186915
2,186915 0,0306
0,0306
De nuevo,
Fuente:elElaboracin
Fuente: modelo propia.
Elaboracin empleado
propia. pasa los diagnsticos bsicos de validacin
sobre normalidad, no autocorrelacin y homocedasticidad en el trmino de
De nuevo, el modelo empleado pasa los diagnsticos bsicos de validacin sobre normalidad,
error. De la tabla anterior se concluye que no hay raz unitaria.
De nuevo, el modelo empleado pasa los diagnsticos bsicos de validacin sobre normalidad,
De
no nuevo, el modelo
autocorrelacin empleado pasa losen
y homocedasticidad diagnsticos
el trmino de bsicoserror.deDevalidacin sobre normalidad,
la tabla anterior se concluye
no La hay
aplicacin
autocorrelacin
queautocorrelacin
no no yyde
raz unitaria.otras pruebas de
homocedasticidad
homocedasticidad enraz
en el unitaria
el trmino
trmino detales
de error.como
error. lala
De la
De de anterior
tabla
tabla Phillips
anterior sese concluye
concluye
y Perron (1988), Elliot et al. (1996), Ng-Perron (2001), Kwiatkowski et al.
que
que no
no hay
hay raz
raz unitaria.
unitaria.
(1992) conducen
La aplicacin al mismo
de otras pruebasresultado.
de raz unitaria tales como la de Phillips y Perron (1988), Elliot
La aplicacin
et al.
La de otras
otras pruebas
(1996), Ng-Perron
aplicacin de pruebas
(2001),dede raz unitaria
unitariaettales
Kwiatkowski
raz tales como la
al. (1992)
como la de Phillips
Phillips
conducen
de yy Perron
al mismoPerron (1988), Elliot
resultado.
(1988), Elliot
et al.Siguiendo
et al. (1996), los resultados
(1996), Ng-Perron
Ng-Perron (2001),obtenidos,
(2001), Kwiatkowski
Kwiatkowski el rechazo
et al.
et de Ho
al. (1992)
(1992) conduce
conducen
conducen alamismo
al considerar
mismo resultado.
resultado.
como
Siguiendoadecuado el modelo
los resultados de tendencia
obtenidos, determinstica
el rechazo de Ho conduce lineala considerar como adecuado el
Siguiendo
Siguiendo
modelo delos los resultados
resultados
tendencia obtenidos, el rechazo de Ho conduce aa considerar
el
obtenidos, lineal
determinstica rechazo de Ho conduce considerar comocomo adecuado
adecuado elel
modelo de
modelo de tendencia
tendencia determinstica
determinstica lineal
lineal
Xt 0 1t ( L)/ ( L) t , (6) (6)
XXtt 00 t
11t ((LL )/
)/ (( L
L )) tt ,, (6)
(6)
donde ( L) y ( L) son, respectivamente, los polinomios autorregresivo y de medias mviles
donde
donde
donde yyy operador
((LL)) del
en potencias ((LL))son,
son,respectivamente,
son, respectivamente,
respectivamente,
de rezagos L, con los lospolinomios
los
todaspolinomios
polinomios autorregresivo
autorregresivo
sus racesautorregresivo
fuera yy de
del crculo deymedias
de y sin
medias
unidad mviles
mviles
races
medias
en
comunes.
en mviles
potencias
potencias del
Endel enpalabras,
otras potencias
operador
operador de el del
de rezagos
rezagos operador
L, con
proceso
L, con nodeestacionario
todas
es todas rezagos
sus ycon
racesL,fuera
sus races fuera todas
del
parece
del quesus
crculo
crculo races
unidad yy sin
evoluciona
unidad sin races
en races
forma
fuera del En
comunes.
comunes. crculo
estacionaria otrasunidad
Enalrededor
otras y sin
palabras,
palabras,
de una el
el races comunes.
proceso
proceso
tendencia es no
es En otras
no estacionario
estacionario
determinstica palabras,
lineal. parece el
yy parece proceso
que
que es en
evoluciona
evoluciona en forma
forma
no estacionario
estacionaria
estacionaria y parece
alrededor
alrededor de una
de una que evoluciona
tendencia
tendencia en formalineal.
determinstica
determinstica estacionaria alrededor de
lineal.
una tendencia determinstica lineal.
III. Una prueba de raz unitaria en presencia de varios cambios de nivel
III. Una
III. Una prueba
prueba de de raz
raz unitaria
unitaria en en presencia
presencia de de varios
varios cambios
cambios de de nivel
nivel
Perron (1990) seala que la presencia de cambios de nivel en las series, generalmente afecta el
Perron (1990) seala
comportamiento
Perron (1990) seala
de las que
que la presencia
presencia
pruebas
la de cambios
de races
de cambios de
unitarias de nivel
nivel enen las
conducindolas las series,
series, generalmente
a no rechazar afecta el
la existencia
generalmente afecta el
de
266
comportamiento
una raz unitaria.
comportamiento dePerron
de las pruebas
las pruebas de races
(1990),
de races unitarias
Saikkonen
unitarias conducindolas
y Ltkepohl
conducindolas(2001,aa 2002),
no rechazar
no rechazar
Lanne la existencia
la existencia
et de
al. (2002),
de
una
una raz unitaria.
raz
Ltkepohl unitaria. Perrondesarrollan
Perron
et al. (2004), (1990), Saikkonen
(1990), Saikkonen
pruebas que yy Ltkepohl
Ltkepohl
son robustas (2001,
(2001, 2002),
2002),
cuando Lanne
Lanne
existe et al.
et
un solo al. (2002),
(2002),
cambio de
Ltkepohl
Ltkepohl
nivel y se et et al.
al. (2004),
conoce (2004), desarrollan
desarrollan
el perodo pruebas que
pruebas
de ocurrencia. que son
son robustas
Banerjee robustas , Perron
cuando
cuando
et al. (1992) existeyun
existe un solo cambio
solo
Vogelsang cambio de
de
(1992),
nivel
Zivotyyyse
nivel se conoce el
conoce
Andrews el perodo
perodo
(1992), de ocurrencia.
de ocurrencia.
Leybourne Banerjee
Banerjee
et al. (1998), et al.
et al. (1992)
Saikkonen (1992) ,, Perron
Perron yy(2002),
y Ltkepohl Vogelsang
Vogelsang (1992),
(1992),
Ltkepohl et
Zivot
Zivot yy Andrews
al. (2004),Andrews
proponen (1992),
(1992), Leybourne
Leybourne
pruebas cuandoet et
hayal.un
al. (1998),
(1998), Saikkonen
Saikkonen
solo cambio yy Ltkepohl
de nivel Ltkepohl (2002),
(2002),
y el perodo Ltkepohl et
de Ltkepohl
ocurrencia et
es
267

III. Una prueba de raz unitaria en presencia de varios cambios de nivel

Perron (1990) seala que la presencia de cambios de nivel en las series,


generalmente afecta el comportamiento de las pruebas de races unitarias
conducindolas a no rechazar la existencia de una raz unitaria. Perron (1990),
Saikkonen y Ltkepohl (2001, 2002), Lanne et al. (2002), Ltkepohl et al.
(2004), desarrollan pruebas que son robustas cuando existe un solo cambio
de nivel y se conoce el perodo de ocurrencia. Banerjee et al. (1992), Perron y
Vogelsang (1992), Zivot y Andrews (1992), Leybourne et al. (1998), Saikkonen
y Ltkepohl (2002), Ltkepohl et al. (2004), proponen pruebas cuando hay
un solo cambio de nivel y el perodo de ocurrencia es desconocido.
Para el caso de mltiples cambios de nivel, se han hecho pocas propuestas.
Para el caso de dos cambios de nivel con perodos de ocurrencia desconocidos,
Lumsdaine y Papell (1997) y Clemente et al. (1998) generalizan las pruebas
propuestas por Banerjee et al. (1992). Ohara (1999), extendi la prueba de
Zivot y Andrews (1992) al caso de a lo ms m cambios (m conocido). Sin
embargo, su tamao, potencia y valores crticos han sido estudiados solamente
para el caso de dos cambios de nivel.
Cavaliere y Georgiev (2006) proponen una prueba simple para contrastar
la existencia de una raz unitaria cuando existen mltiples cambios de nivel.
Su prueba se basa en tratar los cambios de nivel como si fueran generados
por un proceso de saltos aleatorios (random jump process) donde, en general,
de nivel como si fueran generados por un proceso de saltos aleatorios (random jump process)
ni el nmero de cambios de nivel, ni su localizacin son conocidos. Para
donde, en general, ni el nmero de cambios de nivel, ni su localizacin son conocidos. Para
probar
probar dicha dicha hiptesis,
hiptesis, CavaliereCavaliere
y Georgievy Georgiev (2006)usar
(2006) proponen proponen usar modelo:
el siguiente el siguiente
modelo:
Xt ' Zt Yt t, t 1 k ,..., T ;
Yt Yt ut ; (7)
1 (7)
p
ut i ut i i.
i 1

donde donde es la observable,


Xtserie
X t es la serie observable,
Yt es Y lat es la componente
componente autorregresiva,
autorregresiva, unt esvector
Z t es Z un de
trminosvector de trminos
determinsticos determinsticos
desconocidos desconocidos
(por ejemplo, (por ejemplo,
una tendencia una tendencia y t
lineal determinstica),
lineal determinstica), y
es la componente de cambio de nivel.
t es la componente de cambio de nivel. El trmino
El trmino ut es estable, es decir, las races ut
de la ecuacin
p
caracterstica 1 i z i =0 caen todas fuera del crculo unitario. Tambin se supone que { t }
i 1
Lecturas deIID
es una sucesin Economa
(0, 2-Lect. Econ. - No. 76.
). Obsrvese queMedelln,
Yt tiene enero-junio
a lo ms2012
una raz unitaria, lo que ocurrira
cuando =1.

