Econometría I-Docente: Msc.

Magen Infante

XI. ANALISIS DE ESTABILIDAD ESTRUCTURAL

En todo proceso de estimación, se acepta el supuesto que los parámetros permanecen fijos
en el modelo para toda la muestra. Dada una muestra de n observaciones, se supone que
los estimadores de los parámetros son válidos para toda la muestra. Esta suposición no
siempre es cierta.

Terminología: Estabilidad estructural, quiebre estructural, constancia de los parámetros, data

fuera de la muestra, data dentro de la muestra.

Varias formas de probar la estabilidad estructural

1. Test de Chow o test de exactitud predictiva

2. Test de Pagan y Nicholls

3. Test de Hansen

4. Coeficientes recursivos o estimación recursiva

5. Residuos recursivos

6. Suma de residuos recursivos

7. Tests generales de cambio estructural

1.- Test de CHOW

Este contraste prueba si el modelo de regresión planteado para toda la muestra n , es válido
tanto para el modelo de una de sus submuestras
n1 como para el modelo de la otra
submuestra
n2 , donde n=n1 +n 2 . No hay una reglas para determinar los tamaños de n1

y
n2 .

El objetivo es probar si la variación sospechada en el transcurso de la muestra es lo

suficientemente importante como para generar cambios en los coeficientes del modelo.

Modelo para el periodo n : ( n=n1 +n 2 )

39 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

Y i= β0 + β 1 X i 1 + β 2 X i 2 +…+ β k X ik + μi

Modelo para cada submuestra

nj : ( j=1,2 )
1 1 1 1
Y i= β0 + β 1 X i 1 + β 2 X i 2 +…+ β k X ik + μi ( i=1,2 ,…, n1 )
1
Matricialmente: Y =Xβ + μ
2 2 2 2
Y i= β0 + β 1 X i 1 + β 2 X i 2 +…+ β k X ik + μ i ( i=n1 + 1,… , n)
2
Matricialmente: Y =Xβ + μ

De los tres modelos anteriores, se calcula

SCE → Suma de Cuadrados del Residual del modelo en todo el periodo n .
SCE 1 → Suma de Cuadrados del Residual del modelo en todo el periodo n1 .
SCE 2 → Suma de Cuadrados del Residual del modelo en todo el periodo n2 .

Contraste de hipótesis:

( )( )
β 10 β20
β 11 β2
β 1= = 1 = β2
⋮ ⋮
1
H 0 : β 1=β 2 βk β 2k
ó No existe Cambio Estructural en el modelo
(Estabilidad)
H 1 : β 1≠β 2 ó
1
βi ≠ βi
2
Existe Cambio Estructural en el modelo (Inestabilidad)
en al menos un i .

Estadístico de Prueba:

( )( )
β 10 β20
β 11 β2
β 1= = 1 = β2
⋮ ⋮
1
H : βk β 2k
Bajo la suposición que 0 es verdadero,
SCE−( SCE 1 + SCE 2 )
k +1
F= → F k +1, n−2 k −2
SCE 1 + SCE 2
( n−2 k−2 )

Regla de Decisión:

40 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

( )( )
β 10 β20
1 β 11 β2 2
β = = 1 =β
⋮ ⋮
1
H0: βk β 2k F≥F k+1 , n−2 k−2
Rechazar si

Consecuencias:

1. No se puede capturar la realidad estudiada mediante el modelo estimado.

2. Los parámetros estimados, en comparación con los que se obtendrían en
estimaciones parciales, resultarían sesgados e inconsistentes.
3. Los errores cometidos en una única estimación resultan comparativamente mayores, a
los que se obtendrían en estimaciones parciales.
4. La varianza de los parámetros de la única estimación resultan relativamente mayor, lo
que supondrá un valores t más reducidos y en consecuencia mayor probabilidad de
cometer el error tipo II.
5. El valor de predicción sería menos creíble

