Documente Academic
Documente Profesional
Documente Cultură
HL Mata
http://webdelprofesor.ula.ve/economia/hmata
Profesor Titular de la Facultad de Ciencias Econmicas y Sociales (FACES) de la Universidad de los Andes (ULA). No hay ninguna pretensin de originalidad en estas notas. Las mismas existen por todas partes. Mi mayor contribucin, si acaso alguna, consisti en ubicarlas, sistematizarlas, adaptarlas y publicarlas para beneficio de Estudiantes de la Facultad de Ciencias Econmicas y Sociales de la Universidad de los Andes. HL Mata
Conceptos de Cointegracin
Desde el punto de vista de la Economa Se dice que dos o mas series estn cointegradas si las mismas se mueven conjuntamente a lo largo del tiempo y las diferencias entre ellas son estables (es decir estacionarias), an cuando cada serie en particular contenga una tendencia estocstica y sea por lo tanto no estacionaria. De aqu que la cointegracin refleja la presencia de un equilibrio a largo plazo hacia el cual converge el sistema econmico a lo largo del tiempo. Las diferencias (o trmino error) en la ecuacin de cointegracin se interpretan como el error de desequilibrio para cada punto particular de tiempo. Desde el punto de vista de la Econometra Dos o ms series de tiempo que son no estacionarias de orden I(1) estn cointegradas si existe una combinacin lineal de esas series que sea estacionaria o de orden I(0). El vector de coeficientes que crean esta serie estacionaria es el vector cointegrante.
HL Mata
Segn S. Johansen la mayor parte de las series temporales son no estacionarias y las tcnicas convencionales de regresin basadas en datos no estacionarios tienden a producir resultados espurios Sin embargo, las series no estacionarias pueden estar cointegradas si alguna combinacin lineal de las series llega a ser estacionaria. Es decir, la serie puede deambular, pero en el largo plazo hay fuerzas econmicas que tienden a empujarlas a un equilibrio. Por lo tanto, las series cointegradas no se separarn muy lejos unas de otras debido a que ellas estn enlazadas en el largo plazo
HL Mata
HL Mata
HL Mata
Durante las pasadas dos dcadas los Economistas han desarrollado herramientas para examinar si las variables econmicas tienen tendencias comunes, tal como lo predice la Teora econmica. Una de esas herramientas son las llamadas pruebas de cointegracin. El procedimiento multivariado de S. Johansen (1988 y 1991), profesor de estadstica matemtica de la Universidad de Copenhagen, se ha convertido en un mtodo muy popular para probar la existencia de cointegracin en la variables I(1) y I(0), en donde I(1) y I(0) indican integracin de primer y cero orden, respectivamente. En la tecnologa de S. Johansen, es necesario analizar las series previamente con el fin de conocer si presentan o no races unitarias. Las series que presenten races unitarias se colocan en un vector autorregresivo a partir del cual se puede probar la existencia de una o mas combinaciones lineales o vectores de cointegracin, como tambin se les denomina.
