AUTOCORRELACI

ON

FORMAS DE IDENTIFICACIN DEL

PROBLEMA

El contraste de rachas permite verificar la

hiptesis nula de que las perturbaciones se
distribuyen identica e independientemente, es
decir,

si

las

sucesivas

observaciones

son

independientes. Este contraste se basa en el

nmero de rachas que presenta la perturbacion

Autocorrelacion

Forma de deteccin
del problema

Grficos

permite verificar la
hiptesis nula de que
las perturbaciones se
distribuyen identica e
independientemente

Durbin-Wattson

El nmero total de
rachas en una muestra
proporciona un indicio
de si hay o no
aleatoriedad en la
muestra.

Rachas

Un nmero reducido de
rachas es indicio de que
las observaciones no se
han extrado de forma
aleatoria

un nmero excesivo de
rachas puede ser
tambin indicio de no
aleatoriedad de la
muestra.

Autocorrelacion

Consecuencias del
problema

Rachas

es que la estimacin MCO

deja de ser eficiente por lo
tanto la inferencia
estadstica tambin se ver
afectada

Cuando se tiene
autocorrelacin positiva, se
tiende a cometer error tipo I
(rechazar la hiptesis nula
cuando es verdadera

Las consecuencias
dependen del tipo de
autocorrelacin (positiva o
negativa)

si el tipo de autocorrelacin es
negativa, se tiende a cometer
error tipo II (no rechazar la
hiptesis nula cuando es falsa).

Autocorrelacion

Forma de solucion del

problema

Rachas

permite verificar la
hiptesis nula de que las
perturbaciones se
distribuyen identica e
independientemente

El nmero total de
rachas en una muestra
proporciona un indicio
de si hay o no
aleatoriedad en la
muestra.

Un nmero reducido de
rachas es indicio de que
las observaciones no se
han extrado de forma
aleatoria

un nmero excesivo de
rachas puede ser
tambin indicio de no
aleatoriedad de la
muestra.

Ejemplo de aplicacin
50000

Observando los residuos de la

regresin podemos localizar
rachas de residuos de igual
signo. Una elevada presencia de
residuos contiguos de igual signo
evidencia una cierta norma
sistemtica que habitualmente
indica autocorrelacin positiva (+
+++++++------+++++++------De
modo anlogo, un cambio
sistemtico de signos (+-+-+-+-++-+-.) podra indicar
autocorrelacin negativa.
En nuestro ejemplo, los signos de
los residuos son los siguientes
(presentados por aos para
simplificar su observacin):

40000

30000
20000

4000

10000

2000

0
-2000
-4000
82

84

86

88

Residual

90

92

94

Actual

96

98

00

Fitted

02

1981

1982

1983

1984

198

1986

1987

1988

1989

1990

++++

++++

+++-

-+--

----

++++

++++

+++-

+---

----

----

1992

1993

1994

1995

199

1997

1998

1999

2000

2001

200

6
----

199

----

----

++-+

--++

2
++++

++++

++++

--+-

++--

--

El nmero de rachas de residuos de igual signo (nmero

de veces que los residuos cambian de signo ms uno) es
18.

En ausencia de autocorrelacin el nmero esperado de

2N N
E

1
rachas es
N N
1

con una varianza de:

donde:

V R

2 N1 N 2 2 N 1 N 2 N 1 N 2

N1 N 2 2 N1 N 2 1

N1: Nmero de residuos positivos (44 en nuestro ejemplo)

N2: Nmero de residuos negativos (42 en nuestro ejemplo)

En nuestro ejemplo, por tanto, la esperanza y varianza

esperadas en ausencia de autocorrelacin sera :

E R
V R

2 N1 N 2
2 44 42
1
1 43,98
N1 N 2
44 42

2 N1 N 2 2 N1 N 2 N1 N 2

N1 N 2 2 N1 N 2 1

2 44 42 2 44 42 44 42

44 42 2 44 42 1

21,22

Partiendo de esa media y esa varianza y asumiendo normalidad, el

intervalo de confianza al 95% para las rachas en ausencia de
autocorrelacin sera:

El nmero de rachas obtenido en nuestro caso (18) es claramente

inferior al valor mnimo del intervalo (35) de modo que podemos
rechazar la hiptesis nula de NO autocorrelacin al 95%.