Correcciones:

1. Debe detectarse el origen de la ruptura o del cambio

1. Si se atribuye a un error de especificación: se tendrá que revisar si la forma
funcional es la correcta, así como si se han introducido las variables más
relevantes en el modelo.
Si se debe en cambio a un cambio en el sistema analizado se podrá corregir con el empleo
de variables ficticias. Estas variables son de naturaleza dicotómica (0,1) y pretender capturar
esos cambios que no se pueden representar con variables reales.
Limitaciones:

1. El test no detecta la observación donde ocurre el cambio. Sólo confirma o desmiente

su existencia.
2. Detecta solamente cambios bruscos.
3. Se debe conocer previamente el punto de corte. Cortar donde se presume de la
existencia, producto de la observación de los errores o partiendo de razones teóricas.
4. El contraste pierde potencia en la medida que se acerca a los extremos

Ejemplo 9: Suponga que el presente es Enero de 1992.

Hacer una prueba de estabilidad desde 1980 hasta 1991, del modelo
r i =β 0 + β 1 X + μi (i=1,2 ,…, 144 )
donde

41 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

r= Porcentaje de ganancia anual por el capital de participación en una Cia.

X = Ganancia excedente en un modelo de bolsa.
β 1= Coeficiente beta CAPM del capital.
La estimación de beta se hace con observaciones mensuales desde 1980 hasta 1991.
Debido a que un investigador expresa preocupación debido a que el mercado de bolsa
colapsó en octubre de 1987 por una relación de ganancia-riesgo. Probar si la conjetura es
cierta.

Periodo: En 1981 – Oct 1987 (n=82) Nov 1987 – En 1992 (n=50) En 1981 – En 1992
(n=132)
r^ 1 =0 .68+ 1. 2 X r^ 2 =0 . 68+ 1. 53 X r^ =0. 39+1 .37 X
SCE 1 =0 . 03555 SCE 2 =0 . 00336 SCE =0 .0434
Suma de Cuadrados Suma de Cuadrados Suma de Cuadrados
del Residual del modelo del Residual del modelo del Residual
del modelo
en todo el periodo
n1 . en todo el periodo
n2 . en todo el periodo n .

Contraste de hipótesis:

H 0 : β 1=β 2 ó
( )( )
β 10
β 11
=
β 20
β21
No existe Cambio Estructural (Estabilidad)
H 1 : β 1≠β 2 Existe Cambio Estructural en el modelo (Inestabilidad)

Estadístico de Prueba:

Bajo la suposición que 0

H :
β = 1
( )( )
β 10
β 11
=
β20
β21
es verdadero,
= β2

SCE−( SCE 1 + SCE 2 ) 0 . 0434−( 0 . 03555+ 0 .00336 )

k +1 1+1
F= = = 7. 698
SCE 1 + SCE 2 0 . 03555+0 . 00336
( n−2 k−2 ) 132−2∗1−2

Regla de Decisión:

Rechazar
H 0 : β 1=β 2 porque
F≥F k+1 ,n−2 k−2 : F=7 .698 y
F2 , 132=3 . 06 entonces
F≥F k+1 , n−2 k−2 .
Por tanto, rechazamos la hipótesis de estabilidad. E investigador tiene razón para
preocuparse a un 95% de confianza. El modelo no es el mismo para ambos periodos de la
muestra y tal modelo no puede ser utilizado como representativo y menos para predicción.

42 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

Probablemente se debería utilizar la estimación de la segunda muestra debido a la necesidad

de tener que tomar una decisión de inversión para 1992.

Para ilustración, sea el modelo de dos variables, suponiendo que

β 0 y β 1 son fijos:
Y =β 0 + β1 X + μ

Si
β 0 y
β1 no fueran fijos, las conclusiones del modelo estimado no serán del todo
válidas. Por eso es necesario detectar si existe presencia de cambio estructural a lo largo de
la muestra para saber que medidas tomar.

