You are on page 1of 14

MODELOS ARIMA

:
(ii) Análisis de estacionariedad de una serie
Prof. Rafael de Arce – www.uam.es/rafael.dearce
Prof. Ramón Mahía – www.uam.es/ramon.mahia
Dpto. Economía Aplicada
U.D.I. Econometría e Informtica
1
II.1.- INTROD!!I"N
!as etapas "ue ha#itualmente implica la estimación de un modelo ARIMA son$
%. Anlisis de la estacionariedad de la serie$
a. Estacionariedad en media$
i. Detección$ presencia de tendencias deterministas &no estacionariedad
en media' por o#ser(ación )rfica
ii. *orrección$ aplicación de filtros de tendencia
#. Estacionariedad en (arian+a$
i. Detección$ aplicación de tests de Raíces Unitarias
ii. *orrección$ inte)ración de la serie

,. Anlisis de la estacionalidad de la serie estacionaria - e(entual filtrado de la
estacionalidad
.. Identificación de la estructura ARIMA para la serie estacionaria - &e(entualmente
filtrada de estacionalidad'
/. Estimación de los parmetros del modelo ARIMA
Este te0to se centrar en el primero de los puntos entendiendo "ue la cuestión de la
estacionalidad ha sido -a anali+ada con anterioridad en asi)naturas introductorias a la econometría
- de1ando las cuestiones relati(as a la identificación - la estimación para un tercer documento.
II.#.- ESTA!IONARIEDAD DE LAS SERIES I: Estacionariedad en MEDIA
El análisis $ractico de la estacionariedad de las series te%$orales
2ueda clara "ue la apro0imación a los procesos estocsticos con modelos AR o MA est
restrin)ida3 en t4rminos )enerales3 a a"uellos procesos estocsticos "ue cumplan3 al menos de
forma d4#il3 la condición de estacionariedad
%
. Así pues de#emos anali+ar la estacionariedad de las
series temporales anali+adas antes de proceder a la identificación de la estructura del proceso
estocstico AR ó MA.
&!'%o (eri)ica%os si la serie a anali*ar es estacionaria en %edia+
!a no estacionariedad en media reci#e (ul)armente el nom#re de 5tendencia6 aun"ue3
t4cnicamente3 de#ería utili+arse el t4rmino 5tendencia determinista6 diferencindose de lo "ue ms
adelante denominaremos 5tendencia aleatoria6. Identificar 5tendencias deterministas6 en las
series suele ser ha#itualmente mu- sencillo$ normalmente es suficiente o#ser(ar el )rfico de la
serie para dia)nosticar si su (alor medio se mantiene constante o3 por el contrario3 crece o decrece
con el tiempo.
De#e recordarse3 no o#stante3 "ue cuado o#ser(amos la estacionariedad en media3 nos
interesa la esta#ilidad de la serie en el medio pla+o3 independientemente de las (ariaciones de
corto pla+o alrededor de esa tendencia. En este sentido3 no de#e considerarse como tendencia
%
!a definición de la estacionariedad se ha re(isado en el documento pre(io Modelos ARIMA I –
Definiciones #sicas.
2
determinista un cam#io temporal en la media3 una fluctuación "ue pare+ca transitoria &7i)ura %'3
sino un cam#io rele(ante - persistente en la serie "ue pare+ca 5dominar6 el (alor a medio pla+o de
la media &7i)ura ,'.
,i-ura1: Serie SIN tendencia deter%inista
(Estacionaria en %edia )
,i-ura #: Serie con tendencia deter%inista
(No estacionaria en %edia)
-10.0000
-8.0000
-6.0000
-4.0000
-2.0000
0.0000
2.0000
4.0000
6.0000
8.0000
10.0000
12.0000
e
n
e
-
9
6
e
n
e
-
9
7
e
n
e
-
9
8
e
n
e
-
9
9
e
n
e
-
0
0
e
n
e
-
0
1
e
n
e
-
0
2
e
n
e
-
0
3
e
n
e
-
0
4
e
n
e
-
0
5
-10.0000
0.0000
10.0000
20.0000
30.0000
40.0000
50.0000
e
n
e
-
9
6
e
n
e
-
9
7
e
n
e
-
9
8
e
n
e
-
9
9
e
n
e
-
0
0
e
n
e
-
0
1
e
n
e
-
0
2
e
n
e
-
0
3
e
n
e
-
0
4
e
n
e
-
0
5
Para el analista3 "ue necesita tra#a1ar con series estacionarias en media3 lo interesante es
poder aislar &conser(ar' esas (ariaciones eliminando e0clusi(amente el componente de cam#io en
