Clases de autocorrelacióN Y HETEROCEDASTICIDAD
21
CLASES DE EVIEWS AUTOCORRELACCION Definicion: La autocorrelación es la relación que se da entre las variables perturbadoras,contraviniendo uno de los supuestos para estimar el modelo a partir de la independencia que debería existir entre estas variables. Este problema se presenta fundamentalmente cuando se realizan estudios econométricos de series históricas. En este caso, en cada periodo, las variables independientes deberían ser las únicas que expliquen el modelo, y no lo que halla sucedido periodos anteriores. Es decir, ni los fenómenos ocurridos anteriormente, o la tendencia o ciclo de la variable debería afectar, en dicho periodo el comportamiento de la variable dependiente Si no hay comportamiento sistematico en los errores no hay problemas de autocorrelacion. Causas: Inersia . no hay dinamica en el modelo Sesgo de especificacion .cuando omitimos una variable Cuando trabajamos con datos muy agregados . ejm PBI Consecuencias : Nos lleva a la ineficiencia Si la durbin watson sale 1.7 ,3.5 no podemos decididr si realmente hay autocorrelacion, tenemos que ver la tabla. [Escribir texto] Página 1
-
Upload
anitaypati -
Category
Documents
-
view
127 -
download
6
Transcript of Clases de autocorrelacióN Y HETEROCEDASTICIDAD
CLASES DE EVIEWS
AUTOCORRELACCION
Definicion:
La autocorrelación es la relación que se da entre las variables perturbadoras,contraviniendo uno de los supuestos para estimar el modelo a partir de la independencia que debería existir entre estas variables. Este problema se presenta fundamentalmente cuando se realizan estudios econométricos de series históricas. En este caso, en cada periodo, las variables independientes deberían ser las únicas que expliquen el modelo, y no lo que halla sucedido periodos anteriores. Es decir, ni los fenómenos ocurridos anteriormente, o la tendencia o ciclo de la variable debería afectar, en dicho periodo el comportamiento de la variable dependiente
Si no hay comportamiento sistematico en los errores no hay problemas de autocorrelacion.
Causas:
Inersia . no hay dinamica en el modelo Sesgo de especificacion .cuando omitimos una variable Cuando trabajamos con datos muy agregados . ejm PBI
Consecuencias :
Nos lleva a la ineficiencia
Si la durbin watson sale 1.7 ,3.5 no podemos decididr si realmente hay autocorrelacion, tenemos que ver la tabla.
Residuos:
Página 1
CLASES DE EVIEWS
En el grafico se observa que Hay un patrón sistemático, osea:
Los errores tienen un comportamiento sistemático Falta una variable tiempo
Para nuestro modelo :
Incorporando tiempo al modelo :
Incorporando tendencia
Página 2
CLASES DE EVIEWS
En el grafico anterior dodemos decir que Podría ser un problema de autocorrelacion ya que encuentro un patrón sistematico de estos.
Viendo el durbin nos ayuda a observar si hay autocorrelacion de primer orden para ver si hay autocorrelacion de segundo orden este no nos ayuda.
Página 3
CLASES DE EVIEWS
Ojo :la durbin no siempre nos dice si hay autocorrelacion.
e t=ρ et−1+μ t
Debemos saber como sacar ρ
Una tercera forma de determinar es viendo el correlograma
Página 4
CLASES DE EVIEWS
Observando el grafico anterior entonces Rechazo la hipotesis nula y existe correlacion de primer orden , tambien existe autocorrelacion de segundo orden.
Ojo ….Otro test es de maxima verosimilitud.
con5 resagosun pocomas loque nosdice el correlograma
Página 5
CLASES DE EVIEWS
la prueba f nos dice que es 53.98827 y la probabilidda es de 0 entonces rechazo la hipotesis nula entonces existe autocorrelacion de algun orden.
