ECONOMETRIA 2 - ECON 3301 - SEMESTRE II - 08

Profesor: Ramón Rosales; rrosales@uniandes.edu.co

Profesor Taller: William Delgado; w-delgad@uniandes.edu.co
Profesor Taller: Juan Carlos Vasquez; jvasquez@uniandes.edu.co
Profesor Taller: Diego Marino; dmarino@uniandes.edu.co
Monitor: Alejandro Urrego; j-urrego@uniandes.edu.co
Monitor: Juan Sebastián Sánchez; jua-sanc@uniandes.edu.co
Monitor: Francisco Correa; fr-corre@uniandes.edu.co
Monitor: Carlos Morales; and-mora@uniandes.edu.co
EJC 19: PRUEBAS DE ESTACIONARIEDAD-RAIZ UNITARIA

Continuando con la serie de serie de ventas de automóviles (4x4) para Colombia desde el
primer trimestre de 1970 hasta el segundo trimestre de 1987.
Periodo Yt Periodo Yt Periodo Yt Periodo Yt
1970:1 848 1974:3 1255 1979:1 1416 1983:3 650
1970:2 1153 1974:4 1005 1979:2 1604 1983:4 684
1970:3 1155 1975:1 941 1979:3 1396 1984:1 576
1970:4 1094 1975:2 1197 1979:4 1529 1984:2 494
1971:1 1085 1975:3 1349 1980:1 1467 1984:3 545
1971:2 960 1975:4 1454 1980:2 835 1984:4 657
1971:3 1152 1976:1 1043 1980:3 1031 1985:1 504
1971:4 1215 1976:2 1201 1980:4 1152 1985:2 566
1972:1 967 1976:3 1044 1981:1 1856 1985:3 557
1972:2 1088 1976:4 1296 1981:2 1654 1985:4 553
1972:3 1084 1977:1 1585 1981:3 1243 1986:1 686
1972:4 949 1977:2 1527 1981:4 1130 1986:2 562
1973:1 891 1977:3 1422 1982:1 739 1986:3 538
1973:2 1012 1977:4 1334 1982:2 634 1986:4 523
1973:3 1131 1978:1 933 1982:3 724 1987:1 523
1973:4 1133 1978:2 1385 1982:4 625 1987:2 538
1974:1 1387 1978:3 1455 1983:1 843
1974:2 1314 1978:4 1790 1983:2 751

La gráfica de la serie Yt:

1
 Si se desea estimar la tendencia de la serie puede utilizarse el Filtro Houdrick-
Prescott (1997):

Al parecer la gráfica muestra la existencia de una tendencia en la serie Yt, por lo

cual el proceso estocástico puede ser no estacionario.

El correlograma muestral de la serie Yt, considerando solo 24 rezagos, un número

moderadamente suficiente para analizar el correlograma1, indica que hasta el rezago
11, cada uno de los coeficientes de autocorrelación es significativo (gráfica pag
siguiente). Esto muestra un leve desvanecimiento de la función de autocorrelación.
Adicionalmente, a partir del rezago 22 los coeficientes de autocorrelación
nuevamente comienzan a ser significativos. Este comportamiento es parecido al
correlograma muestral de un modelo de caminata aleatoria, indicando la posibilidad
de que la serie Yt presente raíz unitaria y por tanto sea no estacionaria.

Con base en lo anterior puede sugerirse la transformación de la serie Yt en primeras

diferencias, es decir considerar una nueva variable denotada como ∆Yt, la cual se
obtiene como (Yt) – (Yt-1), Dyt=D(yt), donde Dyt es el nombre de la nueva variable
y D(yt) el comando en Eviews para calcular la primera diferencia de una serie de la
base de datos, por ejemplo en este caso Yt.

1
Comúnmente se utiliza como longitud máxima del rezago n/3 o n/4, donde n es el número de periodos u
realizaciones de la serie.

2
 Date: 10/30/08 Time: 22:11
Sample: 1970:1 1987:2
Included observations: 70

La gráfica de la serie Dyt se muestra en la siguiente imagen:

Posteriormente se estima la tendencia de la serie usando el Filtro Houdrick-

Prescott (1997). A continuación se muestra la tendencia estimada:

3
 Puede observarse que la serie Dyt no muestra tendencia.

El correlograma muestral de la serie Dyt,

Date: 10/30/08 Time: 22:15
Sample: 1970:1 1987:2
Included observations: 69

4
 El correlograma muestra un comportamiento similar a un proceso estocástico “ruido
blanco”. Esto indica que la serie Yt original pudo haberse generado a partir de un
modelo de caminata aleatoria, por lo cual su primera diferencia es un proceso
estocástico puramente aleatorio y estacionario.

