Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Autocorrelación Ejemplo Clase 23 Econometŕıa I Tomás Rau Binder 15 de noviembre Clase 23 Econometŕıa I Autocorrelación Ejemplo Contenidos Autocorrelación Estimación de Modelos con Autocorrelación Ejemplo Clase 23 Econometŕıa I Autocorrelación Ejemplo Estimación de Modelos con Autocorrelación Estimación de Modelos con Autocorrelación Bajo presencia de autocorrelación, qué podemos hacer? Al igual que en el caso de heterocedasticidad, el estimador MCO es consistente pero no eficiente. Se puede estimar una matriz robusta como en el caso de Eicker-Huber-White pero es un tanto complicada (es la matriz de Newey-West que veremos en Teo Eco 1) Hoy veremos cómo estimar β cuando existe autocorrelación, AR(1), de forma eficiente Veremos un ejemplo Clase 23 Econometŕıa I Autocorrelación Ejemplo Estimación de Modelos con Autocorrelación El Método de Cochrane-Orcutt Clase 23 Econometŕıa I Autocorrelación Ejemplo Estimación de Modelos con Autocorrelación Estimación: El Método de Cochrane-Orcutt El método de Cochrane-Orcutt pertenece a la clase de estimadores de Mı́nimos Cuadrados Generalizados (Factibles) cuando el error es AR(1). Es MELI si se cumplen los supuestos respecto de la estructura del error. Su implementación es simple e intuitiva. Clase 23 Econometŕıa I Autocorrelación Ejemplo Estimación de Modelos con Autocorrelación Estimación: El Método de Cochrane Orcutt Si el error es AR(1), podemos transformar el modelo original y “quitarle al autocorrelación”. Sea, yt = xtβ + ut ut = ρut−1 + εt Si rezagamos la ecuación principal y la restamos a esta misma, el modelo transformado es de la siguiente forma: yt − ρyt−1 ︸ ︷︷ ︸ y∗t = (xt − ρxt−1) ′ ︸ ︷︷ ︸ x∗ ′ t β + ut − ρut−1 ︸ ︷︷ ︸ εt ⇒ y∗t = x ∗ t β + εt desde t = 2, ..,T . Note que ǫt no sufre de autocorrelación. Pero necesitamos ρ. Clase 23 Econometŕıa I Autocorrelación Ejemplo Estimación de Modelos con Autocorrelación El Método de Cochrane-Orcutt El Método de Cochrane-Orcutt es un método iterativo para obtener la estimación de β y ρ: 1 Estimar por Mı́nimos Cuadrados Ordinarios la regresión de interés, ignorando la presencia (conocida) de autocorrelación de primer orden en el término de error. 2 Utilizar los residuos MCO para estimar el parámetro ρ. Esto puede hacerse mediante una regresión de ût contra ût−1, o a partir del estad́ıstico DW de la estimación anterior. 3 Utilizar este parámetro ρ̂ para transformar las variables, y obtener y∗t y x ∗ t . (pierde una observación) Clase 23 Econometŕıa I Autocorrelación Ejemplo Estimación de Modelos con Autocorrelación El Método de Cochrane-Orcutt 5 Estimar por MCO un modelo con las variables transformadas, para obtener un nuevo vector de coeficientes β. 6 Utilizar esta nueva estimación para computar otro vector de residuos, y utilizar estos residuos para obtener una nueva estimación de ρ 7 Repetir este procedimiento hasta que los β converjan1. 1Esto sucede cuando la diferencia entre el vector de parámetros β difiere infinitesimalmente del β obtenido en la vuelta anterior. Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo Suponga estamos interesados en estimar una función Consumo: Ct = β0 + β1Yt + ut (1) donde Ct es el consumo e Yt es el Ingreso. Para esto contamos con información del consumo agregado del sector público y privado y del PIB de España para los años 1954-1988. Estas series se muestran en el siguiente gráfico: Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo en stata: line consumo pib año 0 50 00 10 00 0 15 00 0 20 00 0 1950 1960 1970 1980 1990 Año PIB Consumo Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo Estimando el modelo por MCO: Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo Estimando ρ Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo Transformando el modelo: Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo Para “decirle” a stata que sus datos son series tiempo tiene que indicarle la variable temporal: tsset año Note que cuando estimamos por MCO el error estándar del pib era 0.006 Note que cuando transformamos el modelo a la Cochrane-Orcutt el error estándar aumenta casi 4 veces (a 0.020) Note que DW ≃ 2(1− ρ̂) = 2(1− 0,8249) = 0,3502. Rechazamos la nula de no-autocorrelación? Veamos la tabla de cŕıticos: Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo Para rechazar la nula de no-autocorrelación, necesitamos que d < dL (en favor de autocorr positiva) o que d > 4− dL (en favor de autocorr negativa) Si comparamos el valor del DW con el valor de tabla (k’=1 y n=35 al 95% de confianza, dl=1.4 y du=1.52), tenemos que se rechaza la hipótesis nula de no autocorrelación a favor de autocorrelación positiva. Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo De hecho mire los residuos − 40 0 − 20 0 0 20 0 R es id ua ls 1950 1960 1970 1980 1990 Año Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo Stata lo puede hacer directo: Cochrane-Orcutt Clase 23 Econometŕıa I Autocorrelación Ejemplo Ejemplo: Estimación de Función Consumo Ahora, podemos calcular el DW del modelo transformado (no está en la transparencia) y encontramos que ed = 1,80, mayor al ĺımite superior de tabla (dU = 1,52) y menor a (4− dL) = 2,48, por lo tanto no se puede rechazar la nula de no autocorrelación, del modelo transformado, luego la corrección fue efectiva. El parámetro de la propensión marginal a consumir es el mismo que el obtenido de la estimación MCO del modelo original. Lo anterior es por que MCO es consistente e insesgado pero ineficiente ante la presencia de autocorrelación. Clase 23 Econometŕıa I Autocorrelación Estimación de Modelos con Autocorrelación Ejemplo
Compartir