Documente Academic
Documente Profesional
Documente Cultură
James G.
MacKinnon
Queen’s
University
Departamento de
Economía
“Queen's
University”
94 University
Avenue
Kingston,
Ontario, Canada
K7L 3N6
1-2010
VALORES CRÍTICOS PARA LAS PRUEBAS DE COINTEGRACIÓN
James G. MacKinnon
Departamento de Economía
Queen’s University
Kingston, Ontario, Canada
K7L 3N6
jgm@econ.queensu.ca
http://www.econ.queensu.ca/faculty/mackinnon/
Abstracto
Este documento proporciona las tablas de valores críticos para algunas populares pruebas de
raíces unitarias y de cointegración. Aunque estas tablas se basan necesariamente en
simulaciones de computadora, son mucho más precisos que los disponibles anteriormente. Los
resultados de los experimentos de simulación se resumen por medio de regresiones de
superficie de respuesta en la que los valores críticos dependen del tamaño de la muestra. De
estas regresiones, los valores críticos asintóticos se pueden leer directamente, y valores
críticos para cualquier tamaño de muestra limitado pueden ser computados fácilmente con
una calculadora de mano. Añadido en la versión 2010: un nuevo Apéndice contiene resultados
adicionales que son más precisos y cubren más casos que en el documento original.
Enero de 1990
Reeditado en enero de 2010 con resultados adicionales
Después de escribir este artículo, desarrollé métodos más avanzados para calcular las
funciones de distribución aproximadas de las estadísticas de prueba, como las tratadas en este
documento; ver, en particular, MacKinnon (1994, 1996, 2000), MacKinnon, Haug y Michelis
(1999), y Ericsson y MacKinnon (2002). MacKinnon (1996) proporciona resultados
razonablemente precisos para las pruebas Dickey-Fuller y Engle-Granger, que cubren los
mismos casos que los del nuevo apéndice, aunque no son tan precisos. Las "funciones de
distribución numérica" obtenidas en ese documento se pueden usar para calcular los p-valores
así como los valores críticos. Sin embargo, los resultados de este documento continúan
usándose mucho más a menudo que los del artículo de 1996. Quizás eso se deba a que no
requieren el uso de un programa informático especializado para calcular valores críticos.
Espero que, en el futuro, los investigadores que prefieran el enfoque de este documento usen
los resultados más precisos y más ampliamente aplicables que se encuentran ahora en los
Cuadros 2, 3 y 4.
Esta versión del artículo está dedicada al fallecido Sir Clive Gran
ger, 1934-2009, sin cuyas contribuciones fundamentales nunca podría haber sido concebida.
Enero de 2010
1. Introducción
Engle y Granger (1987) sugirieron varias técnicas para probar la hipótesis nula de que dos
o más series, cada una de las cuales es 𝐼(1), no están cointegradas. Este documento se
ocupa de las más populares de estas técnicas, a las que me referiré como pruebas
EngleGranger (o EG) aunque no fueron las únicas pruebas propuestas por esos autores.
Las pruebas EG están estrechamente relacionadas con algunas de las pruebas sugeridas
por Fuller (1976) y Dickey y Fuller (1979) para probar la hipótesis de raíz unitaria; Me
referiré a estos como las pruebas Dickey-Fuller o DF. Las pruebas EG y DF son muy fáciles
de calcular, pero sufren de una seria desventaja: las estadísticas de las pruebas no siguen
ninguna distribución tabulada estándar, ya sea en muestras finitas o asintóticamente.
EngleandGranger (1987), EngleandYoo (1987), Yoo (1987), y Phillips y Ouliaris (1990)
proporcionan tablas para una o más versiones de la prueba EG. Pero estas tablas se basan
en un máximo de 10.000 réplicas, lo que significa que son bastante inexactas. Además,
contienen valores críticos para solo unos pocos tamaños de muestra finitos; valores
críticos asintóticos, que en muchos casos son los más interesantes, no se proporcionan.