t
Para la componente de cambios de nivel se supone que , donde es un indicador
Yt Yt 1 ut ; t (7) t 1
p
p
ut ut iu
i ut i i.
i 1
i 1

donde X t es la serie observable, Yt esdonde X t es la autorregresiva,


la componente serie observable,Z Ytes eu
t
Castao y Sierra: Sobre la determinsticos
trminos existencia de una raz unitaria en la(por
desconocidos serie de tiempo
trminos
ejemplo, mensual...
determinsticos
una tendenciadesconocidos (p
lineal determin
es la componente de cambio de nivel. El trmino ut es estable, es decir, las races dt
es la componente de cambio de nivel. El
p
p
es estable, escaracterstica
decir, las races
1 de la i ecuacin caracterstica caen 1
caracterstica i
i z =0 caen todas fu
i z =0 caen todas fuera del crculo unitario. Tambin se supo
i 1
i 1
todas fuera del crculo unitario. Tambin se suponeesque
es una sucesin IID (0, 2 ). Obsrvese queuna{ sucesin
t } esa lo
Yt tiene
unaIIDsucesin
ms(0,
2
). Obsrvese
una raz unitaria, lo
IID (0, ). Obsrvese que Yt tiene a lo ms una raz
2
unitaria,
cuando lo
=1. que ocurrira
cuando =1.
cuando =1.
t
Para la componente de cambios de nivel
ess
Para la componente de cambios
Para la componente de nivel
de cambios se supone
de nivel queque
se supone t, donde s s t
s 1
binario el cual toma el valor de 1 si y sol
donde t es binario
un indicador binario
el cual toma el cual
el valor de 1toma el valor
si y solo valor de en
1 siotro
si el cambio
de 0 de
deynivel
solo si el en el perod
ocurre
caso. s es el tamao d
cambio de nivel ocurre en el perodos t y toma el valor de 0 en otro caso. s es
valor de 0 en otro caso. es el tamao del cambio nivel.
el tamao del cambio de nivel. El procedimiento propuesto considera un
El procedimiento propuesto considera un proceso generador de datos autorregresi
cambios
cambios de nivel aditivos tienen las siguientes de nivel aditivos
caractersticas: i) lostienen
cambioslas sigu
de n
aleatoriamente sobre el tiempo; ii) el n
El procedimiento propuesto
aleatoriamente sobre elconsidera
tiempo; ii)unelproceso
nmero generador
acotado
de cambiosde
en
dedatos
nivel es desconoc
probabilidad; iii) no es
acotado en probabilidad; iii) no es necesario que los cambios de ni
autorregresivo donde los cambios de nivel aditivos tienen las siguientes
independientemente en el tiempo, y en independientemente en el tiempo,
particular, pueden agruparse; iv) losy en
tam
caractersticas: i) los cambios de nivel ocurren aleatoriamente sobre el
cambios de nivel son aleatorios y de mayor orden de magnitud que los shocksma
cambios de nivel son aleatorios y de q
tiempo; ii) eldinmica
nmerodel deproceso
cambios de nivel es desconocido,
autorregresivo; dinmica
v) aunque pero
los del es de
proceso
cambios acotado
autorregresivo;
nivel son exgenos v) a
en probabilidad;
formasiii) no es necesario
de dependencia con losque losdelcambios
shocks modelo.dededependencia
formas nivel ocurran
con los shocks del
independientemente en el tiempo, y en particular, pueden agruparse; iv)
los tamaos de A.losProcedimientos
cambios de nivel
parason aleatorios
la prueba y unitaria
de razA. deProcedimientos
mayor ordenpara de la prueba d
magnitud que los shocks que dirigen la dinmica del proceso autorregresivo;
Empleando el modelo
de (7),
quedese
en quiere prob
v) aunque los cambiosel modelo
Empleando de nivel(7),son exgenos,
se quiere probarsela permiten
hiptesis formas
nula el proceso
dependenciaraz
conunitaria,
los shocks
Ho:del modelo. raz unitaria,
=1, contra la alternativa de la no Ho: =1, de
existencia contra
dichalaraz,
alter
continuacin se presenta el procedimientocontinuacin
sugerido por se presentayelGeorgiev
Cavaliere procedimiento
(2006
A. Procedimientos
i) para
=0 y p la
es prueba
conocida.de raz unitariai) =0 y p es conocida.
ii) 0 y p es conocida. ii) 0 y p es conocida.
Empleando
iii) pelesmodelo (7), se quiere probar laiii)
desconocida. hiptesis nula de que en
p es desconocida.
el proceso Xt hay una raz unitaria, Ho: =1, contra la alternativa de la no
existencia de dicha raz, H1: <1. A continuacin se presenta el procedimiento
sugerido por Cavaliere y Georgievpara
1. Procedimiento (2006) cuando:
la prueba cuando1. =0
Procedimiento para la prueba cu
y p es conocida
Si entonces
en el modelo t fuera
(7) Yde observabl
i) =0 y pSiesen
conocida.
el modelo (7) Yt fuera observable, la prueba una raz unitar
usando el estadstico ADF obtenido en la
usando el estadstico ADF obtenido en la regresin
ii) 0 y p es conocida.
iii) p es desconocida. p
Yt Yt
Yt Yt 1 i ut i i , (8) 1
i
i 1

Sin embargo, esta regresin no es factible Sin embargo, esta


empricamente, yaregresin
que Yt nonoesesobservab
factible
268
raz unitaria, Ho: =1, contra la alternativa de la no existencia de dicha raz, H1: <1. A
continuacin se presenta el procedimiento sugerido por Cavaliere y Georgiev (2006) cuando:
i) =0 y p es conocida.
ii) 0 y p es conocida.
iii) p es desconocida. 269

1. Procedimiento para la
1. Procedimiento prueba
para cuando
la prueba =0 y p =0
cuando es conocida
y p es conocida
Si en el modelo (7) Yt fuera observable, entonces la prueba de una raz unitaria se realiza
Si en
usando el modeloADF
el estadstico (7) Yt fuera en
obtenido observable, entonces la prueba de una raz
la regresin
unitaria se realiza usando el estadstico ADF obtenido en la regresin
p
Yt Yt 1 i ut i i , (8) (8)
i 1

Sin embargo, esta regresin no es factible empricamente, ya que Yt no


Sin embargo, esta regresin no es factible empricamente, ya que Yt no es observable.
es observable.
Como Yt = Xt t , se puede pensar que, dado que Yt puede ser derivado
de Xt , una vez la componente de cambio de nivel ha sido removida, es posible 5
omo YYt t XXt t realizar
omo seuna
t t, , se puede
puede prueba
pensardeque,
pensar razdado
que, unitaria
dado quesobre
que la serie
YYt t puede
puede serde
ser tiempode
derivado
derivado obtenida
de unarestando
XXt t,, una vez
vez lala
mponente
eomponente
ser derivado dede
de dela Xserie
cambio
cambio de X
denivel
nivel unahaestimacin
ha sido
sidoremovida,
removida, de es
laesposible
componente
posiblerealizar
realizar que
una incluye
unaprueba
pruebade losraz
de cambios
raz unitariade
unitaria
t , una t vez la
bre lalaserie
obre
ealizar serie denivel
de
una prueba tiempo
tiempo determinsticos.
de obtenida
obtenida
raz unitaria Estade
restando
restando idea
de es
lalaserie sugerida
serie unaen
XXt t una Saikkonen
estimacin
estimacin de ylaLtkepohl
dela componente
componente (2002).
que
que
cluye
ncluye los deEn
cambios
los cambios
estimacin la nuestro
de nivel
de nivel
componente caso t es un proceso
determinsticos.
determinsticos.
que Esta
Esta ideade saltos
idea es aleatorios,
sugerida
es sugerida en por lo que
Saikkonen
en Saikkonen y el proceso
Ltkepohl
y Ltkepohl
002). En
2002). En de
nuestro
nuestro ajuste
caso
caso
gerida en Saikkonen y Ltkepohl anterior
t t
es
es un
unes conocido
proceso
proceso de
de como
saltos
saltos de-jumping.
aleatorios,
aleatorios, por
por Cavaliere
lo
lo que
que el
el y Georgiev
proceso
proceso de (2006)
de ajuste
ajuste
terior
nterior es
s, por loes que muestran
conocido
conocido
el proceso como
como que bajo ciertas
de-jumping.
dede-jumping.
ajuste condiciones,
Cavaliere
Cavaliere y Georgiev
y Georgiev la serie
(2006)
(2006)ajustada
muestran
muestranpuede queser
que bajoempleada
bajo ciertas
ciertas
ndiciones, lalapara
ondiciones, serie
serie probar
ajustada
ajustada la existencia
puede
puede ser
ser de una
empleada
empleada raz
para
para unitaria
probar
probar usando
lala la
existencia
existencia prueba
de
de una
una tradicional
raz
raz unitaria
unitaria de
(2006) muestran que bajo ciertas
r la existenciaDickey
de una yraz Fuller (1979). El procedimiento sugerido para realizar la prueba es
ando lalaprueba
sando prueba tradicional
tradicional de
de Dickey
Dickey yy Fuller
Fuller (1979).
(1979). El
El procedimiento
procedimiento sugerido
sugerido para
para realizar
realizar
unitaria
prueba
prueba es
es el siguiente:
elelsiguiente:
siguiente:
ocedimiento sugerido para realizar
uando
uando t t es Cuando t es conocida,
esconocida,
conocida,
) Realice
Realice una a) Realice
una regresin
regresin de una
de regresin
XXt t sobre
sobre las
las variables
variables sobre
de Xt binarias lasde
binarias devariables
impulso,binarias
impulso, una
una por de impulso,
por cambio
cambio de
de
vel.
s deEl
ivel. El una
estimador por
unade
estimador
impulso, cambio
es
es
deport tcambio de
de nivel. El estimador de t es
tt
t t ss XXt t,, (9)
(9) (9)
ss 11
9)
)Obtenga
Obtengalalaserie b) Obtenga
serieajustada
ajustada la serie ajustada (de-jumped)
(de-jumped)
(de-jumped)

XXt t XXt t t t,, (10)


(10) (10)

)Aplique pruebac)tradicional
Apliquelalaprueba Aplique laADF
tradicional prueba
ADFde tradicional
deDickey
Dickey ADF
yyFuller
Fulleraalalade Dickey
serie
serie y Fuller
ajustada
ajustada XXt t a.. la serie ajustada
erie ajustada X t .
uando t t no
uando no eses observable,
observable, Cavaliere
Cavaliere yy Georgiev
Georgiev sugieren
sugieren imitar
imitar elel procedimiento
procedimiento anterior
anterior
timando
stimando . El proceso
t . El proceso es
imitar el tprocedimiento es llevado
llevado a cabo por medio del conocido proceso de deteccin de
anterior a cabo por medio del conocido proceso de deteccin de
servaciones
bservaciones atpicas
atpicas en
onocido proceso de deteccin deen series
series de
de tiempo
tiempo dede Chen
Chen yy Tiao
Tiao (1990)
(1990) oo de
de Chen
Chen yy Liu
Liu (1993).
(1993). Si
Si
Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012
t t}} es
1990) esolalade
sucesin
Chen yde
sucesin de estimadores
Liu (1993). Si obtenidos
estimadores obtenidosparaparalalasucesin
sucesin {{ t t},},lalacomponente
componentede decambio
cambio
tt
n { t }, la componente de cambio
e nivel
nivel se
se estima
estima como
como t t ss XXt t .. Los
Los autores
autores muestran
muestran que
que lala prueba
prueba ADF
ADF no
no es
es
ss 11
stran que la prueba ADF no es
fluenciada asintticamente
nfluenciada asintticamentepor
porelelhecho
hechode
deusar
usarlalaestimacin
estimacinde
de tt ..
b) Obtenga la serie ajustada (de-jumped) b) Obtenga la serie ajustada (de-ju

Xt Xt t , (10)

Castao ylaSierra:
c) Aplique prueba Sobre la existencia
tradicional ADF de de
unaDickey
raz unitaria en la aserie
y Fuller de tiempo
la serie c) mensual...
Aplique
ajustada Xla prueba tradicional A
t .

