Curso: Econometría I
Profesor: Mg. Max Henrry Alvarado Anampa
Prueba de los supuestos
del modelo de MCO:
Autocorrelación
Profesor: Mg. Max Henrry Alvarado Anampa
1 2
1 2
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
 Como se puede apreciar en estos gráficos, los errores están relacionados
conforme avanza el tiempo.
 En el primer grafico se puede apreciar que si el error en el tiempo t - 1 subió,
el error en el tiempo t también subió y cuando el error previo comenzó a
bajar el siguiente también bajo.
 En los dos siguientes gráficos se muestra que los errores exhiben una
autocorrelación positiva (grafico 10) o negativa (grafico 11). Todos estos casos
presentan violaciones del supuesto de no autocorrelación.
3 4
3 4
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
 Este supuesto establece que los errores de la regresión presentada en la
ecuación no deben ser serialmente correlacionados; es decir;
que los errores en el periodo i; no deben depender de los errores en cualquier
en otro periodo j.
 Los siguientes gráficos presentan errores autocorrelacionados:
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
Posibles causas de la autocorrelación de los errores
Entre las causas mas probables se puede mencionar las siguientes:
 La existencia de un patrón estacional.
 El uso de una forma funcional incorrecta para modelar la relación entre la
variable endógena y las variables explicativas.
 Omisión de variables explicativas que a su vez están autocorrelacionadas.
 Existen varios test que permiten identificar la presencia de autocorrelación
entre los errores.
 El test de Durbin-Watson para autocorrelación de primer orden y;
 El test de Breusch-Godfrey para probar la presencia de autocorrelaciones
de orden superior.
1
Curso: Econometría I
Profesor: Mg. Max Henrry Alvarado Anampa
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
El test de Durbin-Watson
 El test de Durbin-Watson permite determinar la presencia de autocorrelación
de primer orden, o sea:
 Donde vi es independiente e idénticamente distribuida (i.i.d) como una
normal con media cero. Las hipótesis de este test serán:
 Es decir, la hipótesis nula del test de Durbin-Watson es de no autocorrelación.
El test se basa en la correlación muestral entre εi y εi-1:
5 6
5 6
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
El test de Durbin-Watson
 El test de Durbin-Watson se basa en una distribución no estándar.
 El test tiene dos valores críticos que se llamaran DWL y DWS.
 Para hallar los valores críticos se necesitaran determinar los grados de
libertad de este test y el tamaño de la muestra. Los grados de libertad son
iguales al numero de parámetros de la regresión, sin incluir el intercepto.
 Es importante notar que, para que el test de Durbin-Watson sea valido, la
regresión tiene que incluir el intercepto, que todos los regresores sean
estocásticos y que en la parte derecha de la regresión no se encuentren
valores rezagados de la variable endógena.
 Si estas condiciones no se cumplen, lo que pasara es que el test tendera a ser
igual a 2, es decir, tendera a no rechazar la hipótesis nula de no
autocorrelación.
7 8
7 8
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
El test de Durbin-Watson
 Como se puede observar, si los errores están autocorrelacionados
positivamente, el numerador será pequeño, mientras que si la
autocorrelación es negativa el numerador será grande.
 La ecuación anterior se aproxima mediante la siguiente formula:
 Donde ρ representa la correlación muestral de los errores.
 Se recuerda que el coeficiente de correlación es una medida de asociación
lineal definido en el intervalo [-1, +1].
 Por lo tanto, el test de Durbin-Watson se encuentra definido en el intervalo [0,
4]. Si ρ = 0, esto implicara que los errores son no autocorrelacionados. En
general se tendrá:
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
El test de Durbin-Watson
 Este test tiene las siguientes áreas que permitirán determinar si los errores
presentan autocorrelación de primer orden: si el valor del estadístico se ubica
cerca de cero (cuatro), los errores presentaran autocorrelación positiva
(negativa).
 Si el estadístico toma un valor cercano a 2, los errores serán no
autocorrelacionados.
 Sin embargo, es necesario tener en cuenta que existen dos áreas en las que
no se puede alcanzar ninguna conclusión. Esto se aprecia en el siguiente
diagrama:
2
Curso: Econometría I
Profesor: Mg. Max Henrry Alvarado Anampa
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
El test de Durbin-Watson
 EViews presenta este test como parte de la ventana de los resultados de la
regresión. El test de Durbin-Watson para el ejemplo anterior es igual a 2,2189,
el que se encuentra en el área de no rechazo de la hipótesis nula. Por lo tanto,
se puede afirmar que en ejemplo los errores no presentan autocorrelación de
primer orden.
9 10
9 10
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
El test de Breusch-Godfrey
 Es decir, la hipótesis nula de este test es la de no autocorrelación de grado m.
El test de Breusch-Godfrey se distribuye como una distribución chi cuadrada
con m grados de libertad:
 Donde: n es el tamaño de la muestra y m el numero de rezagos utilizados en
la ecuación:
 Para estimar el test, primero se corre la regresión para obtener los errores y
luego se estima la siguiente regresión:
 Es decir; se regresan los errores empleando todas las variables explicativas
utilizadas en la regresión original mas los rezagos de los mismos.
 De esta regresión se obtiene el coeficiente de determinación (R 2 ) y se estima
11
el valor del test siguiendo
11
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
El test de Breusch-Godfrey
 La no existencia de una autocorrelación de primer orden no garantiza que los
errores presenten autocorrelación de orden superior.
 Es decir, el test de Durbin-Watson no puede decir nada respecto a:
 Donde: vi es independiente e idénticamente distribuida (i.i.d) como una
normal con media cero. En este caso será necesario utilizar el test de Breusch-
Godfrey cuyo set de hipótesis es:
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
El test de Breusch-Godfrey
 Para realizar la prueba de la hipótesis se encuentran los valores críticos
usando la distribución chi cuadrada con grados de libertad iguales al numero
de rezagos utilizados en la ecuación:
 Para determinar el numero de rezagos necesarios para este test,
normalmente se emplea la siguiente regla empírica: si los datos son diarios,
5 rezagos (una semana), y si los datos son mensuales, 12 rezagos (un año).
 Analizando el ejemplo anterior en EViews con 05 rezagos; se obtiene la
siguiente ventana:
12
12
3
Curso: Econometría I
Profesor: Mg. Max Henrry Alvarado Anampa

Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0 Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0

El test de Breusch-Godfrey El test de Breusch-Godfrey
 Como se puede observar ambos estadísticos son bastante similares.
 Se utiliza el p-valor para ver si se rechaza la hipótesis nula de no
autocorrelación. Se asume un nivel de significancia del 5%.
 El p-valor es igual a 0,0519 y 0,0498 para la prueba F y de Breusch-Godfrey,
respectivamente. Dado el nivel de significancia del 0,05, se puede
marginalmente no rechazar H0. (Por tanto aceptar la no correlación serial de
los residuos).
 Sin embargo, una solución mas conservadora seria rechazar la hipótesis nula,
realizar los ajustes necesarios que son necesarios cuando la autocorrelación
esta presente.

13 14

13 14

Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0 Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0

Consecuencias de la autocorrelación Errores estándar ajustados por autocorrelación y
 Al igual que en el caso de heterocedasticidad, la presencia de autocorrelación heterocedasticidad: El método de Newey-West
no afecta la propiedad de insesgamiento de los coeficientes.
 La presencia de autocorrelación no afecta el insesgamiento de los coeficientes
 Sin embargo, ante la presencia de autocorrelación los parámetros estimados
no serán eficientes. Esto significa que las inferencias serán incorrectas. estimados pero si su eficiencia.
 En presencia de autocorrelación positiva, los errores estándar serán sesgadas  El método de Newey-West presenta una forma general de estimar la matriz
hacia abajo, lo que significa que los test estadísticos como el t-test serán mas de varianza-covarianza que es consistente con heterocedasticidad y
grandes, lo que a su vez incrementara la probabilidad de rechazar la hipótesis autocorrelación.
nula cuando esta es correcta (aumenta el error tipo I).
 También, como la varianza de los errores será menor, el R2 será mayor.  El estimador esta dado por:
 Pasara lo contrario cuando la autocorrelación sea negativa.
 Existen varias formas para tratar el problema de autocorrelación de los  Donde: n representa el numero de observaciones, k el numero de variables
errores: exógenas y donde:
 El procedimiento de Cochrane-Orcutt en el que se determina la forma de la autocorrelación y
se modifica la regresión;
 El método de Newey-West que es un procedimiento que se concentra en modificar la matriz
de varianza-covarianzas y; 15 16

 Los métodos que se dedican a analizar la estructura dinámica de la regresión.

