Professional Documents
Culture Documents
AUTOCORRELACIN
PRUEBA DE DURBIN-WATSON
PRUEBA DE BREUSCH-GODFREY (BG)
INTEGRANTES:
WLADIMIR HEREDIA
CARLOS LPEZ
Prueba d de Durbin-Watson
=
2
=2 ( 1 )
2
=
=1
2.
3.
4.
5.
6.
2 +
1 2 2
Definimos :
=
1
2
2.
Calcular d.
3.
4.
Reglas de decisin:
Ho: No hay autocorrelacin positiva.
Ho*: No hay autocorrelacin negativa.
Esta prueba tiene una gran desventaja, cuando cae en la zona de indecisin no
se puede concluir si hay o no autocorrelacin.
Ejemplo:
Utilizamos 33 datos para un anlisis en el Ecuador se corre la siguiente regresin:
= 1 + 2 + 3 +
Donde:
Procedimiento:
1.
2.
Calculamos d.
2(1
1
2
0,2345066
2(1
)
0,692449
1,235963
3.
4.
Regla de Decisin:
Ho: No hay autocorrelacin positiva.
Ho*: No hay autocorrelacin negativa.
<
Conclusin:
Dado un nivel de significancia del 5%, existe evidencia estadstica suficiente para
rechazar la Ho de que no existe autocorrelacin positiva, debido a que el d
estimado es menor que el inferior.
Coefficient
Std. Error
t-Statistic
Prob.
LOG(Y)
LOG(TCR)
C
2.767621
0.536795
-46.94278
0.107001
0.108824
2.851936
25.86550
4.932679
-16.45997
0.0000
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.960321
0.957676
0.151926
0.692449
16.93150
363.0370
0.000000
22.48845
0.738483
-0.844333
-0.708287
-0.798558
1.209176
Generalidades
Es conocida tambien como prueba ML (se basa en el principio de
multiplicador de Lagrange).
Es vlida asintticamente.
Evita algunas limitaciones que tiene la prueba de Durbin-Watson.
Caractersticas
Es una prueba ms general que la de Durbin-Watson ya que permite:
El uso regresoras no estocsticas.
Ejemplo
Suponemos un modelo de 2 variables por simplicidad solamente.
= 1 + 2 +
(1)
(2)
Ejemplo
La hiptesis nula 0 a ser probada es:
0 = 1 = 2 = = = 0
Es decir, no existe correlacin serial de ningn orden.
Pasos a seguir
1)
2)
Pasos a seguir
3)
2)
4)
4.128630
4.112599
Prob. F(1,29)
Prob. Chi-Square(1)
0.0514
0.0426
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 04/07/14 Time: 23:41
Sample: 1980 2012
Included observations: 33
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LOG(Y)
LOG(TCR)
C
RESID(-1)
-0.030659
-0.061808
1.028482
0.367989
0.102935
0.107933
2.760728
0.181106
-0.297851
-0.572647
0.372540
2.031903
0.7679
0.5713
0.7122
0.0514
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.124624
0.034068
0.144575
0.606153
19.12768
1.376210
0.269696
8.17E-15
0.147102
-0.916829
-0.735434
-0.855795
1.673150
. tsset tiempo
time variable:
delta:
SS
df
MS
Model
Residual
16.7589748
.692444227
2
30
8.37948741
.023081474
Total
17.451419
32
.545356845
lnX
Coef.
lnY
lnTCR
_cons
2.767621
.536796
-46.94277
Std. Err.
.1070001
.108824
2.851926
Number of obs
F( 2,
30)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
25.87
4.93
-16.46
0.000
0.000
0.000
=
=
=
=
=
=
33
363.04
0.0000
0.9603
0.9577
.15193
2.986144
.7590442
-41.11836
. estat bgodfrey
Breusch-Godfrey LM test for autocorrelation
lags(p)
1
chi2
6.988
df
1