Cuando Cuando t no es observable,


t no es observable, Cavaliere yCavaliere
Georgiev ysugieren
Georgiev sugieren
Cuando
imitar timitar
no es el
el procedimiento observable,
anterior Ca
procedimiento
estimando anterior estimando t. El proceso es llevadoestimando
a cabo por t medio
. El proceso es llev
t . El proceso es llevado a cabo por medio del conocido proceso de deteccin de
del conocido proceso de deteccin de observaciones atpicas en series
observaciones atpicas en series de tiempo de Chen y Tiao (1990)observaciones
de en series
o de Chen y atpicas
Liu (1993). Si
tiempo de Chen y Tiao (1990) o de Chen y Liu (1993). Si {{ t }} es es la
la sucesin
sucesin de estimador
{ t } es la sucesin de estimadores obtenidos para la sucesin { t }, la componente de cambio
de estimadores obtenidos para la sucesin {t}, la componente de cambio de
t
de nivel
nivel se
se estima
estima como
como t Los autores deque
muestran
autoresmuestran nivel
que se prueba
la la estima como
s X t . Los prueba ADF no est
s 1
ADF noasintticamente
influenciada es influenciadapor
asintticamente
el hecho de usarpor el hecho de
la estimacin de influenciada
usar la estimacin
asintticamente por
t .
de t.

2.
2. Procedimiento
Procedimientopara la la
para prueba cuando
prueba existen
cuando componentes
existen determinsticas
componentes 2. Procedimiento para la pr
determinsticas
El procedimiento anterior considera que no existen componentes de Eltendencia
procedimiento anterior conside
determinstica en
El procedimiento
la serie de tiempo. Si anterior considera que no existen lacomponentes
serie de tiempo.de
0, el procedimiento de prueba anterior puede ser usado conjuntamenteel pr
Si 0,
tendencia determinstica en la serie de tiempo. Si 0, elcon procedimiento de
un mtodo adecuado
con un mtodo adecuado de des-tendencializacin (detrending). Una aproximacin sencillade
es des
prueba anterior puede ser usado conjuntamente con
usar el procedimiento de de-jumping, anteriormente descrito, junto
un mtodo
usarcon adecuado
el procedimiento
el procedimientode de-jum
de
de des-tendencializacin
pseudo (detrending).
des-tendencializacin GLS, sugerido enUna
Elliotaproximacin ysencilla
pseudo
et al. (1996) es usar
des-tendencializacin
presentado en la seccin GL
III. el procedimiento de de-jumping, anteriormente descrito,
III. junto con el
procedimiento de pseudo des-tendencializacin GLS, sugerido en Elliot et al.
(1996) y presentado
El procedimiento en lalaseccin
para realizar prueba III.
es el siguiente. El procedimiento para realizar la
a) Los(de-jumping)
cambios de anivel son rem
El procedimiento
a) Los cambios de nivel sonpara realizar lausando
removidos pruebael es el siguiente.
proceso de ajuste la serie
observada (No se tiene en cuenta
observada (No se tiene en cuenta la presencia de una tendencia lineal).
a) Los cambios de nivel son removidos usando
b) Aplique el procedimiento de pseudo des-tendencializacin GLS, el proceso de ajuste
b) Aplique
sugerido (de-
elenprocedimiento
Elliott et al. de
jumping)
(1996) a la serie a la serie observada (No se tiene en cuenta la presencia de
ajustada. (1996) a la serie ajustada.
c) Aplique launa tendencia
prueba ADF a lalineal).
serie obtenida del paso b). c) Aplique la prueba ADF a la ser

b) Aplique el procedimiento de pseudo des-tendencializacin


Los valores crticos que se usan deben tener en cuenta que los datos Losempleados GLS, que se usan
valores crticos
para realizar la d
sugerido en Elliott et al. (1996) a la serie ajustada. prueba
prueba de raz unitaria han sido des-tendencializados y corregidos por de raz
cambios deunitaria
nivel. han sido d
c) Aplique la prueba ADF a la serie obtenida del paso b).
Los valores crticos que se usan deben tener en cuenta que los datos
empleados para realizar la prueba de raz unitaria han sido des-tendencializados
y corregidos por cambios de nivel. 6

3. Procedimiento de prueba cuando p es desconocida

Hasta ahora se ha considerado que el orden autorregresivo p de los


errores ut es conocido. Generalmente esto no ocurre en situaciones reales, y

270
271

se debe estimar antes de usar la prueba. Para hacerlo, se sugiere emplear una
estrategia simple como la siguiente. En un primer paso, defina un mximo
valor posible para p. Ng y Perron (1995) sugieren tomar pmx= [12(T/100)0,25].
Con este valor se detectan los cambios de nivel, si no son conocidos, y se
obtiene la serie ajustada. En un segundo paso, sobre la serie ajustada se
emplea un criterio estndar para la determinacin de la estimacin de p. Sea
p* dicha estimacin. El ltimo paso consiste en calcular el estadstico ADF a
la serie ajustada fijando el nmero de rezagos en p*.

B. Aplicacin de la prueba de raz unitaria con cambios de nivel a la serie


de electricidad en Colombia

Las pruebas tradicionales de raz unitaria, aplicadas anteriormente,


utilizan solo informacin muestral sobre la evolucin de la serie en el perodo
enero de 2000 a noviembre de 2011. Sin embargo, una revisin de los eventos
que han ocurrido en el perodo observado, revela que son varios los eventos
exgenos que la pueden haber afectado. Estos eventos se relacionan con
fenmenos climticos de El Nio y La Nia y algunas regulaciones de la
Comisin de Regulacin de Energa y Gas de Colombia CREG. La Tabla
3 presenta los perodos donde ocurren diferentes eventos exgenos sobre la
serie, y una descripcin simple del comportamiento del logaritmo del precio
de la electricidad en dichos perodos.

Tabla 3. Ocurrencia de los eventos exgenos


Evento Fecha inicial Perodos Promedio Mediana Desv.Est.
No eventos Ene-2000 1-12 3,795 3,775 0,157
Expectativa Reg. CREG 034/01 Feb-2001 13-16 4,307 4,275 0,112
Estabilizacin Abr-2001 17-33 3,778 3,767 0,141
El Nio 02-03 Oct-2002 34-80 4,197 4,221 0,145
Anuncio El Nio Oct-2006 81-83 4,626 4,629 0,234
Reg. CREG 071/06 Sep-2006 84-108 4,426 4,434 0,150
Previo CREG 06/09 Ene-2009 109-116 4,763 4,818 0,127
El Nio 09-10 Sep-2009 117-125 5,190 5,253 0,120
La Nia 10-11 Jun-2010 126-131 4,592 4,522 0,192
Fuente: Elaboracin propia.

Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012


Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...

Una descripcin de las regulaciones de la CREG se encuentra en el


Apndice. Aunque los eventos exgenos mencionados parecen tener efectos
significativos sobre la serie, se quiere probar si adems existen componentes
de tendencia determinstica y/o aleatoria. Para una simple exploracin de
los posibles efectos que pueden tener los eventos mencionados sobre la
serie, se realiz una estimacin de mnimos cuadrados empleando variables
indicadoras de salto para cada efecto. El Grfico 2 presenta la serie, junto con
la estimacin de los posibles cambios de nivel debido a los eventos exgenos
escritos.

Grfico 2. La serie del logaritmo del precio mensual y cambios de nivel usando OLS
5.0
5.0

4.5
4.5

4.0
4.0

3.5
3.5

2000 2002 2004 2006 2008 2010


2000 2002 2004 2006 2008 2010
Time
Time

Fuente:
Fuente: Fuente: Elaboracin
Elaboracin propia. propia.
propia.
Elaboracin

Se observa
Se observa que, aparentemente,
que, aparentemente, el proceso
el proceso pareceparece ser estacionario
ser estacionario alrededor
alrededor de losde los cambios
cambios de de
Se
nivel observa
inducidos porque,
los aparentemente,
eventos exgenos.
nivel inducidos por los eventos exgenos. el proceso parece ser estacionario
alrededor de los cambios de nivel inducidos por los eventos exgenos.
El modelo propuesto inicialmente para realizar la prueba es el siguiente.
El modeloEl modeloinicialmente
propuesto propuesto inicialmente
para realizar lapara realizar
prueba es el la prueba es el siguiente.
siguiente.

Xt X t Y 0 Y,t t 1t , tk ,...,
1 Tk;,..., T ;
0 t t
Yt Y
Yt Y
ut ;1 ut ;
t 1 t (11) (11) (11)
p p
ut ut u u i,
i t i i ti , i
i 1 i 1

dondedonde
donde es desconocido.
pp es desconocido.
p es desconocido.

La Tabla
La Tabla 4 presenta
4 presenta la estimacin
la estimacin de la de la regresin
regresin de mnimos
de mnimos cuadrados
cuadrados de Xde X t sobre
las las
t sobre
variables
de impulso, llamadas D (Dj) para=13, 17, 34, 81, 84, 108, 117 y 126, donde Dj es unaes una
de impulso, llamadas D (Dj) para=13, 17, 34, 81, 84, 108, 117 y 126, donde Dj
272
variables
variable depara
saltoelpara el perodo j.
variable de salto perodo j.

TablaTabla 4. Estimacin
4. Estimacin de los de los saltos
saltos
Variable
Variable Coeficiente ErrorError
Coeficiente Est. Est.
273

La Tabla 4 presenta la estimacin de la regresin de mnimos cuadrados


de Xt sobre las variables de impulso, llamadas D (Dj) para=13, 17, 34, 81,
84, 108, 117 y 126, donde Dj es una variable de salto para el perodo j.

