Академический Документы
Профессиональный Документы
Культура Документы
CÁTEDRA: ECONOMETRÍA II
A medida que vamos descubriendo los diversos instrumentos para analizar una serie de
tiempo, llegamos a entender una marcada diferencia entre una serie de tiempo con
componentes determinísticos y otra con componentes estocásticos, en la realidad existen
variables económicas que presentan comportamientos estocásticos o en su defectos semi
determinísticos, por tanto, el análisis hasta el momento alcanzado es en virtud insuficiente
para poder entender situaciones en las que la variable asume un comportamiento con
quiebre en media o en tendencia o ambas, por tal razón nace el interés por parte de los
investigadores Zivot y Andrew en investigar estos casos y plantear soluciones que puedan
darnos una correcta interpretación de los estadísticos, ya que como sabemos la prueba
AFD, no sirve cuando se presentan los que casos mencionados. El motivo de este trabajo
es mencionar estas pruebas y describirlas en forma concisa, así mismo completaremos la
idea de una estimación de un proceso de generador de datos, según el criterio de Theil,
dado que nuestro objetivo final, luego de saber y manejar estas herramientas es el de
pronosticar la variable analizada, siendo un modelo univariado de serie de tiempo.
Principalmente este test parte de la idea de Phillip y Perrón (1988), dado que estos
autores fueron los primeros en descubrir los errores de la prueba AFD, pues al
someterlo en variables con quiebres estructurales, vieron que se incidía en error
al aceptar una H0: Presencia de raíz unitaria o en su defecto el rechazo de esta, en
condiciones de que la seria tenia evidencia suficiente de que era estacionaria.
Estos autores señalan tres modelos que a continuación se presentan:
Como se puede observar estos autores señalan tres modelos muy parecidos a los de
Dickey Fuller, con la única diferencia de que consideran variables dicotómicas o
Dummys, que representan el momento de quiebre que se observa en la serie de tiempo,
sin embargo, su aporte solo quedo hasta este punto.
El Test de Zivot y Andrew, toma toda esta idea, pero asume a la vez un contraste
secuencial, dado que ellos generar una regresión en cada momento del tiempo, en cada
observación de la serie, es decir al final llegan a identificar la fecha donde se da este punto
de quiebre y por tanto corregir la serie para poder tener una verdadera interpretación
estadística, verídica, de la raíz unitaria. Apoyándose en un principal estadístico que es la
t-student que encuentran para cada observación, así mismo toman en consideración la
prueba F e incluso los criterios de información para poder contrastar la H0 y la H1 de raíz
unitaria.
Dado el avance de la tecnología, el software EVIEWS realiza la prueba de Zivot y
Andrew bajo un programa, donde se especifica los tres tipos de modelos, el rango, los
valores críticos asintóticos, etc. Se adjunta el programa en los anexos.
Este test guarda totalmente la idea de Zivot y Andrew, así mismo acopla los
modelos de Phillips-Perron, para ser contrastados en una forma sistemática y
computacional, plantea 4 modelos, los tres mencionados ya anteriormente y uno
adicional que solo especifica un punto de quiebre en la serie, es desarrollado por
EVIEWS, en contraste es simple de utilizar dándole los parámetros
correspondientes al software. A continuación, se señala un ejemplo.
2.1 CASO PRACTICO (APLICACIÓN DEL BREAK POINT UNIT ROOT
TEST)
Dada la serie Importaciones desestacionalizada:
3. EL COEFICIENTE DE DESIGUALDAD DE THEIL
Donde:
1: mala aproximación, no idéntica
0: buena aproximación, idéntica
3.1 CASO PRACTICO (USO DEL COEFICIENTE DE THEIL):
Dada la identificación del proceso generador de datos que sigue una variable
INFLACION durante el periodo 2004.04-2018.04, siendo un modelo ARIMA
(5,1,0)
4. CONCLUSIONES
Cabe señalar que para el análisis Econométrico es importante tener conocimiento
de los diferentes instrumentales que se tiene en el curso, así como en todo
momento, describir una realidad a través de modelos matemáticos y verificar su
validez, no es un proceso fácil de hacer, siempre existen detalle que el investigador
debe tomar en cuenta para poder ser lo más objetivo, depende de la creatividad y
paciencia que tiene. Los test presentados y la descripción del coeficiente de Theil,
son justamente ello, pues buscan ser veraz en el análisis de una serie de tiempo,
describir sus componentes y determinar objetivamente si esta serie es en verdad
estacionario o no, cuando se tiene quiebre estructural, así mismo la Q de Theil,
nos indica que tan buena es nuestra estimación, para pronosticar nuestros valores
que es nuestro objetivo final. En tanto es necesario comprender y entender las
características de estas herramientas en el curso de Econometría II.
ANEXOS
'Programa para la aplicación recursiva del test de Zivot y
'Andrews.
'=============================================
'USO:
' Programa para ser ejecutado en un workfile
' "undated".
' El nombre de la serie por analizar deberá pasarse
' como el primer argumento del programa (%0).
' Es necesario elegir un nivel de holgura apropiado
' para la generación de las dummys (!Hol) y el
' número máximo de rezagos para iniciar la
' ecuación del test (!Rez).
