Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESUMEN
I. I N ^I^KOUl!(..'C'ION *
* EI trabajo a que aquí se hace referencia es la tesis doctoral del autor, realizada bajo la
supervisión de J. D. Sargan.
110 ESTADIST7CA ESPAÑOLA
Esta nota recoge los puntos esenciales de una contribución a este campo, realizada
por el autor. La nota es un resumen de la prueba de un teorema, de la obtención de la
correspondiente aproximación, y de un planteamiento general del problema. La aproxi-
mación que se obtiene es del tipo
donde Te{q) es e! criterio cuya distribución finita se trata de aproximar, ^(.) y f^(.) son,
respe^tivamente, las funciones de distribución y densidad de una distríbución Ji-
cuadrada (Xk) de k grados de libertad, y W(.) es un polinomio finito cuyos coeficientes
dependen de las derivádas de e(.) y de !os cumulantes del vector q.
+x
^ts)- e ^sVh ( ,, ) dy
-x
donde
_ d' r
lLW (s}^s-O
Kr dsr
^s decir, el cumulante de orden r, y donde hemos supuesto que todos ellos existen.
APRC)XIMAC'[C)IYFS A LA DISTRIBUCION FINITA [)^: C'R[Tf:RIC)s 11-CUAURAUC) 111
C'on^icieremo^ ahora otra variable .r, con funcione^ de dentiidad y función cardcteríti-
tica ^^(.^-) y c^(.,^), respectivamente, y definamos su^ cumulantes, ,,^r, de modo que
X sr
^
r^i Yr ^i
^ (.s^ ) - e tz)
De (1) y(2) obtenemos ahora fácilmente
X
^
= (^r= 1 (Kr-Yr)sr/r!
`i' (S^) • ^ (s ) (3)
P rs'rn +^'s'Esi2
1.^^, prrmer^^^ c:r,n^r^l^tnte, ^^^n I.r^ n^tdr^t^ y I^^, ^egr^n^i^^^ I^r m^itrir de CO^t^rl^inl^^ti.
En este sentido, los cumulantes de orden mayor que e! segundo, distintos de cero,
pueden ser considerados como un relajamiento del supuesto de normalidad. En este
ejemplo si y es ^sintóticamente normal, una elección adecuada para .x es, precisamente,
la distribución normal.
Fxpandiendo el exponente de (3) es fácil ver que puede obtenerse la expresión del
tipo
( 1
2^
+X
-x
E^ -^^ y
k
1 + ^ Q r ( s. } -I- - [ /z r ^ ( s^ ) citi^
r=1
El problema que queda es ccimo obtener explícitamente esta integral. Para ello
consideremos la inversa de c^ (s^>
+ X.
+a
^, -rsx(!.1 ^r^ (.^^ ^^t' (5 bis)
= (2 ^ ) ( ^ ^ ^r^ d'k (-x ) ^
_x
lo que nos dice directamente que (i.^^ )'c^ (s) es la función característica de {--1)'D ^k (^r )
Pero la aproximación de (d) es precisamente una suma de términos del tipo [(is )'c^ (.s )],
con lo que ya hemos obtenido una expresión para (S), es decir, para la densidad
aproximada de v, en t^rminos de D'k (x ). Ahora, a no ser que ^j (.z ) tenga una forma
especial, ^uele ser posible escribir
k
^(v) ^ ) ^ ^ N ^(v).j,-r^^, x(y) ^ 0 {T--I^^x+Ir
._ ^
k
+ O (-I--r12(/^+1I) (g)
F(vÍ - `f'(v^ ^ + \' ^r(v)•^.-1/2r
r=l
^*(y)T-r/z. + ^ (.^.-r/Z^x+»)
F(Y) _ ^(Y) + 8(Y>S (9)
^ _
APROXIMACIONES A LA DISTRIBUCION FTNITA DE C'RITERIOS J1-CUADRADO ^^3
yuc,' c.'^ rin trp^^ ^1t^ t^^^re^r^ ^ n m^i^ ^rmrl^iC^ ^iI ^^ht^enr^^^ ri^u^ilr^^ente t^n I^i Irtt^r^it^ir^t cc^^n^ ^ nté-
trica (ver, por ejemplo, [3], [2]).
1 K .
En el ca5a
•, que nos ocup•a padríamos utilizar una Y 2, 2 para aproxrmar la dis-
Es interesante ver a través de un ejemplo c^ ^ m^^ un test Xk puede ser escrito de esta
forma. Consideremos el madelo
4 A
o alternati vamente
C - (E'^yX)(X'M.rX)
A2 ^^(X'MyE ) _Ax2
k^
Q
FS?ADIS77CA ESPAÑOLA
y ^ = (Y'Y)^T
y2 = (Y ` IY_^)IT
q; = (Y' IY)/T
(12)
= f?^'Y)/T
yk+S
IX'i^ -1)^ ^
^2ik+ 4
es decir, que C puede, de hecho, definirse como una función de estos momentas. En
general, los tests standard en Econometría van a depender de este tipo de momentos, así
que e! planteamiento es genera! [4j. Sin embargo, un requerimiento importante que no
siempre es cumplido es que la dimensión de q sea independiente de T(por ejemplo,
falla en modelos de medias móviles).