la media$ a esta operación se la denomina 5filtro de tendencia6. En el )rfico si)uiente &en a+ul'
puede o#ser(arse como la serie ori)inal presenta una tendencia lineal creciente "ue puede ser
estimada &representada' con la línea discontinua &tendencia'8 la serie corre)ida &filtrada' de
tendencia reproduce e0actamente las mismas (ariaciones "ue la serie ori)inal pero sin mostrar
tendencia al)una.
E.e%$lo de serie/ esti%aci'n de la tendencia 0 serie )iltrada de tendencia
-400,00
-200,00
0,00
200,00
400,00
600,00
800,00
16
1
1
1
6
2
1
2
6
3
1
3
6
4
1
4
6
5
1
5
6
6
1
6
6
7
1
7
6
8
1
8
6
9
1
9
6
Serie Original Tendencia Serie (sin) "filrada de" endencia
&!'%o se -enera la serie )iltrada de tendencia+
Para reali+ar un filtro de tendencia3 asumiremos simplemente "ue la tendencia &9
t
' es un
componente "ue se a)re)a a la serie sin tendencia &:;9
t
' )enerando la serie ori)inal &:
t
'$ es decir3
3
en el )rfico anterior3 la serie ori)inal &en a+ul' es la suma de los (alores de la serie sin tendencia
&en ro1o' ms los (alores de la tendencia &línea discontinua'$
t t t
YST T y + ·
Para computar los (alores de la tendencia en cada período #asta con efectuar una
re)resión simple de la serie en función de una (aria#le de tiempo 5t6 &%3,3.3/3<<'$ el residuo de
esta re)resión ser la serie filtrada de tendencia. !a =nica decisión a considerar ser el tipo de
función matemtica "ue me1or a1usta la tendencia de la serie &lineal3 para#ólica3 e0ponencial ...'
"ue sea ms con(eniente8 tra#a1aremos con la serie del residuo3 "ue entonces no mostrara
tendencia - podremos decir "ue es estacionaria en media.
Al-unos e.e%$los de series con distintos ti$os de tendencia: re$resentaci'n -rá)ica 0 )unci'n
%ate%ática a esti%ar
TENDENCIA Potencial
-100000,00
-50000,00
0,00
50000,00
100000,00
150000,00
200000,00
18
1
5
2
2
2
9
3
6
4
3
5
0
5
7
6
4
7
1
7
8
8
5
9
2
9
9
Serie !"encial #$%se
i
b
i i
u t a y + ⋅ ·
TENDENCIA Exponencial
-20000,00
-10000,00
0,00
10000,00
20000,00
30000,00
40000,00
50000,00
60000,00
70000,00
80000,00
18
1
5
2
2
2
9
3
6
4
3
5
0
5
7
6
4
7
1
7
8
8
5
9
2
9
9
Serie &'("nencial #$%se
i
t
i
u b a y + ⋅ ·
TENDENCIA Logarítmica
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
Serie )"gar*+ica #$%se
i i
u t b a y + ⋅ + · ' ln&
TENDENCIA Polinomica
-40,00
-20,00
0,00
20,00
40,00
60,00
80,00
100,00
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
Tendencia !"lin,+ica #$%se
i i
u t b t b a y + ⋅ + ⋅ + ·
,
;o#re la elección del modelo de tendencia3 con(iene tener en cuenta al)unas cautelas$
%. De#e priori+arse la sencille+ en la selección del modelo de tendencia$ 4sta de#e sólo
centrarse en la e(olución a medio pla+o de la serie de modo "ue no es necesario "ue la
tendencia reprodu+ca e0actamente cada mo(imiento a corto pla+o. Un
comportamiento oscilante podría modeli+arse3 por e1emplo3 con una función
sinusoidal pero3 si este mo(imiento se produce alrededor de una media en sencilla
pro)resión creciente3 #astar con proponer un modelo sencillo3 monótonamente
creciente3 manteniendo el componente oscilatorio de la serie.
A.uste de Tendencia !orrecto (serie oscilante A.uste de Tendencia Incorrecto (tendencia
4
alrededor de una tendencia %on'tona%ente
creciente)
so1re$ara%etri*ada)
0.0000
5.0000
10.0000
15.0000
20.0000
25.0000
30.0000
e
n
e
-
9
6
e
n
e
-
9
7
e
n
e
-
9
8
e
n
e
-
9
9
e
n
e
-
0
0
e
n
e
-
0
1
e
n
e
-
0
2
e
n
e
-
0
3
e
n
e
-
0
4
e
n
e
-
0
5
0.0000
5.0000
10.0000
15.0000
20.0000
25.0000
30.0000
e
n
e
-
9
6
e
n
e
-
9
7
e
n
e
-
9
8
e
n
e
-
9
9
e
n
e
-
0
0
e
n
e
-
0
1
e
n
e
-
0
2
e
n
e
-
0
3
e
n
e
-
0
4
e
n
e
-
0
5