Tabla 4. Estimacin de los saltos


Variable Coeficiente Error Est.
D(D13) 0,230422 0,160070
D(D17) -0,290872 0,160070
D(D34) 0,194555 0,160070
D(D81) 0,427075 0,160070
D(D84) -0,215092 0,160070
D(D109) 0,233521 0,160070
D(D117) 0,361996 0,160070
D(D126) -0,503566 0,160070
Fuente: Elaboracin propia.

Con base en estos resultados, se ajusta la serie del logaritmo de los precios
haciendo el proceso de-jumping. El Grfico 3 presenta la serie ajustada.

Grfico 3. Logaritmo del precio de-jumped

4.4

4.2
de_jumped

4.0

3.8

3.6

2000 2002 2004 2006 2008 2010

Time

Fuente: Elaboracin propia.


Fuente: Elaboracin propia.

La serie ajustada ya no presenta los cambios de nivel, pero an se observa una leve tendencia
creciente. Sobre esta serie se realiza la prueba de DF-GLS con tendencia lineal. Como el orden
de la autorregresin para la prueba es desconocido, se estima el orden a partir del uso de
Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012
criterios de informacin sobre todos los modelos estimados hasta el orden mximo de pmx. La
Tabla 5 muestra los resultados de la aplicacin de la prueba DF-GLS para una componente
determinstica de tendencia lineal, usando el paquete urca versin 1.2-5 de R, Pfaff (2008).

Tabla 5. La prueba DF-GLS con rezago=0


4.4

4.2

Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...
de_jumped
4.0

La serie ajustada ya no presenta los cambios de nivel, pero an se observa


una leve tendencia creciente. Sobre esta serie se realiza la prueba de DF-GLS
3.8

con tendencia lineal. Como el orden de la autorregresin para la prueba es


desconocido, se estima el orden a partir del uso de criterios de informacin
3.6

2000 2002 2004 2006 2008 2010

sobre todos los modelos estimados hasta el orden mximo de pmx. La Tabla
Time

5 muestra los Elaboracin


Fuente: resultados de la aplicacin de la prueba DF-GLS para una
propia.
componente determinstica de tendencia lineal, usando el paquete urca
versin
La serie 1.2-5 de ya
ajustada R, Pfaff (2008).
no presenta los cambios de nivel, pero an se observa una leve tendencia
creciente. Sobre esta serie se realiza la prueba de DF-GLS con tendencia lineal. Como el orden
de la autorregresin Tabla
para 5.
la La
prueba
pruebaesDF-GLS
desconocido, se estima el orden a partir del uso de
con rezago=0
criterios de informacin sobre todos los modelos estimados hasta el orden mximo de pmx. La
Value of
Tabla 5 muestra los resultados detest-statistic
la aplicacinis: -5.7869
de la prueba DF-GLS para una componente
determinstica de tendencia lineal, usando el1% paquete 5% 10%
urca versin 1.2-5 de R, Pfaff (2008).
Valores Crticos -3,46 -2,93 -2,64
Fuente: Elaboracin
Tabla 5.propia.
La prueba
DF-GLS con rezago=0
Value of test-statistic is: -5.7869
En los residuales del modelo se detect 1% autocorrelacin.
5% 10%Para eliminarla
se emple un rezago autorregresivo de orden 3. Los resultados
Valores Crticos -3,46 -2,93 -2,64se presentan
en la Tabla 6. Fuente: Elaboracin propia.

En los residuales del modelo se detect autocorrelacin. Para eliminarla se emple un rezago
Tabla 6. La prueba DF-GLS con rezago=3
autorregresivo de orden 3. Los resultados se presentan en la Tabla 6.
Value of test-statistic is: -3.5569
Tabla 6. La prueba 1%DF-GLS 5% con10% rezago=3
Valores Crticos -3,46 -2,93 -2,64
Value of test-statistic is: -3.5569
Fuente: Elaboracin propia. 1% 5% 10%
Valores Crticos -3,46 -2,93 -2,64
Fuente: Elaboracin
Para un nivel de significancia tan propia.
bajo como 0,01 se rechaza Ho, y por
tanto se concluye que la serie del logaritmo del precio de la electricidad no
Para un nivel de significancia tan bajo como 0,01 se rechaza Ho, y por tanto se concluye que la
contiene una raz unitaria.
serie del logaritmo del precio de la electricidad no contiene una raz unitaria.
En este caso, el rechazo de Ho conduce a considerar que el modelo
adecuado para
En este caso, la generacin
el rechazo del precio
de Ho conduce es el modelo
a considerar de cambios
que el modelo de para
adecuado nivella generacin
estacionario
del precio es el modelo de cambios de nivel estacionario

Xt (Cambios de nivel )t ( L)/ ( L) t , (12) (12)

Es decir, el proceso es no estacionario y evoluciona en forma estacionaria alrededor de los


distintos cambios de nivel.
274
IV. Tendencia determinstica o cambios de nivel?

Todas las pruebas anteriores rechazan la existencia de una raz unitaria en la serie de los precios
mensuales de la electricidad. Las pruebas tradicionales, sobre las cuales no se introdujo la
275

Es decir, el proceso es no estacionario y evoluciona en forma estacionaria


alrededor de los distintos cambios de nivel.

IV. Tendencia determinstica o cambios de nivel?

Todas las pruebas anteriores rechazan la existencia de una raz unitaria en


la serie de los precios mensuales de la electricidad. Las pruebas tradicionales,
sobre las cuales no se introdujo la informacin sobre la ocurrencia de distintos
eventos exgenos, sugieren la existencia de una tendencia lineal determinstica.
Sin embargo, la consideracin de los eventos exgenos ocurridos, sugieren
que el precio
ocurridos, evoluciona
sugieren que el como
precio un proceso estacionario
evoluciona como un procesoalrededor de cambios
estacionario alrededor de
de nivel
cambios de ynivel
queyno queexiste tendencia
no existe determinstica
tendencia lineal.
determinstica lineal.

La consideracin
La consideracin de estas posibilidades
de estas posibilidades lleva al ajustelleva al modelos
de los ajuste desiguientes:
los modelos
siguientes:
i) Modelo con tendencia determinstica lineal
i) Modelo con tendencia determinstica lineal
Xt 0 1t 1/(1 1L
2
2L ) t . (13) (13)

Los resultados de la estimacin OLS se encuentran en la Tabla 7.


Los resultados de la estimacin OLS se encuentran en la Tabla 7.
Tabla 7. Modelo con tendencia determinstica lineal
Tabla
Variable 7. Modelo
Dependiente: con tendencia determinstica lineal
LPRECIO
VariableMtodo:
Dependiente:
MnimosLPRECIO
Cuadrados
Mtodo: Observaciones incluidas: 129 despes de ajustes
Mnimos Cuadrados
Variable
Observaciones Coeficiente
incluidas: Error Estand
129 despes de ajustesEstadstico t Valor p
Constante 3,729603 0,088600 42,09488 0,0000
Variable
Tendencia Coeficiente
0,008379 Error Estand7,354145
0,001139 Estadstico t 0,0000
Valor p
AR(1)
Constante 0,864758
3,729603 0,089534
0,088600 9,658392
42,09488 0,00000,0000
AR(2)
Tendencia -0,201667 0,008379 0,089496
0,001139 -2,253358
7,354145 0,02600,0000
R-cuadrado AR(1) 0,838183 Media
0,864758 var. dependiente
0,089534 9,6583924,2958550,0000
R-cuadrado Ajustado 0,834299 S.D. var. dependiente 0,397947
AR(2)
S.E. de la regresin -0,201667
0,161990 Criterion0,089496
Akaike -2,253358
-0,7720470,0260
R-cuadrado
SS (residuales) 0,838183
3,280098 Media
Criterion var. dependiente
Schwarz 4,295855
-0,683370
Log R-cuadrado
VerosimilitudAjustado53,79701 Criterion Hannan-Quinn
0,834299 S.D. var. dependiente -0,736016
0,397947
Estadstico
S.E. deFla regresin 215,8251 Est. Durbin-Watson
0,161990 Criterion Akaike 1,939758
-0,772047
Valor p(Estadstico F) 0,000000
SS (residuales) 3,280098 Criterion Schwarz -0,683370
Log Verosimilitud 53,79701 Criterion Hannan-Quinn -0,736016
Estadstico F 215,8251 Est. Durbin-Watson 1,939758
Lecturas deValor
Economa -Lect. Econ. - No. 76.
p(Estadstico F) 0,000000 Medelln, enero-junio 2012

Races AR Mdulo
0,432379 0,121305i 0,449073
SS (residuales) 3,280098 Criterion Schwarz -0,683370
Log Verosimilitud 53,79701 Criterion Hannan-Quinn -0,736016
Estadstico F 215,8251 Est. Durbin-Watson 1,939758
Valor p(Estadstico F) 0,000000

Castao y Sierra: Sobre la existencia de una raz


Races AR unitaria en la Mdulo
serie de tiempo mensual...

0,432379 0,121305i 0,449073


Races AR Mdulo
Ninguna raz cae fuera del crculo
0,432379 0,121305i 0,449073
unitario. El modelo ARMA es
Ninguna raz cae fuera del crculo unitario.
estacionario.
El modelo ARMA es estacionario.
Fuente: Elaboracin propia.
Fuente: Elaboracin propia.
ii) Modelo con mltiples cambios de nivel
ii) Modelo con mltiples cambios de nivel
Inicialmente
Inicialmente se consider
se consider la posibilidad
la posibilidad de quedeexista
que exista una tendencia
una tendencia lineal lineal
en presencia de
los mltiples cambios de nivel y se identific el modelo
en presencia de los mltiples cambios de nivel y se identific el modelo
Xt (Cambios de nivel )t 1t 1/(1 1L
3
3L ) t . (14)
(14)

LosLos resultados
resultados de lade la estimacin
estimacin OLS seOLS se encuentran
encuentran en la
en la Tabla 8. Tabla 8.

Tabla
Tabla 8. Modelo
8. Modelo con tendencia
con tendencia lineal ylineal y mltiples
mltiples cambioscambios
de nivel de nivel
Variable Dependiente: LPRECIO
Variable Dependiente:
Mtodo: MnimosLPRECIO
Cuadrados
Mtodo:
ObservacionesCuadrados
Mnimos incluidas: 128 despus de ajustes
Observaciones incluidas: 128 despus de ajustes
Variable Coeficiente Error Estand Estadstico t Valor p
Constante 3,855835 0,054422 70,85091 0,0000
Tendencia 0,001256 0,001572 0,798713 0,4261 10
D13 0,376055 0,103293 3,640657 0,0004
D17 -0,455649 0,096079 -4,742425 0,0000
D34 0,365903 0,068467 5,344184 0,0000
D81 0,389490 0,110363 3,529190 0,0006
D84 -0,201564 0,107212 -1,880062 0,0626
D109 0,311730 0,071704 4,347434 0,0000
D117 0,400339 0,081313 4,923401 0,0000
D126 -0,590822 0,089850 -6,575620 0,0000
AR(1) 0,393804 0,084341 4,669189 0,0000
AR(3) -0,229321 0,085865 -2,670708 0,0087
Fuente: Elaboracin propia.

