ALGUNAS NOCIONES BSICAS SOBRE ANLISIS DE

COINTEGRACIN

ASUNTOS A CONSIDERAR:

Los trabajos empricos suponen que las series de tiempo son

estacionarias.

Cuando se habl de autocorrelacin se dijo que una de sus causas es

la no estacionariedad de las series de tiempo.

Al generarse la regresin de una serie de tiempo sobre otra serie de

tiempo, con frecuencia el R2 obtenido es muy elevado producto
generalmente del problema de la regresin espuria disparatada.

Las pruebas de estacionariedad de una serie de tiempo deben

realizarse antes que las pruebas de causalidad de Granger y Sims. 1

Graficar la informacin de una serie de tiempo es el primer paso que

se debe dar en su anlisis.

QU ES COINTEGRACIN?

Desde el punto de vista de la economa: dos o ms series de tiempo estn

cointegradas si se mueven conjuntamente a lo largo del tiempo y sus
diferencias son estables, es decir, son estacionarias. La cointegracin refleja
equilibrio a largo plazo hacia el cual converge el sistema formado por dichas
series.

Desde el punto de vista de la econometra: dos o ms series de tiempo

que no son estacionarias, sino son integradas de algn orden, se cointegran
si existe una combinacin lineal de ellas que es estacionaria de orden cero
(0).

PROCESO ESTOCSTICO O ALEATORIO:

1 Ver Captulo 17. D. Gujarati. 4ta. Edicin.

Prof. Laura Castillo Econometra I. Tpicos Varios.
 Definicin: un proceso estocstico (PE) es una coleccin de variables
aleatorias ordenadas en el tiempo.

Series de tiempo Corte transversal

Proceso estocstico Poblacin

Realizacin Muestra

PROCESOS ESTOCSTICO ESTACIONARIO (VARIABLE ESTACIONARIA):

Una variable es estacionaria si su media y su varianza son constantes en el

tiempo y su covarianza solamente depende del rezago o de la distancia entre
dos periodos de tiempo, es decir, no depende del tiempo en el cual se ha
calculado la covarianza2.

Media: E ( Y t ) =

Varianza: Var ( Y t ) =E(Y t )2= 2

Covarianza: k =E [ ( Y t ) (Y t +k ) ]

PROCESO ESTOCSTICO NO ESTACIONARIO (VARIABLE NO

ESTACIONARIA):

Es una serie que posee una media que varia con el tiempo, y/o una varianza
que cambia con el tiempo. Un ejemplo clsico son los modelos de caminata
aleatoria (MCA3):

Modelo de caminata aleatoria sin variaciones: Y t =Y t1 +ut

Modelo caminata aleatoria con variaciones: Y t = +Y t1 +ut

POR QU ES IMPORTANTE LA ESTACIONARIEDAD?

2 Un proceso estocstico de este tipo se conoce como un proceso estocstico dbilmente estacionario.
3 Es un proceso de raz unitaria.
Prof. Laura Castillo Econometra I. Tpicos Varios.
 En ausencia de estacionariedad, solo se puede estudiar la serie en un
periodo bajo consideracin. Cada conjunto de datos de la serie
corresponder a un evento particular.

Dado lo anterior no se pueden realizar pronsticos.

De acuerdo a los supuestos MCO, cuando una serie no es estacionaria

sucede el fenmeno de regresin ser espuria4. Los resultados
parecen buenos pero en realidad no lo son.

PROCESO ESTOCSTICO INTEGRADO:

Se conocen con este trmino a las series de tiempo no estacionaras a nivel

pero que evaluada en alguna de sus diferencias se convierte estacionaria:

d
Si Yt no es estacionaria, pero Xt = (Y t ) resulta estacionaria, se dir
que Yt es HOMOGNEA O INTEGRADA DE ORDEN d, concretamente
Y t I (d) . As, el orden de integracin vendr dado por el nmero de
diferenciaciones requeridas por la serie para tornarse estacionaria.

