UNMSM- FCE

Econometría I
Análisis de quiebre estructural

Generación de las variables para el análisis

WORKFILE m 1995:01 2000:12

genr x1=nrnd*5
genr x2=@trend*0.1+nrnd*3
smpl 1995:01 1998:05
genr y=3.5+1.75*x1-1.9*x2+nrnd
smpl 1998:06 2000:12
genr y=2.3+1.75*x1-2.3*x2+nrnd
smpl @all

Dependent Variable: Y
Method: Least Squares
Date: 10/20/05 Time: 13:42
Sample: 1995:01 2000:12
Included observations: 72
Variable Coefficient Std. Error t-Statistic Prob.
C 3.356233 0.287831 11.66044 0.0000
X1 1.753084 0.037037 47.33313 0.0000
X2 -2.240608 0.053920 -41.55407 0.0000
R-squared 0.980512 Mean dependent var -7.079737
Adjusted R-squared 0.979947 S.D. dependent var 11.01909
S.E. of regression 1.560413 Akaike info criterion 3.768552
Sum squared resid 168.0074 Schwarz criterion 3.863413
Log likelihood -132.6679 F-statistic 1735.775
Durbin-Watson stat 0.971545 Prob(F-statistic) 0.000000

Análisis recursivos
1) Residuos recursivos (et);
et
Residuos normalizados w t  ; t  k  1, ..., T
1  x t' ( X t'  1 X t  1 ) x t

-2

-4

-6
1 996 1997 1 998 1999 2000

Re c urs i ve Re s i dual s ± 2 S .E .

Mg. Beatriz Castañeda S.

UNMSM- FCE
Econometría I
2) CUSUM Test (Suma acumulativa de residuos normalizados)
1 t
Wt   w ; t  k  1, ..., T ; ˆ  S e de toda la muestra
ˆ r  k  1 r

Si el modelo es estable E(Wt) = 0

40

20

-20

-40
1996 1997 1998 1999 2000

CUSUM 5% Signific anc e

3) CUSUM of squares test (Suma acumulativa de residuos normalizados al cuadrado)

t
 w r2
r  k 1
St  T
; t  k  1, ..., T
 w r2
r  k 1

Si el modelo es estable E(St) =( t-k) / (T-k)

1.2

1.0

0.8

0.6

0.4

0.2

0.0

-0.2
1996 1997 1998 1999 2000

CUSUM of Squares 5% Significance

4) One-step forecast test (Test predictivo de una etapa)

Mg. Beatriz Castañeda S.

UNMSM- FCE
Econometría I

et error de la predicción un periodo hacia adelante

4
2
0
-2
-4
0.00
-6

0.05

0.10
Nivel de
significancia
0.15
Prueba T 1996 1997 1998 1999 2000

One-Step Probability Recursive Residuals

5) N-step forecast test (Test predictivo de n etapas)

[ SCE (T )  SCE (T1 )] / T2

F  F(T , T1  k )
SCE (T1 ) /(T1  k ) 2

4
2
0
-2
-4
0.00
-6

0.05
Nivel de
significancia
0.10
Prueba F
0.15
1996 1997 1998 1999 2000

N-Step Probability Recursive Residuals

Menor significancia implica mayor discrepancia entre el modelo para la primera muestra
(T1) con el modelo para la muestra total (T)

6) Recusive coeficcients

Mg. Beatriz Castañeda S.

UNMSM- FCE
Econometría I
Estima los coeficientes del modelo de manera recursivo, si el modelo es estable las
estimaciones de los coeficientes deben tender a ser convergentes y la varianza del
estimador tiende a reducirse, conforme crece la muestra.

4 .4 1 .95

1 .90
4 .0

1 .85
3 .6
1 .80
3 .2
1 .75

2 .8
1 .70

2 .4 1 .65
1996 19 9 7 1998 1 9 99 2000 1 9 96 19 9 7 1998 1999 2000

Re c urs i v e C(1 ) Es ti m a te s ± 2 S.E. Re c urs i v e C(2 ) Es ti m a te s ± 2 S.E.

-1 .7

-1 .8

-1 .9

-2 .0

-2 .1

-2 .2

-2 .3

-2 .4
1996 1 9 97 1998 1999 2000

Re c u rs i v e C(3 ) Es ti m a te s ± 2 S.E.