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
Metodologa de S. Johansen
Determinar el orden de integracin a cada una de las series a ser incluidas en el modelo. Especificar un Vector AutoRegresivo (VAR) con las series que resulten integradas de orden I(1). Seleccionar las Variables del Modelo Seleccionar las transformaciones de las variables, si las hubieren Determinar el retardo ptimo del VAR para asegurar que los residuos sean ruido blanco (white noise) Especificar las variables determinsticas (variables dummy, tendencias,
etc)
Diagnstico del VAR estimado Aplicar el procedimiento de Mxima Verosimilitud al vector autorregresivo con el fin de determinar el rango (r) de cointegracin del sistema: Prueba de la Traza Prueba del Eigenvalue Mximo (valor propio) Estimar el modelo Vector de Correccin de Errores Determinar la relacin causal entre las variables del modelo
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
Datos: Descripcin
Los series utilizadas en esta nota se obtuvieron de la Tabla 21-1, Informacin Macroecononmica, Estados Unidos, 1970.1 a 1991.4. Damodar N. Gujarati (2003) Basic Econometrics, McGraw Hill, 5ta edicin. El procedimiento de la diapositiva 11 les ayudarn a bajar los datos, guardarlos en formato .XLS e importarlos posteriormente desde la aplicacin EViews Series Trimestrales: Tamao de la muestra: 1970.1 - 1991.4 Series originales (Level: en su forma original, sin transformacin): PCE = Gasto Consumo Personal PDI = Ingreso Personal Disponible Series transformadas en logartmicas (o en tasas de cambio) LPCE = Logaritmo de la serie PCE LPDI = Logaritmo de la serie PDI
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
10
En la seccin Name for series or. escriban los nombres de las series separadas por espacios en blanco, es decir: GDP PDI PCE PROFITS DIVIDENDS. Clic OK
Clic en Guardar
11
HL Mata
12
El orden de integracin se refiere al nmero de veces que se debe diferenciar una serie de tiempo (calcular su primera diferencia) para convertirla en una serie estacionaria Se dice que una serie de tiempo est integrada de orden d, escrita I(d), si despus de diferenciarla d veces se convierte en estacionaria. Las series que son estacionarias sin diferenciar se denominan I(0), ruido blanco Si se calcula la primera diferencia de una serie y sta se vuelve estacionaria, se dice entonces que la misma est integrada de orden I(1), random walk. Si la integracin se alcanza despus de calcular la segunda diferencia, se dir que la serie esta integrada de orden 2, es decir I(2) Si una combinacin lineal de 2 variables I(1) genera errores I(0), se dice que las 2 variables estn cointegradas Si dos variables estn integradas de diferentes rdenes, digamos que una es I(1) y la otra de orden I(2), no habr cointegracin En economa slo tienen importancia las series integradas de orden I(1).
HL Mata
13
= 0. 05
Aparecen en el anlisis de regresin con el ttulo [Prob], abreviatura de Probabilidad [Prob]. Especifica el nivel de significacin ms bajo al cual se puede rechazar la hiptesis nula
p p >
En estadstica es convencional rechazar la hiptesis nula con un nivel de significacin = 0.05 Cuando se rechaza la hiptesis nula se dice que los resultados del estudio son estadsticamente significativos al nivel = 0.05
14
Pruebas Formales:
Estadstico de Dickey-Fuller (DF) Estadstico Aumentado de Dickey-Fuller (ADF) Estadstico de Phillips-Perron (PP
HL Mata
15
Clic sobre la variable (serie) PCE para seleccionarla Manteniendo oprimida la tecla Control hagan clic sobre PDI Hagan doble clic sobre la serie PCE y seleccionen Open Group Clic en View (del archivo de trabajo) Graph - Line Observen en la prxima diapositiva como las variables PCE y PDI crecen (tambin pueden decrecer) constantemente en el tiempo. Este comportamiento es caracterstico de series No estacionarias.
HL Mata
16
2800
2400
2000
1600 70 72 74 76 78 80 82 84 PDI
17
86
88
90
PCE
HL Mata
Clic en Quick - Generate Series y escriban: DPCE=PCE-PCE(-1). Clic OK Clic en Quick - Generate Series y escriban: DPDI=PDI-PDI(-1)
Representar las Series en Primeras Diferencias Seleccionen las variables Transformadas DPCE y DPDI, respectivamente Doble clic sobre la serie DPCE y seleccionen Open Group Clic en View (archivo de trabajo) Graph - Line Inspeccionen las grfica de las series en la diapositiva 19. Noten que las mismas se alejan y regresan a unos valores medio. Esos valores no son otros que la media y la varianza. Las series que exhiben este tipo de comportamiento se denominan series estacionarias.
HL Mata
18
Las Series parecen moverse no alrededor del tiempo sino alrededor de sus Medias, Varianzas y Covarianzas, caracterstica de las series estacionarias
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
19
HL Mata
20
Funcin de Autocorrelacin
La funcin de autocorrelacin de la serie PCE da la correlacin terica entre los valores de la serie en el perodo t y sus valores en el tiempo t+k, para todo valor de k desde 1 hasta n, cuya frmula de clculo es la siguiente:
k =
Regla de decisin: Los coeficientes de autocorrelacin de los procesos estacionarios tienden a cero (0) rpidamente a medida que aumenta el nmero de retardos K Los coeficientes de autocorrelacin de los procesos no estacionarios decaen muy lentamente, a cero (0), a medida que aumenta K El grfico del correlograma es una herramienta importante en el anlisis de las series temporales. Noten los valores de k (rho) en las dispositivas 25 y 26
HL Mata
21
Clic en el botn OK. Repitan el procedimiento, pero ahora seleccionen Primeras Diferencias. Comparen el comportamiento de ambos correlogramas. Que conclusin sacan de ellos?