Los resultados muestran que no parece existir tendencia lineal en


presencia de los cambios de nivel. Entonces se propone el modelo

276
D126 -0,590822 0,089850 -6,575620 0,0000
AR(1) 0,393804 0,084341 4,669189 0,0000
AR(3) -0,229321 0,085865 -2,670708 0,0087
Fuente: Elaboracin propia.

277cambios
Los resultados muestran que no parece existir tendencia lineal en presencia de los
de nivel. Entonces se propone el modelo

Xt (Cambios de nivel )t 1/(1 1L


3
3L ) t . (15) (15)

Los resultados
Los resultados de la estimacin
de la estimacin OLS se encuentran
OLS se encuentran en la Tabla en
9. la Tabla 9.

Tabla 9. Modelo con mltiples cambios de nivel


Modelo con mltiples cambios de nivel
Tabla 9. LPRECIO
Variable Dependiente:
Variable Dependiente:
Mtodo: LPRECIO
Mnimos Cuadrados
Mtodo: Mnimos Cuadrados
Observaciones incluidas: 128 despus de ajustes
Observaciones incluidas: 128 despus de ajustes
Variable Coeficiente Error Estand Estadstico t Valor p
Variable Coeficiente Error Estand Estadstico t Valor p
Constante
Constante 3,849513 0,053931
3,849513 0,053931 71,37820
71,37820 0,0000
0,0000
D13
D13 0,383586
0,383586 0,102828
0,102828 3,730357
3,730357 0,0003
0,0003
D17
D17 -0,441915
-0,441915 0,094725
0,094725 -4,665243
-4,665243 0,0000
0,0000
D34
D34 0,406222
0,406222 0,046013
0,046013 8,828517
8,828517 0,0000
0,0000
D81
D81 0,421881
0,421881 0,102152
0,102152 4,129947
4,129947 0,0001
0,0001
D84
D84 -0,184991
-0,184991 0,104791 -1,765333
0,104791 -1,765333 0,0801
0,0801
D109 0,332646 0,066756 4,983001 0,0000
D109 0,332646 0,066756 4,983001 0,0000
D117 0,410792 0,080260 5,118278 0,0000
D117 0,410792 0,080260 5,118278 0,0000
D126 -0,581436 0,089091 -6,526286 0,0000
D126
AR(1) -0,581436 0,083994
0,395139 0,089091 4,704367
-6,526286 0,0000
0,0000
AR(1)
AR(3) 0,395139
-0,228246 0,083994
0,085054 4,704367
-2,683551 0,0000
0,0083
R-cuadradoAR(3) 0,894627
-0,228246 Media var. dependiente
0,085054 -2,683551 4,301047
0,0083
R-cuadrado Ajustado
R-cuadrado 0,885621
0,894627 S.D.
Mediavar.var.
dependiente
dependiente 0,395099
4,301047
S.E. de la regresin
R-cuadrado Ajustado 0,133623
0,885621 Criterio
S.D. var.Akaike
dependiente -1,105573
0,395099
SS(residuales)
S.E. de la regresin 2,089041 Criterio Schwarz
0,133623 Criterio Akaike -0,860477
-1,105573
Log Verosimilitud 81,75669 Criterio Hannan-Quinn -1,005989
SS(residuales) 2,089041 Criterio Schwarz -0,860477
Estadstico F 99,33392 Est. Durbin-Watson 1,905866
Log Verosimilitud
Valor p(Estadstico F)
81,75669
0,000000
Criterio Hannan-Quinn -1,005989
Estadstico F 99,33392 Est. Durbin-Watson 1,905866
Valor p(Estadstico F) 0,000000
Races AR Mdulo
Races
0,449505 AR
0,500929i Mdulo
0,673041
0,449505 0,500929i
-0,503871 0,673041
0,503871
Ninguna raz cae por fuera del crculo uni-
dad. El modelo ARMA es estacionario
Fuente: Elaboracin propia. 11

Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012


Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...

Comparacin de modelos:
Los diagnsticos para los modelos anteriores se encuentran en el Apndice.
De ellos se desprende que ambos modelos pasan los diagnsticos bsicos de
que el proceso del ruido es estacionario, no parecen existir observaciones
atpicas, hay normalidad, homocedasticidad y no autocorrelacin en el trmino
de error. Los parmetros en cada modelo son estadsticamente significativos.
Sin embargo, la prueba de estabilidad de Nyblom (1989) y Hansen (1992)
aplicada al modelo de tendencia lineal seala que el modelo no es estable
en todos sus parmetros, mientras que el modelo con cambios de nivel s
lo es. Finalmente, los criterios de informacin presentados muestran que el
modelo de cambios de nivel representa mejor la evolucin de los precios. Esta
conclusin reafirma la importancia de reconocer los cambios estructurales en
el modelo que genera la serie de tiempo. Aunque el modelo de tendencia
lineal determinstica no es rechazado estadsticamente, s lo es en trminos
del no uso de la informacin sobre los eventos histricos que ocurrieron en
la serie del precio de la electricidad en Colombia.

Conclusiones

De la aplicacin de las pruebas de raz unitaria sobre la serie de tiempo


del precio real mensual de la electricidad para el perodo enero de 2000 a
noviembre de 2011, se pueden obtener las siguientes conclusiones:
1. No existe una raz unitaria en el proceso que genera la serie y en con-
secuencia, no existe una tendencia aleatoria en la serie.
2. La no introduccin de la informacin no muestral sobre la ocurren-
cia de eventos exgenos durante la evolucin del proceso, conduce
a una subespecificacin del modelo que genera la serie de tiempo,
indicando la posibilidad de la existencia de una tendencia lineal de-
terminstica.
3. La introduccin de la informacin sobre la ocurrencia de eventos
exgenos conduce a que el proceso parece ser estacionario alrededor
de los cambios de nivel producidos por diferentes eventos exgenos

278
279

que han ocurrido a travs del tiempo. Esto significa que el proceso
exhibe reversin a la media dentro de cada cambio de nivel alrededor
del cual flucta.
4. Dada la ausencia de una raz unitaria, el efecto de los shocks sobre
el precio no es permanente, sino transitorio. Esto implica que, por
ejemplo, un shock positivo sobre el precio no tendr un efecto per-
manente, sino que en el corto plazo el precio regresar a su nivel.
5. La ausencia de una raz unitaria tambin implica que la varianza de
largo plazo es finita y no depende del tiempo. Esta es una caracte-
rstica crucial en los pronsticos. En series de tiempo con una raz
unitaria su varianza crece indefinidamente con el tiempo, lo cual es
un problema serio en el uso de los pronsticos ya que los intervalos
de prediccin, generalmente, son muy poco informativos.
6. Otro resultado importante es que la aparente no linealidad de la se-
rie no es endgena, lo que implica que la aplicacin de modelos no
lineales tales como redes neuronales no conseguiran buenos resulta-
dos en sus pronsticos.

Apndice 1

Descripcin del mercado de la electricidad

En la dcada de los 90 se implement la transformacin de los servicios


pblicos centralizados a esquemas de mercado para la fijacin de tarifas,
principalmente en el servicio de produccin y venta de electricidad. Los
esquemas competitivos en la produccin y venta de electricidad, atraen la
inversin privada e incentivan la innovacin tecnolgica. En estos esquemas,
el gobierno traslada el riesgo de desabastecimiento a los agentes privados a
cambio de la liberacin del precio del mercado, conocido como precio spot
de la electricidad.
El precio spot se convierte en el factor de riesgo ms importante para
los agentes productores y comercializadores en el corto y mediano plazo.

Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012


Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...

Desde el punto de vista del mercado, el precio spot se autorregula en un


ciclo de largo plazo. Cuando los precios estn altos, se producen seales
de expansin para nuevos inversionistas, aumenta la oferta, el mercado se
hace ms competitivo y los precios bajan. Cuando los precios estn bajos,
los inversionistas no invierten, hay menos competencia por la demanda
creciente y, por lo tanto, los precios suben.
La teora econmica tambin explica los precios de mediano y corto
plazo, con base en la oferta de energa para atender la demanda. En este
caso, sin embargo, tambin existen eventos tanto en la oferta como en la
demanda que introducen alta incertidumbre en el pronstico del precio de
la electricidad. En primer lugar, los fenmenos climticos pueden alterar la
disponibilidad de recursos hdricos y afectar el consumo de energa elctrica.
A la incertidumbre climtica se le suman tambin los cambios regulatorios
sobre el mercado, la baja respuesta de la demanda ante los precios, los
costos y disponibilidad de hidrocarburos para generacin trmica y las
estrategias de los agentes privados.
Adems de la influencia de estos eventos, gran parte del comportamiento
del precio se explica por las caractersticas propias de los mercados de
electricidad: la electricidad se produce prcticamente al mismo tiempo que
se requiere (no almacenabilidad); la demanda de electricidad generalmente
no conoce el precio del producto cuando lo consume (informacin
incompleta); la curva de oferta de los productores forman una curva
que crece exponencialmente (curva de oferta de palo de hockey); las
complejidades y cambios en el diseo del mercado contaminan la seal
de precios (inestabilidad regulatoria); y los agentes generadores participan
repetidamente (aprendizaje de los agentes).
En el mercado colombiano, en particular, hay factores adicionales
que influyen en la formacin del precio: los productores hidrulicos son
mayoritarios; la capacidad de generacin est concentrada en pocos agentes
econmicos; no se han implementado mecanismos de respuesta de la
demanda.

