Professional Documents
Culture Documents
Zamora
ANÁLISIS DE AUTOCORRELACIÓN
En este tema se cuestionar, para los modelos que trabajan con datos de series de tiempo, una
de las hipótesis que definen el Modelo de Regresión Lineal Normal Clásico (MRLNC). En
concreto se analiza la hipótesis que establece que el vector de perturbaciones sigue una
distribución según un vector normal esférico.
E (ut ) = 0 E (u t2 ) = ⌠ 2 = 0 E (u t ut + S ) = 0 ∀ s ≠ 0
Entre los factores no identificados señalados por Malinvaud podría encontrarse un error en la
especificación de la forma funcional del modelo y la omisión de variables relevantes que
puede dar lugar a un comportamiento sistemático de los residuos que podría interpretarse
como autocorrelación cuando en realidad se corrige al especificar correctamente el modelo.
E( u t u t+ S ) ≠ 0 s = 0, ± 1, ± 2, ...
se está considerando que el término de perturbación de una observación está relacionado con
el término de perturbación de otras observaciones y por lo tanto la covarianza entre ellos es
distinta de cero y se define como, E( u t ut + S ) = S s = 0, ± 1, ± 2,...
Cov(u t ,u t + S )
coeficiente de autocorrelación del retardo s es, 〉S =
Var(u t )Var(ut + S )
El modelo que ahora se estudia es por tanto un Modelo de Regresión Lineal Generalizado con
autocorrelación y verifica todas las hipótesis del modelo de regresión lineal normal clásico
excepto la que hace referencia a la nulidad de las covarianzas de la perturbación. Este nuevo
modelo, en el que se supone que no hay problemas de heterocedasticidad, queda especificado
como, Y = X + u dondeu → N (0,⌠2Ω )
Dado que se admite la existencia de autocorrelación pero no de heterocedasticidad la matriz de
varianzas y covarianzas de la perturbación - ⌠2 Ω - presenta los elementos de la diagonal
principal constantes. Es decir, la matriz de varianzas y covarianzas de la perturbación es de la
forma,
1
Malinvaud, E. (1964) “Méthodes Statistiques de l’ Economérie”, p. 83, Dunod, Paris.
2
Cuando s=0, se obtiene la varianza que se define como, 0 = E(ut2 ) = ⌠ 2
2
Análisis de Autocorrelación J.M. Arranz , M.M. Zamora
⌠ 2 1 ... 1 〉 1 ... 〉 n − 1
⌠ ... 〉1 1
2
n− 1n − 2 2 2 ... 〉 n− 2
E (uu' ) = 1 = ⌠ Ω = ... ... . .. ...
... ... ...
n− 1 n − 2 ... ⌠2 〉 n − 1 〉 n − ... 1
...
2
Para poder estimar este modelo, obteniendo estimadores con buenas propiedades, se aplican
mínimos cuadrados generalizados —o la transformación de Aitken— por lo que es necesario
estimar estas correlaciones entre los términos de perturbación.
3
Análisis de Autocorrelación J.M. Arranz , M.M. Zamora
3. FORMAS DE AUTOCORRELACIÓN.
ESQUEMAS AUTORREGRESIVOS Y DE MEDIAS MÓVILES
• Procesos autorregresivos
Los procesos o filtros autorregresivos están diseñados de modo que el comportamiento de una
variable en un instante de tiempo depende de valores pasados de la propia variable. Así, si el
valor de la variable u en el momento t depende de su valor en el periodo anterior más un
término aleatorio se dice que el proceso es autorregresivo de primer orden (AR(1)). Si la
relación de dependencia se establece con los p valores anteriores el proceso será
autorregresivo de orden p. Matemáticamente estos procesos se expresan del siguiente modo,
AR(1) u t = ϕ u t − 1 + ∑ t
AR(2) u t = ϕ 1u t− 1 + ϕ 2 u t− 2 + ∑ t
...
AR(p) u t = ϕ 1ut − 1 + ϕ 2 u t − 2 + ... + ϕ pu t − p + ∑t
Donde ∑ t es un proceso de ruido blanco y por tanto con esperanza nula, varianza constante y
covarianza nula.
MA(2) ut = ∑ t + 1 ∑ t− 1 + 2 ∑ t− 2
...
MA(q) ut = ∑ t + 1 ∑ t− 1 + 2 ∑ t − 2 + ... + q ∑ t− q
4
Análisis de Autocorrelación J.M. Arranz , M.M. Zamora
• Procesos mixtos
Si el comportamiento de una variable se modeliza combinando procesos autorregresivos y de
medias móviles se denomina ARMA. Así un modelo ARMA(p,q) se caracteriza por una
sucesión de p términos autorregresivos y q términos de medias móviles; esto es,
u t = ϕ 1u t − 1 + ϕ 2 u t − 2 + ... + ϕ p u t − p + ∑t+ 1 ∑ t− 1 + 2 ∑ t−
2 + ... + q∑t− q
El objetivo que se plantea será entonces conocer qué esquema sigue la perturbación y cuál es
la mejor estructura para su modelización.
5
Thank you for evaluating AnyBizSoft PDF Converter.
To get all the pages converted, you need to purchase the software
from:
http://www.anypdftools.com/pdf-converter-win-buy.html