Академический Документы
Профессиональный Документы
Культура Документы
On the Existence of a Unit Root in the Time Series of Monthly Electricity Prices in Colombia
Abstract: Usually, the time series of electricity prices in different markets show structural changes due to econo-
mic conditions related to supply, demand or specific market rules. While some of the proposals for modeling these
series are based on mean reversion models inspired by the financial literature (Philipovic, 1998), its jumps and
structural changes have evidenced the existence of regimes with different means and variances (Huisman, 2003).
In Colombia, these series seem to show an overall growing pattern. This article seeks to find evidence of whether
this growing pattern is due to the presence of a purely deterministic trend; or if there is a unit root, implying
the existence of a stochastic trend; or if the series is generated by a stationary process around various changes of
level, which could have been caused by various exogenous events such as the weather phenomena of El Nio and
La Nia and the resolutions of the Comisin de Regulacin de Energa y Gas in the country. The results are in
favor of a stationary process around multiple level changes, and highlight the importance of having information
about the events that occurred in the evolution of the process.
Key Words: Level shift, deterministic components, unit root. JEL classification: C15, C22, C52.
Lexistence dune racine unitaire dans les sries mensuelle de prix dlectricit en Colombie
Rsum: Gnralement, les sries mensuelles de prix dlectricit ont des changements structurels en raison des
conditions conomiques lis loffre, la demande ou bien lis aux rgles des changs. La modlisation de ces
sries est souvent base sur des modles de retour la moyenne, inspirs par la littrature financire (Philipovic,
1998). Cependant, cette modlisation prsente des sauts et des changements structurels qui prouvent lexistence des
rgimes avec des diffrentes moyennes et diffrentes variances (Huisman, 2003). Pour le march colombien, cette
srie semble montrer une tendance gnrale de croissance. Cet article cherche des preuves afin dtablir si cette
croissance est attribuable une tendance purement dterministe ou elle obit une racine unitaire ou bien est
due la prsence de changements du niveau, ce qui pourrait avoir t provoqu par des vnements exognes tels
que les phnomnes climatiques El Nio et La Nia, ou les mandats de la Commission de lEnergie et du Gaz
de Colombie. Les rsultats montrent un processus stationnaire autour de plusieurs changements de niveau, et ils
soulignent limportance des vnements en tant que source dinformation afin de mieux analyser lvolution du
processus.
Mots-cls: changements de niveau, composantes dterministes, racine unitaire. Classification JEL: C15, C22, C52.
Lecturas de Economa, 76 (enero-junio), pp. 259-291 Universidad de Antioquia, 2012
Primera versin recibida en febrero de 2012; versin final aceptada en abril de 2012
Introduccin
Serie mensual
Grfico1.1. Serie
Grfico mensualdel
delprecio realreal
precio
200
150
Precio
100
50
Time
.
Fuente: ElaboracinFuente:
propia. Elaboracin propia.
Una breve descripcin del mercado de la electricidad y sus caractersticas para el mercado
Una
colombiano, sebreve descripcin
encuentra del mercado
en el Apndice 1. de la electricidad y sus caractersticas
para el mercado colombiano, se encuentra en el Apndice 1.
En este documento se trata deseobtener
En este documento trata deevidencia sobre el tipo
obtener evidencia sobredeelproceso
tipo de que genera este
proceso
crecimiento. Se quiere investigar si el crecimiento es debido a: i) la existencia de un proceso
que genera este crecimiento. Se quiere investigar si el crecimiento es debido
1
a: i) la existencia de un proceso estacionario alrededor de una tendencia
puramente determinstica (denominado proceso Trend Stationary o TS); o
Elkin Argemiro Castao Velez: Profesor asociado de la Facultad de Ciencias, Universidad Nacional de
Colombia, Sede Medellny profesor titular de la Facultad de Ciencias Econmicas, Universidad de
ii) si Direccin
Antioquia. el proceso tieneUniversidad
postal: una raz unitaria,
Nacional lo queMedelln,
Sede implicara
callela59A
presencia
#63-20, de una 43-216.
oficina
tendencia
Direccin estocstica
electrnica: posiblemente
elkincv@gmail.com. Jorgecon una
Sierra deriva XM
Almanza: (denominado
Expertos en proceso
Mercado, Centro
Difference
Nacional Direccin oelectrnica:
Stationary
de Despacho. DS); o iii) si la serie es generada por un proceso
jsierra@xm.com.co.
estacionario alrededor de distintos cambios de nivel, los cuales podran
haber sido causados por diferentes eventos exgenos. Con respecto a este 1
ltimo enfoque, se quiere verificar si el crecimiento observado se debe a la
posible presencia de cambios de nivel como resultados de los efectos de
los fenmenos climticos de El Nio y La Nia y de las resoluciones de la
Comisin de Regulacin de Energa y Gas del pas CREG para el mercado
de la electricidad en Colombia.