Una serie que no es estacionaria a nivel pero su primera diferencia si lo

es, se conoce como una serie integrada de orden 1. Y t I (1) .

Si una serie es estacionaria a nivel, resulta ser integrada de orden

Y t I (0) .

La mayora de las series econmicas son integradas de orden 1,

Z t I (1) .

Si una serie no es estacionaria a nivel y mediante la diferenciacin no

logra tornarse estacionaria, se dice que es una serie NO HOMOGNEA
O EXPLOSIVA.

Propiedades de las series integradas:

Si X t I (0) y Y t I (1) , A t =( X t +Y t ) I (1) .

Si X t I (d ) , A t =( a+ b X t ) I (d ) .
Si X t I (d 1) y Y t I (d 2) , entonces Z t =( a X t +b Y t ) I (d 2 ) .
Donde d1 < d2.

4 Yule, G. 1926.
Prof. Laura Castillo Econometra I. Tpicos Varios.

Si X t I (d ) y Y t I (d) , Z t =( a X t +b Y t ) I (d ) .

PROCESO ESTOCSTICO DE RAZ UNITARIA:

Sea:
Y t =Y t1 +ut 1 1

Si =1 , Yt es integrada de orden 1 y se tiene un fenmeno conocido

como RAZ UNITARIA. Esto significa que la serie es no estacionaria.

Si || 1 , el efecto de un shock K sobre la serie se desvanece en el

tiempo.

Si =1 , el efecto de un shock K sobre la serie no se desvanece en el

tiempo, es decir, se reflejar en todas las observaciones siguientes.

PRUEBAS DE ESTACIONARIEDAD:

A. Pruebas informales5:

1. Prueba grfica: mediante un grfico de lnea se busca determinar si la

serie presenta tendencia o fluctuaciones que muestren que su varianza
no es constante. No siempre es evidente.

Ejemplo 1: Formacin Bruta de Capital Real (precios 1997) de Venezuela

1982 2005.

5 Existen dos estadsticos de prueba para determinar la estacionariedad de una serie: el Box-Pierce
(BP) y el Ljung Box (LB) que no son objeto de estudio en este curso.
Prof. Laura Castillo Econometra I. Tpicos Varios.
 50

40

30

20

10

0
1985 1990 1995 2000 2005

FBKF

Ejemplo 2: Producto Interno Bruto Real per cpita (precios 1997) de

Venezuela 1982 2005.

2.6

2.4

2.2

2.0

1.8

1.6

1.4
1985 1990 1995 2000 2005

PIBRPC

2. Funcin de autocorrelacin (FAC ACF):

Prof. Laura Castillo Econometra I. Tpicos Varios.

 La funcin de autocorrelacin de una serie de tiempo muestra la
correlacin terica entre los valores de la serie en el periodo t y sus
valores en el periodo t+k, para cualquier valor de k desde 1 hasta n.

Cov ( X t , X t +k ) k
k = =
Var ( X t ) 0

Los coeficientes de autocorrelacin de los procesos estacionarios

tienden a cero (0) rpidamente a medida que aumenta el nmero de
rezagos k-

Los coeficientes de autocorrelacin de los procesos no estacionarios

decaen muy lentamente, a cero (0), a medida que aumenta k.

Ejemplo 1: Formacin Bruta de Capital Real (precios 1997) de Venezuela

1970 2005.

Sample: 1970 2007

Included observations: 38
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. |**** | . |**** | 1 0.537 0.537 11.838 0.001
. |** | . *| . | 2 0.242 -0.065 14.308 0.001
. |*. | . |. | 3 0.082 -0.031 14.597 0.002
. |. | . |. | 4 -0.007 -0.036 14.599 0.006
. *| . | . |. | 5 -0.065 -0.049 14.791 0.011
. *| . | . |. | 6 -0.085 -0.028 15.136 0.019
. *| . | . |. | 7 -0.101 -0.046 15.639 0.029
. *| . | . *| . | 8 -0.130 -0.071 16.495 0.036
. *| . | . *| . | 9 -0.148 -0.061 17.646 0.040
. *| . | . |. | 10 -0.137 -0.035 18.666 0.045
. *| . | . |. | 11 -0.123 -0.044 19.524 0.052
. *| . | . |. | 12 -0.104 -0.033 20.151 0.064

Prof. Laura Castillo Econometra I. Tpicos Varios.