280
281

Descripcin de los eventos exgenos relacionados con cambios regulatorios

Resolucin CREG 034 de 2001: Con esta resolucin la CREG define la


frmula para estimar los costos de produccin de los generadores. Debido al
temor de que la CREG interviniera sus ofertas con base en esta estimacin,
hubo una reaccin anticipada de los generadores elevando sus precios antes
de que la resolucin fuera emitida. Sin embargo, una vez entr en vigencia la
resolucin, los generadores volvieron a sus ofertas normales.
Resolucin CREG 071 de 2006: Con esta resolucin la CREG regula
el Cargo por Confiabilidad. En ella se estableci el precio de escasez del
Resolucinmercado,
CREG que071 pretende
de 2006: proteger
Resolucin
Con esta a los
CREG consumidores
071 de la2006:
resolucin contra
CREG Con los
estaprecios
regula altospor
elresolucin
Cargo la CREG r
en situaciones
Confiabilidad. de escasez
En ella se estableci energtica.
Confiabilidad.
el precio En Estodel
ella
de escasez se ocasion
mercado,que
estableci el que los
precio degeneradores
escasez
pretende proteger mercado,
del a qu
ofertaran
los consumidores con los
contra precios msaltos
los
precios altosenpara
consumidores compensar
contra
situaciones los esta eventual
precios
de escasez altos enproteccin.
situaciones
energtica. de
Esto ocasion escasez ener
que los generadores ofertaran conque los generadores
precios ofertaran
ms altos para con precios
compensar ms altos
esta eventual para compensar esta ev
proteccin.
Resolucin CREG 006 de 2009: Esta estableci rigurosas polticas de
Resolucinconfidencialidad de la
CREG 006 de 2009: informacin
Resolucin
Esta CREG
estableci enrigurosas
el
006mercado,
de 2009: cerrando la posibilidad
Estadeestableci
polticas depolticas
rigurosasde
confidencialidad la de c
informacinque los generadores observaran las ofertas de sus competidores. El efecto de
en el mercado, informacin
cerrando la en el mercado,
posibilidad de que cerrando
los la posibilidad
generadores de
observaran que
las los genera
ofertas de la
susincertidumbre ofertasde
provoc
competidores. El efecto undelaaumento
sus competidores. El de
del precio
incertidumbre provocefecto
las de la incertidumbre
ofertas.
un aumento provoc
del precio de las un aum
ofertas. ofertas.

Apndice
Apndice 2 2 Apndice 2
Diagnsticos
Diagnsticos empleados
empleados sobre
sobre los los modelos
Diagnsticos
modelos estimados
empleados
estimados sobre los modelos estimado

1. Grfico1. de Grfico
residuales de residuales
1. Grfico
estandarizados: estandarizados:
de residuales
Utilidad Utilidad en Utilidad
estandarizados:
en la deteccin la deteccin
de observaciones en la deteccin de o
atpicas,
de observaciones deteccin de autocorrelacin y heterocedasticidad. y
atpicas, deteccin
deteccin de autocorrelacin y heterocedasticidad. de autocorrelacin
heterocedasticidad.
2. Prueba Para
2. Prueba de normalidad de Jarque-Bera: de normalidad
verificar ladenormalidad
Jarque-Bera:en Para verificardela normalid
un conjunto
2. Prueba proponen
datos, Jarque-Bera de normalidad deJarque-Bera
usardatos, Jarque-Bera:
el estadstico Para verificar
proponen la normalidad
usar el estadstico
en un conjunto de datos, Jarque-Bera proponen usar el estadstico
T 2 ( K 3 )2 T 2 ( K 3 )2
JB S . JB S .
6 4 6 4

Donde Donde S ylosKcoeficientes


S y K son son los coeficientes
Donde S y Kde
de asimetra y asimetra
son deylos
curtosis
los coeficientes
curtosis de los
la datos.
de asimetra
datos. Bajo y curtosis de los da
hiptesis
Bajoellaestadstico
de normalidad, hiptesis JB
dede
normalidad,
2
~ normalidad,
2 .
elelestadstico
estadstico JB ~ 2 .2

3. Prueba de Ljung-Box para3. autocorrelacin:


Prueba de Ljung-Box
Trata depara autocorrelacin:
probar Tratadede probar
la no existencia
autocorrelaciones en los residuales.
autocorrelaciones en los residuales. Ljung-Box proponen el estadsticoLjung-Box proponen el estads
Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012
k rj2 k rj2
Q T(T 2) , Q T(T 2) ,
j 1 T j j 1 T j
datos, Jarque-Bera proponen usar el estadstico
Jarque-Bera: Para verificar la normalidad en un conjunto de
en usar el estadstico
T 2 ( K 3 )2
JB S .
T 2 ( K 3 )2 6 4
JB S .
6 4
Castao
Dondey SSierra:
y K Sobre la existencia
son los de una
coeficientes deraz unitaria yencurtosis
asimetra la serie dedetiempo mensual...
los datos. Bajo la hiptesis
de normalidad, el estadstico JB ~ 2 .
cientes de asimetra y curtosis de los datos. Bajo la2hiptesis
3. Prueba de Ljung-Box para autocorrelacin: Trata de probar la
co JB ~ 22 .
3. Prueba no de existencia
Ljung-Box deparaautocorrelaciones en losderesiduales.
autocorrelacin: Trata probar la Ljung-Box
no existencia de
proponen el estadstico
autocorrelaciones en los residuales. Ljung-Box proponen el estadstico
ara autocorrelacin: Trata de probar la no existencia de
siduales. Ljung-Box proponen el estadstico 2
k rj
Q T(T 2) ,
k rj2 j 1 T j
Q T(T 2) ,
T j
j 1
donde
donde
j
es el coeficiente
rj es el rcoeficiente de autocorrelacin
de autocorrelacin muestral de muestral de orden
orden j. Bajo j. de
la hiptesis
que noBajo ladeautocorrelacin
hiptesis
orden j. de que
la no
existe hasta existe autocorrelacin
de orden k, Q ~ M , hasta
2
dondedeM=k-(nmero
orden k, de
de autocorrelacin muestral Bajo hiptesis de
cin hasta de parmetros
k, QARMA
orden ~ M2 ,estimados).
donde M=k-(nmero
donde M=k-(nmerodede parmetros ARMA estimados).
dos). 4. Prueba
4. Prueba de McCleod-Li
de McCleod-Li para Heterocedasticidad
para Heterocedasticidad condicional:
condicional: Trata la no
Trata de probar
de probar
existencia la no
de efectos existencia
GARCH deresiduales.
en los efectos GARCH enpor
Est dada los el
residuales. Est
mismo estadstico Q
ara Heterocedasticidad condicional: Trata de de
probar la noal cuadrado.
dada
de Ljung-Box por el mismo
aplicado estadstico
a la serie Q de Ljung-Box aplicado a la serie de
residuales
RCH en los residuales. Est dada por el mismo estadstico Q
a serie de residuales
5. Pruebasal residuales
cuadrado. al cuadrado.
sobre la forma funcional del modelo de Ramsey: Trata de probar que no existen
no 5.
linealidades sobre laenforma
Pruebasignoradas funcional
la relacin del Para
estimada. modelo
esto, de Ramsey:
Ramsey Trata
sugiere incluir en
cional del modelo
el modelode probar
de Ramsey:
potencias que
Trata deno
de los existen
probar que no
valores no linealidades
existen
predichos ignoradas
de la variable en la relacin
dependiente y probar la
en la relacin estimada.
hiptesisestimada.
Para
de losPara
queesto, esto, sugiere
Ramsey Ramsey
coeficientes de las sugiere
incluir enincluir
potencias en elson
incluidas modelo
cero, potencias de
usando la prueba F.
os valores predichos de la variable dependiente y primeraladependiente
probar
los valores
Se presentan predichos de
dos presentadas: En lala variable y probar
tabla se presentan la hiptesis
los resultados donde se
ientes de las potencias incluidas son potencia
cero, usando la prueba F.predichos. La segunda tabla presenta los
incluyen
das: En la primera dela
tabla que
se los coeficientes
segunda
presentan los
de de
los
resultados las potencias
valores
donde se incluidas son cero, usando
la
resultados prueba
cuando se F. Se presentan
incluyen dos
las potencias
cia de los valores predichos. La segunda tabla presenta los presentadas:
2 y 3. En la primera tabla se
yen las potencias 2 y 3.presentan
6. Prueba
los resultados donde se incluyen la segunda potencia de los
de estabilidad de Nyblom y Hansen: Trata de probar si los parmetros de
modelovalores predichos.
son estables La segunda
a travs tabla
del perodo de presenta
tiempo enloselresultados cuando
cual se observ la se
serie. A
Nyblom y Hansen: incluyen
Trata
continuacin, se las
de potencias
probar
hace una los 2parmetros
si breve ypresentacin
3. de de la prueba. Bajo la hiptesis nula de
vs del perodo de tiempo en el cual se observ la serie. A
6. Prueba de estabilidad de Nyblom y Hansen: Trata de probar si los
breve presentacin de la prueba. Bajo la hiptesis nula de
parmetros de modelo son estables a travs del perodo de tiempo
en el cual se observ la serie. A continuacin, se hace una breve
presentacin de la prueba. Bajo la hiptesis nula de parmetros 14
constantes,
parmetros constantes, el vector
el vector de puntajes
de puntajes para
para el14 el lineal
modelo modelo conlineal con
errores errores
Normales
est basado en Normales estnormales
las ecuaciones basado en las ecuaciones normales
T T
xit et 0, i 1, ...,k , ( et 2 ) 0.
t 1 t 1

T
et es el t-simo residual del modelo y 2 n 1
et2 .
282 t 1

xit et i 1,...,k t
Defina, f it y sit fij , i 1,...,k 1
et2 2 i k 1 j 1
parmetros
parmetros
parmetros parmetros
constantes,
constantes,
constantes, constantes,
el vector
elelvector
vector de deelpuntajes
vector
depuntajes
puntajes parade
para el puntajes
para
modelo
elpara
modelo para
el modelo
lineal
linealel modelo
lineal
con
con con lineal
errores
errores
errores con
Normales
Normaleserrores N
Normales
est parmetros
est basado constantes,
est
en basado
las en
ecuacionesel vector
las de puntajes
ecuaciones
normales normales el modelo lineal con errores Normales
estbasado
basado en
enlas
las
est basado
ecuaciones
parmetros
ecuaciones normales
constantes,
normales
en las ecuaciones
el vector de puntajes para el modelo lineal con errores Norm
normales
est basado en las ecuaciones normales
TT T T TT T T
et22)) ,T 00.).2 ( 0et. ) 0.
2 2
xxit eet xit0e0,t , i0iT, 11,xi,...,k
T et1, ...,k
,0, , ,i((eet 1, (T...,k
283
( ,et (t e1 ) 0. ) 0.
it...,k
1
tt 1
it
t 1 t xit et t 01x, e i 01,, ...,k ti 1 1,,t ...,k
t1 2
it t t 1 t
t 1 t 1
t 1 t 1
TT T T

eet eseseelteles eresidual


el t-simo
t-simo t esresidual
residualel t-simo
del yy del
delresidual
modelo
delmodelo
2 nn2 112 n e1ety22.1. Tet22 . 2 n T1 et2 .
y2y ymodelo
t et ese el t-simo
t-simo
es el t-simoresidual del modelo
modelo
residual del modelo
et es el t-simo residual del modelo t 1 y ntt 12 ent 1. tet12 .
t
t 1
t 1 t 1

xxit eet xit et i i 11,...,k xit e1t,...,k i 1,...,k t


i,...,k t t t
Defina,
Defina,
Defina, f f Defina,
it t x f
e x i t 1,...,k
it e yi 1,...,k
ys sit f y, tfiji ,sit1,...,k it 1,...,k fij11, i1 1,...,k 1
fitit
Defina,Defina, fet2it2 et222 2 fiti i2 2kkie2t211k 212 yi k sityit 1 j 1sityijfijj ,1 sitifij ,1,...,k
it it t it
eDefina, jif ij1 , 1,...,k
i 1,...,k
1 1
t et et i k 1i k 1 j 1 j 1 j 1