El contenido de este documento es el siguiente. La seccin I presenta
metodologa empleada para la determinacin del modelo ms adecuado
para explicar la tendencia a crecer de la serie del precio. En la seccin II se
262
263
I. Metodologa
i) Se contrast la hiptesis de raz unitaria sobre la serie del precio real de electricidad en e
Castao
modeloy Sierra: Sobre la existencia
cuya componente de una
exgena esraz
unaunitaria en la lineal,
tendencia serie deusando
tiempo mensual...
pruebas tradicionales.
ii) Se contrast la hiptesis de raz unitaria en presencia de varios cambios de nivel sugerida po
II. Contraste
Cavaliere y Georgiev (2006a, de una raz unitaria en presencia
2006b).
iii) Se compararon los modelos sugeridos
de una tendencia lineal en las pruebas anteriores.
determinstica
Tras Contraste
II. la observacin
de unadel
razGrfico
unitaria1,ense puede concluir
presencia que la varianza
de una tendencia lineal determinstica
incondicional de la serie no es estable y tiende a crecer con su nivel. El
Tras la observacin del Grfico 1, se puede concluir que la varianza incondicional de la serie n
empleo de ylatiende
es estable transformacin
a crecer condesuBox-Cox
nivel. El (Box
empleo y Cox,
de la 1964) sugiere que
transformacin la
de Box-Cox (Box
transformacin
Cox, 1964) sugierelogartmica
que la es adecuada para
transformacin estabilizaresdicha
logartmica varianza.
adecuada para Por
estabilizar dich
lovarianza.
tanto, elPor
anlisis deellaanlisis
lo tanto, serie se derealizar
la serie sesobre el logaritmo
realizar natural natural
sobre el logaritmo de los de los precio
precios
reales. reales.
Sea X = Log(preciot). Para probar la hiptesis de una raz unitaria en
Sea X t t Log ( preciot ) . Para probar la hiptesis de una raz unitaria en presencia de un
presencia de una tendencia lineal, se emplearon la prueba de Dickey-Fuller
Aumentada (Dickey
tendencia lineal, y Fuller, 1981),
se emplearon basada
la prueba en el modelo
de Dickey-Fuller Aumentada (Dickey y Fuller, 1981)
basada en el modelo
p
Xt 0 1t Xt 1 j Xt j t , (1) (1)
j 1
3
Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012
3
Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...
t
Para la componente de cambios de nivel se supone que , donde es un indicador
Yt Yt 1 ut ; t (7) t 1
p
p
ut ut iu
i ut i i.
i 1
i 1
1. Procedimiento para la
1. Procedimiento prueba
para cuando
la prueba =0 y p =0
cuando es conocida
y p es conocida
Si en el modelo (7) Yt fuera observable, entonces la prueba de una raz unitaria se realiza
Si en
usando el modeloADF
el estadstico (7) Yt fuera en
obtenido observable, entonces la prueba de una raz
la regresin
unitaria se realiza usando el estadstico ADF obtenido en la regresin
p
Yt Yt 1 i ut i i , (8) (8)
i 1
)Aplique pruebac)tradicional
Apliquelalaprueba Aplique laADF
tradicional prueba
ADFde tradicional
deDickey
Dickey ADF
yyFuller
Fulleraalalade Dickey
serie
serie y Fuller
ajustada
ajustada XXt t a.. la serie ajustada
erie ajustada X t .
uando t t no
uando no eses observable,
observable, Cavaliere
Cavaliere yy Georgiev
Georgiev sugieren
sugieren imitar
imitar elel procedimiento
procedimiento anterior
anterior
timando
stimando . El proceso
t . El proceso es
imitar el tprocedimiento es llevado
llevado a cabo por medio del conocido proceso de deteccin de
anterior a cabo por medio del conocido proceso de deteccin de
servaciones
bservaciones atpicas
atpicas en
onocido proceso de deteccin deen series
series de
de tiempo
tiempo dede Chen
Chen yy Tiao
Tiao (1990)
(1990) oo de
de Chen
Chen yy Liu
Liu (1993).