Para llevar a cabo la prueba de raíz unitaria a partir del test de Dickey – Fuller para la
serie Yt, se puede iniciar el proceso estimando por mínimos cuadrados ordinarios el
siguiente modelo:

ΔYt = β 0 + β1t + δYt −1 + ut

Dependent Variable: D(YT)

Method: Least Squares
Date: 10/30/08 Time: 22:18
Sample(adjusted): 1970:2 1987:2
Included observations: 69 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
YT(-1) -0.256009 0.079089 -3.236998 0.0019
C 370.8892 117.2525 3.163167 0.0024
@TREND(1970:1) -3.084033 1.398028 -2.205988 0.0309
R-squared 0.142840 Mean dependent var -4.492754
Adjusted R-squared 0.116866 S.D. dependent var 214.9793
S.E. of regression 202.0273 Akaike info criterion 13.49719
Sum squared resid 2693792. Schwarz criterion 13.59432
Log likelihood -462.6530 F-statistic 5.499235
Durbin-Watson stat 2.020213 Prob(F-statistic) 0.006181

Debido a que se requiere verificar el supuesto de la prueba de raíz unitaria de DF,

de la no existencia de correlación serial de los errores, una manera de hacerlo es a
través del correlograma muestral de los residuos.

El correlograma muestral indica que los residuos del modelo son ruido blanco
(gráfica pagina siguiente), por lo cual no es necesario efectuar la prueba de Dickey –
Fuller Aumentada, sino solamente la prueba de Dickey – Fuller – D.F.

5
 Date: 10/30/08 Time: 22:30
Sample: 1970:2 1987:2
Included observations: 69

La prueba de raíz unitaria de D.F al siguiente modelo:

ΔYt = β 0 + β1t + δYt −1 + ut
ADF -3.236998 1% Critical Value* -4.0948
Test Statistic
5% Critical Value -3.4749
10% Critical Value -3.1645
*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(YT)
Method: Least Squares
Date: 10/23008 Time: 22:32
Sample(adjusted): 1970:2 1987:2
Included observations: 69 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
YT(-1) -0.256009 0.079089 -3.236998 0.0019
C 370.8892 117.2525 3.163167 0.0024
@TREND(1970:1) -3.084033 1.398028 -2.205988 0.0309
R-squared 0.142840 Mean dependent var -4.492754
Adjusted R-squared 0.116866 S.D. dependent var 214.9793
S.E. of regression 202.0273 Akaike info criterion 13.49719
Sum squared resid 2693792. Schwarz criterion 13.59432
Log likelihood -462.6530 F-statistic 5.499235
Durbin-Watson stat 2.020213 Prob(F-statistic) 0.006181

6
 Para el modelo:
ΔYt = β 0 + δYt −1 + ut
ADF Test Statistic -2.407805 1% Critical Value* -3.5267
5% Critical Value -2.9035
10% Critical Value -2.5889
*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(YT)
Method: Least Squares
Date: 10/30/08 Time: 22:37
Sample(adjusted): 1970:2 1987:2
Included observations: 69 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
YT(-1) -0.171070 0.071048 -2.407805 0.0188
C 174.2162 78.32220 2.224352 0.0295
R-squared 0.079639 Mean dependent var -4.492754
Adjusted R-squared 0.065902 S.D. dependent var 214.9793
S.E. of regression 207.7748 Akaike info criterion 13.53934
Sum squared resid 2892414. Schwarz criterion 13.60410
Log likelihood -465.1074 F-statistic 5.797525
Durbin-Watson stat 2.053027 Prob(F-statistic) 0.018808
Para el modelo:
ΔYt = δYt −1 + ut
ADF Test Statistic -0.913042 1% Critical Value* -2.5963
5% Critical Value -1.9451
10% Critical Value -1.6182
*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(YT)
Method: Least Squares
Date: 10/30/08 Time: 22:41
Sample(adjusted): 1970:2 1987:2
Included observations: 69 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
YT(-1) -0.021310 0.023339 -0.913042 0.3644
R-squared 0.011673 Mean dependent var -4.492754
Adjusted R-squared 0.011673 S.D. dependent var 214.9793
S.E. of regression 213.7209 Akaike info criterion 13.58161
Sum squared resid 3106010. Schwarz criterion 13.61398
Log likelihood -467.5654 Durbin-Watson stat 2.228134
Puede concluirse (para este último modelo) que al 1%, 5% y 10% de significancia, el
estadístico calculado es menor en valor absoluto del valor crítico D.F., indicando que la
serie Yt presenta raíz unitaria, por lo tanto Yt es un proceso estocástico no estacionario.