El El
El estadstico
estadstico
Elestadstico paraEl parapara probar
estadstico
probar para laprobar
hiptesis
la hiptesis individual
laindividual
hiptesis H
Hindividual : constante,
H es
: esconstante,
es constante,
: i=1,
es constante,
i=1, y i=1,
kk yy kpara para k
estadstico
El estadsticoEl probar
para probar
para
lalahiptesis
estadstico hiptesis
paralaprobar
probar
individual
individual HH0:0:individual
la hiptesis
2 hiptesis individual iH0:
i 0 es 0 H :i 0 es
iconstante,
es
ii=1,
constante,
0 constante, i=1, para
i=1,
k y kpara
y
i=1,
probar
probar H : kHy202:para
es
2
probar probar
es H
constante,0: H 2 : constante,
2 0 eses
constante,
es es constante,
es es i i

probarprobar
H0: Hprobar
0 es: constante,
2 H0: eses constante,
es constante, es es
0
T T T T
L11 TT1 22 LTs 2 , 11i T 1, 2...,k s 2
, i 1 , ...,k
TT
22 T 2
V
T
2 f
2
LLi i ss1it ,L, i iiiti 211, ,...,k
...,k s i,
, ,,itdonde
donde donde
1, ...,k V,
VVi , dondedonde
i f it
f f
V it 2i f it
i TV
TVLi i tTV
1 i t 1
it TV
sTV
it , i i t it1 1 1, ...,k , donde t 1Vi t 1
it i it i fit t 1 t 1it
i t 1TV t 1
i t 1 t 1

ParaPara
Para probar
probar
probar la
la hiptesis
Para
lala hiptesis
Para probar
hiptesis
probar conjunta conjunta
lalaconjunta
hiptesis
hiptesis HH0:0: el H H0vector
: :elelvector
conjunta
conjunta 0H: 0yel
vector
H :yel vector
2
2
2 son
y son
y2vector son
constantes,y 2 sonson
y constantes,
2
constantes, constantes,
defina
defina los
constantes, defind
los los
0: el vector y
Para probar
Para probar hiptesis
la hiptesis conjunta conjunta el H0vector son 2constantes,
son constantes, defina defina los
defina fftlos (vectores
vectores
vectores f(tfvectores
(,...,
f1tff,...,
,...,
vectores f ft)'
tf)' ( SySt f kf k1S
(tyf)'y1ft1t,...,
,..., ( S
)' ySyy1t
)'t ,...,S
(,...,S S St t)')'k(.S1.(El
,...,S S)',...,SElk .estadstico
,...,S
.estadstico
1testadstico El
k )'1t .)'El estads-
.para
El estadstico
para probar
estadstico
para probar para
que para
que pr
probar
vectores f k ( S El probar que
1t k 1 t k 1 t 1t 1 k 1t t1t 1 t
tico vectores
para f ( f ,..., f )' ty S ( S k ,...,S )' . El estadstico para probar que
losprobar que todos loses: parmetros son
es:es:constantes es:
t 1t 1t 1t 1t
todos t
todosson
parmetros 1 t
losconstantes
parmetros
son k 1
constantes t sonconstantes t
constantes
es: 1 t k 1 t
todos
todos los
losparmetros
parmetros los
son parmetros
constantes son
es:
todos los parmetros son constantes es:
TT 1 T TT T T T
1 1
11
T
' ' 1 1 T
1
LLc Lc SStV '' L
1 1 1'
SL
T
SctSV S V
tSV
St1 , donde
ct ,',donde
S
V tV , donde
St , fdonde
f ' V '
'.f t f tV.
T ft ftf' t .f t' .
c T L T tt 1 V donde tV f
t f
t .
St tVTTt St1 t1, dondet 1V tt 1t ft ftt .1 t 1 '
T t ct 11 T t 1
t 1 t 1

Los Los valores


valores Los
Los
crticos valores
valores
crticos
bajo bajo crticos
crticos bajo
bajoHH
Hencuentran
0 se encuentran
se encuentran
tabulados.tabulados.
0 se encuentran
0tabulados. tabulados.
LosLosvalores
Los crticos
valores
valores bajoH
crticos
crticosbajo
se
H0bajo
0 se encuentran
HH0 0seseencuentrantabulados.
encuentran tabulados.
tabulados.
7. Deteccin 7. de
7. Deteccin
Deteccin de
observaciones observaciones
deatpicas
observaciones
atpicas atpicas
atpicas
usando el usando
usando el el
procedimientoprocedimiento
procedimiento
de Chen de Chen
de Chen
y(1993):
Liu y Liu
(1993): (1993)
y Liu (19
7.
7.7. Deteccin
Deteccin
7. Deteccin
de
de
Deteccin Este
de de
observaciones
observacionesobservaciones
atpicas
procedimiento
observaciones
usando
usando
trata
atpicas atpicas
de
el
el
detectar
usando usando
procedimiento
procedimiento
elsi el
existen
de
procedimientoprocedimiento
deChen
Chen yyLiu
observaciones
de Liu
Chen de
(1993):
atpicas
y Liu del tipo
(1993): ad
Este Este
Este procedimiento Este
procedimiento procedimiento
trata trata
de de
detectar trata
detectar de
si
sisi existendetectar
existen si existen
observaciones
observaciones observaciones
atpicas
atpicas del del
tipo atpicas
tipo
aditivo del
aditivo tipo
Chen y
procedimientoLiu
Este procedimiento
(denominadas (1993):
trata
(denominadas
(denominadas
de detectar
otrata
AO), o
de detectar
AO),
existen
innovativas observaciones
si(denominadas
o (denominadas (denominadas
existen observaciones
innovativas
atpicas
(denominadas IO),delo
atpicas
IO),
tipo
de
ode
aditivo
cambio
deldenivel
tipo de
aditivod
cambio
(denominadas
(denominadas
(denominadasAO),AO),
AO),
(denominadas
AO),
innovativas
oo innovativas
innovativas
LS)innovativas
o o de cambio (denominadas
temporal IO),IO),
IO), oo de
(denominadas
(denominadas IO),
o cambio
de o
de
cambio
TC).de
cambio de de
cambio nivel
de
nivel
nivel
Este procedimiento
(denominadas
(denominadas
(denominadas (denominadas
LS)
LS)
(denominadas
oLS)
odede cambio
LS)cambio
trata
LS)
o de cambio ode
temporal
temporal
o de cambio
dedetectar
cambio
temporal
(denominadassi
(denominadas
temporal
existen
temporal
(denominadas TC).
(denominadas
observaciones
(denominadas
TC). TC).
TC).
atpicas
TC).
del tipo aditivode(denominadas
8. Deteccin observaciones atpicas AO), usando o innovativas (denominadas
el procedimiento de Chen y Liu (1993).
8. Deteccin
8.8.Deteccin de 8.observaciones
Deteccin
de
observaciones deatpicas
observaciones observaciones
atpicas
usando atpicas
usando
el usando elde
el procedimiento
procedimiento procedimiento
de Chen
Chen yyLiu de Chen
y(1993).
Liu (1993). y Liu (199
Deteccin IO), o de
de
8. Deteccin de cambio de nivel
atpicas
observaciones (denominadas
usando
atpicas el LS) o de cambio
procedimiento
usando el procedimiento de Chen temporal
Liu
de Chen (1993).
y Liu (1993).
(denominadas TC).
A2. 1 Diagnsticos para el modelo de tendencia lineal determinstica
A2.1A2. A2. para
1para
Diagnsticos
1 Diagnsticos para para
el modelo el modelo
de delineal
tendencia tendencia lineal determinstica
determinstica
A2. 18. Deteccin de observaciones atpicas usando el procedimiento de
A2. 1Diagnsticos
Diagnsticos elelmodelo
modelo de
detendencia
tendencia lineal
linealdeterminstica
determinstica
Diagnsticos para el modelo de tendencia lineal determinstica
Chen y Liu (1993).

Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012


Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...

A2. 1 Diagnsticos para el modelo de tendencia lineal determinstica

Grfico
Grficode
deresiduales
residuales estandarizados
estandarizados
3

-1

-2

-3
00 01 02 03 04 05 06 07 08 09 10

Standardized Residuals
Prueba de Normalidad
Prueba de Normalidad
Coef. Asimetra 0,114421
Coef. Asimetra
Coef. Curtosis 0,114421
3,166036
Coef. Jarque-Bera
Curtosis 3,166036
0,429659
Jarque-Bera
Valor p 0,429659
0,806679
Valor p 0,806679
Prueba de Ljung-Box (Autocorrelacin)

Prueba de Rezago,
Ljung-Box
k Q (Autocorrelacin)
Valor p
6 4,0327 0,402
Rezago,
12k 9,0717
Q Valor p
0,525
18 13,955 0,602
6 4,0327 0,402
12
Prueba de McCleod-Li 9,0717 0,525 condicional)
(Heterocedasticidad
18
Rezago, k13,955 0,602
Q Valor p
6 6,3007 0,178
12 15,233 0,124
Prueba de McCleod-Li (Heterocedasticidad
18 25,108 0,068 condicional)

Rezago, k Q Valor p
Prueba para Forma funcional
6 6,3007 0,178
Prueba RESET de RAMSEY:
12 15,233 0,124
Estadstico F 0,19373825,108
18 Valor p0,068
F(1,124) 0,6606
Razn Log Verosimil. 0,201393 Valor p Chi-Cuadr(1) 0,6536
Estadstico F 0,188649 Valor p F(2,123) 0,8283
Razn Log Verosimil. 0,395097 Valor p Chi-Cuadr(2) 0,8207
284
Prueba de estabilidad

Prueba Nyblom-Hansen Stability: NH(5) = 1,3595 {Valor p<0.1}


NH para Intercepto = 0,0559 { Valor p <1}
285

Prueba para Forma funcional


Prueba RESET de RAMSEY:

Estadstico F 0,193738 Valor p F(1,124) 0,6606


Razn Log Verosimil. 0,201393 Valor p Chi-Cuadr(1) 0,6536

Estadstico F 0,188649 Valor p F(2,123) 0,8283


Razn Log Verosimil. 0,395097 Valor p Chi-Cuadr(2) 0,8207

Prueba de estabilidad

Prueba Nyblom-Hansen Stability: NH(5) = 1,3595 {Valor p<0.1}


NH para Intercepto = 0,0559 { Valor p <1}
NH para tendencia = 0,0818 { Valor p <1}
NH para AR1 = 0,1953 { Valor p <1}
NH para AR2 = 0,1559 { Valor p <1}
NH para Varianza = 1,0117 { Valor p <0,01}

Deteccin de observaciones atpicas usando el procedimiento de Chen


y Liu (1990)
No se detectaron observaciones atpicas de los tipos AO, IO, LS y TC.