(1993). Si
Si
Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012
t t}} es
1990) esolalade
sucesin
Chen yde
sucesin de estimadores
Liu (1993). Si obtenidos
estimadores obtenidosparaparalalasucesin
sucesin {{ t t},},lalacomponente
componentede decambio
cambio
tt
n { t }, la componente de cambio
e nivel
nivel se
se estima
estima como
como t t ss XXt t .. Los
Los autores
autores muestran
muestran que
que lala prueba
prueba ADF
ADF no
no es
es
ss 11
stran que la prueba ADF no es
fluenciada asintticamente
nfluenciada asintticamentepor
porelelhecho
hechode
deusar
usarlalaestimacin
estimacinde
de tt ..
b) Obtenga la serie ajustada (de-jumped) b) Obtenga la serie ajustada (de-ju
Xt Xt t , (10)
Castao ylaSierra:
c) Aplique prueba Sobre la existencia
tradicional ADF de de
unaDickey
raz unitaria en la aserie
y Fuller de tiempo
la serie c) mensual...
Aplique
ajustada Xla prueba tradicional A
t .
2.
2. Procedimiento
Procedimientopara la la
para prueba cuando
prueba existen
cuando componentes
existen determinsticas
componentes 2. Procedimiento para la pr
determinsticas
El procedimiento anterior considera que no existen componentes de Eltendencia
procedimiento anterior conside
determinstica en
El procedimiento
la serie de tiempo. Si anterior considera que no existen lacomponentes
serie de tiempo.de
0, el procedimiento de prueba anterior puede ser usado conjuntamenteel pr
Si 0,
tendencia determinstica en la serie de tiempo. Si 0, elcon procedimiento de
un mtodo adecuado
con un mtodo adecuado de des-tendencializacin (detrending). Una aproximacin sencillade
es des
prueba anterior puede ser usado conjuntamente con
usar el procedimiento de de-jumping, anteriormente descrito, junto
un mtodo
usarcon adecuado
el procedimiento
el procedimientode de-jum
de
de des-tendencializacin
pseudo (detrending).
des-tendencializacin GLS, sugerido enUna
Elliotaproximacin ysencilla
pseudo
et al. (1996) es usar
des-tendencializacin
presentado en la seccin GL
III. el procedimiento de de-jumping, anteriormente descrito,
III. junto con el
procedimiento de pseudo des-tendencializacin GLS, sugerido en Elliot et al.
(1996) y presentado
El procedimiento en lalaseccin
para realizar prueba III.
es el siguiente. El procedimiento para realizar la
a) Los(de-jumping)
cambios de anivel son rem
El procedimiento
a) Los cambios de nivel sonpara realizar lausando
removidos pruebael es el siguiente.
proceso de ajuste la serie
observada (No se tiene en cuenta
observada (No se tiene en cuenta la presencia de una tendencia lineal).
a) Los cambios de nivel son removidos usando
b) Aplique el procedimiento de pseudo des-tendencializacin GLS, el proceso de ajuste
b) Aplique
sugerido (de-
elenprocedimiento
Elliott et al. de
jumping)
(1996) a la serie a la serie observada (No se tiene en cuenta la presencia de
ajustada. (1996) a la serie ajustada.
c) Aplique launa tendencia
prueba ADF a lalineal).
serie obtenida del paso b). c) Aplique la prueba ADF a la ser
270
271
se debe estimar antes de usar la prueba. Para hacerlo, se sugiere emplear una
estrategia simple como la siguiente. En un primer paso, defina un mximo
valor posible para p. Ng y Perron (1995) sugieren tomar pmx= [12(T/100)0,25].
Con este valor se detectan los cambios de nivel, si no son conocidos, y se
obtiene la serie ajustada. En un segundo paso, sobre la serie ajustada se
emplea un criterio estndar para la determinacin de la estimacin de p. Sea
p* dicha estimacin. El ltimo paso consiste en calcular el estadstico ADF a
la serie ajustada fijando el nmero de rezagos en p*.
Grfico 2. La serie del logaritmo del precio mensual y cambios de nivel usando OLS
5.0
5.0
4.5
4.5
4.0
4.0
3.5
3.5
Fuente:
Fuente: Fuente: Elaboracin
Elaboracin propia. propia.
propia.
Elaboracin
Se observa
Se observa que, aparentemente,
que, aparentemente, el proceso
el proceso pareceparece ser estacionario
ser estacionario alrededor
alrededor de losde los cambios
cambios de de
Se
nivel observa
inducidos porque,
los aparentemente,
eventos exgenos.
nivel inducidos por los eventos exgenos. el proceso parece ser estacionario
alrededor de los cambios de nivel inducidos por los eventos exgenos.
El modelo propuesto inicialmente para realizar la prueba es el siguiente.