Consideremos ahora
Z'E Z `Y Z'Zy
T T T
Z'E (13)
A fq -- µ )
1'1 ^
= M p l^m M = M
.I
podemos escribir
A A
^ = SM^^Z'y^/T
A {14)
- a + sM -' A(q - µ )
APROXIMACIONES A LA DISTRIBUCI()N FINTTA DE CR(TER10S JI-CL'ADRADn l IS
^
Y :i,í , e, c:l^ir^^ ^ yr^e ^3 = ^31y ^ y ytrt^ ^i1µ ^ = ^3. ^)t^ r^t^^^l^^ :in:ilc^^;i^ ^^ t^t^^it^ ^ t'r^,t yut^
c^^(µ )= a2, cuando no se corrige por grados de libertad, y que será el estimacior que
consideraremos en lo sucesivo.
_ -
Ue e,te rn^^d^^ e, t^icrl ^ er que I^i ^^^rr^^nl^i it,rlltlitlC:a ^1e ^ e, A ti'1 ^a -^3 r^, 1 1=
= n lírn c^ Z 1^.M -^^^ ^ . Y a,í el te,t X 2 puede e,crrhrr,e ^fe un rnc^^i^^ ma, c^^nL enrente
µ:ir^i nrre^tr^^, pr^^p^^^rt^^, c^^mc^
{y - µ)`A'M-^S'[SM-^s,^-rSM-^A(y _ µ)
C - • (15)
De hecho, si lim S2T = S2, puede verse para este casv que
T-+ x
„
M(µ ) = AS2fA'
Además, utilizando ta propiedad (16) es fácil ver que la matriz de (17) evaluada en
Eq = µ, es idempotente y de rango K. Es evidente que
y escribiendo
S2C
- C^ -
^qsq' q^^
1
H, = - (H^ + H; )
2
L ^J
( y simi larmente H 2 y H,), y los vectores GQ , a= 4, ..., K + 4, qa +4 = GQY°
^ +a
B^H^ Y° + ^ ^aG^,Y° (2C1)
,^ a^s
Corno Y° tiene una distribucián normal, esta esperanza puede ser obtenida fácil-
mente. En particular, requerimos las medias de Y° y su matriz de covarianzas, lo que
puede ser obienido como sigue:
Y, = m ^ + V,
,
m, _ «m, _, + X,^3 (21)
v, _ «v, _, + E,
de modo que la varianza de Y° es simplemente la de un proceso autorregresi vo de
orden uno. Existe un problema con las medias iniciales que no son observadas, en este
caso m°. Hay diversos métodos de estimarlas, pero esto es ya un problema que excede
el nivel de esta introducción.
Derivando ahora (20), los cumulantes se obtienen con facilidad. La solución explicita
puede verse en [1 ]. De este rnodo, puede obtenerse explicitamente la aproximación del
APROXIMACIUt^TES A LA DISTRIBUCION FINITA DE CRITERIOS J1-CUADRAr^^C) 1 17
+x
_ ^, ^s r^ ^q ^ uf F( T^ ) (22)
t^ T^ (,S )
- . x:
o equivalentemente
+ ,^.
^rt(s) = e^rrcq^f'(yk,^^ (23)
- x:
La idea es ahora expandir Te(y) por Taylor, expandir el exponente, sustituir,^`(y) por
su aproximación, e integrar término a término. La inversa de esta función característica
aproximada es la función de distribución aproximada de Te(y). La prueba de que el
término de error no altera su orden de magnitud en T, a través de las suce^ivas
^ntegr^^c^^^ne^, e^ c^^mpl^c^^da. ^e reyu^eren c^erta^ c:^^nd^c^une^ en la^ ^ier^^ad^^^ ^ie ^[P ^
que aseguren que puede ser aproximado por Taylor, y ciertas condiciones en la función
característica de q, ^Q(s), que permitan aproxirnar su función de densidad por una
expansión asintóticamente válida. Las condiciones no tienen una interpretación intuitiva
sencilla y se omiten. De todas formas, una explicación intuitiva del teorema puede ser
de utilidad.
aprc^ximación tinal. La difrcultad etitriba, pur supuesto, en probar que en cada paso el
térm^no desecht.do es del orden de magnituci requerido en T.