2.2.- Contraste en base a la RECURSIVIDAD

La Estimación Recursiva es otra forma de analizar la estabilidad del modelo. Es adecuada
para series de tiempo donde no se conoce el momento del quiebre. Es un método general.
Este método consiste en la estimación secuencial del modelo especificado para distintos
tamaños muestrales.
X r → matriz r×( k +1 ) corresponde a r observaciones de la variable endógena.
^ →
β r estimador de β obtenido con las r primeras observaciones,
β^ →
r+1 estimador deβ r +1
obtenido con las primeras observaciones, etc.

43 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

Nota: r debe ser tal que r >k +1

Etapa I
^
Para r observaciones, se estima el vector de parámetros β r y éste a su vez es utilizado
para la predicción de Y r+1 desconocida, dadas las observaciones de las variables
explicativas r +1 .
X
Se tiene r observaciones

[ ][ ]
Y1 1 X 11 … X 1k
Y2 ↦ 1 X 21 … X 2k ^ →
β r Estimador con r observaciones.
⋮ ⋮ ⋮
Yr 1 Xr 1 … X rk

Se tiene la r +1 -ésima observación, la variable endógena Y r+1 no se conoce.

[ ¿ ? ] ↦ [ 1 X r+1,1 … X r+1,k ] Y^ r+1 =X r +1 β^ r Predictor r +1 utilizando
el
estimador de r observaciones
anteriores.

Etapa II
Seguidamente, con las ahora r +1 observaciones, se estima un nuevo vector de

parámetros
β^ r+1 y éste a su vez es utilizado para la predicción de Y r+2 desconocida, dadas
las observaciones de las variables explicativas
X r +2 .

[ ][ ]
Se tiene r +1 observaciones
Y1 1 X 11 … X 1 k
Y2 1 X 21 … X 2 k
↦
⋮ ⋮ ⋮
Y^ r+1 1 X r+1,1 … X r +1 , k β^ r+1 → Estimador con r +1 observaciones.

44 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

Se tiene la r +1 -ésima observación, la variable endógena Y r+1 no se conoce.

[ ¿ ? ] ↦ [ 1 X r+2,1 … X r+2,k ] Y^ r+2 =X r +2 β^ r +1 Predictor r +2

utilizando el
estimador de r +1
observaciones anteriores.

Al ir aumentando la muestra de las variables explicativas, proceder del mismo modo que en
las Etapas I y II. Al finalizar se dispondrá de los siguientes predictores :
Y^ r+1 =X r +1 β^ r , Y^ r+2 =X r +2 β^ r +1 , Y^ r+3 =X r +3 β^ r+2 , … , Y^ n =X r +4 β^ n−1 ,

2.2.1.- Coeficientes Recursivos

Este método analiza los gráficos de cada uno de los coeficientes estimados al ir añadiendo
observaciones a la muestra con la que se realiza la estimación.

Contraste de Hipótesis:
H 0 : No existe Cambio Estructural (Estabilidad)
H1: Existe Cambio Estructural en el modelo (Inestabilidad)
Método de prueba:
Graficar cada coeficiente estimado sucesivamente dentro de su banda de confianza
±2 des . stnd .
Regla de decisión:
Observar la presencia de inestabilidad en el modelo, si los coeficientes sufren grandes
cambios al ir aumentando la muestra. Lo ideal es que se mantengan aproximadamente
constantes.