El modeloEl modeloinicialmente
propuesto propuesto inicialmente
para realizar lapara realizar
prueba es el la prueba es el siguiente.
siguiente.
Xt X t Y 0 Y,t t 1t , tk ,...,
1 Tk;,..., T ;
0 t t
Yt Y
Yt Y
ut ;1 ut ;
t 1 t (11) (11) (11)
p p
ut ut u u i,
i t i i ti , i
i 1 i 1
dondedonde
donde es desconocido.
pp es desconocido.
p es desconocido.
La Tabla
La Tabla 4 presenta
4 presenta la estimacin
la estimacin de la de la regresin
regresin de mnimos
de mnimos cuadrados
cuadrados de Xde X t sobre
las las
t sobre
variables
de impulso, llamadas D (Dj) para=13, 17, 34, 81, 84, 108, 117 y 126, donde Dj es unaes una
de impulso, llamadas D (Dj) para=13, 17, 34, 81, 84, 108, 117 y 126, donde Dj
272
variables
variable depara
saltoelpara el perodo j.
variable de salto perodo j.
TablaTabla 4. Estimacin
4. Estimacin de los de los saltos
saltos
Variable
Variable Coeficiente ErrorError
Coeficiente Est. Est.
273
Con base en estos resultados, se ajusta la serie del logaritmo de los precios
haciendo el proceso de-jumping. El Grfico 3 presenta la serie ajustada.
4.4
4.2
de_jumped
4.0
3.8
3.6
Time
La serie ajustada ya no presenta los cambios de nivel, pero an se observa una leve tendencia
creciente. Sobre esta serie se realiza la prueba de DF-GLS con tendencia lineal. Como el orden
de la autorregresin para la prueba es desconocido, se estima el orden a partir del uso de
Lecturas de Economa -Lect. Econ. - No. 76. Medelln, enero-junio 2012
criterios de informacin sobre todos los modelos estimados hasta el orden mximo de pmx. La
Tabla 5 muestra los resultados de la aplicacin de la prueba DF-GLS para una componente
determinstica de tendencia lineal, usando el paquete urca versin 1.2-5 de R, Pfaff (2008).
4.2
Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...
de_jumped
4.0
sobre todos los modelos estimados hasta el orden mximo de pmx. La Tabla
Time
En los residuales del modelo se detect autocorrelacin. Para eliminarla se emple un rezago
Tabla 6. La prueba DF-GLS con rezago=3
autorregresivo de orden 3. Los resultados se presentan en la Tabla 6.
Value of test-statistic is: -3.5569
Tabla 6. La prueba 1%DF-GLS 5% con10% rezago=3
Valores Crticos -3,46 -2,93 -2,64
Value of test-statistic is: -3.5569
Fuente: Elaboracin propia. 1% 5% 10%
Valores Crticos -3,46 -2,93 -2,64
Fuente: Elaboracin
Para un nivel de significancia tan propia.
bajo como 0,01 se rechaza Ho, y por
tanto se concluye que la serie del logaritmo del precio de la electricidad no
Para un nivel de significancia tan bajo como 0,01 se rechaza Ho, y por tanto se concluye que la
contiene una raz unitaria.
serie del logaritmo del precio de la electricidad no contiene una raz unitaria.
En este caso, el rechazo de Ho conduce a considerar que el modelo
adecuado para
En este caso, la generacin
el rechazo del precio
de Ho conduce es el modelo
a considerar de cambios
que el modelo de para
adecuado nivella generacin
estacionario
del precio es el modelo de cambios de nivel estacionario
Todas las pruebas anteriores rechazan la existencia de una raz unitaria en la serie de los precios
mensuales de la electricidad. Las pruebas tradicionales, sobre las cuales no se introdujo la
275
La consideracin
La consideracin de estas posibilidades
de estas posibilidades lleva al ajustelleva al modelos
de los ajuste desiguientes:
los modelos
siguientes:
i) Modelo con tendencia determinstica lineal
i) Modelo con tendencia determinstica lineal
Xt 0 1t 1/(1 1L
2
2L ) t . (13) (13)
Races AR Mdulo
0,432379 0,121305i 0,449073
SS (residuales) 3,280098 Criterion Schwarz -0,683370
Log Verosimilitud 53,79701 Criterion Hannan-Quinn -0,736016
Estadstico F 215,8251 Est. Durbin-Watson 1,939758
Valor p(Estadstico F) 0,000000
LosLos resultados
resultados de lade la estimacin
estimacin OLS seOLS se encuentran
encuentran en la
en la Tabla 8. Tabla 8.
