Escolar Documentos
Profissional Documentos
Cultura Documentos
Jesús Gonzalo
U. Carlos III de Madrid
Regresión Espuria
y t y t 1 u t ; u t iid (0, 2u )
Set-up:
x t x t 1 v t ; v t iid (0, 2v ) ; E(u t , v s ) 0 t, s
E(u t u t k ) E( v t v t k ) 0 k
Regresa y t x t t
Que esperas conseguir?
ˆ
0
p
R 0
2 p
t ˆ t distribución
Regresión Espuria (cont)
ˆ a lg una distribuci ón
R alguna distribuci ón
2
DW
0 p
1 / 2
T t ˆ alguna distribuci ón
Regresión Espuria (cont)
Problema de Reegresión Espuria (SPR):
La regresión de una serie I(1) sobre otra variable I(1) no relacionada, produce unos
t-ratios del parámetro de la pendiente que indican la existencia de relación cuando
sabemos que no la hay. Este problema no desaparece cuando el tamaño muestral
aumenta.
El problema de la Regresión Espuria puede aparecer tambien con
series I(0) (vease Granger, Hyung and Jeon (1998)). Esto nos está
diciendo que el problema está generado por el uso de VALORES
CRITICOS EQUIVOCADOS!!!!
En una Regresión Espuria los errores estarían correlacionados y los estadisticos
“t” estarían mal calculados porque se esta usando un estimador de la varianza
residual que no es consistente. En el mundo I(0) se puede hacer una correción
como vimos en clase que resuelve este problema:
ˆ ˆ
t t - distribuci ón , donde ˆ (varianza de largo plazo de ˆ)1/2
ˆ
Quizás se pueda hacer algo parecido cuando la regresión envuelve variables I(1).
Regresión Espuria (cont)
*
Pt St Pt
Un índice de precios en $ per € Indice de precios en España
USA
En logs :
p t s t p*t
Una versión de la *
pt st pt zt
PPP mas débil:
Z t Yt y t is I(0)
Interpretación Geometrica de Cointegración
Que es un ATTRACTOR?
Considere el precio (en el tiempo) de un bien que se comercia en dos
localidades diferentes i y j.
.
pit p jt
p jt 3 .
4 .
1 : ( pi1 , p j1 ) 5
.
2 : ( pi 2 , p j 2 ) .
2
1
t : ( pit , p jt ) 45
pit
Supongamos pi1 p j1 Demanda irá al lugar j
pi1 y p j1
El ajuste no será instantaneo; pero en el largo plazo
pit p jt
Interpretación Geométrica de Cointegración(cont)
Resultado 1.
Si dos series I(1) tienen un factor común I(1) y un componente I(0)
idiosincrásico, entonces ellas están cointegradas.
• La hipotesis nula Ho : 0
• Esto significa que los residuos tienen una raíz unitaria y entonces yt y xt no están cointegradas.
• Si los residuos son I(0) entonces yt y xt están cointegradas
Modelo de Correción del Error
Modelo de Correción del Error Vectorial(VECM)
Para un VAR bivariante, donde X t , Yt son I(1) y estan cointegradas
X t c1 1Z t 1 1X t 1 ..... 1Yt 1 .... xt
Yt c2 2 Z t 1 1X t 1 ..... 1Yt 1 .... yt
donde ( xt , yt )' es un ruido blanco bivariante y
Z t X t AYt I (0), y
como minimo un i 0
Si X t , Yt no están cointegrad as Z t I (1) (regla 4)
En el ECM, I(1) no puede explicar I(0), i.e. X t , Yt 1 2 0
Resultado 2.
Si X t , Yt están cointegradas, entonces existe una representacion ECM
y viceversa (Teorema de Representación de Granger).
Intuición Geometrica del Modelo de Correción del Error
Intuición sobre el ECM
Z t Yt AX t : error de equilibrio
Yt
Yt AX t
Zt 0
Xt
Donde vaya el sistema en el tiempo t+1 , depende de la magnitud y
el signo del error de equilibrio en el periodo anterior.
Dinámica de Corto-Plazo: movimientos en el corto plazo dentro del
ECM, que guian a la economía hacia el
Equilibrio de Largo Plazo Yt AX t
Cointegración y Modelización Econométrica