2.2.2.- Residuos Recursivos

45 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

Y
Si disponemos de las observaciones r+1 , r+2 , r+3 , … ,
Y Y
n , se puede calcular los Y
Residuos Recursivos. El error de predicción de un periodo hacia delante es definido como
e =Y r +1− Y^ r+1
r +1
Varianza del error de predicción
Var (e )=Var ( Y r+1 −Y^ r +1 ) =Var (Y r +1 −X r+1 β^ r ) =Var(Y r +1−X r+1 ( X 'r X r )−1 X ' r Y r )
r +1

=Var (Y r +1 )+Var ( X r+1 ( X ' r X r )−1 X ' r Y r ) =Var(Y r +1 )+( X r+1 ( X ' r X r )−1 X ' r )Var (Y r )
=σ 2 +( X r+1 ( X ' r X r )−1 X ' r )σ 2 =σ 2 (1+X r+1 ( X ' r X r )−1 X ' r )
Contraste de Hipótesis:
H 0 : No existe Cambio Estructural (Estabilidad)
H1: Existe Cambio Estructural en el modelo (Inestabilidad)
Estadístico de prueba:
Y r+1−Y^ r+1
w r+1=
Se define el Residuo recursivo como ( 1+ X r+1 ( X ' r X r )−1 X ' r )1/ 2 .

Calcular todos los residuos recursivos

w r+1 : w k+2 , w k+3 , … ,
wn . Bajo el supuesto
2
de estabilidad y normalidad, éstos residuos se distribuyen como una N (0 ; σ ) .
Graficar cada residuo recursivo obtenido sucesivamente dentro de la banda de confianza
±2 des . stnd .

Regla de decisión:
Observar la presencia de inestabilidad de los parámetros si uno o varios residuos recursivos
sobrepasan sus bandas de confianza.

46 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

Contraste de CUSUM
Este contraste consiste en la acumulación progresiva de los residuos recursivos
normalizados.

Contraste de Hipótesis:
H 0 : No existe Cambio Estructural (Estabilidad)
H1: Existe Cambio Estructural en el modelo (Inestabilidad)

Estadístico de prueba:
m
∑ wj m=k + 2, k + 3 ,…, n
j=k +2
W m=

√ SSR
n−k −1
SSR= Suma de cuadrados de la regresión
de todas las n observaciones.

Se obtendrán los valores

Wm : W k +2 ,
W k +3 , … ,
Wn .

Graficar los valores de

Wm y trazar las bandas de significación:
[ k+1; −a(n−k−1) ] , [ k+1; +a(n−k−1) ] y las bandas [ n ; −3 a (n−k−1) ] , [ n; +3a( n−k−1) ]

Bajo el supuesto de estabilidad, el estadístico de CUSUM tiene media cero, por eso, las
sumas acumuladas que se alejen de cero indica existencia de inestabilidad.
Dependiendo del nivel de significación con el que se desee realizar el contraste, existen
diferentes valores de a tabulados:

47 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

Regla de decisión:
Los valores de W r+1 deben oscilar dentro de las líneas de significación.
Cuando los valores sobrepasan dichas rectas, se puede considerar falta de estabilidad en el
modelo.

Contraste de CUSUMQ
Este contraste depende de la suma acumulada del cuadrado de los residuos recursivos en el
numerados, y en el denominador la suma de cuadrados de la totalidad de los Residuos
recursivos.

Contraste de Hipótesis:
H 0 : No existe Cambio Estructural (Estabilidad)
H1: Existe Cambio Estructural en el modelo (Inestabilidad)
Estadístico de prueba:
m
∑ w2j
j =k +2
S m= n m=k + 2, k + 3 ,…, n
∑ w2j
j =k +2

Este estadístico también se basa en líneas de significación que dependen del valor esperado
del estadístico, sumándole y restándole una cantidad fija que depende del nivel de
significación elegido.

Bajo la hipótesis nula, la esperanza o valor esperado de

Sm es igual a:

48 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

m−k −1
E( Sm )=
n−k −1 cuyo valor varía entre cero y uno.
Cero aproximadamente cuando m=k + 2 y uno cuando m=n .

Trazar los límites de significación. Graficar los residuos recursivos

Sm .

Regla de decisión:
Se rechaza la hipótesis de estabilidad del modelo si la representación gráfica de los valores
del estadístico
S m muestra observaciones fuera de la banda de confianza.