,. ;i e0isten dudas so#re el modelo de tendencia a utili+ar3 pueden pro#arse
especificaciones alternati(as &lineal >s lo)arítmica3 potencial >s e0ponencial3 por
e1emplo' - utili+arse los resultados de la re)resión &R
,
3 porcenta1e de error a#soluto
medio3 contrastes 5t6 para los t4rminos incluidos en la re)resión3<.' con el fin de
(alorar cul de las especificaciones a1usta me1or la e(olución de la serie
.. !as tendencias pueden ser 5compuestas63 es decir3 para un determinado período de
anlisis pueden com#inarse distintos tipos de tendencias &primero lineal creciente3
lue)o lineal decreciente3 por e1emplo'
/. Al)unas tendencias pueden no ser lineales por lo "ue su estimación con un modelo de
re)resión lineal re"uerir la 5lineali+ación6 pre(ia de la función a estimar si no se
conocen m4todos de estimación no lineales
?. En presencia de componentes estacionales con(iene ha#itualmente eliminarlos antes
de proceder al anlisis de tendencia
En todo caso3 una (e+ ele)ido el modelo de tendencia ms adecuado3 el procedimiento de
filtrado es #ien sencillo$
%. ;e estima3 conforme al modelo ele)ido3 la re)resión de la serie en función del tiempo$
En el e1emplo )rfico de la p)ina , de este documento3 el a1uste lineal por M*@ implica
estimar$
t t t
U bT a y + + ·
resultando de la estimación los si)uientes parmetros$
t t
T y ? %?A B + ·
,. !a tendencia se corresponde con la serie estimada &
t
yB
' en tanto "ue la serie filtrada
es simplemente el residuo de esta re)resión3 es decir3 la serie ori)inal &
t
y
' menos la
estimación de la tendencia &
t
yB
'$
5
t t t t t
T y y y e YST ? %?A B + − · − · ·
II.2.- ESTA!IONARIEDAD DE LAS SERIES II: Estacionariedad en 3ARIAN4A
De)inici'n de la no estacionariedad en (arian*a. 5or6u7 las series de1en corre-irse
de una (arian*a no estacionaria: el conce$to de tendencias estocásticas
!a principal característica "ue define al componente tendencial es la de presentar
efectos permanentes so#re una serie temporal -
t
. En el apartado pre(io (imos series con un
componente tendencial claro3 perfectamente3 matemticamente determinado3 conocido3 series
"ue denominamos con tendencia 5determinista6.
;i o#ser(amos al)unas series 5con tendencia63 por e1emplo en economía3 podríamos
caer en la tentación de calificarlas entre a"uellas con tendencias deterministas como las
anteriores8 sin em#ar)o3 desde la teoría económica sería mu- difícil 1ustificar una tendencia
determinista$ a8n e9istiendo co%$onentes tendenciales i%$ortantes desde el $unto de (ista
te'rico/ se-ura%ente estos no ser:an de naturale*a deter%inista/ $er)ecta%ente conocidos.
Es mu- posi#le3 por e1emplo3 "ue la producti(idad tienda a crecer de forma 5natural6 en
la medida en "ue3 con el paso del tiempo3 se (a produciendo la me1ora tecnoló)ica de los
procesos producti(os. 9am#i4n es 5natural6 "ue el (alor aCadido nominal en ser(icios tienda a
crecer incluso de forma li)eramente e0ponencial3 reempla+ando la renta del sector primario3 a
medida "ue una economía (a alcan+ando ciertos ni(eles de desarrollo. ;in em#ar)o3 am#os
procesos teóricos no se producirn3 con total se)uridad3 de una manera in(aria#le3 constante3
predeci#le3 determinista3 con el paso del tiempo.
7rente a la tendencia determinista sur)e por tanto la necesidad de definir un componente
tendencial3 con efectos permanentes en la e(olución de la serie anali+ada3 pero de naturale+a
estocstica. El caso ms simple de modelo con tendencia estocstica (iene determinado por lo
"ue se conoce como un paseo aleatorio simple$
t t t t
y y ε ε · ∆ → + ·
− t %
-
con ε
t
ruido #lanco. !a solución a la anterior ecuación
,
$

·
+ ·
t
i
i t
y y
%
A
ε
e0presión "ue permite compro#ar "ue aun"ue el paseo aleatorio simple es un proceso
estacionario en media por definición$
[ ] [ ]
A A
%
A
y y E y E y E
t
i
i t
· ·
1
]
1