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
22
Reglas de decisin: Serie No Estacionaria: El correlograma empieza en un valor muy alto y decae muy lentamente hacia cero. De acuerdo con esto, nuestras series son no estacionarias Serie Estacionaria: El correlograma decae rpidamente despus del primer retardo
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
23
Prueba de hiptesis de Q y LB
1. Planteamiento de hiptesis:
H 0 : 1 = 2 = ... = k = 0 Serie es White noise = Estacionaria H1 : 1 = 2 ... k 0 Serie Random walk = No estacionaria
Nmero de retardos recomendados: un 25 % del total de las observaciones
2.
Q BP = n
k =1
2 k
2 m k 2 Q = n (n + 2 ) m LB k =1 n k
3.
Regla de decisin:
Rechacen a Ho si el valor de probalidad es menor o igual que el nivel = 0.05 No rechacen a Ho si el valor de la probabilidad es mayor que el nivel = 0.05
4.
Conclusin:
Dado que las probabilidades asociadas a los estadsticos Q son menores que el nivel alfa igual a 0.05, se concluye que las series son no estacionarias
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
24
***************************************************************
1 2 3 4 5 6 7 8 9 10 .96891 .93525 .90136 .86579 .82982 .79122 .75193 .71250 .67491 .63814 .10660 .18083 .22930 .26654 .29678 .32207 .34345 .36167 .37729 .39077 82.6134[.000] 159.5870[.000] 231.0825[.000] 297.0469[.000] 357.6434[.000] 412.7341[.000] 462.4895[.000] 507.1635[.000] 547.2475[.000] 583.0827[.000] 85.4621[.000] 166.0159[.000] 241.7170[.000] 312.3932[.000] 378.1002[.000] 438.5656[.000] 493.8494[.000] 544.1077[.000] 589.7729[.000] 631.1213[.000]
*****************************************************************
Estadsticos calculados con MicroFit. Los valores entre corchetes son valores de Probabilidad. Rechace a Ho si el valor de la probabilidad asociada al los estadsticos Q [valores entre corchetes] es menor o igual que el nivel de significacin 0.05
Observen a los estadsticos Q y LB y a sus correspondientes valores de Probabilidad: Todos son significativospor ser menores que el nivel alfa 0.05. Esto obliga a rechazar la hip tesis nula Ho: Serie PCE es estacionaria. Por lo tanto, la serie PCE es no estacionaria por el hecho de poseer una raz unitaria
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
25
***************************************************************
1 2 3 4 5 6 7 8 9 10 .96699 .93425 .90142 .86762 .83310 .79829 .76253 .72655 .69147 .65661 .10660 .18060 .22902 .26631 .29669 .32218 .34393 .36263 .37881 .39289 82.2863[.000] 159.0952[.000] 230.5997[.000] 296.8437[.000] 357.9201[.000] 413.9999[.000] 465.1683[.000] 511.6215[.000] 553.6973[.000] 591.6376[.000] 85.1237[.000] 165.5052[.000] 241.2158[.000] 312.1915[.000] 378.4190[.000] 439.9700[.000] 496.8237[.000] 549.0836[.000] 597.0181[.000] 640.7953[.000]
Estadsticos calculados con MicroFit. Los valores entre corchetes son valores de Probabilidad
*****************************************************************
Rechace a Ho si el valor de la probabilidad asociada al los estadsticos Q [valores entre corchetes] es menor o igual que el nivel de significacin 0.05
Observen a los estadsticos Q y LB y a sus correspondientes valores de Probabilidad: Todos son significativos por ser menores que el nivel alfa 0.05. Esto obliga a rechazar la hip tesis nula Ho: Serie PDI es estacionaria. Por lo tanto, la serie PDI es no estacionaria por el hecho de poseer una raz unitaria
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
26
Pruebas Formales
HL Mata
27
Yt = Yt 1 + ut Yt = + Yt 1 + ut
Yt = + T + Yt 1 + ut
La diferencia entre estas tres regresiones envuelve la presencia de componentes determinsticos: Intercepto (drift) y tendencia (T). La primera es un modelo puramente aleatorio. La segunda aade un intercepto o trmino de deriva, drift y la tercera incluye intercepto y un trmino de tendencia
.