49 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

1.- Tipos de Cambio Estructural

Un cambio o modificación en los parámetros es un Cambio Estructural. Existen dos tipos de

cambio en los parámetros:
 Cambio en el intercepto (Cambio cualitativo)
 Cambio en la pendiente (Cambio cuantitativo)
Antes, supongamos que el tamaño de la muestra es n y ésta se divide en
n1 y n2 tal

que
n=n1 +n 2 . En base a estas dos submuestras se tienen los modelos
1 1
Y = β 0 + β1 X + μ para
n1
Y = β 20 + β21 X + μ n2
para

Posibles casos de cambio o quiebre estructural:

1 2 1 2
(1) β 0 = β 0 y β 1=β 1 No hay cambio estructural
1 2 1 2
(2) β 0 ≠β 0 y β 1=β 1 Cambio estructural
1 2 1 2
(3) β 0≠ β 0 y β 1≠β 1 Cambio estructural
1 2 1 2
(4) β 0 =β 0 y β 1≠β 1 Cambio estructural

1.1- Cambio estructural en el Intercepto (

Y =β 0 + β1 X + μ )
Es un cambio en el coeficiente intercepto tal que
Y = β 10 + βX + μ para
n1
2
Y = β 0 + βX + μ n2
para

El gráfico indica que la ecuación no es estable en el intercepto, y por tanto existe cambio
estructural en el término independiente. Se le conoce como Cambio Estructural Cualitativo,
debido a la inestabilidad en el parámetro de posición.

50 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

1.2- Cambio estructural de Pendiente (

Y =β + β X + μ
0 1 )
Es un cambio o alteración en el coeficiente al regresor o a los regresores.
1
Y = β 0 + β1 X + μ para
n1
2
Y = β 0 + β1 X + μ para
n2

En el gráfico se puede observar que un cambio en

la pendiente lleva acompañado un cambio en el
intercepto también. Debido a esto, a un cambio
estructural de pendiente se le conoce como un
Cambio Estructural Mixto, ó Cambio Estructural
Cualitativo. El término cuantitativo surge del
hecho que un cambio en la pendiente determina
otra intensidad o medida en la variable endógena.

1.3- Cambio estructural de sólo Pendiente (

Y =β + β X + μ
0 1 )
En la muestra pueden darse condiciones tal que suceda un cambio estrutural en la pendiente
y no en el intercepto.
1
Y = β 0 + β1 X + μ para
n1
2
Y = β 0 + β1 X + μ para
n2

β 0 =β10=β 20

1.4- Generalización del Cambio estructural (

Y =β 0 + β1 X 1 +…+ β k X k + μ )
El estudio de Cambio Estructural de intercepto, de pendiente y de ambos, se puede
generalizar a un modelo con k variables explicativas o independientes.
Y =β 0 + β1 X 1 +…+ β k X k + μ

n n
Al subdividir la muestra de tamaño n en 1 y 2 tal que
n=n1 +n 2 ,

Y =β 10 + β11 X 1 +…+ β 1k X k + μ para

n1
2 2 2
Y = β 0 + β1 X 1 +…+ β k X k + μ para
n2

51 Magen Infante
 Econometría I-Docente: Msc. Magen Infante

donde
1 2
β 0≠ β 0
1 2
β 1≠ β 1
⋮
β 1k ≠ β 2k
Cuando existe cambio estructural, ya no existe estabilidad en los parámetros y deben
utilizarse técnicas para detectar dicho cambio y tomar medidas para obtener resultados más
confiables.

2.- Contrastes para Cambio Estructural o Inestabilidad

En la práctica es muy frecuenta preguntarse si dos submuestras han sido generadas por la
misma estructura de modelo.
El cambio estructural suele presentarse cuando se tiene información acerca de una variación
o situación de consideración durante el periodo muestral.

52 Magen Infante