Este documento proporciona tablas de valores críticos para dos versiones de la prueba EG
y tres versiones de la prueba DF. Aunque se basan en la simulación, deben ser lo
suficientemente precisos para todos los propósitos prácticos. Los resultados de los
experimentos de simulación se resumen mediante regresiones de superficie de respuesta,
en las que los valores críticos se relacionan con el tamaño de las muestras. Los objetivos
de la respuesta de la superficie de respuesta se han contabilizado de tal manera que los
valores críticos asintóticos se pueden leer directamente, y los valores críticos para
cualquier tamaño de muestra finito se pueden calcular fácilmente con una calculadora
manual.
𝑧̂𝑡 ≡ [1 𝑦𝑡 ]𝑇 𝜶
̂ ≡ 𝑦𝑡1 − 𝛼̂1 − 𝛼̂2 𝑦𝑡2 … − 𝛼̂𝑁 𝑦𝑡𝑁
y prueba para ver si 𝑧̂𝑡 es 𝐼 (1) usando un procedimiento esencialmente igual (excepto
para la distribución de la estadística de prueba) como la prueba DF. La hipótesis nula de
no cointegración corresponde a la hipótesis nula de que 𝑧̂𝑡 es 𝐼 (1). Si uno rechaza el nulo,
uno concluye que 𝑦1 a 𝑦𝑁 están cointegrados.
y para la prueba es 𝛾 = 0. Como han demostrado varios autores (ver West (1988) y
Hylleberg y Mizon (1989)), este último tiene la distribución Dickey-Fuller solo cuando
no hay un término de deriva en el proceso de generación de datos para z𝑡 , de modo
que 𝛼1 = 0. Cuando 𝛼1 ≠ 0, el estadístico de prueba se distribuye asintóticamente
como 𝑁(0,1), y en muestras finitas su distribución puede o no ser bien aproximada por
la distribución de Dickey-Fuller. La versión original de la prueba EG también tiene una
distribución que depende del valor de 𝛼1 ; dado que todos los valores críticos tabulados
suponen que 𝛼1 = 0, pueden ser bastante engañosos cuando ese no es el caso.
1
Se hicieron algunos cambios en este párrafo en la versión de 2010 para corregir errores menores en el
documento original. La conclusión no ha cambiado
La resultante de la estadística de prueba ahora será invariante con el valor de 𝛼1 , aunque
tendrá una distribución diferente a la basada en la regresión (1). Al agregar una tendencia a la
cointegración, la regresión a menudo tiene sentido por varias otras razones, como Engle y Yoo
(1990). Por lo tanto, hay dos variantes de la prueba de Engle-Granger. La variante "sin
tendencia" utiliza (1) como la regresión de cointegración, y la variante "con tendencia" usa (4)
en algunos casos, el vector 𝛼 (o al menos 𝛼2 a 𝛼N ) puede ser conocido.
Podemos entonces simplemente calcular 𝑧𝑡 = 𝑦t1 − 𝛼2 𝑦t2 … − 𝛼𝑁 𝑦tN y usar una prueba DF
común. En este caso, es más fácil prescindir por completo de las regresiones de cointegración
(1) o (4) ejecutando una de las siguientes regresiones de prueba:
Las estadísticas 𝑡 para 𝛾 = 0 en estas tres regresiones arrojan las estadísticas de prueba que
Fuller (1976) se refiere como 𝛾 = 0τ, τμ y τt, respectivamente; él proporciona algunos valores
críticos estimados en la página 373. Nos referiremos a estas estadísticas de prueba como "no
constante", "sin tendencia", y estadísticas "con tendencia", respectivamente. Tenga en cuenta
que la distribución tabulada de estadística no constante depende de la suposición de que z0 =
0, mientras que los de la otras dos son invariables a z0. La distribución tabulada de la
estadística sin tendencia depende en el supuesto de que α1 = 0 (ver West (1988) y Hylleberg y
Mizon (1989)), mientras que el de la estadística con tendencia depende de la suposición de
que α0 = 0.