28
* t = tau = ADF
3. Regla de decisin:
PCE ... Como | t | > | valor crtico DF | Serie no estacionaria PDI | t | > | valor crtico DF | Serie no estacionaria Como
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
29
Yt = + T + Yt 1 + Yt i + et
i =1
Use este estadstico cuando la prueba de DF no pueda corregir la correlacin serial en los residuos. El propsito de los retardos Yt i es asegurar que los residuos sean ruido blanco. Cuntos retardos usar?. Empiecen con 6 retardos y vayan disminuyendo gradualmente su nmero hasta que el estadstico indique que se ha corregido la autocorrelacin.
HL Mata
30
Prob.* 0.4749
Acepten la hiptesis nula por cuanto el valor del ADF es menor en valor abosluto (menos negativo) que el valor crtico de McKinnon al 5%. (Transformen sus datos en logs, 1ras diferencias, tasas de cambio, etc)
Prob.* 0.00000
El estadstico ADF, -6.630339, es un nmero suficientemente negativo Rechacen la hiptesis nula a favor de estacionariedad por cuanto el valor del ADF (-6.630339) es mayor, en valor absoluto (ms negativo) que cualesquiera de los valores crticos de MacKinnon Noten que la probabilidad asociada al estadstico tau (Prob) es menor que el nivel 0.05, lo cual ratifica el rechazo de la hiptesis nula de no estacionariedad HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
32
Prob.* 0.2867
Acepten la hiptesis nula por cuanto el valor del ADF es menor en valor abosluto (menos negativo) que el valor crtico de McKinnon al 5%. (Transformen sus datos en logs, 1ras diferencias, tasas de cambio, etc)
Prob.* 0.00000
El estadstico ADF, -9.636167, es un nmero suficientemente negativo Rechacen la hiptesis nula a favor de estacionariedad por cuanto el valor del ADF (-9.636167) es mayor, en valor absoluto (ms negativo) que cualesquiera de los valores crticos de MacKinnon Noten que la probabilidad asociada al estadstico tau (Prob) es menor que el nivel 0.05, lo cual ratifica el rechazo de la hiptesis nula de no estacionariedad HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
33
En Level PCE PDI DPCE DPDI -2.21528 -2.58825 -6.6303 * -9.6361 * 2.0858 1.9384 2.0344 2.0049 0 0 0 0 Si No Si Si No Si No No I(1) I(1) I(0) I(0)
En Primeras Diferencias:
Valores crticos de MacKinnon para rechazar la hiptesis de raz unitaria * Significante a cualquier nivel de significacin: 1% 5% 10%..
NOTAS:
1.
2. 3. 4. 4.
El estadstico de Dickey Fuller (ADF o tau) es la prueba estndard de estacionariedad Un valor positivo de ADF significa que la serie es definitivamente no estacionaria Para que se pueda rechazar la hiptesis nula en favor de estacionariedad el estadstico ADF debe ser un nmero suficientemente negativo. Ejemplo de nmeros suficientemente negativos: -6.6303 y -9.6361, respectivamente. Rechace la hiptesis nula de no estacionariedad cuando el valor absoluto del estadstico ADF (tau) sea mayor en valor absoluto que el valor crtico de MacKinnon al nivel de significacin seleccionado, normalmente el 5 %. Un valor bajo del estadstico DW es indicativo de la necesidad de aumentar el nmero de retardos a fin de remover la autocorrelacin en los valores de la serie. Nociones Elementales de Cointegracin Enfoque de S. Johansen
HL Mata
34
Especificar un Vector AutoRegresivo (VAR) con las series que resulten Integradas de Orden I(1).