Una vez que fa validez del teorema ha sida probado es máti conveniente presentar la
expansión de un modo alternativo que facilite el álgebra. Concretamente, la idea aquí e^
obtener la función característica aproximada de T^(y) ^expanciiendo todo» por Taylor,
e integra.r térrnino a término. Finalmente, invirtiendo esta aproximación obtendremos
una expresión explícita para la aproximación a la probabilidad hnita que buscamos.
+,
= E, es Tr (q )t ^(y ^y
W Te (-S )
-x
La expansión ha sido obtenida hasta un error O{T "3'2) por razones que luego serán
patentes. Bajo las condiciones del T`"", puede escribirse
Te (^ , Z ) = b 2 + R , (ó , K^ ) fT + R ^ (b , K^ ) ! T + p( T -;'2) ( 26)
donde R^ y R2 son términos que dependen de las derivadas de e(.) hasta el orden
cuarto, y están evaluadas en Ey = µ.
por otra parte, aplicando la idea descrita a1 principio se obtiene con facilidad la
aproximación a la densidad de X=^%^T L(y - µ}[recordando X^(i^i{U, I)] .
y donde
a(X) - N(a, I)
1 C ,- 6 = U(l,j T) (28)
2 ^
APROXIMAC"IOIYFS A L.A DISTRIBUCIO^I I"ZNITA DE C'RITF.RIOS Jl-('t'ADRAIX) 119
y que IS21'^)S21 2) sea idempotente y de rangu h. E^^t^^ cundición, en el c^^su visto arriha
y en hastanteti situaciones reales, tie va a cumplir cc^n i,^ualdad. Pero, en general , es un
prohlema el obtener esas derivadas.
n(r ) _ ^. ^r _ I + a^ zr
S
^3(r) = ^ h rtz -s ^
^ ^
^=I
de ^(µ ), eQ y ^ e^- - H, pero estos términos son con frecuencia nulos, de modo que el
error de las aproximaciones asintóticas no es de orden ( l y` T), sino de orden (1 /T) en
muchas ocasiones .
Las derivadas del criterio pueden ser evaluadas numéricamente, la que plantea otra
serie de interesantes problemas de tipo numérico que están discutidos en [ 1]. La
aproximación puede ser utilizada con parámetros estimados, obteniéndose un error
O(T -3'2) si n(r )= 0. Tarnbién puede utilizarse sencillamente para estimar el intervalo
correspondiente a una probabilidad dada, manteniéndose el orden de error T!3'2
1 - Asintótica.
11 - 1~inita (cierta).
l i l- Aproximación a la finita.
Este resultado, para T alto también puede derivarse teóricamente requiriendo b^ > 0
( ver [29 ]). Esta condición, por otra parte, se requiere para la validez misma de la
aproximación, y empíricamente siempre se ha cumplido,
EI probiema entonces es que los tests de hipótesis se llevan a cabo en las colas. Una
pequeña diferencia de probabilidad supone una variación porcentual de a veces el cien
por cien en el intervalo de confianza.
111. CONCLUSION
I't~'^trll'^It^rt ^t' n^^l•t11^t^t^^^i^ t'n ^t^^ t'rl^t^l^t'^ rUC't^t' ^t't' I^tt~IIt11t'nIt' I^t'l^t.^.i^^i. 1't^r t)tt•ai ^^trtt'.
REFERENCIAS
[2] PNILLIPS, P. C. B.: «A general theorem in the theory of asymptotic expansions as approxi-
mations to the finite sample distributions of econometric estimators^ . Ec•onometrica, 1977.
[4] SARGAN, J. D.: «Econometric estimators and the Edgeworth approximation^. Econometricu,
1976.
[5 ] SARGAN, J. D., y SATCHELL, S.: The vaJidityo uf multivariate Edkeworth expunsi^ns for
uutoregressit^e mvdels. London School of Econornics, workshop in econometric methodo-
logy, mimeo, 1979.
[6] SARGAN, J. D., y TsE, Y. K.: «Edgeworth approximations to the distributions of various test
statistics^. London School of Economics. Econometrics Programm Discussion Paper, núm.
A22, 1979.
^7] SARGAN, J. D.: «Some approximations to the distributions of econometric criteria which are
asymptotically distributed as chi-squared^. Econornetricu, 1980.
[8) STUART, A., y KENDALL, M.: The advanced theory of statistics. Griffin, London, 1969.
122 ESTAi^[STIC'A E^SPAl'VOLA
lyl TSE, Y. K.; ^J^,^^ ^,•urth u^^^ruxirnutivn.+ tc^ 1ir^ _/init^ sum^l^ c^i.^trihuti^^n c^J^ ^ec•vn^^m^etric•
^.titimutc,r.ti uncl tYSt stutistic-s. Tesi^, doctoral nu publicada. London School of Ecc^nomics,
19Kt.
( lOj Wwt^LACE, D. L.: ^Asymptotic approximations to distributions». Annuls cj^ Mutht^muticut
Stuti.titic•s^, pp. 635-654, 195^.
SUMMARY