Hasta este punto, se ha supuesto que las innovaciones εt son serialmente independientes y
homoscedásticos. Estas suposiciones bastante fuertes pueden relajarse sin afectar las
distribuciones asintóticas de las estadísticas de prueba. Las estadísticas de prueba ni siquiera
tienen para ser modificado para permitir la heterocedasticidad, ya que, como Phillips (1987) ha
demostrado, heteroscedasticidad no afecta la distribución asintótica de una amplia clase de
unidad estadística de prueba raíz, sin embargo, tienen que modificarse para permitir la
correlación serial. La forma más fácil de hacerlo es usar Dickey-Fuller aumentado, o ADF, y
Augmented Engle-Granger, o AEG, pruebas. En la práctica, esto significa que uno debe agregar
tantos rezagos de Δzt a regresiones (2) o (3), o de Δzt a regresiones (5), (6) o (7), como sean
necesarios para garantizar que los residuos de esas regresiones parezcan ser ruido blanco.
Un enfoque diferente para obtener pruebas unitarias de raíz que son asintóticamente válidas
en él, sugirió la presencia de correlación serial y / o heterocedasticidad de forma desconocida
por Phillips (1987) y extendido al caso de cointegración por Phillips y Ouliaris (1990). Las
distribuciones asintóticas de lo que Phillips y Ouliaris llaman Zt estadística son idénticos a los
de las pruebas correspondientes de DF, ADF, EG y AEG. Phillips y Ouliaris tabula valores críticos
para dos formas de esta estadística (correspondiente a las versiones sin tendencia y con
tendencia de las estadísticas DF y EG) para varios valores de N. Desafortunadamente, estos
valores críticos se basan en solo 10,000 repeticiones, por lo que sufren de considerable error
experimental.
Sin embargo, no será invariable con el valor de α0. Para lograr eso, uno tendría agregar t a la
regresión; ver el apéndice.
ellos sufren de un considerable error experimental. Además, es para 500 de un lugar
de números infinitos de observaciones, por lo que están sesgadas desde cero como
estimaciones de valores críticos asintóticos. Como se puede ver en la Tabla 1 a
continuación, este sesgo no es despreciable en algunos casos.
2
La cola superior no tiene ningún interés en este caso, y la gran mayoría de las pruebas de hipótesis se
encuentran en niveles de 1%, 5% o 10%.
3
De hecho, los resultados para 𝑁 = 2, 3, 4 𝑦 5 se calcularon juntos para ahorrar tiempo en la
computadora. Los resultados para 𝑁 = 1 se calcularon por separado porque los cálculos fueron
ligeramente diferentes. Los resultados para 𝑁 = 6 se calcularon por separado porque no se decidió
extender el análisis a este caso hasta que la mayoría de los demás cálculos se hayan considerado
100, 150, 200, 250, y 500. Para 𝑁 = 6, los tamaños de muestra fueron 20, 22, 25, 28,
30, 32, 36, 40, 50, 100, 250 y 275. La mayoría de los tamaños de muestra fueron
relativamente pequeños porque el costo de los experimentos fue ligeramente menor
que proporcional al tamaño de la muestra, y debido a los pequeños tamaños de
muestra
la regresión de cointegración en los casos sin tendencia y con tendencia, respectivamente, a
menudo(pero no siempre) resultó en un deterioro dramático en el ajuste de la superficie de
respuesta.
Los residuos ek en la regresión (8) fueron heteroscedásticos, siendo más grandes para los más
pequeños tamaños de muestra. Esto fue particularmente notable cuando (8) se ejecutó para
valores más grandes de N. Por lo tanto, las regresiones de superficie de respuesta se estimaron
mediante GLS factible. Como un primer paso, Ck (p) se regresó en 15 (o 12) variables ficticias,
produciendo residuos 'ek.
Luego se ejecutó la siguiente regresión:
El valor crítico estimado para una prueba en el nivel p% cuando el tamaño de la muestra es T.