'=============================================
GENR _Serie=ser01
GENR _Dserie = d(ser01)
!Obs = @OBS(_Serie)
!Fin = !Obs-!Hol
EQUATION _Model_A
EQUATION _Model_B
EQUATION _Model_C
EQUATION _Temp
TABLE(8,2) Reporte_ser01
SETCOLWIDTH(Reporte_ser01,1,15)
SETCOLWIDTH(Reporte_ser01,2,30)
SETCELL(Reporte_ser01,1,1,"Resultados de la prueba F")
SETCELL(Reporte_ser01,2,1,"Serie analizada")
SETCELL(Reporte_ser01,2,2,%0,"l")
SETLINE(Reporte_ser01,3)
SETLINE(Reporte_ser01,8)
SETCELL(Reporte_ser01,4,1,"Modelo A","c")
SETCELL(Reporte_ser01,5,1,"Modelo B","c")
SETCELL(Reporte_ser01,6,1,"Modelo C","c")
SETCELL(Reporte_ser01,7,1,"Mejor Modelo","c")
%Resp = "El quiebre está en el período "
'ALGORITMO DE BÚSQUEDA
'=============================================
'Generación de dummies.
GENR _Dum = 0
SMPL !i !Obs
GENR _Dum = 1
SMPL @ALL
GENR _Dut = @TREND*_Dum
IF !r = 0 THEN
_Model_C.LS _Dserie c _Serie(-1) @TREND(1) _Dum _Dut
_ZivotC(!i) = @TSTAT(2)
ENDIF
IF !r = 0 THEN
_Model_A.LS _Dserie c _Serie(-1) @TREND(1) _Dum
_ZivotA(!i) = @TSTAT(2)
ENDIF
NEXT
'============================================
_Evaluacion(1) = !FMaxA
_Evaluacion(2) = !FMaxB
_Evaluacion(3) = !FMaxC
!Maximo = @MAX(_Evaluacion)
FOR !i = 1 to 3
IF _Evaluacion(!i) = !Maximo THEN
SETCELL(Reporte_ser01,7,2,!i,0,"l")
ENDIF
NEXT
SMPL @ALL
'=============================================
!obs=152
'actualizar: número de observaciones y serie bajo análisis
'determina endógenamente el número de rezagos a incluir
'en la regresión de las primeras diferencias
genr lserie=ser01
genr dlserie=d(lserie)
!reg= -1*@ceiling((!obs)^(1/3))
genr t=@trend(1)
!regfin=0
smpl 1 !obs
FOR !rreg=!reg to -1
equation temp.ls dlserie c lserie(-1) dlserie(-1 to !rreg) t
!mcoef=-!rreg+2
!tdist=@tdist(c(!mcoef)/sqr(@covariance(!mcoef,!mcoef)),temp.@regobs-temp.@ncoef)
IF !regfin=0 and !tdist<0.05 THEN
!regfin=!rreg
genr regfin=!regfin
ENDIF
NEXT
!nui=1
!nuf=!obs
!cotau=!nuf-@ceiling(0.15*!obs)
!cotal=!nui+@ceiling(0.15*!obs)
FOR !num=!cotal to !cotau
smpl !nui !num
genr dum{!num}=0
genr dut{!num}=0
smpl !num+1 !nuf
genr dum{!num}=1
genr dut{!num}=@trend(!num)
IF !regfin=0 then
smpl !nui !nuf
equation eq1.ls dlserie c lserie(-1) t dut{!num} dum{!num}
smpl !num !num
genr zivot=(c(2)/sqr(@covariance(2,2)))
smpl !nui !nuf
equation eq2.ls dlserie c lserie(-1) t dut{!num}
smpl !num !num
genr zivott=(c(2)/sqr(@covariance(2,2)))
smpl !nui !nuf
equation eq3.ls dlserie c lserie(-1) t dum{!num}
smpl !num !num
genr zivotm=(c(2)/sqr(@covariance(2,2)))
ENDIF
IF !regfin<>0 then
smpl !nui !nuf
equation eq1.ls dlserie c lserie(-1) dlserie(-1 to !regfin) t dut{!num} dum{!num}
smpl !num !num
genr zivot=(c(2)/sqr(@covariance(2,2)))
smpl !nui !nuf
equation eq2.ls dlserie c lserie(-1) dlserie(-1 to !regfin) t dut{!num}
smpl !num !num
genr zivott=(c(2)/sqr(@covariance(2,2)))
smpl !nui !nuf
equation eq3.ls dlserie c lserie(-1) dlserie(-1 to !regfin) t dum{!num}
smpl !num !num
genr zivotm=(c(2)/sqr(@covariance(2,2)))
ENDIF
NEXT
smpl !cotal !cotau
genr vcrit=-5.08
genr vcritm=-4.8
genr vcritt=-4.42
plot zivot vcrit
plot zivott vcritt
plot zivotm vcritm
'TEST F secuencial
!bestf=0
!bestft=0
!bestfm=0
FOR !num=!cotal to !cotau
smpl !nui !nuf
equation eq4.ls lserie c t dut{!num} dum{!num}
smpl !num !num
genr f=@f
!f=@f
IF !f>!bestf THEN
!bestf=!f
!fecha=!num
ENDIF
smpl !nui !nuf
equation eq5.ls lserie c t dut{!num}
smpl !num !num
genr ft=@f
!ft=@f
IF !ft>!bestft THEN
!bestft=!ft
!fechat=!num
ENDIF
smpl !nui !nuf
equation eq6.ls lserie c t dum{!num}
smpl !num !num
genr fm=@f
!fm=@f
IF !fm>!bestfm THEN
!bestfm=!fm
!fecham=!num
ENDIF
NEXT
smpl !nui !nuf
scalar fecha=!fecha
scalar fechat=!fechat
scalar fecham=!fecham
scalar bestf = !bestf
scalar bestft = !bestft
scalar bestfm = !bestfm
group fstat f ft fm
plot fstat
'Para determinar el valor F más elevado revisar los escalares !bestf, !bestft, !bestfm;
'y para determinar las respectivas fechas, los escalares !fecha, !fechat, !f