¸

+ ·

·
ε
presenta una (arian+a no constante3 "ue se amplía con el paso del tiempo tendiendo a
infinito a medida "ue 5t6 tam#i4n lo hace.
,
Si se requiere un mayor detalle en todo lo referente a la formulación y solución de ecuaciones en
diferencias de este tipo, puede acudirse al documento “Formulación y solución de ecuaciones lineales en
diferencias con coeficientes constantes en el contexto del análisis de series temporales”, ocumento de
Traba!o del "nstituto #$%$ &lein$ 'unio ())*, del mismo autor de este documento$
6
[ ] [ ] [ ]
[ ] [ ]
, , ,
,
,
% . % , %
,
,
,
%
,
%
,
%
A A
,
.... ..... .....
ε
σ ε ε ε ε ε ε ε ε ε
ε ε
t E E
E y y E y E y E y +
t
t
i
i
t
i
i t t t
· + + · + + + + ·
·
1
]
1

¸

·
1
]
1

¸

− + · − ·
∑ ∑
· ·
!o ms interesante del paseo aleatorio3 si se o#ser(a la ecuación de su solución
recursi(a3 es "ue se o#ser(a claramente co%o cada uno de los shocks ε
t
$asados 6ue la serie
reci1i' (ε
;
/ ε
1
/ ... ε
t-1
/ ε
t
) tiene so1re el (alor actual 0 )uturo de la serie un e)ecto
$er%anente/ 6ue no se dilu0e/ 0/ $or tanto/ tendencial/

$ero al tie%$o/ de naturale*a
aleatoria.
El $aseo aleatorio con deri(a incorpora una constante a
A
a la e0presión del paseo
simple$
t t t t
a y a y ε ε + · ∆ → + + ·
− A t % A
-
!a e0presión 5deri(a6 se aplica con mucho criterio -a "ue el proceso así definido
e0perimentar una (ariación constante definida por el t4rmino a
A
dado "ue la solución )en4rica
a la anterior ecuación responde a la e0presión$

·
+ + ·
t
i
i t
t a y y
%
A A
ε
Despu4s de t períodos3 el (alor de -
t
se (e influido por todos los s,oc-s pasados -
presentes a tra(4s del t4rmino de tendencia estocstica

·
t
i
t
%
ε - 3 al mismo tiempo3 de forma
in(aria#le3 tam#i4n permanente3 pero adems perfectamente conocida3 por el t4rmino
determinista a
.
t .
A diferencia del proceso aleatorio simple3 la deri(a incluida en este otro modelo supone
"ue el proceso no sólo no ser estacionario en (arian+a sino tampoco en media.

[ ] [ ] t a y t a y E t a y E y E
t
i
i t A A A A
%
A A
+ · + ·
1
]
1

¸

+ + ·

·
ε
[ ] [ ] [ ]
[ ] [ ]
, , ,
,
,
% . % , %
,
,
,
%
,
%
,
A
%
A A A
,
.... .... .....
ε
σ ε ε ε ε ε ε ε ε ε
ε ε
t E E
E t a y t a y E y E y E y +
t
t
i
i
t
i
i t t t
· + + · + + + + ·
·
1
]
1