Para determinar de que orden es se observa y se hace un analisis individual y nos dira de que tipo es la autocorrelacion ..la variable significativa es resid (1) entonces hay autocorrelacion de primer orden
Página 6
CLASES DE EVIEWSCOMO CORREGIR
Una forma forma rapida es incorporando dinamica introduciendo el numero de rezagos que esta causando
y(-1) es significativa ,Si no hay problemas de autocorrelacion seria no significativa
Con y(-2), Tambien es significativa
El y(-4) ya nos es significativa
No es la mejor manera de corregir por que y es una variable dependiente d e otras variables tienen autocorrelacion
Entonces generamos una variable y proxi estimado
Metodo iterativo de coch….
Página 7
CLASES DE EVIEWS
Con ar2
Página 8
CLASES DE EVIEWS
no hay autocorrelacion de segundo orden
H0 evidencia de auto correlación positiva
Página 9
CLASES DE EVIEWS
HETEROCEDASTICIDAD
Página 10
30/11/12
CLASES DE EVIEWS
y=Xβ+e
Y=β0+β1 X1+β2X2+e
Z=e2es la proxi de la varianza de los errores
Z=Abs¿ ): es la proxi de la varianza de los errores
Z= log (e):
Z= F (X1,X2)
Página 11
CLASES DE EVIEWS
al ser un modelo se serie esperamos un r cuadrado alto , para identificar problemas de heterocedasticidad..
para breush pagan la variable proxi es r cuadrado, la que causa la heterocedasticidad es el ahorro e ingreso y c
Página 12
CLASES DE EVIEWS
el ahorro no explica a la varianza por que no es significativo. el ingreso no explica a la varianza por que no es significativo.
Por lo tanto noay hetoro.
H0: HOMOCEDASTICIDAD prob ≥0.05 acepto la hipotesisi nula
la varianza es cte. no depende de nadie
HA: HETEROCEDASTICIDAD
la varianza es cte. depende de ahorro o ingreso
Página 13
la prueva f cuando se sospecha normalidad de los errores y (cuando los errores se distribuyen normalmente y si no se distribuyen normalmente se ve la chi cuadrado)
la chi cuando se sospecha una distribucion
es mejor suponser lo malo osea
CLASES DE EVIEWS
En el grafico anterior No son significativos, tampoco existe heterocedasticidad
tampoco existe heterocedasticidad
Página 14
CLASES DE EVIEWS
Test de wait con terminos cruzados
Los resultados nos dice que no hay heterocedasticidad
Test de wait sin terminos cruzados
Es supuesto es que el ahorro e ingreso elevado al cuadrado estan causando heterocedasticidad.
Página 15
CLASES DE EVIEWSEl los resultados concluimos que no hay No Hay heterocedasticidad.
Este test es hecho a la medida , lo que queremos desarrollar
Caso practico 4:
TETS DE WHAIT
Con términos cruzados
Página 16
CLASES DE EVIEWS
Se observa que no hay heterocedasticidad
Sin términos cruzados
Página 17
CLASES DE EVIEWS
Los resultados nos dice que Si existe heterocedasticidad.
En conclusión decimos que los demás test son especificas,(la forma funcional del modelo es esta)
Wait nos dice la forma funcional general, entonces decimos que no hay un heterocedasticidad general pero si especifica , y debemos tratar de corregir este problema
El rmdfam80 esta causando heterocedasticidad . La forma de la heterocedasticidad seria :
existedod maneras de solucionar este problema:
estimadores robustos osea que seal solidos , buenos
Página 18
0.000230 RND2
CLASES DE EVIEWScomo la heterocedasticidad nos traía problemas de ineficiencia y test altos y probabilidades altas , lo que busca estetest es aumentar los t y las proba.en nuestro modelo el it no es significatico por que el t es muy bajo
Página 19
CLASES DE EVIEWS
con estimadores robustos nuestro mejor modelo es el resultado anterior.
Página 20
CLASES DE EVIEWS
Página 21
