Académique Documents
Professionnel Documents
Culture Documents
ESQUEMA
1.
Introduccin
2.
3.
Identificacin
del
Autocorrelacin.
4.
Posibles Soluciones
Problema:
Pruebas
de
1. INTRODUCCIN
0
Var (u ) E (uu ' ) 1
n 1
1
0
n2
n 1
n 2
V
1. INTRODUCCIN
ut ut 1 t
, la matriz de varianzas y
Var (u ) 0
1
1
n 1
n2
1
1
n 1
n 2
1
1
2
u
n 1
1
1
n2
n 1
n2
V
1. INTRODUCCIN
u t t 1 t
, la autocorrelacin
generara
1 1
1
Var (u ) 0 1
0 0
0
2
u
2
1
1
0
1 2
1
0 V
1. INTRODUCCIN
POR QU SURGE LA AUTOCORRELACIN? Usualmente series de tiempo
1.
Autocorrelacin espacial:
espacial en datos de corte transversal;
transversal por ejemplo
similitudes en el clima de regiones adyacentes.
2.
3.
Inercia:
Inercia Inercia en el comportamiento humano.
4.
5.
Mala Especificacin:
Especificacin la omisin de un regresor autocorrelacionado,
mala especificacin funcional del modelo o de la dinmica de la ecuacin.
Insesgados.
Consistentes.
Asintticamente normales.
A
X ( X ' X ) 1
Var ( MCO
) 2 ( X ' X ) 1 X '
A
Var ( MCO
):
Se tiene que:
especiales, es posible
es hacia arriba o hacia
MCO
Intercepto
, es
1 X'X
A
Var ( MCO )
n n
1
X'X
2
X ' [ ] X
n
n
A
] X ( X ' X ) 1
Var ( MCO
) ( X ' X ) 1 X '[ 2
1
1
1
A
Var . As.( MCO
)
Plim X ' X Plim X ' X Plim X ' X
n
n
n
n
1
1
A
Var . As.( MCO
) Q 1 Plim X '[ 2 ] X Q 1
n
n
Cuando
A
):
X ' 2 Xes' conocido , el estimador de Var . As.( MCO
1 1
A
Var . As.( MCO
) X'X
n n
2
X
'
[
]
X
n
X
'
X
n
Cuando
X ' 2 X '
1 1
A
Var . As.( MCO
) X'X
n n
Q * X ' X
n
L
n
1
Q * S 0 wl et et l ( xt xt' l xt l xt' )
n l 1 t l 1
donde:
wl 1
l
( L 1)
E ( MCG )
A
Var ( MCG ) 2 ( X ' 1 X ) 1 Var ( MCO
) Var ( MCG )
de los residuos al
Los estimadores MV son iguales los estimadores MCG. Por ello, los
estimadores MCG son asintticamente eficientes.
2MV 2MCG
Var ( MV
MCG
Test de Breusch-Godfrey.
Test de Box-Pierce-Ljung.
2
(
u
u
)
t t 1
t 2
u
t 2
2
t
e e
t 2
n
t t 1
e
t 2
2
t
4. POSIBLES SOLUCIONES
1.
4. POSIBLES SOLUCIONES
2.
A.
4. POSIBLES SOLUCIONES
B.
Sin
embargo,
encontrar
el
estimador
MCGF
es
muy
4. POSIBLES SOLUCIONES
Yt 1 2 X t u t
u t u t 1 t
2
Var (u ) u
n 1
n 1
n 2
n2
4. POSIBLES SOLUCIONES
1
2
Var (u )
1 2
n 1
n2
Var (u ) 2
n 1
n 2
1
1
1 2
n 1
n 2
1
n 1
n 2
2
4. POSIBLES SOLUCIONES
De esta forma:
Con la matriz
es necesario estimar
1 X ) 1 X '
1 y
MCGF ( X '
4. POSIBLES SOLUCIONES
es:
0
1
1 2
0
1 2
0
0
0
0
0
0
0
0
0
0
0
1 2
1 2
0
0
0
0
0
0
1 2
0
0
1 2
1
0 P' P
0 1
4. POSIBLES SOLUCIONES
(1 ) X 1
2
y las
4. POSIBLES SOLUCIONES
Mxima Verosimilitud
4. POSIBLES SOLUCIONES
, que se obtiene
Dado un
(Yt Yt 1 ) 1 (1 ) 2 ( X t X t 1 ) t
(Y X ) (Y X )
t
t 1
t 1
' s
converjan.
4. POSIBLES SOLUCIONES
aplicando MCO a:
Yt 1 (1 ) Yt 1 2 X t 2 X t 1 t
Yt 0 Yt 1 1 X t 2 X t 1 t
Luego, se utiliza
(Yt Yt 1 ) 1 (1 ) 2 ( X t X t 1 ) t
cYt 1 (1 ) 2 c X t t
4. POSIBLES SOLUCIONES
cYt 1 (1 ) 2 c X t t
SCRi
i
Se repite el proceso con diferentes valores iniciales
elige aquel cuya SCR sea menor.
y se
4. POSIBLES SOLUCIONES
Observaciones
1.
yt xt ut ,
ut ut 1 t ,
t ~ iid (0, 2 )
4. POSIBLES SOLUCIONES
2.
yt yt 1 ut ,
ut ut 1 t ,
t ~ iid (0, 2 )
En este caso, los estimadores de MCO son ineficientes e
inconsistentes, pues existe correlacin contempornea
entre la explicativa y la perturbacin.
AUTOCORRELACIN