UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Facultad de Economía

SISTEMA DE UNIVERSIDAD ABIERTA Y

EDUCACIÓN A DISTANCIA
(SUAyED)

INTRODUCCIÓN A LA ECONOMETRÍA

ACTIVIDAD 14
AUTOCORRELACIÓN

ALUMNA: GALVEZ CORTÉS ABIGAIL ALEXANDRA

ASESOR: CRUZ LÓPEZ IGNACIO

22 / MAYO / 2022
INTRODUCCIÓN

La autocorrelación es uno de los problemas que más comunes con los que nos
encontramos en modelos econométricos, junto a la heteroscedasticidad, es de
suma importancia su análisis, ya que de ser ignorados pueden arrojarnos ajusten
erróneos.

El conocer sus causas nos ayudará a entender de una mejor manera los problemas
que se nos podrían presentar, así mismo, conocer sus métodos de corrección nos
permitirá actuar en caso de encontramos con la autocorrelación.

DESARROLLO

¿Qué es la autocorrelación y qué la ocasiona?

De acuerdo con lo citado por Gujarati, (2010) la “correlación entre miembros de

series de observaciones ordenadas en el tiempo [como en datos de series de
tiempo] o en el espacio [como en datos de corte transversal]”

Los motivos principales por los que ocurre son los siguientes:

Inercia
Cuando se presenta un movimiento ascendente, el valor de una serie en un punto
del tiempo es mayor que su valor anterior, lo cual genera un impulso en ellas, y
continuará hasta que suceda otra cosa.

Sesgo de especificación: caso de variables excluidas

Después del análisis de regresión, el investigador haría el examen post mortem para
ver si los resultados coinciden con las expectativas a priori. En estos residuos
pueden sugerir la inclusión de algunas variables originalmente candidatas pero que
no se incluyeron en el modelo por diversas razones.
Sesgo de especificación: forma funcional incorrecta
Se supone un modelo verdadero o correcto y se ajusta un modelo determinado.

Fenómeno de la telaraña
La oferta reacciona al precio con un rezago de un periodo debido a que la
instrumentación de las decisiones de oferta tarda algún tiempo (periodo de
gestación).

Rezagos
El gasto de consumo en el periodo actual depende, entre otras cosas, del gasto de
consumo del periodo anterior.
Una variable explicativa es el valor rezagado de la variable dependiente.

“Manipulación” de datos
Según Cabrera en el análisis empírico con frecuencia se “manipulan” los datos
simples, esto mediante interpolación o extrapolación.

Transformación de datos
Forma de nivel:

Forma en (primeras) diferencias:

Se emplean en el análisis empírico. A veces la autocorrelación puede inducirse

como resultado de transformar el modelo original.

No estacionariedad
“Una serie de tiempo es estacionaria, de manera informal, si sus características son
invariantes respecto del tiempo; es decir, no cambian en relación con el tiempo. Si
no es así, tenemos una serie de tiempo no estacionaria.” (Gujarati, 2010)

¿Cuáles son las consecuencias de la estimación de MCO en presencia de la

autocorrelación?
Estimación por MCO tomando en cuenta la autocorrelación

Es probable que se declare un coeficiente estadísticamente no significativo, aunque

en realidad pueda serlo.

Por lo tanto, Gujarati (2010) afirma que “para establecer intervalos de confi anza y
probar hipótesis, debe utilizarse MCG y no MCO, aunque los estimadores derivados
de este último sean insesgados y consistentes.”

En el ejemplo gráfico de Gujarati podemos observar que empleando MCO tenemos

que 𝛽2 es cero, mientras que al emplear el intervalo de confianza de MCG el cual
es el correcto, la hipótesis nula de que ese es el valor verdadero se rechaza.

Estimación por MCO ignorando la autocorrelación

(Ecuación sig.)
¿Cómo se detecta la autocorrelación? Pruebas de Durbin-Watson y Breusch-
Godfrey

Prueba d de Durbin-Watson
Es la prueba más conocida y se encuentra definida por:

Se basa en los seis supuestos siguientes:

1. El modelo de regresión incluye el término del intercepto.
2. Las variables explicativas, X, son no estocásticas, es decir, son fijas en
muestreo repetido.
3. Las perturbaciones ut se generan mediante el esquema autorregresivo de
primer orden: 𝑢𝑡 = 𝑝𝑢𝑡−1 + 𝜀𝑡 .
4. Se supone que el término de error ut está normalmente distribuido.
5. El modelo de regresión no incluye valor(es) rezagado(s) de la variable
dependiente como una variable explicativa. Por tanto, la prueba es
inaplicable a modelos del siguiente tipo:

6. No hay observaciones faltantes en los datos.

Si se cumplen los supuestos la prueba se realiza de la siguiente manera:
1. Efectuar la regresión por MCO y obtener los residuos.
2. Calcular d a partir de

3. Para un tamaño de muestra dado y un número de variables explicativas dado,

determinar los valores críticos dL y dU.
 4. Se siguen las siguientes reglas de decisión

Si el valor d estimado se encuentre en la zona de indecisión, se puede utilizar el

siguiente procedimiento de prueba d modificada.

Una prueba general de autocorrelación: la prueba de Breusch-Godfrey (BF)

Esta prueba sigue los siguientes pasos
1. Estime la siguiente ecuación mediante MCO y obtenga los residuos 𝑢̂𝑡 .

2. Realizar la siguiente regresión y obtener R2 de esta regresión (auxiliar).

3. Si el tamaño de la muestra es grande, Breusch y Godfrey demostraron que

¿De qué forma se puede corregir la autocorrelación?

1. Tratar de averiguar si se trata de autocorrelación pura y no el resultado de

una mala especificación del modelo.
2. Si se trata de autocorrelación pura, se puede utilizar una transformación
apropiada del modelo original de manera que en el modelo transformado no
se presente el problema de la autocorrelación (pura).
 3. En muestras grandes se puede utilizar el método Newey-West para obtener
los errores estándar de los estimadores de MCO corregidos para
autocorrelación.
4. En algunas situaciones se puede conservar el método MCO.

CONCLUSIONES

La autocorrelación es un caso particular del modelo de regresión generalizado que

se produce cuando las perturbaciones del modelo presentan correlaciones entre
ellas. La autocorrelación supone que la matriz de varianzas y covarianzas de las
perturbaciones presentan valores distintos de cero en los elementos que están fuera
de la diagonal principal.

Para su corrección se llevan a cabo cuatro pasos que se enlistan de manera

ordenada en la actividad presente.

FUENTES DE CONSULTA

• Gujarati, D. & Porter, D. (2010) Capítulo 12 Autocorrelación: ¿qué pasa si los

términos de error están correlacionados? En Econometría. México: McGraw-
Hill.