¸

·
1
]
1

¸

− − + + · − ·
∑ ∑
· ·
*omo -a se (io en el tema relati(o a la autocorrelación3 la utili+ación de series no
estacionarias incrementa el ries)o de re)resiones espurias. Este fenómeno puede entenderse
directamente3 sin conocimientos adicionales3 si nos referimos a series con tendencia
determinista8 tras la e0plicación pre(ia3 puede entenderse tam#i4n por"u4 el pro#lema persiste
cuando utili+amos series con tendencia aleatoria3 independientemente de si presentan tendencia
determinista &cam#io en la media' o no.
&!'%o se co%$rue1a si una serie es estacionaria en (arian*a+ Orden de
inte-raci'n
7
El anlisis )rfico no es un instrumento (lido para la detección de tendencias
estocsticas. Este tipo de series no estacionarias en (arian+a3 "ue pueden considerarse por tanto
series 5con tendencia63 no tienen necesariamente una representación )rfica con cam#ios
e(identes en la media3 -a "ue ha#lamos de no estacionariedad en (arian+a3 no en media$
E.e%$lo de re$resentaci'n de un $aseo aleatorio sin deri(a
(serie con tendencia aleatoria)
-8,0000
-6,0000
-4,0000
-2,0000
0,0000
2,0000
4,0000
6,0000
e
n
e
-
9
6
e
n
e
-
9
7
e
n
e
-
9
8
e
n
e
-
9
9
e
n
e
-
0
0
e
n
e
-
0
1
e
n
e
-
0
2
e
n
e
-
0
3
e
n
e
-
0
4
e
n
e
-
0
5
Puede decirse "ue3 en lo "ue se refiere al anlisis de la estacionariedad en (arian+a3 el
anlisis )rfico sólo nos ser(ir para identificar series sin componentes autorre)resi(os claros3
es decir3 para identificar series de pro)resión aleatoria. Este tipo de series no
autocorrelacionadas cru+an constantemente la media sin di#u1ar nin)=n tipo de oscilación "ue
ocupe (arios períodos.
E.e%$lo de serie sin co%$onentes de autocorrelaci'n
-3.0000
-2.0000
-1.0000
0.0000
1.0000
2.0000
3.0000
e
n
e
-
9
6
e
n
e
-
9
7
e
n
e
-
9
8
e
n
e
-
9
9
e
n
e
-
0
0
e
n
e
-
0
1
e
n
e
-
0
2
e
n
e
-
0
3
e
n
e
-
0
4
e
n
e
-
0
5
*uando encontramos este tipo de series3 es mu- pro#a#le "ue estemos ante una serie
estacionaria en (arian+a. ;in em#ar)o3 resulta arries)ado tratar de distin)uir )rficamente una
serie con un claro componente autorre)resi(o pero estacionario en (arian+a3 es decir3 un proceso
AR&p' &7i)ura %'3 de un proceso autorre)resi(o no estacionario en (arian+a &7i)ura ,'.
,i-ura1:
5roceso AR(#) estacionario en (arian*a
,i-ura #:
5roceso AR(#) no estacionario en (arian*a
8
-3.0000
-2.0000
-1.0000
0.0000
1.0000
2.0000
3.0000
4.0000
5.0000
e
n
e
-
9
6
e
n
e
-
9
7
e
n
e
-
9
8
e
n
e
-
9
9
e
n
e
-
0
0
e
n
e
-
0
1
e
n
e
-
0
2
e
n
e
-
0
3
e
n
e
-
0
4
e
n
e
-
0
5
-3.0000
-2.0000
-1.0000
0.0000
1.0000
2.0000
3.0000
4.0000
5.0000
e
n
e
-
9
6
e
n
e
-
9
7
e
n
e
-
9
8
e
n
e
-
9
9
e
n
e
-
0
0
e
n
e
-
0
1
e
n
e
-
0
2
e
n
e
-
0
3
e
n
e
-
0
4
e
n
e
-
0
5
;in duda al)una3 el test ms sencillo - ha#itualmente utili+ado a la hora de determinar la
estacionariedad de una serie temporal es el test de DicDe-–7uller &9est D7' o su (ersión
5ampliada6 DicDe-E7uller Ampliado &9est AD7'. ;e trata de un contraste de 5Fo
estacionariedad63 es decir3 en el "ue la hipótesis nula es precisamente la presencia de una raí+
unitaria
.
en el proceso )enerador de datos de la serie anali+ada.
El test D7 trata de (erificar si una determinada serie -
t
si)ue un paseo aleatorio no
estacionario o alternati(amente un proceso autorre)resi(o estacionario de orden uno$
G
A
$ a
%
H% ⇒

% A t t t
y a y ε + + ·

&-
t
Fo estacionaria en (arian+a'
G
%
$ a
%
I% ⇒

% % A t t t
y a a y ε + + ·

&-
t
Estacionaria en (arian+a'
;e trata3 por tanto3 de contrastar si el coeficiente a
%
es i)ual a la unidad o menor "ue
uno. De#e o#ser(arse "ue las series no estacionarias conforme a un paseo aleatorio3 presentan
una raí+ &solución' unitaria en su polinomio de retardos. Efecti(amente3 en la e0presión anterior3
correspondiente a la hipótesis nula3 el polinomio de retardos resulta ser$
( )
( ) # #
# y y y y y
t t t t t t t t
− · Φ →
→ · − → · − → + ·
− −
%
%
% %
ε ε ε

*u-a =nica raí+ es3 precisamente la unidad$
( ) % A % A · → · − → · Φ # # #
Esta es la ra+ón por la "ue ha#itualmente decimos "ue las series no estacionarias en
(arian+a son series 5con raíces unitarias6. De#e ad(ertirse "ue3 en el caso de procesos
autorre)resi(os de ma-or orden3 las series pueden presentar ms de una raí+ unitaria3 lo "ue se
corresponde con la idea de "ue sus polinomios de retados &de orden superior a %' ten)an ms de
una =nica raí+ i)ual a la unidad. Por e1emplo3 en el caso de un AR&,'3 el polinomio de retardos
es$
( )
( )
,
, %
,
, % , , % % , , % %
%
%
# # #
# # y y y y y y y
t t t t t t t t t t
φ φ
ε φ φ ε φ φ ε φ φ
− − · Φ →
→ · − − → · − − → + + ·
− − − −
.
Ms adelante se e0plica el ori)en de este t4rmino de 5raí+ unitaria6.
9
De modo "ue recordando la e0presión )en4rica de las soluciones de un polinomio de
)rado , tenemos un polinomio de retardos$
( )
,
, %
% # # # φ φ − − · Φ
cu-as raíces son$
,
,
,
% %
%
,
,
,
% %
%
,
/
-
,
/
φ
φ φ φ
φ
φ φ φ