Tabla
Tabla 8. Modelo
8. Modelo con tendencia
con tendencia lineal ylineal y mltiples
mltiples cambioscambios
de nivel de nivel
Variable Dependiente: LPRECIO
Variable Dependiente:
Mtodo: MnimosLPRECIO
Cuadrados
Mtodo:
ObservacionesCuadrados
Mnimos incluidas: 128 despus de ajustes
Observaciones incluidas: 128 despus de ajustes
Variable Coeficiente Error Estand Estadstico t Valor p
Constante 3,855835 0,054422 70,85091 0,0000
Tendencia 0,001256 0,001572 0,798713 0,4261 10
D13 0,376055 0,103293 3,640657 0,0004
D17 -0,455649 0,096079 -4,742425 0,0000
D34 0,365903 0,068467 5,344184 0,0000
D81 0,389490 0,110363 3,529190 0,0006
D84 -0,201564 0,107212 -1,880062 0,0626
D109 0,311730 0,071704 4,347434 0,0000
D117 0,400339 0,081313 4,923401 0,0000
D126 -0,590822 0,089850 -6,575620 0,0000
AR(1) 0,393804 0,084341 4,669189 0,0000
AR(3) -0,229321 0,085865 -2,670708 0,0087
Fuente: Elaboracin propia.
276
D126 -0,590822 0,089850 -6,575620 0,0000
AR(1) 0,393804 0,084341 4,669189 0,0000
AR(3) -0,229321 0,085865 -2,670708 0,0087
Fuente: Elaboracin propia.
277cambios
Los resultados muestran que no parece existir tendencia lineal en presencia de los
de nivel. Entonces se propone el modelo
Los resultados
Los resultados de la estimacin
de la estimacin OLS se encuentran
OLS se encuentran en la Tabla en
9. la Tabla 9.
Comparacin de modelos:
Los diagnsticos para los modelos anteriores se encuentran en el Apndice.
De ellos se desprende que ambos modelos pasan los diagnsticos bsicos de
que el proceso del ruido es estacionario, no parecen existir observaciones
atpicas, hay normalidad, homocedasticidad y no autocorrelacin en el trmino
de error. Los parmetros en cada modelo son estadsticamente significativos.
Sin embargo, la prueba de estabilidad de Nyblom (1989) y Hansen (1992)
aplicada al modelo de tendencia lineal seala que el modelo no es estable
en todos sus parmetros, mientras que el modelo con cambios de nivel s
lo es. Finalmente, los criterios de informacin presentados muestran que el
modelo de cambios de nivel representa mejor la evolucin de los precios. Esta
conclusin reafirma la importancia de reconocer los cambios estructurales en
el modelo que genera la serie de tiempo. Aunque el modelo de tendencia
lineal determinstica no es rechazado estadsticamente, s lo es en trminos
del no uso de la informacin sobre los eventos histricos que ocurrieron en
la serie del precio de la electricidad en Colombia.
Conclusiones
278
279
que han ocurrido a travs del tiempo. Esto significa que el proceso
exhibe reversin a la media dentro de cada cambio de nivel alrededor
del cual flucta.
4. Dada la ausencia de una raz unitaria, el efecto de los shocks sobre
el precio no es permanente, sino transitorio. Esto implica que, por
ejemplo, un shock positivo sobre el precio no tendr un efecto per-
manente, sino que en el corto plazo el precio regresar a su nivel.
5. La ausencia de una raz unitaria tambin implica que la varianza de
largo plazo es finita y no depende del tiempo. Esta es una caracte-
rstica crucial en los pronsticos. En series de tiempo con una raz
unitaria su varianza crece indefinidamente con el tiempo, lo cual es
un problema serio en el uso de los pronsticos ya que los intervalos
de prediccin, generalmente, son muy poco informativos.
6. Otro resultado importante es que la aparente no linealidad de la se-
rie no es endgena, lo que implica que la aplicacin de modelos no
lineales tales como redes neuronales no conseguiran buenos resulta-
dos en sus pronsticos.
Apndice 1
280
281
Apndice
Apndice 2 2 Apndice 2
Diagnsticos
Diagnsticos empleados
empleados sobre
sobre los los modelos
Diagnsticos
modelos estimados
empleados
estimados sobre los modelos estimado
1. Grfico1. de Grfico
residuales de residuales
1. Grfico
estandarizados: estandarizados:
de residuales
Utilidad Utilidad en Utilidad
estandarizados:
en la deteccin la deteccin
de observaciones en la deteccin de o
atpicas,
de observaciones deteccin de autocorrelacin y heterocedasticidad. y
atpicas, deteccin
deteccin de autocorrelacin y heterocedasticidad. de autocorrelacin
heterocedasticidad.