HL Mata
35
3. Var Estructurales. Utiliza teora econmica para ordenar la relacin contempor- nea entre las variables
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
36
X t = A1X t 1 + ... + A X t + BX t + t
en donde:
X t = [GCP , IPD]
A1 ,..., A p y B
Xt
Es un vector (Nx1) de variables endgenas integradas de orden uno. Se denotan as: I(1). Nmero de variables N=2 Son matrices de coeficientes a ser estimados Nmero del retardo incluidos en el VAR. Dado que la frecuencia de los datos es trimestral se tomaron 6 retardos Es un vector de variables exgenas (constante, variables dummy, estacionales, etc). Las variables PCE y IPD se deter minan dentro del sistema Es un vector (Nx1) de trminos de errores normal e independientemente distribuido
Nociones Elementales de Cointegracin Enfoque de S. Johansen
HL Mata
37
4.
Clic en OK
Nociones Elementales de Cointegracin Enfoque de S. Johansen
HL Mata
38
VAR estimado: PCE = 0.011507 + 1.001164 PCEt 1 + 0,103681PCEt 2 + 0,069740 PDI t 1 0.093228 PDI t 2 + ... PDI = 46.52864 + 0.682058 PDI t 1 + 0.010923PDI t 2 + 0.495238 PCEt 1 0.263168 PCEt 2 + ...
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
39
Determinar el Retardo Optimo del VAR para Asegurar que los Residuos sean Ruido Blanco (White Noise)
HL Mata
40
Seleccione aquel modelo para el cual el valor del estadstico LR sea mximo o aquel para el cual el valor del criterio sea mnimo
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
41
Raices
0.993159 0.898480 -0.618491 0.560088 0.254369 - 0.491590i 0.254369 + 0.491590i -0.186670 - 0.462774i -0.186670 + 0.462774i
Notas:
. . . .
Todos los eigenvalues son menores que 1 Al ser menores que 1, todos caen dentro del crculo unitario (unit circle), Por las razones anteriores se dice que el sistema es estable y estacionario El sistema se denomina marginalmente estable cuando al menos un eigenvalue sea igual a uno
.
.
El sistema es inestable cuando al menos un eigenvalue sea mayor que uno En nuestro caso el modelo satisface la condicin de estabilidad
HL Mata
42
-1.0
-0.5
0.0
0.5
1.0
1.5
NOTAS: Partiendo del supuesto de existencia de relaciones de cointegracin, los valores propios de la matriz de acompaamiento deberan estar dentro del circulo unitario de modo que aquellos valores que se encuentran muy prximos a la unidad determinan el nmero de tendencias comunes.
HL Mata
43
ANALISIS: Primer bloque, no rechace a HO. Concluya que PCE no explica a PDI Segundo bloque, rechace a Ho y acepte H1. Concluya que PDI explica a PCE: (IPD GCP )
HL Mata
44
Planteamiento de hiptesis: Ho: Los coeficientes de los retardos son conjuntamente no significativos diferentes de cero H1: Los coeficientes de los retardos son conjuntamente significativos diferentes de cero Estadstico para la prueba: W estadstico (Chi) de Wald Regla de decisin: Rechace a Ho si Prob es menor o igual a 0,05 No rechace a Ho si Prob es mayor que 0,05 Conclusin: (Se incluyen las dos primeras filas de los retardos) Primera Fila: Rechace la hiptesis nula y acepte H1: Los retardos contribuyen significativamente en forma 2
da
individual y conjunta - en el VAR y 6 Filas No rechace la hiptesis nula. Retardos no significativos. Por lo tanto, exclyanse del VAR HL Mata 45 Nociones Elementales de Cointegracin
ta
Enfoque de S. Johansen
Eviews indica con asteriscos el orden del retardo seleccionado.Vean el estadstico LR y los criterios SC y HQ, respectivamente. Los criterios FPE y AIC sealan dos retardos. Utilizando el criterio de Schwarz vamos a seleccionar el primer retardo como el ptimo a fin de estimar el vector de cointegracin. El criterio de AIC siempre selecciona retardos superiores a SC REGLA: El nmero de retardos P depende de la frecuencia de los datos. Seleccione 3 retardios, P=3, para datos anuales; 4 a 6 retardos para datos trimestrales, P=4 P=6 y 12 a 18 retardos, P=12 P=18, para datos mensuales HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