+ −
·

+ +
· r r
De donde puede deducirse "ue si los (alores de φ% - φ, suman la unidad3 am#as raíces
del polinomio de retardos serían i)uales a la unidad$
( )
% A ' % &
A ' % & / A / / / / / /
, / , / %
,
/
% , % ,
% , , , %
,
, , , %
,
%
,
, ,
,
%
,
% , ,
,
% % , ,
,
%
,
,
,
% %
%
· + → · + − →
→ · + − → · − − → + + · + →
→ − − · + → − − · + → ·

+ +
·
φ φ φ φ
φ φ φ φ φ φ φ φ φ φ φ φ φ
φ φ φ φ φ φ φ φ
φ
φ φ φ
r
Para contrastar la nulidad del coeficiente a
%
en el test AD7 se reali+a primero una
sencilla transformación del modelo autorre)resi(o tratando de transformar la hipótesis nula a
%
H%
en una hipótesis clsica 5t6 de nulidad del coeficiente.
Así3 del modelo$

% A t t t
y a y ε + + ·

pasamos al transformado$
t t
t t
t t t t t
y a
y a a
y y a a y y
ε γ
ε
ε
+ ⋅ + · ∆
+ − + · ∆
+ − + · −


− − −
% A t
% % A t
% % % A %
-
' % & -

Donde3 por tanto3 la hipótesis nula inicial G
A
$a
%
H% se transforma ahora en G
A
$ γHA frente
a G
%
$ γIA. Decir "ue γ es nulo es lo mismo "ue decir "ue a
%
H%3 o sea3 "ue e0iste una raí+
unitaria3 decir "ue es menor "ue cero e"ui(ale a decir "ue a
%
es menor "ue la unidad &proceso
autorre)resi(o estacionario'
/
.
Una (e+ estimado el modelo pre(io3 podríamos suponer "ue el pE(alue correspondiente
al contraste 5t6 de ;tudent so#re el parmetro γ ser(iría para aceptar o recha+ar la hipótesis de
nulidad8 sin em#ar)o3 DicDe- - 7uller demostraron "ue no $ode%os utili*ar el contraste <t=
>a1itual so1re la ratio del $ará%etro M!O entre su des(iaci'n estándar. !a estimación de
a
%
en
t t t
y a y ε + ·
−% %
ser siempre consistente pero3 sin em#ar)o3 su distri#ución (ariar se)=n
los (alores "ue tome la estimación. Utili+ando las pala#ras de Fo(ales &%JJ.'3 la distri#ución de
pro#a#ilidad asintótica del estimador de M*@ del modelo AR&%' presenta una 5discontinuidad6
cuando a
%
H% -3 como sustituto3 de#ern utili+arse las distri#uciones deri(adas de forma empírica
mediante un procedimiento de Montecarlo reali+ado por DicDe- &%JKL'. Ms recientemente3
MacMinnon &%JJ%' reali+ó un n=mero ma-or de simulaciones "ue las ta#uladas por DicDe- -
7uller. Adems3 MacMinnon estimó la superficie de respuesta usando los resultados de la
simulación3 lo "ue permite calcular los (alores críticos del test D7 para cual"uier tamaCo
muestral - cual"uier n=mero de (aria#les en el lado derecho de la ecuación.
/
/o se considera el caso de procesos autorre0resi1os explosi1os en que a(2(
10
En todo caso3 el procedimiento de contraste si)ue siendo aparentemente sencillo$
%.E ;e estima el modelo
t t
y a ε γ + ⋅ + · ∆
−% A t
-
,.E ;e calcula la ratio ha#itual
( ) γ
γ
B
B
T
..E ;e compara el (alor calculado con las distri#uciones de D7 o MacMinnon para un
determinado ni(el de confian+a.
/.E ;i la ratio calculada supera el (alor crítico de ta#las3 se recha+a la hipótesis de
nulidad de γ3 es decir3 se recha+a la hipótesis de presencia de raíces unitarias &hipótesis
de no estacionariedad'
;in em#ar)o3 este procedimiento estndar presenta en este caso al)unas peculiaridades.
2ui+ la ms importante es "ue los (alores críticos de las ta#las D7 o MacMinnon dependen de
la presencia en el modelo de t4rminos deterministas &t4rmino constante o tendencia
determinista'. De ese modo3 antes de proceder a contrastar el (alor de 5γ6 de#e optarse por una
de las tres especificaciones si)uientes$
&a'.E *on tendencia - t4rmino independiente.
t t
y t a a ε γ + ⋅ + + · ∆
−% % A t
-
&#'.E *on t4rmino independiente.
t t
y a ε γ + ⋅ + · ∆
−% A t
-
&c'.E ;in t4rminos deterministas.
t t
y ε γ + ⋅ · ∆
−% t
-
