La Tierra de las Raíces Unitarias

Slides:



Advertisements
Presentaciones similares
PRACTICAS SOBRE LA MODELIZACIÓN DE SERIES TEMPORALES
Advertisements

Modelos ARMA.
Capitulo 9: Modelos unívariados de series temporales
Pruebas de Estacionariedad
Centro de Investigación Estadística
TOPICOS DE ECONOMETRIA APLICADA Series de Tiempo Introducción
INTRODUCCIÓN A LAS SERIES DE TIEMPO
Estadística 2010 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri.
DINAMICA DE LA OFERTA AGROPECUARIA ARGENTINA: ELASTICIDADES DE LOS PRINCIPALES CULTIVOS PAMPEANOS VICTOR BRESCIA DANIEL LEMA INSTITUTO DE ECONOMIA Y SOCIOLOGIA.
Análisis de series de tiempo Cuarta semana Abril Julio 2009.
La Tierra de las Raíces Unitarias Jesús Gonzalo U. Carlos III de Madrid.
LOGO Econometría III Esquema del trabajo de ordenador. Curso Parte 3. Análisis de cointegración y formas de los modelos.
Análisis de series de tiempo
Contraste de Hipotesis
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
TEMA 3: ESTADÍSTICA BIDIMENSIONAL. ÍNDICE: 1.- Relación estadística: correlación. 2.- Diagramas de dispersión o nube de puntos. 3.- Tablas de frecuencia.
Free and Quick Translation of Anderson´s slides1 Analisis de Regresión Multiple y =  0 +  1 x 1 +  2 x  k x k + u 2. Inferencia.
TEMA 3: Estadística Bidimensional. ● Álvaro Fernández Romero y Luis Carlos Fernández herrezuelo.
ESTADÍSTICA II Ing. Danmelys Perozo MSc. Blog:
Free and Quick Translation of Anderson's slides1 Modelo de Regresión Lineal Simple y =  0 +  1 x + u.
ECONOMETRíA GECO Tema 7 (Libro M. Matilla et al. Tema 14) TENDENCIAS, RAÍCES UNITARIAS Y REGRESIONES ESPUREAS CONCEPTO DE TENDENCIA Tendencias.
PPTCES047MT22-A16V1 Clase Medidas de dispersión y muestreo MT-22.
 Para poder resolver una ecuación como ésta: x² = -4 No hay ningún número real que elevado al cuadrado nos pueda dar un resultado negativo. Ahora bien,
REGRESIÓN Y CORRELACIÓN  REGRESIÓN Es un Proceso estadístico que consiste en predecir una variable a partir de otra utilizando datos anteriores. INGA.
1 Pronósticos, Series de Tiempo y Regresión Capítulo 3: Regresión Lineal Simple.
Tema 3. El estadístico Chi-cuadrado y contrastes asociados RONALD AYLMER FISHER.
Exponentes Racionales y Radicales
Introducción a los modelos econométricos
ESTADÍSTICA II Ing. Danmelys Perozo MSc.
INFERENCIA ESTADÍSTICA PARA DOS POBLACIONES
Práctico 2 de noviembre 2016 Tema: Series de Tiempo.
La operación inversa de la potenciación
Clase 8: Contraste de Hipótesis
Analisis de Regresion Multiple
Grado de Administración y Dirección de Empresas
Descomposición y simulación de series de tiempo
Ley de distribución de Planck
DISTRIBUCIÓN GAMMA. La distribución gamma se deriva de la función gamma. La distribución gamma tiene un caso especial que es la distribución exponencial.
PREDICCIÓN Y ESTIMACIÓN
REGRESIÓN LINEAL SIMPLE
Estimación de volatilidades
3. COMPONENTES PRINCIPALES  Introducción  Componentes principales  Componentes principales muestrales  Comportamiento asintótico de autovalores y autovectores.
Kriging Consideremos información de determinada propiedad en el yacimiento y puntos en los cuales se tiene la estimación dea partir de los puntos.
ANÁLISIS DE REGRESIÓN SIMPLE
Capítulo 10 Test de Hipótesis Capítulo 10 Test de Hipótesis.
ANALISIS DE VARIANZA
El primer paso consiste en armar la base de datos, con una variable.
La Tierra de las Raíces Unitarias
REGRESION LINEAL SIMPLE
Analisis de Regresion Para dos Variables.
Contraste de Hipotesis
ICPM050 – ECONOMETRÍA tema 03: ESTIMACIÓN MODELO LINEAL SIMPLE
Analisis de Regresion Para dos Variables.
Free and Quick Translation of Anderson's slides
Analisis de Regresion Multiple
Regresión Lineal Simple
Contraste de Hipotesis
SERIES DE TIEMPO. Concepto Una serie de tiempo es un conjunto de observaciones de un fenómeno tomadas en tiempos específicos, generalmente a intervalos.
Modelo de Regresión Lineal Simple
Contraste de Hipotesis
Estadística descriptiva (estudios con dos variable)
Qucik and Free Translation of Anderson's slides
Analisis de Regresion Multiple
Regresión Espuria y Cointegración Simple
Qucik and Free Translation of Anderson's slides
TRATAMIENTO Y EVALUACION DE RESULTADOS ANALITICOS 1.Conceptos generales sobre la medida. Tipos de errores, concepto, componentes, corrección. Distribución.
ESTADÍSTICA APLICADA  ZEUS DE JESÚS RODRÍGUEZ BUDA  GABRIELA MÁRQUEZ TORRES  MARÍA ENRIQUETA GIL CÓRDOVA  ELIÁN ANTONIO GONZALEZ GARCÍA  CRISTELL.
REGRESION LINEAL SIMPLE
REGRESION LINEAL SIMPLE
Transcripción de la presentación:

La Tierra de las Raíces Unitarias Jesús Gonzalo U. Carlos III de Madrid

Por que nos debemos preocupar por la existencia de raíces unitarias? Crecimiento Predicción El efecto de un “shock” Regresión espuria Resultados Asintóticos Contraste de raices unitarias Problemas de estos contrastes Cambios Estructurales

Algunos graficos: Inflación

Algunos graficos: Producción

Algunos graficos: Indice de un mercado bursatil

Como modelamos crecimiento? La mayoría de las series macroeconómicas, GNP, C, I, etc muestran un crecimiento continuado durante el tiempo. Este comportamiento es imposible de ser recogido con nuestros modelos ARMA estacionarios: Como describimos tendencias como la siguiente? t t

Como modelizamos el Crecimiento? (cont) Dos opciones: Un modelo ARMA estacionario con un componente tendencial deterministico (TS=Trend Stationary) Un proceso con Raiz Unitaria y una deriva (DS=difference stationary) t

1. Componente Tendencial Deterministico 2. Tendencia Estocastica. Proceso de Raiz Unitaria Paseo Aleatorio con deriva

Como relacionamos los procesos 1. y 2. ?

Predicción Tendencia Deterministica (TS):

Predicción (cont) Raiz Unitaria:

Predicción: Ejemplos Error de Predicción (l elementos en la suma)

Predicción: Ejemplos (cont) ARIMA(0,1,1)

El efecto de un shock Shock Transitorio: Shock Permanente: Ejemplos: (1)

El efecto de un shock (cont) Funcion Respuesta a un impulso unitario en el shock de un AR(1) process yt = 0.8 yt-1 + t

El efecto de un shock (cont)

El efecto de un shock (2) (3)

El efecto de un shock (cont) Q1: Calcular el efecto de un impulso en la perturbación at en el siguiente modelo TS:

Regresión Espuria Considera dos paseos aletorios independientes: Por construcción no hay ninguna relacion entre las variables x e y. Considera la regresión Q2: Que valores esperas que tomaran las estimaciones de a y b? y sobre el R2? La respuesta la semana que viene.

Algunos Resultados Asintóticos Considera el caso de Asintoticamente (CLT) de lecciones anteriores:

Algunos Resultados Asintóticos (cont) Cuando el resultado asintotico no es valido para realizar inferencias porque Que hacer cuando ?

Podemos construir un pseudo-t estadistico como En resumen, el estadistico tiene una distribucción no-standard conocida como distribucción de Dickey-Fuller que esta dominada por la chi-cuadrado del numerador. Podemos construir un pseudo-t estadistico como

Este pseudo-t test no tiene la distribuccion lilmite Gaussiana usual 5% -1.95 Distribucción Dickey-Fuller Distribucción normal. Se rechaza la raiz unitaria demasiadas veces

Algunos Resultados Asintóticos (cont) Las distribuciones asintoticas se pueden escribir de forma mas compacta

Algunos Resultados Asintóticos (cont) donde W(r) es un Movimiento Browniano (vease los applets de esta leccción). Un Movimiento Browniano se define por las siguientes propiedades: W(0)=0 W(t) tiene estacionarios e independientes incrementos y para todo t and s es tal que para t>s tenemos W(t)-W(s) is N(0, (t-s)) W(t) es N(0,t) para cada t W(t) sus trayectorias con continuas.

Contraste de Raices Unitarias (contraste DF ) Problema: Los contrastes de raices unitarias son condicionales a la existencia de regresores deterministicos y vice-versa. Reparametrización del modelo Dickey-Fuller considera tres modelos de regresión diferentes:

Pseudo-t estadistico por : para : Pseudo-F estadistico

Contrastando por Raices Unitarias: DF test 1. Modelo regresión general 2. Contraste por la tendencia 3. Estimatar 4. Contraste por la deriva 5. Estimatar

Contraste de Dickey-Fuller Aumentado Los resultados previos solo son validos cuando el termino error et es iid. Si este no es el caso, por ejemplo si et sigue un proceso lineal: entonces se puede probar que podemor re-escribir la regresion del contraste de DF añadiendo retardos de los incrementos de yt-1 hasta que el termino de error llega a ser iid. Esto resuelve el problema y la estrategia es la misma que en el caso anterior.

Q3: Piensa en dos formas diferentes de elegir el orden “p” correcto. Q4: Discute brevemente por que tratamos como nula el caso de raíz unitaria (no-estacionareidad) en vez de tratar la nula de estacionareidad. Q5: A partir de ahora vas a oír, leer, muchas veces que los contrastes de raíces unitarias no tienen potencia. Que crees que pasa con los demás contrastes? Algún comentario.

Cambios Estructurales versus raíces unitarias Se discutirá en clase. Una referencia es la Parte IV de “Unit Roots, Cointegration and Structural Change” por Maddala and Kim. Cambridge University Press 1998.