Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 17 vistas

    Capitulo8 Pract

    Cargado por

    Aloth Fuentes
    Este capítulo explica cómo detectar y corregir el problema de autocorrelación serial en un modelo de mínimos cuadrados ordinarios utilizando R-Studio. Se estima un modelo, se realizan pruebas de autocorrelación y, al encontrarla, se corrige aplicando el método de Cochrane-Orcutt.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Capitulo8 Pract

    Cargado por

    Aloth Fuentes
    17 vistas16 páginas
    Este capítulo explica cómo detectar y corregir el problema de autocorrelación serial en un modelo de mínimos cuadrados ordinarios utilizando R-Studio. Se estima un modelo, se realizan pruebas de autocorrelación y, al encontrarla, se corrige aplicando el método de Cochrane-Orcutt.

    Título original

    Capitulo8_pract

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este capítulo explica cómo detectar y corregir el problema de autocorrelación serial en un modelo de mínimos cuadrados ordinarios utilizando R-Studio. Se estima un modelo, se realizan pruebas de autocorrelación y, al encontrarla, se corrige aplicando el método de Cochrane-Orcutt.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    17 vistas16 páginas

    Capitulo8 Pract

    Cargado por

    Aloth Fuentes
    Este capítulo explica cómo detectar y corregir el problema de autocorrelación serial en un modelo de mínimos cuadrados ordinarios utilizando R-Studio. Se estima un modelo, se realizan pruebas de autocorrelación y, al encontrarla, se corrige aplicando el método de Cochrane-Orcutt.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 16

    Capítulo 8.

    Autocorrelación Serial
    Roldán Andrés Rosales

    Econometría Aplicada Utilizando R


    Objetivo

    El propósito de este capítulo es que el usuario conozca y aprenda a resolver el


    problema de la autocorrelación serial en un modelo de estimación por Mínimos
    cuadrados Ordinarios, a través del software libre R-Studio

    Econometría Aplicada Utilizando R


    Introducción

    Para poder trabajar en R-Studio debemos de instalar primero los paquetes que
    utilizaremos para la estimación y las pruebas de autocorrelación serial. De no hacerlo
    resultará imposible trabajar con el programa.

    Dado el conjunto de datos, proporcionados en este capítulo, se pretende estudiar el


    comportamiento de los datos presentes con las diferentes ejecuciones de pruebas para
    el análisis de la autocorrelación serial. Para ello, nos apoyaremos en el estadístico R-
    Studio y los Scripts generados para dicho fin.

    Econometría Aplicada Utilizando R


    Utilizando la información de Quintana y Mendoza (2008) de la tasa de interés sobre la
    existencia del desplazamiento de la inversión pública en la inversión privada (crowding-
    out), planteamos el siguiente modelo:

    𝑇𝐼𝑁𝑇𝐸𝑅𝑡 = 𝛽0 + 𝛽1 𝑆𝐴𝐿𝐷𝑂𝑃𝑃𝑡 + 𝛽2 𝐷𝐸𝐹𝑃𝐴𝑅𝑇𝑡 + 𝛽3 𝐼𝐸𝑃𝑃𝐴𝑅𝑇𝑡 + 𝑒𝑡


    Donde:
    • TINTER= tasa de interés real/ tasa de Cetes a 28 días-tasa de inflación
    • SALDOPP= Saldo de la balanza comercial como porcentaje del PIB
    • DEFPART= Participación porcentual del déficit presupuestal del PIB
    • IEPPART= Participación porcentual de la inversión extranjera en el PIB

    Existen diversos procedimientos para detectar correlaciones entre las perturbaciones.


    Dado que éstas no son observables, las variables que se utilizan son los residuos
    mínimo cuadráticos. El gráfico de los residuos frente al tiempo, o frente a alguna
    variable y el gráfico de los residuos frente a sí mismos retardados un periodo.

    Econometría Aplicada Utilizando R


    El siguiente ejercicio muestra cómo se deben consignar los ejercicios en R-Studio.

    • Primero tenemos que instalar algunos paquetes y especificar la ruta del archivo ya
    que debe ser guardado en formato csv.

    # Primero debemos instalar los siguientes paquetes


    install.packages("datasets")
    library(datasets)
    install.packages("Ecdat")
    library(Ecdat)
    install.packages("graphics")
    library(graphics)
    install.packages("lmtest")
    library(lmtest)
    install.packages("stats")
    library(stats)

    # La ruta de nuestro archivo, en este caso debe ser guardado en formato csv.
    basecorre <- read.csv("/Users/Roldan/Documents/interes.csv")
    attach(basecorre)

    Econometría Aplicada Utilizando R


    • Debemos definir los datos como series de tiempo

    # Definiendo las series como series de tiempo


    mst<-ts(basecorre, start=c(1980,1), end=c(1999,1), frequency=4)

    • Antes de estimar el cualquier modelación, es necesario analizar la información con


    la que se esta trabajando.

