 Test predictivo de n etapas (N-Step Forecast Test)

En lugar de utilizar coeficientes estimados con la información disponible hasta t-1 para
predecir únicamente los siguiente observación (Yt), consideramos la posibilidad de utilizarlos
para predecir todas las observaciones que siguen (t,…,n). Así, una divergencia considerable,
entre los valores predichos y los verdaderos seria evidencia a favor de la existencia de un
quiebre estructural. El test predictivo de n etapas (así como la prueba predictiva de Chow) se
basa en esta intuición para evaluar la estabilidad de los parámetros del modelo.
Específicamente, y empezando con el tamaño de muestra más reducido posible, esta prueba
calcula y reporta la probabilidad asociada al siguiente estadístico:

𝑆𝐶𝑅𝑅 −𝑆𝐶𝑅𝑆1 /(𝑛2 )

𝐹= ~ 𝐹 (𝑛2 , 𝑛1 − 𝑘); 𝑛1 + 𝑛2 = 𝑛
𝑆𝐶𝑅𝑆1 /(𝑛1 −𝑘)
Donde:

𝑆𝐶𝑅𝑅 representa la suma de cuadrados residuales del modelo que considera el total de
observaciones (n).

𝑆𝐶𝑅𝑠1 indica la suma de cuadrados residuales del modelo que utiliza las primeras 𝑛1
observaciones.

𝑛2 es igual al numero de observaciones en la segunda parte de la muestra

𝑛1 número de observaciones de la primera parte de la muestra

K: la cantidad de variables que se encuentra en el modelo

Este estadístico es estimado de manera recursiva ampliando en una observación la muestra

incluida en 𝑛1

Al igual que la prueba anterior, el grafico reporta los residuos recursivos, sus bandas de
confianza y las probabilidades asociadas a cada uno de los estadísticos F computados.

Si la interpretación de los puntos de probabilidad es la misma a la de la prueba en una etapa,

¿por qué obtenemos puntos cercanos a 0.00 hasta antes de la fecha de quiebre? Esta aparente
contradicción con los resultados obtenidos en la prueba anterior queda absuelta al analizar la
forma del estadístico F en la formula.

Al respecto, recordemos la pregunta es ¿Cuándo nos equivocamos más? En otras palabras,

¿Cuándo esperamos que la diferencia entre 𝑆𝐶𝑅𝑅 y 𝑆𝐶𝑅𝑠1 sea mayor?

La respuesta es: cuando comparamos la suma de los cuadrados que incluye todas las
observaciones 𝑆𝐶𝑅𝑅 con aquella estimada utilizando observaciones que pertenecen solo uno
de los procesos generados de datos. Esto ocurre, precisamente, en un intervalo comprendido
hasta la fecha del quiebre, ya que una vez que empecemos a incorporar observaciones
pertenecientes al segundo PGD en la estimación de 𝑆𝐶𝑅𝑠1 , dicho valor se aproximara cada vez
mas a 𝑆𝐶𝑅𝑅 .
 Por lo mismo, los mayores valores para el estadístico corresponden a la primera parte de la
muestra y esto explica lo reducido de la probabilidad asociada (o el nivel de significancia
critico) en este intervalo.

Nota:

Ante una divergencia considerable

entre los valores predichos y los
verdaderos seria evidencia a favor de
la existencia de un quiebre
estructural.

En definitiva, la presencia de un quiebre en el momento t debe conducir a la presencia de

puntos de probabilidad cercanos a cero hasta t.

Una vez se incorporen datos del segundo PGD la diferencia entre ambas sumas de cuadrados
comenzará a caer y, con esto, la probabilidad asociada empezará a aumentar, tal como se ve
en el anterior gráfico.