Test de Zivot & Andrews secuencial

Metodología para el uso del Test de  Zivot & Andrews Secuencial

Perron (1989) sostuvo que los tradicionales test de raíz unitaria (Dickey-Fuller, Dickey-Fuller Aumentado y Phillips-Perron) tenían poco poder para diferenciar una trayectoria de raíz unitaria de una estacionaria cuando había cambio estructural. En consecuencia, como estos test estaban sesgados hacia el no rechazo de la hipótesis nula de raíz unitaria, a menudo se rechazaba incorrectamente la hipótesis alternativa de estacionariedad.

Perron encontró, por ejemplo, que las series de agregados macroeconómicos y financieros utilizados por Nelson y Plosser (1982) eran en su mayoría estacionarias con  cambio estructural, en oposición a lo que los citados autores señalaban. Siguiendo esta línea, Zivot y Andrews (1992)[1] elaborarón un test en la que la fecha del  punto de quiebre era determinada endógenamente. Con esta finalidad se desarrollo un programa preparado para E-Views[2], correspondiente al test de Z&A, realizado de manera secuencial, esto último se refiere a que el programa evalúa la posible presencia de quiebre estructural en cada observación de la serie analizada (genera variables Dummy a partir de la 75ava observación y termina en la observación N-75).

 Caso 1: Raíz Unitaria y NO presencia de quiebre

Tenemos la siguiente serie denominada SERIE3, cuya gráfica se muestra a continuación:

A simple vista uno podría decir que la serie presenta 3 quiebres en su tendencia, alrededor de la observación 160, 230 y 320 respectivamente. Con esta apreciación, utilizamos nuestro programa.

Paso previo: Dado que el programa genera dummies continuamente, tanto para quiebres en media como para quiebres en tendencia, es imprescindible que la serie se encuentre en formato UNDATED.  Colocamos el nombre de la serie en el reglón que indica:

genr lserie = (Nombre de la serie a analizar)

Responde esta encuesta sobre consumo de redes sociales. Nos ayudará a brindarte mejor información.

¿Usas sitios de redes sociales para encontrar información académica o laboral?*

¿Usas sitios de redes sociales para encontrar información académica o laboral?*

¿Qué sitios de redes sociales utilizas para investigación académica o laboral*

¿Qué sitios de redes sociales utilizas para investigación académica o laboral*

Puedes seleccionar las opciones que quieras.

Que tipo de dispositivo usas al utilizar redes sociales*

Que tipo de dispositivo usas al utilizar redes sociales*

¿Cuántas cuentas de redes sociales tienes?*

¿Cuántas cuentas de redes sociales tienes?*

¿Cuántas horas a la semana le dedicas a las redes sociales?*

¿Cuántas horas a la semana le dedicas a las redes sociales?*

Cualquier serie que coloquemos allí, el programa cambiará su nombre a “lserie”, y a partir de ello realiza sus cálculos.

Dado que nuestra serie tiene 500 observaciones, el programa ha generado 350 variables dummy para quiebre en media (desde DUM75 hasta DUM425) y otras 350 para quiebre en tendencia (desde DUT75 hasta DUT425)

El último gráfico que se muestra, es el que aparece a continuación:

La línea roja (FT) muestra el resultado del test F aplicado secuencialmente, para posibles quiebres en tendencia, la línea verde (FM), muestra el mismo test, pero para posibles quiebres en media, la línea azul (F) es el test F, para ambos casos.

Como se puede aprecia, es la línea roja la que alcanza valores más altos, por lo que podemos concluir que existe evidencia de un POSIBLE quiebre en tendencia, o dicho de otra forma, si existe quiebre en la serie (y no raíz unitaria), este sería quiebre en Tendencia, y estaría alrededor de la observación 125.

Vemos en este gráfico del Test Z&A para quiebre en media, que la línea asociada al resultado del test aplicado secuencialmente, no cruza el valor crítico. Como concluimos inicialmente, si es que había quiebre, este sería en Tendencia. Lo mismo ocurre para el caso del Test Z&A aplicado para ambos casos, como se muestra en el siguiente gráfico:

Veamos el gráfico del test Z&A para el caso que nos interesa: la posible existencia de quiebre en tendencia:

Vemos aquí que la línea azul no cruza el valor crítico, por lo que no existe quiebre en tendencia. Por lo tanto el comportamiento errático de la serie, se debería a la presencia de Raíz Unitaria.