    # Analizar las variables antes de la modelación


    > summary (basecorre)

    Econometría Aplicada Utilizando R


    > summary (basecorre)
    year DEFPART IEPPART SALDOP
    1980Q1 : 1 Min. :-1.7321 Min. :-1.967e-04 Min. :-25662.96
    1980Q2 : 1 1st Qu.:-0.3441 1st Qu.: 2.430e-05 1st Qu.: -6475.92
    1980Q3 : 1 Median : 0.9106 Median : 4.560e-05 Median : 49.91
    1980Q4 : 1 Mean : 1.7187 Mean : 7.032e-05 Mean : -1736.87
    1981Q1 : 1 3rd Qu.: 3.4575 3rd Qu.: 1.158e-04 3rd Qu.: 791.99
    1981Q2 : 1 Max. : 8.9393 Max. : 3.398e-04 Max. : 16442.15
    (Other):71
    SALDOPP TINTER
    Min. :-1.17516 Min. : 1.874
    1st Qu.:-0.47966 1st Qu.: 3.638
    Median : 0.02984 Median : 5.637
    Mean : 0.27129 Mean : 7.227
    3rd Qu.: 0.89231 3rd Qu.: 9.684
    Max. : 2.42928 Max. :24.281

    Econometría Aplicada Utilizando R


    • Analizando las Variables y su Tendencia en el Tiempo

    # Revisar la autocorrelación Gráficamente


    plot(mcor)
    plot (residuals, residuals(-1))

    Econometría Aplicada Utilizando R


    Estimación del modelo por MCO
    • Para realizar la regresión por MCO usamos el comando usado en el ejemplo
    # Estimación del modelo por MCO
    ➢ mcor<-lm(TINTER~SALDOPP+DEFPART+IEPPART
    ➢ # Analizamos la Información
    ➢ > summary (mcor)

    • Obtendrás.

    Residuals:
    Min 1Q Median 3Q Max
    -10.2625 -1.7087 -0.4814 1.5587 15.4154

    Coefficients:
    Estimate Std. Error t value Pr(>|t|)
    (Intercept) 6.2170 0.6988 8.897 2.91e-13 ***
    SALDOPP 2.1562 0.4660 4.627 1.57e-05 ***
    DEFPART 0.4167 0.1684 2.474 0.0157 *
    IE PPART -4135.2476 5680.6435 -0.728 0.4690
    ---
    Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

    Residual standard error: 3.494 on 73 degrees of freedom


    Multiple R-squared: 0.4354, Adjusted R-squared: 0.4122
    F-statistic: 18.76 on 3 and 73 DF, p-value: 4.021e-09

    Econometría Aplicada Utilizando R


    Realizamos Prueba Gráfica de Autocorrelación

    • Para analizar gráficamente la tendencia de la autocorrelación se realiza lo siguiente:

    #Revisar la autocorrelación Gráficamente


    plot(mcor)

    Econometría Aplicada Utilizando R


    Realizamos Prueba Gráfica de Autocorrelación

    • Para analizar gráficamente la tendencia de la autocorrelación se realiza lo siguiente:

    #Revisar la autocorrelación Gráficamente de los residuales


    plot (residuals, residuals(-1))

    Econometría Aplicada Utilizando R


    Realizar Prueba Durbin- Watson

    • Para detectar la autocorrelación serial por pruebas …

    # Realizando prueba Durbin-Watson


    dwtest(mcor)

    • Obtendrás:

    Durbin-Watson test

    data: mcor
    DW = 0.6168, p-value = 1.008e-13
    alternative hypothesis: true autocorrelation is greater than 0

    bgtest(mcor)
    LM test = 37.6807, df = 1, p-value = 8.332e-10

    Econometría Aplicada Utilizando R


    Realizar Prueba Beusch-Godfrey

    • Para detectar la autocorrelación serial por pruebas …

    # Realizando prueba de Breusch-Godfrey


    bgtest(mcor)

    • Obtendrás:

    bgtest(mcor)
    LM test = 37.6807, df = 1, p-value = 8.332e-10

    Econometría Aplicada Utilizando R


    Correlogramas
    • Se realizan los correlogramas de las funciones de autocorrelación simple y parcial de
    los residuos.

    # Realizando Correlogramas
    >acf (TINTER)
    >pacf (TINTER)

    • Se obtienen estas Gráficas

    Econometría Aplicada Utilizando R


    Corrección de Modelo
    • Si se comprobó todo lo anterior y el modelo sigue presentando autocorrelación y/o
    heteroscedasticidad es posible enfrentar el problema con mínimos cuadrados
    generalizados (MCG).
    • La estimación planteada por Cochrane-Orcutt es un proceso iterativo que permite
    estimar el valor del parámetro de autocorrelación desconocido (rho).
    • Corregimos utilizando el método de Cochrane-Orcutt para agregar un AR(1) en el
    modelo, donde instalamos primero el paquete orcutt.

    # Corrigiendo el modelo
    install.packages("orcutt")
    library(orcutt)
    mcor<-lm(TINTER~SALDOPP+DEFPART+IEPPART)
    mcor1<-cochrane.orcutt(mcor)
    mcor1;

    • Al realizar esta corrección y aplicar nuevamente la prueba Durbin y LM nos damos


    cuenta que con esta corrección el modelo ya no presenta problemas de
    autocorrelación por lo que puede ser utilizado

    Econometría Aplicada Utilizando R


    Obtenemos el resultado siguiente:
    $Cochrane.Orcutt

    Call:
    lm(formula = YB ~ XB - 1)

    Residuals:
    Min 1Q Median 3Q Max
    -10.2189 -0.9429 -0.2819 0.9813 9.2605

    Coefficients:
    Estimate Std. Error t value Pr(>|t|)
    XB(Intercept) 7.3582 1.6122 4.564 2.02e-05 ***
    XBSALDOPP 1.2590 0.7163 1.758 0.083 .
    XBDEFPART -0.1122 0.1171 -0.958 0.341
    XBIEPPART -71.1856 3900.4015 -0.018 0.985
    ---
    Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

    Residual standard error: 2.231 on 72 degrees of freedom


    Multiple R-squared: 0.2718, Adjusted R-squared: 0.2314
    F-statistic: 6.72 on 4 and 72 DF, p-value: 0.0001183

    $rho
    [1] 0.8358428

    $number.interaction
    [1] 12

    Econometría Aplicada Utilizando R

    También podría gustarte