Académique Documents
Professionnel Documents
Culture Documents
Prob.
0.0000
0.0000
0.0006
0.6663
0.093322
0.077582
-3.484897
-3.367496
68.94699
0.000000
0.3
0.2
0.1
0.10
0.0
0.05
-0.1
0.00
-0.05
-0.10
82
84
86
88
Residual
90
92
94
Actual
96
98
00
Fitted
02
Probability
Probability
0.201058
0.162703
Probability
Probability
0.075305
0.054463
Probability
Probability
0.000245
0.000097
El resultado que se refiere al clculo del Test de Chow est marcado en negrilla y se
presenta como el valor de la F statistic y su correspondiente probabilidad. Recordemos
que la hiptesis nula contrastada con el test de Chow es la NO EXISTENCIA de cambio
estructural. El contraste (el valor muestral de la F) toma valor cuanto mayor es la
evidencia de cambios estructural (es decir, cuanto ms adecuada parece la realizacin de
dos modelos, uno para cada estructura, que un nico modelo). La probabilidad indica,
como para cualquier contraste, la probabilidad (en tantos por uno) de equivocarnos si
rechazamos la hiptesis nula, es decir, si admitimos la presencia de cambio estructural.
As pues, una forma sencilla de interpretar esa probabilidad es considerarla como la
probabilidad de que NO Exista cambio estructural.
Segn los resultados obtenidos, y con las debidas precauciones (que son muchas cuando
se utiliza este test), parece evidente que (1) NO existe cambio estructural a partir del
primer trimestre de 1986 (la probabilidad de que ese punto marque un punto de cambio
de estructura es slo del 80%), (2) la evidencia de cambio estructural es algo mayor
para el punto de corte 1992:01 (existe un 7,5% de probabilidades de que NO haya
cambio, es decir, un 92,5% de que SI haya) y (3) que la evidencia de cambio de
estructura a partir de 1998:01 es muy clara.
3.2.- Cmo se han obtenido estos clculos?
Vamos a ejemplificarlo para el primer caso, es decir el punto de ruptura 1986:01. Para
replicar este clculo del test de Chow a mano debemos estimar la regresin en los
perodos previo y posterior a ese punto, dejando ese punto en alguno de los dos subperodos (segn consideremos que pertenece a la primera o la segunda estructura) .
Una vez realizadas las dos estimaciones parciales, anotamos la suma cuadrtica residual
de cada una de ella y comparamos su suma con la suma cuadrtica residual de la
estimacin completa, es decir, de la realizada originalmente.
Los resultados de los dos estimaciones parciales (observe las muestras utilizadas
sealadas en negrilla) son:
Estimacin 1982:01 1985:4
Dependent Variable: @PCH(IMPK,4)
Method: Least Squares
Date: 01/18/06 Time: 09:14
Sample(adjusted): 1982:1 1985:4
Included observations: 16 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
C
0.031090
0.014248
2.182102
@PCH(FBCK,4)
0.972889
0.195229
4.983332
@PCH(GTOHOGK,4) -0.826840
0.934940 -0.884377
@PCH(PIMPENER,4) -0.051750
0.104269 -0.496312
R-squared
0.797288 Mean dependent var
Adjusted R-squared
0.746610 S.D. dependent var
S.E. of regression
0.026063 Akaike info criterion
Sum squared resid
0.008152 Schwarz criterion
Log likelihood
37.95400 F-statistic
Durbin-Watson stat
0.909231 Prob(F-statistic)
Prob.
0.0497
0.0003
0.3939
0.6286
0.025214
0.051777
-4.244250
-4.051102
15.73240
0.000185
Std. Error
t-Statistic
Prob.
0.009758
4.346013
0.0001
0.125621
5.321782
0.0000
0.385962
2.685243
0.0093
0.014873 -0.335651
0.7383
Mean dependent var
0.109833
S.D. dependent var
0.073914
Akaike info criterion
-3.392266
Schwarz criterion
-3.259560
F-statistic
43.07861
Prob(F-statistic)
0.000000
La expresin del test de Chow se calcula a partir de las sumas cuadrticas residuales con
sencillez:
F( k ,n1 n2 2 k )
F( 4,82 2 x 4 )
1.53425
(0.008152 0.115129 ) /(82 2 x 4k )
0.00166596
La utilizacin del test de Chow (o de esta modalidad del test) slo sera
apropiada para el caso del punto 86:01, dado que los otros dos puntos estn
demasiado cerca de los extremos (ver teora)