46
HL Mata
47
48
Planteamiento de hiptesis: H 0 : Ausencia de autocorrelacin hasta el retardo h H a : Hay autocorrelacin hasta el retardo h Estadsticode Ljung Box para la prueba: Q LB = (n (2 + 2 )) 2 ( j) j=1 n j
h
Regla de decisin: Rechace a Ho si Prob es menor o igual a 0,05 No rechace a Ho si Prob es mayor que 0,05
La prueba es vlida solamente para retardos superiores al orden del retardo del VAR, 6. df son los grados de libertad de la distribucin Chi cuadrado Las probabilidades asociadas al estadstico ajustado de Ljun-Box, 0.117 y 0.200, indican que los residuos son ruido blanco (white noise) despus del 6to retardo HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
49
Planteamiento de hiptesis: H 0 : Ausencia de autocorrelacin hasta el retardo de orden h H a : Hay autocorrelacin hasta el retardo de orden h Estadstico para la prueba: LM = T*R2 (nmero observaciones * R cuadrado) Regla de decisin: Rechace a Ho si Prob es menor o igual a 0,05 No rechace a Ho si Prob es mayor que 0,05
Alternativamente, comparen los valores del estadstico LM-Stat (Obs*R-Squared) con el valor crtico de la tabla Chi cuadrado, segn el retardo seleccionado. HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
50
51
CONCLUSIN: los residuos son homocedsticos. La probabilidad conjunta (Joint test) 0,805 > 0,05
HL Mata
52
CONCLUSIN:
El anlisis realizado sobre el Dignostico del VAR y la Prueba de los Residuos, evidencian que la longitud ptima del VAR es 1 (UNO) y que los residuos cumplen con los supuestos de Gauss Markov, referente a ausencia de autocorrelacion, forma funcional, normalidad y homoscedasticidad en los errores, respectivamente, caractersticas stas que nos permiten seguir adelante con la prueba de Cointegracin de Johansen El VAR se estim mediante los paquetes Eviews, versin 4.1 y Microfit, versin 4.1, respectivamente. Los resultados que se muestran a continuacin corresponden al ltimo de los paquetes mencionados. La versin LM se aplica a muestra grandes y la F a muestras pequeas. En ambos casos los valores de las probabilidades asociadas a los estadsticos (entre corchetes) son mayores que 0.05, lo cual significa que se rechazan las hiptesis nula:
********************************************************************************************
Pruebas de diagnstico Versin LM Versin F ****************************************************************** A.Serial Correlation *CHSQ ( 4 )= 6.4958[.165] *F(4, 65)= 1.3980[.245] B:Functional Form *CHSQ ( 1 )= 2.5288[.112] *F(1, 68)= 2.1638[.146] C:Normality *CHSQ ( 2 )= .81849[.664] * Not applicable * D:Heteroscedasticity *CHSQ ( 1 )= .1768E-5[.999] *F(1, 80)= .1725E-5[.999]
******************************************************************************************** A:Lagrange multiplier test of residual serial correlation H0: Ausencia correlacin serial en los residuos B:Ramsey's RESET test using the square of the fitted values H0: Relacin funcional correcta o adecuada C:Based on a test of skewness and kurtosis of residuals H0: Residuos Normales D:Based on the regression of squared residuals on squared fitted values H0: Residuos Homocedsticos
HL Mata
53
Aplicar el procedimiento de Mxima Verosimilitud al VAR estimado con el fin de determinar el rango (r) de cointegracin del sistema
HL Mata
54
X t = 1X t 1 + ... + p 1X t p + X t p + t
En donde: es el operador de primera diferencia, ejemplo: X t = X t X t 1 ; X t es el vector de variables endgenas e integradas de orden I(1): PCE e PDI; i = (I A1 ... A i ), i = 1,..., p 1 ; es una matriz (NxN) de la forma = T en donde y son matrices de Rango completo (NxN) y t es un vector (Nx1) de trminos de errores normal e independientemente distribuido Quienes son
y ?
