Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bolaños Jorge
Bolaños Jorge
El análisis de muestras grandes es aún más importante en contextos de series de tiempo, a veces
esto resulta un tanto irónico, ya que es difícil conseguir muestras grandes de series de tiempo, pero
a menudo la única opción que se tiene es basarse en aproximaciones de muestras grandes, las series
de tiempo que tienen una correlación temporal sustancial requieren una atención especial en el
análisis de regresión. La importancia del presente resumen alertará sobre ciertos temas que atañen
En relación a las series de tiempo, se interpreta que estos presentan los conceptos clave que se
necesitan para aplicar las aproximaciones comunes de muestras grandes en el análisis de regresión
con datos de series de tiempo, además de ser definido como aquel en el que sus distribuciones de
probabilidad se mantienen estables con el paso del tiempo. Su clasificación consta de las series de
estacionario en el que resalta que las restricciones a la manera en que x1 y x2+1 se relacionan
entre ellas; de hecho, podrían tener una correlación muy estrecha, la cual exige que la naturaleza
de cualquier correlación entre términos adyacentes sea la misma en todos los periodos. Por lo
Por otro lado se encuentra las series de tiempo débilmente dependientes, las cuales refieren que
la estacionariedad tiene que ver con las distribuciones conjuntas de un proceso a medida que avanza
en el tiempo; característico de la dependencia débil, la cual impone restricciones a qué tan estrecha
puede ser la relación entre las variables .La noción de dependencia débil es más fácil de tratar para
Debido a la presencia de casos en los cuales los supuestos del modelo lineal clásico no se cumplían
con ciertos problemas de series de tiempo, se debe recurrir a las propiedades en muestras grandes
de MCO:
El proceso estocástico supone que el modelo es exactamente el mismo que en el supuesto ST.1,
dependiente. En particular, la ley de los grandes números y el teorema del límite central pueden
Se considera que eel supuesto ST.1 es similar, en efecto a la premisa RLM.1 (el primer supuesto
del corte transversal), sólo que ahora se está especificando un modelo lineal para datos de series de
tiempo.
Se ha incluido estacionariedad en el supuesto ST.1' porque resulta conveniente para establecer e
interpretar los supuestos. Si se derivaran con cuidado las propiedades asintóticas de MCO, como
Este supuesto es considerado el más natural concerniente a la relación entre ut y las variables
explicativas. Es mucho más débil que el supuesto ST.3 ya que no impone restricciones sobre cómo
se relaciona u1 con las variables explicativas en otros periodos. Las variables explicativas son
Esta interpreta la conclusión de que los estimadores de MCO son consistentes, pero no
variables explicativas deben ser exógenas, pero la dependencia débil se requiere en las series de
Se puede afirmar que varias series de tiempo económicas no pueden caracterizarse por una
dependencia débil. El uso de series de tiempo con dependencia fuerte en el análisis de regresión no
plantea ningún problema, pero los procedimientos de inferencia usuales son muy sensibles a la
violación de estos supuestos cuando los datos no son débilmente dependientes, debido a que no se
puede recurrir a la ley de los grandes números ni al teorema del límite central, por lo que es
Muchas series de tiempo económicas se caracterizan mejor por el modelo AR(1) con 1, pues es
independiente e idénticamente distribuida con media cero y varianza. Asimismo, se da por hecho
Refiere que cuando en una ecuación de regresión se usan series de tiempo altamente persistentes
del tipo que exhibe un proceso de raíz unitaria, el resultado puede ser engañoso si se violan los
supuestos del MCL., aunque existen transformaciones simples que hacen que los procesos de raíz
Por otro lado se manifiesta la suposición de Decidir si una serie de tiempo es o no I(1) la cual
I(1) o I(0) puede ser muy difícil, por lo que se suelen utilizar las pruebas estadísticas.
Modelos dinámicamente completos y ausencia de correlación serial
Esta interpreta que los errores {u1} deben ser no correlacionados serialmente ya que el supuesto
ST.5se satisface: suponer que no existe una correlación serial es casi lo mismo que suponer que
sólo un rezagosin importar las variables que forman parte de x1, se han incluido suficientes rezagos
explicación de y1. Cuando esta condición se cumple, se tiene un modelo dinámicamente completo.
Como se vio antes, la completitud dinámica llega a ser un supuesto muy fuerte en los modelos
tiempo con el supuesto de las regresiones de corte transversal. Sin embargo, puesto que x1 puede
contener y rezagadas así como variables explicativas rezagadas, se expondrá en forma breve el
De forma general, se establece que cualquiera que sea la variable explicativa que aparezca en el
modelo, se debe suponer que la varianza de y1 dadas estas variables, es constante. Si el modelo
necesitan para aplicar las aproximaciones comunes de muestras grandes en el análisis de regresión
con datos de series de tiempo, además se evidencio temas mas importantes como son las series de
resalta que las restricciones a la manera en que x1 y x2+1 se relacionan entre ellas
MAPA CONCEPTUAL DE LOS ASPECTOS ADICIONALES DEL MCO