En primera diferencia:

Sample: 1970 2007

Included observations: 37
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. *| . | . *| . | 1 -0.182 -0.182 1.3335 0.248
. *| . | . *| . | 2 -0.146 -0.186 2.2140 0.331
. *| . | . *| . | 3 -0.078 -0.153 2.4707 0.481
. | . | . *| . | 4 -0.034 -0.124 2.5207 0.641
. | . | . *| . | 5 -0.039 -0.129 2.5884 0.763
. | . | . *| . | 6 -0.004 -0.099 2.5890 0.858
. | . | . *| . | 7 0.014 -0.070 2.5984 0.920
. | . | . *| . | 8 -0.011 -0.078 2.6043 0.957
. | . | . *| . | 9 -0.031 -0.098 2.6527 0.976
. | . | . *| . | 10 -0.001 -0.080 2.6528 0.988
. | . | . *| . | 11 -0.002 -0.080 2.6531 0.995
. | . | . *| . | 12 0.002 -0.073 2.6533 0.998

La serie es integrada de orden 1.

B. Prueba de Raiz Unitaria (Unit Root Test, pruebas formales):

1. Prueba de Dickey-Fuller (DF, 1979): a partir del siguiente modelo

permite determinar la estacionariedad de una serie.

Y t =Y t1 + t (1) t es ruido blanco.

Restando de (1) Y t1

Y t = Y t 1+ t Donde =( 1 )

El test consiste en probar la hiptesis siguiente:

Prof. Laura Castillo Econometra I. Tpicos Varios.

 Ho: =0 . (p=1. La serie tiene una raz unitaria, ES NO ESTACIONARIA).
H1: 0 (p 1. La serie NO tiene una raz unitaria, ES ESTACIONARIA).

NOTA:

Es un tets valido solo para esquemas AR(1).

2. Prueba de Dickey-Fuller Aumentada (DFA, 1981): el procedimiento es

similar al anterior pero permite incluir ms rezagos de la variable.
[AR(p)], con la finalidad de contrastar la hiptesis de que existe al menos
una raz unitaria.

m
Y t = 1+ 2 t+ Y t 1 + i Y t 1 + t
i=1

El test consiste en probar la hiptesis siguiente:

Ho: =0 . (La serie tiene una raz unitaria, ES NO ESTACIONARIA).

H1: 0 (La serie NO tiene una raz unitaria, ES ESTACIONARIA).

Ejemplo 1: Formacin Bruta de Capital Fijo en Venezuela, (precios 1997)

1970-2007.

A nivel:

Null Hypothesis: FBK has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.248207 0.0250
Test critical values: 1% level -3.621023
5% level -2.943427
10% level -2.610263
*MacKinnon (1996) one-sided p-values.

En primera diferencia:

Null Hypothesis: D(FBK) has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -7.012104 0.0000
Test critical values: 1% level -3.626784
5% level -2.945842
10% level -2.611531
*MacKinnon (1996) one-sided p-values.
Prof. Laura Castillo Econometra I. Tpicos Varios.
La serie FBKF es integrada de orden 1.

Ejemplo 2: Inflacin en Venezuela.

A nivel:

Null Hypothesis: INF has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.438573 0.1429
Test critical values: 1% level -3.752946
5% level -2.998064
10% level -2.638752
*MacKinnon (1996) one-sided p-values.

En primera diferencia:

Null Hypothesis: D(INF) has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -5.750738 0.0001
Test critical values: 1% level -3.769597
5% level -3.004861
10% level -2.642242
*MacKinnon (1996) one-sided p-values.

La serie INF es integrada de orden 1.