2. Prueba Para
2. Prueba de normalidad de Jarque-Bera: de normalidad
verificar ladenormalidad
Jarque-Bera:en Para verificardela normalid
un conjunto
2. Prueba proponen
datos, Jarque-Bera de normalidad deJarque-Bera
usardatos, Jarque-Bera:
el estadstico Para verificar
proponen la normalidad
usar el estadstico
en un conjunto de datos, Jarque-Bera proponen usar el estadstico
T 2 ( K 3 )2 T 2 ( K 3 )2
JB S . JB S .
6 4 6 4
T
et es el t-simo residual del modelo y 2 n 1
et2 .
282 t 1
xit et i 1,...,k t
Defina, f it y sit fij , i 1,...,k 1
et2 2 i k 1 j 1
parmetros
parmetros
parmetros parmetros
constantes,
constantes,
constantes, constantes,
el vector
elelvector
vector de deelpuntajes
vector
depuntajes
puntajes parade
para el puntajes
para
modelo
elpara
modelo para
el modelo
lineal
linealel modelo
lineal
con
con con lineal
errores
errores
errores con
Normales
Normaleserrores N
Normales
est parmetros
est basado constantes,
est
en basado
las en
ecuacionesel vector
las de puntajes
ecuaciones
normales normales el modelo lineal con errores Normales
estbasado
basado en
enlas
las
est basado
ecuaciones
parmetros
ecuaciones normales
constantes,
normales
en las ecuaciones
el vector de puntajes para el modelo lineal con errores Norm
normales
est basado en las ecuaciones normales
TT T T TT T T
et22)) ,T 00.).2 ( 0et. ) 0.
2 2
xxit eet xit0e0,t , i0iT, 11,xi,...,k
T et1, ...,k
,0, , ,i((eet 1, (T...,k
283
( ,et (t e1 ) 0. ) 0.
it...,k
1
tt 1
it
t 1 t xit et t 01x, e i 01,, ...,k ti 1 1,,t ...,k
t1 2
it t t 1 t
t 1 t 1
t 1 t 1
TT T T
El El
El estadstico
estadstico
Elestadstico paraEl parapara probar
estadstico
probar para laprobar
hiptesis
la hiptesis individual
laindividual
hiptesis H
Hindividual : constante,
H es
: esconstante,
es constante,
: i=1,
es constante,
i=1, y i=1,
kk yy kpara para k
estadstico
El estadsticoEl probar
para probar
para
lalahiptesis
estadstico hiptesis
paralaprobar
probar
individual
individual HH0:0:individual
la hiptesis
2 hiptesis individual iH0:
i 0 es 0 H :i 0 es
iconstante,
es
ii=1,
constante,
0 constante, i=1, para
i=1,
k y kpara
y
i=1,
probar
probar H : kHy202:para
es
2
probar probar
es H
constante,0: H 2 : constante,
2 0 eses
constante,
es es constante,
es es i i
probarprobar
H0: Hprobar
0 es: constante,
2 H0: eses constante,
es constante, es es
0
T T T T
L11 TT1 22 LTs 2 , 11i T 1, 2...,k s 2
, i 1 , ...,k
TT
22 T 2
V
T
2 f
2
LLi i ss1it ,L, i iiiti 211, ,...,k
...,k s i,
, ,,itdonde
donde donde
1, ...,k V,
VVi , dondedonde
i f it
f f
V it 2i f it
i TV
TVLi i tTV
1 i t 1
it TV
sTV
it , i i t it1 1 1, ...,k , donde t 1Vi t 1
it i it i fit t 1 t 1it
i t 1TV t 1
i t 1 t 1
ParaPara
Para probar
probar
probar la
la hiptesis
Para
lala hiptesis
Para probar
hiptesis
probar conjunta conjunta
lalaconjunta
hiptesis
hiptesis HH0:0: el H H0vector
: :elelvector
conjunta
conjunta 0H: 0yel
vector
H :yel vector
2
2
2 son
y son
y2vector son
constantes,y 2 sonson
y constantes,
2
constantes, constantes,
defina
defina los
constantes, defind
los los
0: el vector y
Para probar
Para probar hiptesis
la hiptesis conjunta conjunta el H0vector son 2constantes,
son constantes, defina defina los
defina fftlos (vectores
vectores
vectores f(tfvectores
(,...,
f1tff,...,
,...,
vectores f ft)'
tf)' ( SySt f kf k1S
(tyf)'y1ft1t,...,
,..., ( S
)' ySyy1t
)'t ,...,S
(,...,S S St t)')'k(.S1.(El
,...,S S)',...,SElk .estadstico
,...,S
.estadstico
1testadstico El
k )'1t .)'El estads-
.para
El estadstico
para probar
estadstico
para probar para
que para
que pr
probar
vectores f k ( S El probar que
1t k 1 t k 1 t 1t 1 k 1t t1t 1 t
tico vectores
para f ( f ,..., f )' ty S ( S k ,...,S )' . El estadstico para probar que
losprobar que todos loses: parmetros son
es:es:constantes es:
t 1t 1t 1t 1t
todos t
todosson
parmetros 1 t
losconstantes
parmetros
son k 1
constantes t sonconstantes t
constantes
es: 1 t k 1 t
todos
todos los
losparmetros
parmetros los
son parmetros
constantes son
es:
todos los parmetros son constantes es:
TT 1 T TT T T T
1 1
11
T
' ' 1 1 T
1
LLc Lc SStV '' L
1 1 1'
SL
T
SctSV S V
tSV
St1 , donde
ct ,',donde
S
V tV , donde
St , fdonde
f ' V '
'.f t f tV.