A2.2 Diagnsticos para el modelo de mltiples cambios de nivel

Prueba de Normalidad
Coef. Asimetra 0,029256
Coef. Curtosis 2,690887
Jarque-Bera 0,527863
Valor p 0,768026

Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012


Deteccin de observaciones atpicas usando el procedimiento de Chen y Liu (1990)

No se detectaron observaciones atpicas de los tipos AO, IO, LS y TC.

Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...
A2.2 Diagnsticos para el modelo de mltiples cambios de nivel
Grfico de residuales
Grfico de residuales
.4

.3

.2

.1

.0

-.1

-.2

-.3

-.4
00 01 02 03 04 05 06 07 08 09 10

LPRECIO Residuals

Prueba de Normalidad
Prueba de Ljung-Box (Autocorrelacin)
Coef.Rezago,
Asimetra
k Q 0,029256
Valor p
Coef. Curtosis
6 1,7400 2,690887
0,783
12 6,1273 0,804
Jarque-Bera
18 10,286 0,527863
0,851
Valor p 0,768026
Prueba de McCleod-Li (Heterocedasticidad condicional)
Prueba de Ljung-Box
Rezago, k Q(Autocorrelacin)
Valor p
6 2,3178 0,678
Rezago,
12 k 10,016
Q Valor
0,439p
6
18 1,7400 0,783
16,475 0,420
12 6,1273 0,804
18 10,286 0,851
Prueba para Forma funcional
Prueba
Prueba RESET Ramsey:
de McCleod-Li (Heterocedasticidad condicional)

Estadstico F 0,680825k Q Valor


Rezago, Valor ppF(1,116) 0,4110
Razn Log Verosimil. 0,749059
6 Valor0,678
2,3178 p Chi-cuadrad(1) 0,3868
12 10,016 0,439
18 16,475 0,420
286
287

Estadstico F 1,570762 Valor p F(2,115) 0,2123


Razn Log Verosimil. 3,449745 Valor p Chi-cuadrad (2) 0,1782

Prueba de estabilidad

Prueba Nyblom-Hansen Stability: NH(12) = 1.4125 {Valor p<1}


NH para Varianza = 0,2059 { Valor p <1}
NH para Intercept = 0,0366 { Valor p <1}
NH para d13 = 0,0372 { Valor p <1}
NH para d17 = 0,0376 { Valor p <1}
NH para d34 = 0,0409 { Valor p <1}
NH para d81 = 0,0091 { Valor p <1}
NH para d84 = 0,0098 { Valor p <1}
NH para d109 = 0,0059 { Valor p <1}
NH para d117 = 0,0048 { Valor p <1}
NH para d126 = 0,0059 { Valor p <1}
NH para AR1 = 0,0319 { Valor p <1}
NH para AR3 = 0,0326 { Valor p <1}

Deteccin de observaciones atpicas usando el procedimiento de Chen


y Liu (1990)
No se detectaron observaciones atpicas de los tipos AO, IO, LS y TC.

Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012


Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...

Bibliogrfia

Banerjee, Anindya; Lumsdaine, Robin & Stock, James (1992). Recursi-


ve and Sequential Tests of The Unit-Root and Trend-Break Hypotheses:
Theory and International Evidence, Journal of Business and Economic
Statistics, No. 10, pp. 271-287.
Box, George & Cox, David (1964). An analysis of transformations, Journal
of the Royal Statistical Society, Series B, No. 26, pp. 211-252.
Cavaliere, Giuseppe & Georgiev, Iliyan (2006a), Testing for Unit Roots
in Autoregressions with Multiple Level Shifts, Quaderno del Dipartimen-
to di Scienze Statistiche, Universit di Bologna, Serie ricerche, Forthcoming
in Econometric Theory, No. 2, 2006.
Cavaliere, Giuseppe & Georgiev, Iliyan (2006b). A Note on Unit Root
Testing in the Presence of Level Shifts, Statistica, Vol. LXVI, No. 1,
2006, pp. 1-17.
Chen, Chung y Tiao, George (1990). Random Level Shift Time Series Mo-
dels, ARIMA Approximations and Level Shift Detection, Journal of Bu-
siness and Economic Statistics, No. 8, pp. 170-186.
Chen, Chung y Liu, Lon-Mu (1993), Joint Estimation of Model Parame-
ters and Outlier Effects in Time Series, Journal of the American Statistical
Association, No. 88, pp. 284-297.
Clemente, Jesus; Montas, Antionio & Reyes, Marcelo (1998). Testing
for a Unit Root in Variables with a Double Change in the Mean, Econo-
mics Letters, No.59, pp. 175-182.
Dickey, David & Fuller, Wayne (1979). Distributions of the Estimators
for Autoregressive Time Series with a Unit Root, Journal of the American
Statistical Association, Vol.74, No. 366, pp. 427-431.
Dickey, David & Fuller, Wayne (1981). Likelihood Ratio Statistics for
Autoregressive Time Series with a Unit Root, Econometrica, Vol. 49, No.
4, pp. 1057-1072.

288
289

Diebold, Francis & Kilian, Lutz (2000). Unit Root Tests are Useful for
Selecting Forecasting Models, Journal of Business and Economic Statistics,
No.18, pp. 265-273.
Elliott, Graham; Rothenberg, Thomas & STock, James (1996). Efficient
Tests for an Autoregressive Unit Root, Econometrica, No. 64, pp. 813-
836.
Hansen, Bruce (1992). Testing for Parameter Instability in Linear Models,
Journal of Policy Modeling, No. 14, pp. 517533.
Huisman, Ronald (2003). Regime Jumps in Electricity Prices, Energy Eco-
nomics, No. 25, pp. 423 - 434.
Kwiatkowski, Denis; Phillips, Peter; Schmidt, Peter & Shin, Yongcheol
(1992). Testing the Null Hypothesis of Stationarity Against the Alter-
native of a Unit Root, Journal of Econometrics, No. 54, pp. 159-178.
Lanne, Markku; Ltkepohl, Helmut & Saikkonen, Pentti (2002). Com-
parison of Unit Root Tests for Time Series with Level Shifts, Journal of
Time Series Analysis, No. 23,pp. 667-685.
Leybourne, Stephen; Mills, Terence y Newbold, Paul (1998): Spurious
Rejections by Dickey-Fuller Tests in the Presence of a Break under the
Null, Journal of Econometrics, No. 87, pp. 191-203.
Lumsdaine, Robin & Papell, David (1997). Multiple Trend Breaks and the
Unit Root Hypothesis, Review of Economics and Statistics, No.79, pp.
212-218.
Ltkepohl, Helmut; Saikkonen, Pentti & Trenkler, Carsten (2004). Tes-
ting for the Cointegration Rank of a VAR Process with Level Shift at
Unknown Time, Econometrica, No.72, pp. 647-662.
Mackinnon, James (1996). Numerical Distribution Functions for Unit
Root and Cointegration Tests, Journal of Applied Econometrics, 11(6),
pp. 601-618.

Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012


Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...

NG, Serena & PERRON, Pierre ( (1995). Unit Root Tests in ARMA Mo-
dels with Data Dependent Methods for the Selection of the Truncation
Lag, Journal of the Americal Statistical Association, No. 90, pp. 268-281.
NG, Serena & PERRON, Pierre (2001). Lag Length Selection and the
Construction of Unit Root Tests with Good Size and Power , Econome-
trica, No. 69, pp. 1519-1554.
Nyblom, Jukka (1989). Testing for the Constancy of Parameters Over Time,
Journal of the American Statistical Association, No.84, pp. 223230.
Ohara, Hidetaka (1999), A Unit Root Test with Multiple Trend Breaks: A
Theory and Application to US and Japanese Macroeconomic Time Se-
ries, TheJapanese Economic Review, Vol. 50, pp. 266-290.
Perron, Pierre (1990). Testing for a Unit Root in a Time Series with a
Changing Mean, Journal of Business and Economic Statistics, No. 8, pp.
153-162.
Perron, Pierre (1992). Trend, Unit Root and Structural Change: A Multi-
Country Study with Historical Data, Proceedings of the Business and Eco-
nomic Statistics Section, American Statistical Association, pp. 144-149.
Perron, Pierre & Vogelsang, Timothy (1992). Nonstationarity and Level
Shifts with an Application to Purchasing Power Parity, Journal of Busi-
ness and Economic Statistics, 10, 301-320.
Pfaff, Bernhard (2008) Analysis of Integrated and Cointegrated Time Series
with R. Second Edition. Springer, New York. ISBN 0-387-27960-1.
Phillips, Peter & Perron, Pierre (1988). Testing for a Unit Root in Time
Series Regression,Biometrika, No. 75, pp. 335346
Philipovic, D. (1998). Energy Risk. McGraw-Hill, New York.
Saikkonen, Pentti & Ltkepohl, Helmut (2001), Testing for Unit Roots
in Time Series with Level Shifts, Allgemeines Statistisches Archiv, No. 85,
pp. 1-25.

290
291

Saikkonen, Pentti & Ltkepohl, Helmut (2002), Testing for a Unit Root
in a Time Series with a Level Shift at Unknown Time, Econometric
Theory, No. 18, pp. 313-348.
Zivot, Eric & Andrews, Donald (1992): Further Evidence on the Great
Crash, the Oil-Price Shock, and the Unit-Root Hypothesis. Journal of
Business and Economic Statistics, Vol. 10, No.3, pp. 251-270.

Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012