la matriz recoge las r relaciones de cointegracin la matriz se interpreta como la velocidad de ajuste de cada variable para recuperar la posicin de equilibrio en el largo plazo cuando se produzcan desviaciones de dicho equilibrio
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
55
Resumen de los 5 conjuntos de supestos Dado que no se tiene certeza con respecto a cual de las 5 opciones usar, seleccionen la sexta opcin, la cual les indicar el nmero de relaciones de cointegracin en cada una de las opciones de tendencia. (NOTA: En la prctica las opciones 1 y 5 raramente se utilizan) 2. 3. 4. En el cuadro Exog Variables, no incluyan la constante C o Tendencia alguna En el cuadro Lag Interval escriban el retardo ptimo encontrado en la diapositiva 47: Clic en Aceptar HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen 11
56
El cuadro resumen indica un sola relacin de Cointegracin tanto en la prueba de la Traza (Trace) como en la del Maximun Eigenvalu e (Max-Eig) (rea sombreada). Esta sugerencia obliga a seleccionar la opcin 2 (Intercept-No Trend), la cuual significa: Slo intercepto en la ecuacin de cointegracion (CE) y no tendencia en el VAR HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
57
5. 6.
Hagan clic nuevamente en View y seleccionen Cointegration test En el cuadro de dilogo Johansen Cointegration Test, seleccionen la opcin 2, Intercept No Trend, la cual muestra una sola ecuacin de cointegracin, tal y como se seal en la diapositiva 58
7.
HL Mata
58
Resultados de la Estimacin
Por razones de espacio se colocan las pruebas en el lado izquierdo y el resto de los resultados en el lado derecho. En la prxima seccin se analizarn stos:
HL Mata
59
HL Mata
60
El mtodo de S. Johansen considera las siguientes pruebas para determinar el nmero de vectores de cointegracin, r: La Prueba de la Traza (Trace test) y la prueba del Mximo Valor Propio (Maximum Eigenvalue test), lado izquierdo del cuadro anterior. Hiptesis para las Prueba de la Traza y del Mximo Valor Propio: Eview plantea la Hiptesis nula (Ho) como NONE (Ninguna)
H0 : r = 0 H1 : r = 1
Reglas de Decisin:
Rechace a Ho cuando el valor del estadstico la Traza o el Mximo Valor Propio sea mayor que el valor crtico seleccionado, normalmente el de 5 %. Acepte a Ho cuando el valor del estadstico la Traza o el Mximo Valor Propio sea menor que el valor crtico seleccionado Si hubiera un segundo vector de cointegracin las hiptesis seran tal como sigue: Eview plantea la Hipotesis nula (Ho) como AT MOST 1 (cuando ms una)
H0 : r 1 H1 : r = 2
tanto se rechace Ho
HL Mata
Analicen secuencialmente las hiptesis nulas (NONE; AT MOST 1; AT MOST 2, etc.), hasta
61
Prueba de la Traza
CONCLUSION: De acuerdo con la prueba del estadstico traza se rechaza la hiptesis nula de no cointegracin en favor de una relacin de cointegracin al nivel del 5% y del 1 %. ( 30.95 > 19,96 y mayor que 24.60, respectivamente) HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
62
CONCLUSIN La prueba de Mximun EigenValue indica la existencia de un solo vector de cointegracin tanto al 5% como al 1%, respectivamente ( 22.96 es mayor que 15,67 y mayor que 20.20) De los resultados de las pruebas de la Traza y del Mximo Eigenvalues se concluye que existe un solo vector o relacin de cointegracin. HL Mata 63 Nociones Elementales de Cointegracin
Enfoque de S. Johansen
Ecuacin de Cointegracin
Debajo de los resultados de la prueba de cointegracin Eviews muestra los estimados de los vectores o relaciones de cointegracin. El vector de cointegracin no est identificado, a menos que Ud. imponga alguna normalizacin arbitraria. Eviews adopta una normalizacin tal que el primer r de la serie en el vector sea normalizado como una matriz identidad Relacin de cointegracin normalizada suponiendo una relacin de cointegracin r=1 :