3. Prueba de Phillips-Perron (PP): consiste en una modificacin de DFA

mediante el uso de mtodos estadsticos no paramtricos con la
finalidad de evitar la correlacin serial en los trminos de error, sin aadir
rezagos.

ANLISIS DE COINTEGRACIN:

De lo visto en lneas previas se deriva que la econometra tradicional

requiere de la estacionariedad de las series para evitar regresiones espurias.

Prof. Laura Castillo Econometra I. Tpicos Varios.

En la dcada de 1970 Granger y Newbol concluyeron que la mayora de las
series econmicas son no estacionarias. Esto deriva en:

La mayora de las relaciones derivas de los modelos de regresin

tradicionales son falsas.

La econometra tradicional no alcanza para analizar este tipo de series.

Dos series Xt y Yt son cointegradas, si ambas son integradas de orden (1)
y existe una combinacin lineal de ellas integrada de orden (0):

1
Y t =1 + 2 X t +u t donde X t I (1) y Y I )
t

ut =Y t 1 2 X t ut I (0)

La regresin Y t =1 + 2 X t +u t refleja lo que se conoce tradicionalmente

como una REGRESIN COINTEGRANTE. As, las variables muestran una
relacin de equilibrio a largo plazo, siendo 2 (PARMETRO
COINTEGRANTE) quien define dicha relacin.

PRUEBAS DE COINTEGRACIN:

1. Metodologa Uniecuacional de Engle-Granger: se basa en la prueba

DFA bajo el siguiente procedimiento:

a) Determinar el orden de integracin de las variables mediante la

aplicacin de una prueba DFA. Si alguna variable es integrada de
orden superior trabaje con la variable en diferencia.

b) Estimar la regresin mediante los mtodos tradicionales.

c) Determinar mediante el test de raz unitaria el orden de integracin de

los residuos estimados en la regresin. Si los residuos son integrados
de orden cero (0) el modelo est cointegrado, es decir, no es espurio,
no es falso.

Ejemplo1: razn de los agregados monetarios M1/M2 (M) en funcin del

PIBRPC y la tasa de inters (TIP) .
Determinar el orden de integracin de las variables:

Null Hypothesis: M has a unit root

Exogenous: Constant
Prof. Laura Castillo Econometra I. Tpicos Varios.
 Lag Length: 0 (Automatic based on SIC, MAXLAG=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -0.572443 0.8586
Test critical values: 1% level -3.752946
5% level -2.998064
10% level -2.638752
*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(M) has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.531717 0.0018
Test critical values: 1% level -3.769597
5% level -3.004861
10% level -2.642242
*MacKinnon (1996) one-sided p-values.

Null Hypothesis: PIBRPC has a unit root

Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.405150 0.5578
Test critical values: 1% level -3.831511
5% level -3.029970
10% level -2.655194
*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(PIBRPC) has a unit root

Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.423484 0.0025
Test critical values: 1% level -3.788030
5% level -3.012363
10% level -2.646119
*MacKinnon (1996) one-sided p-values.

Null Hypothesis: TIP has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.338753 0.1691
Test critical values: 1% level -3.752946
5% level -2.998064
10% level -2.638752
*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(TIP) has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.066723 0.0001
Test critical values: 1% level -3.769597
Prof. Laura Castillo Econometra I. Tpicos Varios.
 5% level -3.004861
10% level -2.642242
*MacKinnon (1996) one-sided p-values.
Los residuos:

Null Hypothesis: RES has a unit root

Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 0.210465 0.9669
Test critical values: 1% level -3.769597
5% level -3.004861
10% level -2.642242
*MacKinnon (1996) one-sided p-values.

COMO LOS RESIDUOS NO SON ESTACIONARIOS A NIVEL, LA

REGRESIN NO ES COINTEGRANTE POR LO TANTO EL MODELO
ES ESPURIO.

2. Metodologa de Soren-Johansen (1988): se basa en vectores

autorregresivos (VAR).

Prof. Laura Castillo Econometra I. Tpicos Varios.