15 16

4
Curso: Econometría I
Profesor: Mg. Max Henrry Alvarado Anampa
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
Errores estándar ajustados por autocorrelación y Errores
heterocedasticidad: El método de Newey-West
 En esta ultima ecuación m representa el numero de rezagos utilizados para
evaluar la autocorrelación de los residuos de la ecuación de MCO. EViews
establece m de la siguiente manera:
 Donde floor() significa que se toma la parte entera del numero.
 Del ejemplo anterior (EViews) se tiene los siguientes resultados:
17
17
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
Mala especificación de la dinámica del modelo
 Una posible causa por la que los errores pueden estar autocorrelacionados
puede deberse a la mala especificación de la estructura dinámica del modelo
de regresión lineal.
 Es decir, puede ser que la variable endógena no sea solamente explicada por
variables contemporáneas, sino –además– por variables rezagadas.
 Por ejemplo:
 Mas aun, es posible que la dinámica del sistema pueda ser explicada
incorporando rezagos de la misma variable endógena:
19
19
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
estándar ajustados por autocorrelación y
heterocedasticidad: El método de Newey-West
 Según el segundo cuadro (mostrado en el test de DW); el que las desviaciones
estándar sean más grandes (respecto al cuadro anterior) implica a su vez que
los valores del t-test (t-Statistic) sean menores y, por lo tanto, la probabilidad
de no rechazar H0 aumentará.
 Ahora; por ejemplo el error estándar del intercepto era 0,004812 (segundo
cuadro) y ahora, con la matriz de varianza-covarianzas ajustada por
heterocedasticidad y autocorrelación es igual a 0,004180 (cuadro anterior), lo
que hace que el t-Statistic pase de -2,912855 a -3,352733 (se incrementa e
valores absolutos)
 Lo que implica que la probabilidad de rechazar la hipótesis nula de no
significancia estadística del coeficiente del intercepto, aumenta (la
probabilidad de aceptar la hipótesis nula disminuye, pasa de 0,0038 a
0,0009). 18
18
Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0
Mala especificación de la dinámica del modelo
 Si se tiene una muestra pequeña, la inclusión de variables exógenas
rezagadas puede causar que los estimadores estimados no sean insesgados
aunque seguirán siendo consistentes. Lo que implica que si la muestra es
grande el problema de insesgamiento desaparecerá.
 Es importante entender que si el problema de autocorrelación esta presente
incluso después de haber incluido variables rezagadas, los estimadores del
modelo de MCO no solo no serán sesgados sino a su vez no consistentes.
20
20
5
Curso: Econometría I
Profesor: Mg. Max Henrry Alvarado Anampa

Supuesto 3b: No autocorrelacion, cov(εi,εj) = 0

Mala especificación de la dinámica del modelo
 Se considera el siguiente modelo:

 Se supone que luego de introducir la variable endógena rezagada, los errores siguen
siendo autocorrelacionados, es decir:

 En este caso, los coeficientes estimados no serán consistentes así se utilice una
muestra bastante grande. Reemplazando las dos ultimas ecuaciones:

 Rezagando la primera ecuación:

 Si se observan las dos ultimas ecuaciones: en la primera yi depende de yi-1 ; en la

segunda se advierte que yi-1 depende de εi-1.
 Por lo tanto, la condición de ortogonalidad, E(X’ × ε) = 0, será violada ya que yi-1
21 esta
relacionado con εi-1. Es por esto que los coeficientes estimados serán inconsistentes.

21