Análisis Estructural

Test de Chow
1) Breakpoint test Chow

[ SCE ( MR )  ( SCE (T1 )  SCE (T2 ))] / k

F  F( K , T  2 k )
[ SCE (T1 )  SCE (T2 )] /(T  2k )

Chow Breakpoint Test: 1998:06

F-statistic 49.11341 Probability 0.000
Log likelihood ratio 84.47281 Probability 0.000

2) Forecast test Chow

Mg. Beatriz Castañeda S.

UNMSM- FCE
Econometría I
[ SCE (T )  SCE (T1 )] / T2
F  F(T , T1  k )
SCE (T1 ) /(T1  k ) 2

Chow Forecast Test: Forecast from 1998:06 to 2000:12

F-statistic 8.119937 Probability 0.000000
Log likelihood ratio 146.2552 Probability 0.000000

Test Equation:
Dependent Variable: Y
Method: Least Squares
Date: 10/20/05 Time: 13:15
Sample: 1995:01 1998:05
Included observations: 41
Variable Coefficient Std. Error t-Statistic Prob.
C 3.686182 0.157822 23.35658 0.0000
X1 1.794730 0.023126 77.60822 0.0000
X2 -1.982900 0.037100 -53.44779 0.0000
R-squared 0.995229 Mean dependent var -3.855100
Adjusted R-squared 0.994978 S.D. dependent var 10.74572
S.E. of regression 0.761511 Akaike info criterion 2.363332
Sum squared resid 22.03618 Schwarz criterion 2.488715
Log likelihood -45.44831 F-statistic 3963.430
Durbin-Watson stat 2.197207 Prob(F-statistic) 0.000000

Se aplica cuando el punto de quiebre es cercano al final del periodo muestral y no

se cuenta con información suficiente para estimar el segundo modelo.

Estimación del modelo considerando la presencia de

quiebre estructural a partir de 1998:06

Generación de variables dummy

smpl @all
Genr Dum=0
smpl 1998:06 2000:12
Genr Dum=1
Smpl @all

Mg. Beatriz Castañeda S.

UNMSM- FCE
Econometría I
Modelo estimado considerando cambio en todos los coeficientes

Dependent Variable: Y
Method: Least Squares
Date: 10/20/05 Time: 13:36
Sample: 1995:01 2000:12
Included observations: 72
Variable Coefficient Std. Error t-Statistic Prob.
C 3.686182 0.183916 20.04277 0.0000
DUM -1.890307 0.420154 -4.499079 0.0000
X1 1.794730 0.026949 66.59726 0.0000
X1*DUM -0.077557 0.043362 -1.788608 0.0783
X2 -1.982900 0.043234 -45.86468 0.0000
X2*DUM -0.202322 0.072589 -2.787219 0.0069
R-squared 0.993971 Mean dependent var -7.079737
Adjusted R-squared 0.993514 S.D. dependent var 11.01909
S.E. of regression 0.887417 Akaike info criterion 2.678652
Sum squared resid 51.97560 Schwarz criterion 2.868374
Log likelihood -90.43147 F-statistic 2176.197
Durbin-Watson stat 2.247042 Prob(F-statistic) 0.000000

Modelo estimado considerando cambio significativo solo en la constante y el efecto de x2

Dependent Variable: Y
Method: Least Squares
Date: 10/20/05 Time: 13:37
Sample: 1995:01 2000:12
Included observations: 72
Variable Coefficient Std. Error t-Statistic Prob.
C 3.628573 0.184021 19.71824 0.0000
DUM -1.800852 0.423958 -4.247716 0.0001
X1 1.764773 0.021456 82.25039 0.0000
X2 -1.976588 0.043791 -45.13698 0.0000
X2*DUM -0.212556 0.073541 -2.890293 0.0052
R-squared 0.993679 Mean dependent var -7.079737
Adjusted R-squared 0.993301 S.D. dependent var 11.01909
S.E. of regression 0.901863 Akaike info criterion 2.698207
Sum squared resid 54.49493 Schwarz criterion 2.856309
Log likelihood -92.13547 F-statistic 2633.023
Durbin-Watson stat 2.338142 Prob(F-statistic) 0.000000

Mg. Beatriz Castañeda S.