Documente Academic
Documente Profesional
Documente Cultură
CURSO: ECONOMETRIA II
AUTOCORRELACIÓN
Violación del supuesto de No Autocorrelación
Serial o relación entre las perturbaciones
1.- Definición
2.- Causas de la Autocorrelación
E (ui u j ) 0 i j
• La autocorrelación generalmente aparece en datos
en serie de tiempo aunque también se presenta en el
caso de en corte transversal.
• Prueba Gráfica
• Prueba de las rachas
• Prueba de Durbin y Watson
• Modelo Autoregresivo de Markov
• Prueba de Breusch – Godfrey
• El Correlograma de Residuos
Prueba Gráfica
Durbin y Watson
• Para detectar la presencia de autocorrelación en
una serie de datos la prueba más utilizada, es la
de Durbin Watson.
d 2(1 )
Durbin y Watson
Durbin y Watson
• Tablas:
– Durbin y Watson formularon una tabla donde se
muestran los límites inferiores y superiores de un
valor crítico (dL y dU) que, de acuerdo al valor
obtenido en la estimación del estadístico d, permite
tomar decisiones sobre la posible presencia de
correlación serial positiva o negativa.
Durbin y Watson
d 2(1 ˆ )
• Los valores de significancia de las tablas de Durbin-
Watson se tabulan para probar la hipótesis de ρ=o,
contra ρ>0. La tabla arroja dos valores dL y dU.
ƒ(d)
¿? ¿?
ρ=1 ρ=0 ρ= -1
0
4
dl du (4-du) (4-dl)
Estadístico de Durbin Watson
Durbin y Watson
• Cuando la estimación del modelo excluye el
intercepto u ordenada en el origen la prueba se
invalida.
ut ut 1 t 1 1
• se le conoce como coeficiente de autocovarianza o de
autocorrelación y es una perturbación estocástica que
satisface los supuestos MCO tradicionales.
Modelo Autorregresivo de Markov
– Si = 0 no existe autocorrelación
– Si = 1 o >0 existe autocorrelación positiva
– Si = -1 o <0 existe autocorrelación negativa
perfecta
Ho= No autocorrelacón
Hi= Hay autocorrelacion
El valor del X2 con dos grados de libertad es
igual a 5.99147 y el de n* R² es igual a
13.47355.
• = ± 0.2341los valores
que sean iguales o mayor
ha este valor nos indicara
el orden de AR(r).
Cómo corregir la
Autocorrelación
Autocorrelación: Medidas Remediales
Cuando se conoce la estructura de la
autocorrelación se lleva a cabo una
transformación de la ecuación a estimar para
que cumpla con los supuestos de MCO.
Supongamos un esquema autorregresivo de
primer orden:
ut ut 1 t
(1) Yt 1 2 X t + u t
Tendremos por tanto que:
(2)
Yt 1 1 2 X t 1 + u t 1
Multiplicando la ecuacion (2) por tenemos que:
Yt 1 1 2 X t 1 + u t 1 (3)
Yt X + t
* *
1
*
2
*
t
(5)
Y * Yt Yt 1
X * X t X t 1
Corrección de la
Autocorrelación
Introduciremos el componente
autoregresivo al modelo estimado.