Dolado et al$ &%JJA' - Perron &%JJA' propusieron3 entre otros autores3 se)uir un proceso
en etapas a fin de )aranti+ar el 40ito en la elección del modelo de referencia en el ma-or n=mero
de ocasiones$
- En primer lu)ar se estimaría el modelo menos restrin)ido &con t4rmino constante -
tendencia determinista'.
- Dado "ue el principal error de esta tctica inicial consistiría en la escasa potencia
del contraste para el recha+o de la hipótesis nula por inclusión de (aria#les
irrele(antes3 si los (alores críticos indican recha+o &ausencia de raí+ unitaria'3
terminaríamos el procedimiento.
- En el caso de no recha+arse la hipótesis nula de presencia de una raí+ unitaria3 es
decir3 en el caso en "ue admitamos la presencia de una raí+ unitaria &G
A
$ γHA'
pasaríamos ahora a e0aminar la si)nificati(idad del parmetro tendencial
determinista a
%
. Dado "ue3 en este punto3 estaríamos #a1o la hipótesis -a admitida de
"ue γHA3 utili+aríamos el (alor de referencia de las ta#las D7 para el t4rmino
tendencial &denominado )eneralmente τ
βτ
'
?
e incluso3 para ma-or se)uridad3
tam#i4n el contraste con1unto denominado φ
.
&a
%
HγHA'.
- ;i el t4rmino tendencial resulta si)nificati(o &a
%
≠A' contrastaremos de nue(o la
presencia de una raí+ unitaria &G
A
$ γHA' pero utili+ando entonces las ta#las de una
?
3or simplicidad expositi1a, ,emos utili4ado en clase para el contraste del t5rmino tendencial
determinista, de forma aproximada, el 1alor del p61alue correspondiente a la “t” de Student asumiendo
el carácter aproximado del resultado$ En todo caso, la presencia de t5rminos tendenciales deterministas
deber7a poder obser1arse 0ráficamente con relati1a sencille4 de modo que podr7a ,aberse filtrado la
serie con carácter pre1io al análisis de ra7ces unitarias$
11
normal estandari+ada. ;ea cual sea el resultado del test con las nue(as ta#las
finali+aríamos a"uí el contraste admitiendo o recha+ando la presencia de una raí+
unitaria.
- ;i el t4rmino tendencial es no si)nificati(o3 de#er replantearse el modelo
inicialmente estimado pasndose a e0aminar otro con t4rmino constante pero sin
esta tendencia determinista. *on este modelo se (uel(e a anali+ar la presencia de
una raí+ unitaria &γHA'.
- En el caso en "ue3 nue(amente3 se sosten)a la presencia de una raí+ unitaria3 se
contrastar entonces la adecuación del t4rmino independiente a
A
#ien con el
contraste τ
αµ
3 #ien con el contraste con1unto denominado φ
%
&a
A
HγHA'
L
. ;i el t4rmino
independiente resulta si)nificati(o usamos de nue(o las ta#las de una normal para
contrastar la presencia de la raí+ unitaria3 conclu-endo de nue(o a"uí el contraste.
- ;ólo si entonces la constante a
A
es no si)nificati(a se utili+a el modelo ms simple
como modelo de referencia contrastndose3 de nue(o3 la presencia de raí+ unitaria.
En este caso3 no tiene ca#ida el uso de la distri#ución normal estandari+ada.
L
/ue1amente en este caso, al i0ual que en el de la tendencia determinista, ,emos utili4ado en clase para
el contraste del t5rmino independiente el 1alor del p61alue correspondiente a la “t” de Student
asumiendo el carácter aproximado del resultado$
12
En el caso de encontrar una raí+ unitaria en la serie anali+ada3 ca#e pre)untarse 6u7
trans)or%aci'n re6uiere la serie $ara con(ertirse en una serie estacionaria en (arian*a.
@#ser(ando el caso de un paseo aleatorio simple utili+ado en la hipótesis nula3 parece sencillo
intuir "ue3 si la serie ori)inal presenta una raí+ unitaria3 la serie en primeras diferencias ser una
transformada estacionaria en (arian+a$