T ft ftf' t .f t' .
c T L T tt 1 V donde tV f
t f
t .
St tVTTt St1 t1, dondet 1V tt 1t ft ftt .1 t 1 '
T t ct 11 T t 1
t 1 t 1
Grfico
Grficode
deresiduales
residuales estandarizados
estandarizados
3
-1
-2
-3
00 01 02 03 04 05 06 07 08 09 10
Standardized Residuals
Prueba de Normalidad
Prueba de Normalidad
Coef. Asimetra 0,114421
Coef. Asimetra
Coef. Curtosis 0,114421
3,166036
Coef. Jarque-Bera
Curtosis 3,166036
0,429659
Jarque-Bera
Valor p 0,429659
0,806679
Valor p 0,806679
Prueba de Ljung-Box (Autocorrelacin)
Prueba de Rezago,
Ljung-Box
k Q (Autocorrelacin)
Valor p
6 4,0327 0,402
Rezago,
12k 9,0717
Q Valor p
0,525
18 13,955 0,602
6 4,0327 0,402
12
Prueba de McCleod-Li 9,0717 0,525 condicional)
(Heterocedasticidad
18
Rezago, k13,955 0,602
Q Valor p
6 6,3007 0,178
12 15,233 0,124
Prueba de McCleod-Li (Heterocedasticidad
18 25,108 0,068 condicional)
Rezago, k Q Valor p
Prueba para Forma funcional
6 6,3007 0,178
Prueba RESET de RAMSEY:
12 15,233 0,124
Estadstico F 0,19373825,108
18 Valor p0,068
F(1,124) 0,6606
Razn Log Verosimil. 0,201393 Valor p Chi-Cuadr(1) 0,6536
Estadstico F 0,188649 Valor p F(2,123) 0,8283
Razn Log Verosimil. 0,395097 Valor p Chi-Cuadr(2) 0,8207
284
Prueba de estabilidad
Prueba de estabilidad
Prueba de Normalidad
Coef. Asimetra 0,029256
Coef. Curtosis 2,690887
Jarque-Bera 0,527863
Valor p 0,768026
Castao y Sierra: Sobre la existencia de una raz unitaria en la serie de tiempo mensual...
A2.2 Diagnsticos para el modelo de mltiples cambios de nivel
Grfico de residuales
Grfico de residuales
.4
.3
.2
.1
.0
-.1
-.2
-.3
-.4
00 01 02 03 04 05 06 07 08 09 10
LPRECIO Residuals
Prueba de Normalidad
Prueba de Ljung-Box (Autocorrelacin)
Coef.Rezago,
Asimetra
k Q 0,029256
Valor p
Coef. Curtosis
6 1,7400 2,690887
0,783
12 6,1273 0,804
Jarque-Bera
18 10,286 0,527863
0,851
Valor p 0,768026
Prueba de McCleod-Li (Heterocedasticidad condicional)
Prueba de Ljung-Box
Rezago, k Q(Autocorrelacin)
Valor p
6 2,3178 0,678
Rezago,
12 k 10,016
Q Valor
0,439p
6
18 1,7400 0,783
16,475 0,420
12 6,1273 0,804
18 10,286 0,851
Prueba para Forma funcional
Prueba
Prueba RESET Ramsey:
de McCleod-Li (Heterocedasticidad condicional)
Prueba de estabilidad
Bibliogrfia
288
289
Diebold, Francis & Kilian, Lutz (2000). Unit Root Tests are Useful for
Selecting Forecasting Models, Journal of Business and Economic Statistics,
No.18, pp. 265-273.
