Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Julio 2016.
Autocorrelación
Definición.
Consecuencias.
Causas.
Detección.
Medidas para reducir los efectos.
El término autocorrelación se define como la
correlación entre miembros de series de
observaciones ordenadas en el tiempo (como en
datos de series de tiempo) o en el espacio (como
datos de corte transversal).
Supuesto:
𝑂𝑓𝑒𝑟𝑡𝑎𝑡 = 𝛽1 + 𝛽2 𝑃𝑡−1 + 𝜀𝑡
Rezagos.
En una regresión de series de tiempo del gasto de consumo sobre el
ingreso no es extraño encontrar que el gasto de consumo en el
periodo actual dependa, entre otras cosas, del gasto de consumo del
periodo anterior.
Suponga:
𝜀𝑡 = 𝜌 𝜀𝑡−1 + 𝑣𝑡
−1 < 𝜌 < 1
𝑣𝑡 cumple todas las condiciones de Gauss-Markov.
Esta representación implica que 𝜀𝑡 depende sólo de los
valores pasados de 𝑣𝑡 .
𝐿𝑥𝑡 = 𝑥𝑡−1
𝐿2 𝑥𝑡 = 𝑥𝑡−2
𝐿−1 𝑥𝑡 = 𝑥𝑡+1
Podemos hacer la siguiente transformación:
𝜀𝑡 1 − 𝜌𝐿 = 𝑣𝑡
𝑣𝑡
𝜀𝑡 =
(1 − 𝜌 𝐿 )
𝜀𝑡 = σ∞𝑖=0 𝜌 𝐿 𝑖 𝑣
𝑡
𝜀𝑡 =σ∞
𝑖=0 𝜌 𝑖
𝑣𝑡−𝑖
Si:
𝐸 𝜀1 , 𝜐2 = 0
𝐶𝑜𝑣 𝜀𝑡 , 𝜀𝑡−𝑗 = 𝜌 𝑗 𝜎𝜀 2
Se tiene la matriz de varianzas y covarianzas del
término de error:
1 2 3 ... t −1
1 2 ... t − 2
𝐶𝑜𝑣 𝜀 = 𝜎𝜀 2 σ =𝜎𝜀 2 2
1 ... t −3
... ... ... ... ... ...
t −1 t −2 t −3 t −4 ... 1
Detección de la autocorrelación.
𝜀𝑡 = 𝜀𝑡−1 + 𝑣𝑡
Donde 𝑣𝑡 reúne las características de un ruido blanco.
Específicamente, el estadístico propuesto, a través del cual podemos
verificar la hipótesis nula de ausencia de autocorrelación viene dado
por:
σ𝑡=𝑛
𝑡=2 𝜀𝑡Ƹ − 𝜀𝑡−1
Ƹ 2
𝐷= 2
σ𝑡=𝑛 𝜀
𝑡=1 𝑡 Ƹ
σ 𝜀𝑡Ƹ 2 + σ 𝜀𝑡−1
Ƹ 2 + 2 σ 𝜀Ƹ 𝜀𝑡−1
Ƹ
𝐷=
σ 𝜀𝑡Ƹ 2
Si 𝑛 es suficientemente grande.
𝜀𝑡Ƹ 2 ≅ 𝜀𝑡−1
Ƹ 2
𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝜀𝑡
Y se tiene: 𝐴𝑅(𝑝)
𝜀𝑡 = 𝜌1 𝜀𝑡−1 + 𝜌2 𝜀𝑡−2 + ⋯ + 𝜌𝑝 𝜀𝑡−𝑝 + 𝑣𝑡
Planteamiento de hipótesis:
𝐻0 : 𝜌𝑖 = 0, ∀𝑖
𝐻1 : 𝜌𝑖 ≠ 0, ∀𝑖
Paso 1:
𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝜀𝑡
Paso 2:
Regresionamos y obtenemos: 𝑅2
Paso 3:
Tenemos el siguiente estadístico de prueba:
𝑛𝑅 2 ~𝜒𝑝 2
𝜒𝑐𝑎𝑙𝑐 2 > 𝜒𝑝 2 , existe problemas de
autocorrelación.
𝜒𝑐𝑎𝑙𝑐 2 < 𝜒𝑝 2 , no existe problemas de
autocorrelación.
Intuitivamente, se observa que el coeficiente R2 tenderá a
cero en la medida en que las variables explicativas
propuestas en la regresión anterior no expliquen
adecuadamente a los residuos.
Resultados:
Test Equation:
LS // Dependent Variable is RESID