A % A t t t t t
a y y a y ε ε + · ∆ → + + ·

Las series 6ue re6uieren una trans)or%aci'n en di)erencias (inte-raci'n) $ara
con(ertirse en series estacionarias en (arian*a se deno%inan series Inte-radas de Orden 13
0 se re$resentan co%o I(1). ;i de una serie se dice "ue es I&A' es e(idente "ue no son
necesarias diferencias para lo)rar la estacionariedad3 es decir3 "ue la serie ori)inal -a es
estacionaria en (arian+a.
NPuede una serie ser I&,' ó I&.'O. Es decir3 Npuede una serie tener ms de una raí+
unitariaO. Efecti(amente3 -a (imos anteriormente "ue en procesos autorre)resi(os de orden
superior a uno ca#e la posi#ilidad de "ue e0ista ms de una raí+ unitaria. Así pues3 una (e+
detectada la primera raí+ de una serie3 de#e repetirse de nue(o el test D7 so#re la serie
diferenciada una (e+3 con el fin de locali+ar una se)unda raí+. En el caso de "ue el test D7
detectase esa se)unda raí+3 la serie sería entonces I&,'3 es decir3 necesitaría ser diferenciada ,
(eces para con(ertirse en estacionaria en (arian+a$
( ) ' A & ' % & ' , &
' A & ' % &
,
" y y " y " y
" y " y
t t t t
t t
→ ∆ · ∆ ∆ ⇒ → ∆ ⇒ →
→ ∆ ⇒ →
Efecti(amente3 cuando una serie "ue si)ue un proceso AR&,'3 por e1emplo$

, , % % t t t t
y y y ε φ φ + + ·
− −
presenta dos raíces unitarias3 su polinomio de retardos puede descomponerse
factorialmente en$
( ) ( ) ( )( ) # # # # # # − − · Φ → − − · Φ % % %
,
, %
φ φ
De modo "ue la serie ori)inal :
t$

, , % % t t t t
y y y ε φ φ + + ·
− −
puede representarse como una serie estacionaria mediante la e0presión$
( )
t t
a # Y ε + · Φ
A
o lo "ue es i)ual3
( ) ( )( )
t t t y t t
a y a # # y a # y ε ε ε + · ∆ → + · − − → + · Φ
A
,
A A
% %
!a presencia de ms de una raí+ unitaria en una serie e0i)e "ue el proceso )enerador de
datos sea de orden superior a uno dado "ue de otra forma el polinomio de retardos sólo puede
tener una =nica raí+8 sin em#ar)o3 el test D7 sólo contempla la posi#ilidad de una modelo AR&%'
frente aun paseo aleatorio &de orden %'. Para dar ca#ida a modelos de orden superior &tanto en la
hipótesis nula como en la alternati(a'3 se propone una (ersión e0tendida del test D7 "ue se
conoce como test AD7. Para ilustrar el modelo de contraste del test AD73 supon)amos un
modelo AR&,' como #ase del proceso autorre)resi(o del "ue se desea anali+ar la
estacionariedad$
13

, , % % t t t t
y a y a y ε + + ·
− −
En este caso3 (imos anteriormente como la presencia de raíces unitarias se correspondía
con la situación en la "ue$
%
% ,
· + a a
de modo "ue lo "ue de#emos ahora contrastar con el test D7 no es -a el (alor de uno de
los dos coeficientes sino el de la suma de am#os. Es decir3 en este caso3 las hipótesis nula -
alternati(a se definen del si)uiente modo$
G
A
$ a
%
P a
,
H% ⇒

, , % % A t t t t
y a y a a y ε + + + ·
− −
&-
t
Fo Estacionaria en (arian+a'
G
A
$ a
%
P a
,
I% ⇒

, , % % A t t t t
y a y a a y ε + + + ·
− −
&-
t
Estacionaria en (arian+a'
Una (e+ ms3 para adaptar el test a una hipótesis clsica de nulidad de un coeficiente3 se
propone la e0presión$

·
+ − −
+ ∆ + ⋅ + · ∆
p
i
t i t i t t
y y a y
,
% % A
ε β γ
Donde nue(amente3 la hipótesis nula a contrastar es G
A
$ γHA frente a G
%
$ γIA dado "ue
no resulta comple1o demostrar "ue el coeficiente γ es$

,
_

¸
¸
− − ·

·
p
i
i
a
%
% γ
siendo$

·
·
p
!
! i
a
%
β
Así pues3 como puede o#ser(arse3 la presencia de ms de una raí+ unitaria en una serie
e0i)ir aCadir a la re)resión del test simple D7 t4rminos retardados de la endó)ena
% + −

i t
y
lo
"ue3 por otro lado3 ser(ir para corre)ir la re)resión de contraste de posi#les pro#lemas de
autocorrelación.