Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LA TOMA DE DECISIONES
EMPRESARIALES
Lección 4: Autocorrelación.
S jm1
Diapositiva 1
jm1 Se agradece la contribución de los profesores Arranz, Suárez y Zamora, cuyos materiales de clase se han utilizado en la elaboración de esta
presentación.
juan muro; 28/09/2007
Autocorrelación.
1. ¿ Qué es un modelo con
autocorrelación?
MRLG:
Yt=X’tβ+ut; t=1,2,……T. Serie temporal; {i}
corte transversal.
Impondremos el supuesto de
estacionariedad débil.
E(b|X)= β.
Var(b|X)=(ΣXtX’t)-1 ΣΣE(utus|X)XtX’s (ΣXtX’t)-1.
Procesos autorregresivos:
AR(p): ut= Φ1ut-1+ Φ2ut-2+…….+ Φput-p +εt.
AR(1): ut= Φ1ut-1 +εt.
A
11/29/2012 Juan Muro
Matriz de Newey-West (1987).
La matriz
1 L T
T (X ' X )
−1
0 T ∑
S + w e e (
∑ l t t−l t t−l X X ' + X t−l
X ' )
t
( X ' X )−1
.
l =1 t = l +1
1 T 2 l
S 0 = ∑ e i X i X i ' ; w l = .
T i =1 L+1
Hipótesis nula
∑ ( et - e
2
t -1 )
t= 2
d = T
∑ e 2
t
t= 1
ρˆ = −1 → d ≈ 4 Autocorrelación negativa
ρˆ = 0 → d ≈ 2 Ausencia autocorrelación
ρˆ = 1 → d ≈ 0 Autocorrelación positiva
0 dL dU 2 4-dU 4-dL 4
Es decir:
0 < d < dL Se rechaza H0, existe aut. positiva con esquema AR(1)
4- dL < d < 4 Se rechaza H0, existe aut. negativa con esquema AR(1)
du < d < 4-du No se rechaza H0, no existe autocorrelación
dL < d < du El contraste no es concluyente
4-du < d < 4-dL El contraste no es concluyente
Yt=X’tβ+ut
Con ut=ρut-1+εt.
∑ ( w t - w t -1 )
2
T -k
MVR = • t=k+ 2
T
T -k -1 ∑ w t2
t=k+1
e t = X t ' β + E p ' γ + ut .
3. Forma del contraste (contraste de multiplicadores de
Lagrange): bajo la hipótesis nula el estadístico TR2 se
distribuye asintóticamente como una Chi-2 con p
grados de libertad.
Si
yt = β xt + ut
con ut = ρ ut -1 + ε t ; | ρ |< 1
S
11/29/2012 Juan Muro
4.3. Solución a la autocorrelación.
MCO: estimación lineal, insesgada y no óptima; matriz de
Newey y West(1987).
A
11/29/2012 Juan Muro
Estimación por MCG.
• Es imposible en casi todos los casos por
el desconocimiento de Ω.
S
11/29/2012 Juan Muro
Estimación por MCGF.
• Estimación para un AR(1) estacionario
ut = φ ut −1 + ε t .
S
11/29/2012 Juan Muro
Estimación por MCGF.
• En este caso,
σ ε2
E(ut ) = 0 ∀ t 2
Var ( ut ) = E ( ut ) =
1−φ2
φ <1
E(ut ut −1 ) = γ 1 = φσ 2
u
ρ1 = φ
E(ut ut −2 ) = γ 2 = φ σ
2 2
u
ρ2 = φ 2
E(ut ut−S ) = γ s = φ σ
S 2
u
ρS = φ S
S
11/29/2012 Juan Muro
Estimación por MCGF.
• La matriz de varianzas y covarianzas es
S
11/29/2012 Juan Muro
La matriz Ω es:
1 φ φ
2
... φ T −1
... φ T − 2
1 1 φ
Ω=
1−φ2 ... ...
... 1
y su inversa,
1 −φ 0 ... 0 0 0
− φ 1 + φ 2 −φ ... 0 0 0
0 −φ 1+φ2 ... 0 0 0
Ω −1 = ... ... ... ... ... ... ...
0 0 0 ... 1 + φ 2 −φ 0
0 0 0 ... − φ 1 + φ 2 −φ
0 0 0 ... 0 −φ 1
S
11/29/2012 Juan Muro
La matriz de transformación será:
( )
1 − φ Y1
2
1−φ2
1 − φ 2
( )
X1
1 − φ X − φ X
Y2 − φY1 X* = 2 1
...
*
Y = ...
... S
Juan
11/29/2012
1−φ
Muro X T − φ X T −1
YT − φYT −1
Estimación por MCGF.
• Por tanto,
S
11/29/2012 Juan Muro
Bibliografía.
• Breusch, T.S.(1978) "Testing for Autocorrelation in Dynamic Linear
Models", Australian Economic Papers, 17, págs. 334-355.
• Durbin, J.(1970) "Testing for Serial Correlation in Least Squares
Regression when Some of the Regressors are Lagged Dependent
Variables", Econometrica, 38, págs. 410-421.
• Durbin, J. y G.S. Watson(1950) "Testing for Serial Correlation in
Least Squares Regression", Biometrika, 37, págs. 409-428; 38,
págs. 159-178.
• Farebrother, R.W.(1980) "The Durbin-Watson Test for Serial
Correlation when There Is No Intercept in the Regression",
Econometrica, 48, págs. 1553-1563.
• Godfrey, L.G.(1978) "Testing Against General Autorregresive and
Moving Average Error Models when the Regressors Include
Lagged Dependent Variables", Econometrica, 46, págs. 1293-
1302.
S
11/29/2012 Juan Muro
Bibliografía.
• Hannan, E.J. y R.D. Terrell(1968) "Testing for Serial
Correlation after Least Squares Regression",
Econometrica, 36, págs. 133-150.
• Savin, N.E. y K.J. White(1977) "The Durbin-Watson
Test for Serial Correlation with Extreme Sample Sizes
or Many Regressors", Econometrica, 45, págs. 1989-
1996.
• Theil, H. y A.L. Nagar(1961) "Testing the Independence
of Regression Disturbances", JASA, 56, págs. 793-806.
• Wallis, K.F.(1972) "Testing for Fourth Order
Autocorrelation in Quarterly Regression Equations",
Econometrica, 40, págs. 617-636.
A
11/29/2012 Juan Muro
Referencia al manual de
Wooldridge (2006)
• Capítulos 10, 11 y 12.