Los nmeros entre parntesis debajo de los coeficientes estimados son los errores estndar asintticos. Algunos coeficientes normalizados se muestran sin su correspondiente error estndar, tal es el caso del coeficiente que ha sido normalizado a 1.0 La apariencia de la relacin de cointegracin normalizada depende de la forma como se hayan ordenado las variables endgenas en el VAR. As por ejemplo, si Uds desean un coeficiente uno en la serie PDI, debern de colocar dicha serie de primero en el VAR
HL Mata
64
La normalizacin consiste en convertir un vector dado en otro proporcional a l con mdulo 1. Esto se obtiene dividiendo el mdulo entre l mismo. Siguiendo con lo que es tradicional en la Literatura de la Cointegracin multipliquen el vector normalizado por -1 y reordenen los trminos de tal manera que el vector se interprete como una funcin de consumo, es decir:
65
HL Mata
66
Bibliografa
HL Mata
67
Johansen, S., 1988. Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control 12, 231254. Engle, R. F. y Granger, C. W. J. Representation, Estimation and 251-276. Engle, R. F. y Granger, C. W. J. Representation, Estimation and 251-276. (1989): Cointegration and Error Correction: Testing, Econometrica, volumen 55, pginas (1989): Cointegration and Error Correction: Testing, Econometrica, volumen 55, pginas
Johansen, S., 1991. The role of the constant term in cointegration analysis of non stationary variables. University of Copenhagen, Institute of Mathematical Statistics. Gujarati, Damodar N. (1997).Econometra, Editorial McGraw-Hill Interamericana, SA , Santa Fe de Bogot, Colombia, Cap. 21, pp.693-715 Ballabriga, Fernando C. y Luis Julin lvarez Gonzlez y Javier Jareo Morago (1998) Un Modelo Macroeconmico BVAR para la economa espaola: metodologa y resultados http://www.bde.es/informes/be/sazul/azul64.pdf Hee Seok Park. (April 1999). Analysis of Structural Changes in the US Stock Market, Kansas State University. http://www.sdi.re.kr/hspark/wp199904.pdf Stock, James y Mark W. Watson. (2000). Vectores Auto Regresivos (VAR). (Banco de Guatemala, TRANS). http://www.banguat.gob.gt/inveco/notas/articulos
HL Mata Nociones Elementales de Cointegracin Enfoque de S. Johansen
/envolver.asp?karchivo=4401&kdisc=si
68
Bill Hung. (October, 2000). Dickey-Fuller Unit Root Test (Stationary Test). http://www.hkbu.edu.hk/~billhung/econ3600/application/app01/app01.html Wakeford, Jeremy. Honours Econometrics: Time Series Econometrics. Econometrics Stationarity, Unit Roots and Cointegration http://www.commerce.uct.ac.za /Economics/Courses/ECO416Z/2004/Time%20Series.doc Asteriuo, Dimitrios. (june, 2001). Notas sobre Anlisis de Series de Tiempo: Estacionariedad, Integracin y Cointegracin (H.L. Mata, Trans.). http://www.personal.rdg.ac.uk/~/less00da/lecture3.htm. Eviews 4. Users Guide. Chapter 20. Vector Autorregression and Error Correction Models. http://www.ucm.es/info/ecocuan/mjm/ecoaplimj /Vector%20Autoregressions.pdf Clive W. J. Granger. Revista Asturiana de Economa (8 de diciembre de 2003). ANLISIS DE SERIES TEMPORALES,COINTEGRACIN Y APLICACIONES http://www.revistaasturianadeeconomia.org/raepdf/30/GRANGER.pdf Mata HL. (2004). Nociones Elementales de Cointegracin. Procedimiento de Engle-Granger. http://webdelprofesor.ula.ve/economia/hmata/Calificaciones /Procedimiento%20Engle%20Granger.pdf Costas Milas. EC2005. Modelling Financial Decisions & Markets. EC5002-CL6 JOHANSEN PROCEDURE. http://www.brunel.ac.uk/depts/ecf/lectures/5002/s12
HL Mata
69