Elliott, Graham; Rothenberg, Thomas & STock, James (1996). Efficient
Tests for an Autoregressive Unit Root, Econometrica, No. 64, pp. 813-
836.
Hansen, Bruce (1992). Testing for Parameter Instability in Linear Models,
Journal of Policy Modeling, No. 14, pp. 517533.
Huisman, Ronald (2003). Regime Jumps in Electricity Prices, Energy Eco-
nomics, No. 25, pp. 423 - 434.
Kwiatkowski, Denis; Phillips, Peter; Schmidt, Peter & Shin, Yongcheol
(1992). Testing the Null Hypothesis of Stationarity Against the Alter-
native of a Unit Root, Journal of Econometrics, No. 54, pp. 159-178.
Lanne, Markku; Ltkepohl, Helmut & Saikkonen, Pentti (2002). Com-
parison of Unit Root Tests for Time Series with Level Shifts, Journal of
Time Series Analysis, No. 23,pp. 667-685.
Leybourne, Stephen; Mills, Terence y Newbold, Paul (1998): Spurious
Rejections by Dickey-Fuller Tests in the Presence of a Break under the
Null, Journal of Econometrics, No. 87, pp. 191-203.
Lumsdaine, Robin & Papell, David (1997). Multiple Trend Breaks and the
Unit Root Hypothesis, Review of Economics and Statistics, No.79, pp.
212-218.
Ltkepohl, Helmut; Saikkonen, Pentti & Trenkler, Carsten (2004). Tes-
ting for the Cointegration Rank of a VAR Process with Level Shift at
Unknown Time, Econometrica, No.72, pp. 647-662.
Mackinnon, James (1996). Numerical Distribution Functions for Unit
Root and Cointegration Tests, Journal of Applied Econometrics, 11(6),
pp. 601-618.
NG, Serena & PERRON, Pierre ( (1995). Unit Root Tests in ARMA Mo-
dels with Data Dependent Methods for the Selection of the Truncation
Lag, Journal of the Americal Statistical Association, No. 90, pp. 268-281.
NG, Serena & PERRON, Pierre (2001). Lag Length Selection and the
Construction of Unit Root Tests with Good Size and Power , Econome-
trica, No. 69, pp. 1519-1554.
Nyblom, Jukka (1989). Testing for the Constancy of Parameters Over Time,
Journal of the American Statistical Association, No.84, pp. 223230.
Ohara, Hidetaka (1999), A Unit Root Test with Multiple Trend Breaks: A
Theory and Application to US and Japanese Macroeconomic Time Se-
ries, TheJapanese Economic Review, Vol. 50, pp. 266-290.
Perron, Pierre (1990). Testing for a Unit Root in a Time Series with a
Changing Mean, Journal of Business and Economic Statistics, No. 8, pp.
153-162.
Perron, Pierre (1992). Trend, Unit Root and Structural Change: A Multi-
Country Study with Historical Data, Proceedings of the Business and Eco-
nomic Statistics Section, American Statistical Association, pp. 144-149.
Perron, Pierre & Vogelsang, Timothy (1992). Nonstationarity and Level
Shifts with an Application to Purchasing Power Parity, Journal of Busi-
ness and Economic Statistics, 10, 301-320.
Pfaff, Bernhard (2008) Analysis of Integrated and Cointegrated Time Series
with R. Second Edition. Springer, New York. ISBN 0-387-27960-1.
Phillips, Peter & Perron, Pierre (1988). Testing for a Unit Root in Time
Series Regression,Biometrika, No. 75, pp. 335346
Philipovic, D. (1998). Energy Risk. McGraw-Hill, New York.
Saikkonen, Pentti & Ltkepohl, Helmut (2001), Testing for Unit Roots
in Time Series with Level Shifts, Allgemeines Statistisches Archiv, No. 85,
pp. 1-25.
290
291
Saikkonen, Pentti & Ltkepohl, Helmut (2002), Testing for a Unit Root
in a Time Series with a Level Shift at Unknown Time, Econometric
Theory, No. 18, pp. 313-348.
Zivot, Eric & Andrews, Donald (1992): Further Evidence on the Great
Crash, the Oil-Price Shock, and the Unit-Root Hypothesis. Journal of
Business and Economic Statistics, Vol. 10, No.3, pp. 251-270.