Caso 2: Quiebre en Media, y corrección.

Analizamos ahora la serie denominada “serie5”, cuya gráfica presentamos a continuación:

El gráfico del test F es l siguiente:

Concluimos que podría existir un quiebre en media, alrededor de la observación 350, y ello lo contrastaremos con el gráfico del Test Z&A para quiebre en media.

Efectivamente, existe quiebre en media, y el mismo se presenta alrededor de la observación 350. ¿Cómo determinamos la fecha exacta del quiebre?. En la ventana de las series, al final de las variables Dummy generadas, hay tres objetos numéricos: Fecha, Fechat, y Fecham, que indican la fecha u observación que tiene el test F más alto tanto para ambos casos, quiebre en tendencia y quiebre en media respectivamente. Como nos interesa el quiebre en media, hacemos doble click en Fecham, e inmediatamente aparecerá en la parte inferior de la ventana, el número 353. Eso quiere decir que el quiebre se da en es observación, y que la variable dummy que utilizaremos para corregir es DUM353.. Para finalizar, mostramos los otros dos gráficos restantes.

Inicialmente, la SERIE5, había presentado el siguiente resultado en la aplicación del test de Raíz unitaria (Dickey-Fuller Aumentado):

ADF Test Statistic -3.322979     1%   Critical Value* -3.9808
        5%   Critical Value -3.4208
        10% Critical Value -3.1328
*MacKinnon critical values for rejection of hypothesis of a unit root.

Inicialmente habríamos dicho que la serie tiene raíz unitaria, sin embargo. Ahora podemos concluir, que eso no necesariamente es así, pues esa conclusión está alterada por la presencia de un quiebre en la observación 353. Por lo tanto pasaremos a corregir la serie y luego de eso aplicar el test DFA, para ver si realmente existe raíz unitaria

Corrección.-

El mismo procedimiento se usa para el caso de quiebre en tendencia. Sin embargo, indicaremos la variación, en donde se considere necesario.

Como ya sabemos, el quiebre se da en la observación 353, afortunadamente el programa ya genero las variables dummy (incluso la DUM353). Si el quiebre hubiera sido en tendencia, entonces usaríamos DUT353.

Corremos la siguiente regresión:

Ls serie5 c dum353

El comportamiento real de serie5, lo está recogiendo el término de error de esta ecuación, queremos saber que tan significativo es dum353, para luego quitarle ese efecto distorsionador. Es decir, lo que estamos haciendo es:

Serie5 = a + b*dum353 + error

Si queremos que desaparezca dum353, lo que tenemos que hacer es generar una nueva serie denominada Nuevaserie5, que será:

Nueva serie5= serie5 – dum353.

Con la regresión indicada, queremos encontrar el coeficiente asociado a Dum353, para proceder a realizar la operación mencionada.  Obtenemos el siguiente resultado:

Dependent Variable: SERIE5
Method: Least Squares
Sample: 1 500
Included observations: 500
Variable Coefficient Std. Error t-Statistic Prob.
C  21.05669  0.593630  35.47108  0.0000
DUM353  47.94697  1.094818  43.79447  0.0000
R-squared  0.793870     Mean dependent var  35.15310
Adjusted R-squared  0.793456     S.D. dependent var  24.54128
S.E. of regression  11.15329     Akaike info criterion  7.665338
Sum squared resid  61949.14     Schwarz criterion  7.682196
Log likelihood -1914.334     F-statistic  1917.955
Durbin-Watson stat  1.670467     Prob(F-statistic)  0.000000

Era obvio que Dum353 iba a resultar significativa. De esto, nos interesa el coeficiente asociado a la dummy, y es: 47.94697. Entonces generamos la siguiente serie:

Genr nuevaserie5 = serie 5 –(47.94697*dum353)

El gráfico de esta nueva serie5, es el siguiente:

Sin embargo, es conveniente juntar ambos gráficos para ver el efecto de la corrección realizada:

De la NUEVASERIE5, se puede apreciar el cambio a partir de la observación 353 (recuerde que hasta la observación 352, ambas series son iguales), y la estabilidad es notoria. No habría quiebre en media. Si aplicamos el Test Z&A, encontramos que el gráfico asociado al Test Z&A para quiebre en media, arroja el siguiente resultado:

Y el Test de DFA, para raíz unitaria, presenta ahora lo siguiente:

ADF Test Statistic -6.359861     1%   Critical Value* -3.9808
        5%   Critical Value -3.4208
        10% Critical Value -3.1328
*MacKinnon critical values for rejection of hypothesis of a unit root.

La conclusión es que no había raíz unitaria en la SERIE5, sino un quiebre en media.

Bibliografía

  • BOX,G.E.P y G.M.JENKINS (1970): “Time series analysis,forecasting and control”. San Francisco, Holden day. Págs. 87.
  • DICKEY,D.A y W. FÜLLER (1984): “Testing for unit roots in seasonal time series”. Journal of the American Statistical Associations, # 79, págs. 355-367.
  • ENGLE,R. y W.GRANJER (1987): “Cointegration and error correction representation, estimation and testing”. Econometrica # 55. Págs 251-276.
  • GRANJER,C. y P.NEWBOLD (1974): “Spurious regressions in econometrics”. Journal of econometrics # 2. Págs 111-120.
  • HENDRY, DAVID and RICHARD , JEAN FRANCOIS . (1983): “The econometric analysis of economic time series”, International Statistical Review, N° 51 , 1983.
  • SARGAN,J. y A.BHARGAVA. (1983):”Testing residuals from least squares regression for being generated by the Gaussian ramdom walk” . Econometrica # 51, págs 153-174.
  • SALKEVER, F, KENNETH. (1972): “The use Dummy variables to compute predictions error, and confidence intervals.”. Journal of econometrics # 4, ,págs 393-397.
  • TRUJILLO CALAGUA, GUSTAVO H :
  • (1994): “Modelos Macroeconométricos en el Perú: nuevos aportes”. Edit, Banco De La Nación, Gerencia Central de Operaciones de Gobierno. Págs 320.
  • (1997): “Modelos Econométricos en el Perú: 1960-1997” (Compilador), Edit. Santa Rosa . 3 Vol
  • (2002): “Econometría Aplicada con Eviews 4.1”, 1era Edición.
  • Zivot, Eric y Andrews, Donald W.K., 1992, “Further Evidence on the Great Crash, the Oil-Price Shock and the Unit-Root Hypothesis”, Journal of Business and Economic Statistics vol.10, nr.3, pp. 251-270.

[1] Zivot, Eric y Andrews, Donald W.K., 1992, “Further Evidence on the Great Crash, the Oil-Price Shock and the Unit-Root Hypothesis”, Journal of Business and Economic Statistics vol.10, nr.3, pp. 251-270.

[2] Software utilizado para realizar Análisis Econométrico. El programa se adjunta en el anexo del documento.

Cita esta página

Trujillo Calagua Gustavo Herminio. (2004, abril 4). Test de Zivot & Andrews secuencial. Recuperado de https://www.gestiopolis.com/test-de-zivot-andrews-secuencial/
Trujillo Calagua Gustavo Herminio. "Test de Zivot & Andrews secuencial". gestiopolis. 4 abril 2004. Web. <https://www.gestiopolis.com/test-de-zivot-andrews-secuencial/>.
Trujillo Calagua Gustavo Herminio. "Test de Zivot & Andrews secuencial". gestiopolis. abril 4, 2004. Consultado el . https://www.gestiopolis.com/test-de-zivot-andrews-secuencial/.
Trujillo Calagua Gustavo Herminio. Test de Zivot & Andrews secuencial [en línea]. <https://www.gestiopolis.com/test-de-zivot-andrews-secuencial/> [Citado el ].
Copiar

Escrito por:

Imagen del encabezado cortesía de wonderlane en Flickr