Esto varía con T y tiende a ser más pequeño para tamaños de muestra en el rango de 80 a
150. Excepto por valores muy pequeños de T (menos de aproximadamente 25), el error
estándar de C (p, T) siempre fue menor que el error estándar de la β∞ correspondiente, por lo
que, si los errores estándar de β∞ eran precisos, podrían considerarse como límites superiores
para los errores estándar de C (p, T) para la mayoría de los valores de T.
Sin embargo, los errores estándar para β∞ informados en la Tabla 1 son, sin duda, demasiado
pequeños. El problema es que están condicionados a la especificación de la superficie de
respuesta regresiones. Aunque la especificación (8) funcionó muy bien en todos los casos,
otras las especificaciones también se desempeñaron bien en muchos casos, algunas veces
superando (8) insignificantemente. Las estimaciones de β∞ a veces cambiaron tanto como el
doble del reportado error estándar como resultado de cambios menores en la especificación
de la superficie de respuesta eso no afectó significativamente su ajuste. Por lo tanto, es
razonable pensar en el
7 Una considerable experimentación precedió a la elección de la forma funcional para la
regresión (9) Se encontró que omitir d tenía poco efecto en el ajuste de la regresión, aunque
en balance, parecía preferible retenerlo. En este sentido, la regresión (9) es bastante
diferente de la regresión (8), donde el uso de Tk-d en lugar de Tk a veces empeoraba
el ajuste sustancialmente.
4. Conclusión
Se espera que los resultados en la Tabla 1 sean útiles para los investigadores
que realizan pruebas raíces unitarias y cointegración. Aunque los métodos
utilizados para obtener estos resultados son bastante intensivos
computacionalmente, son completamente factibles con personal actual
tecnología computacional. El uso de regresiones de superficie de respuesta
para resumir resultados es valioso por dos razones. En primer lugar, este
enfoque permite estimar asintóticos valores críticos sin utilizar realmente
muestras infinitamente grandes. En segundo lugar, lo hace es posible tabular
los resultados para todos los tamaños de muestra basados en resultados
experimentales solo unos pocos. Se podrían emplear métodos similares en
muchos otros casos donde las estadísticas de prueba no sigas las
distribuciones tabuladas estándar.
Explicación de la Tabla 1
N: Número de series I (1) para las cuales se está probando el nulo de la no cointegración.
Nivel: nivel de prueba de una cola de la raíz de la unidad nula frente a la alternativa de
estacionariedad.
𝛽∞ : valores críticos asintóticos estimados (con errores estándar estimados entre paréntesis).
𝛽∞ + 𝛽1 /𝑇 + 𝛽2 /𝑇 2 .
Por ejemplo, cuando T = 100, el valor crítico del 5% para la prueba EG con tendencia cuando N
= 5 es
Debido a que las nuevas regresiones de superficie de respuesta se basan en 200 veces más
simulaciones que las originales, cualquier especificación errónea se vuelve mucho más
aparente. Por lo tanto, era necesario en la mayoría de los casos agregar un término adicional
(cúbico) a la ecuación (8), que se convierte así en
En general, el error estándar de β fue menor cuando se estimó la ecuación (A.1) usando todos
los datos que cuando se estimó la ecuación (8) sin las observaciones correspondientes a
algunos de los valores más pequeños de Tk.
La segunda gran diferencia entre los experimentos originales y los nuevos es que estos últimos
tratan con una gama más amplia de casos. Los valores de N pasan ahora de 1 a 12 en lugar de
1 a 6. Además, se incluye una variante adicional de las pruebas DF y EG, en la que 𝑡 2 se agrega
a la regresión de cointegración (4) o a la regresión de la prueba DF (7). Esta variante de las
pruebas fue defendida por Ouliaris, Park y Phillips (1989). En la notación utilizada por
MacKinnon (1996), las pruebas para las que se calculan valores críticos son las pruebas
𝑡𝑐 ,𝑡𝑐𝑡 ,𝑡𝑐𝑡𝑡 . Estos involucran, respectivamente, una constante