Autocorrelacion:

La existencia de autocorrelacin se define, como la existencia de correlacin entre

perturbaciones aleatorias correspondientes a perodos (u observaciones) distintas.
En un plano intuitivo, la autocorrelacin conecta con la idea de que los errores contienen
cierta persistencia y, por tanto, no se deben a factores puramente aleatorios,
desconectados los unos de los otros. As pues, cuando existe autocorrelacin, el error
cometido en un momento del tiempo est influido por el error de perodos previos.
1

El supuesto del modelo de mnimos cuadrados ordinarios plantea:
(

)

El orden la la autocorrelacion esta determinada por la influencia que tenga en variable
aleatoria del periodo t , asi se da:



AUTOCORRELACION



En donde el proceso de autoregresion de primer orden es :

Deteccin de autocorrelacin :
1. Test grficos :

a) Se grafica :

Para lo cual se tiene que generar la variable tiempo mediante:

1
Maha, Ramn (2010) CONCEPTOS BSICOS SOBRE LA AUTOCORRELACIN EN EL MODELO
BSICO DE REGRESIN LINEAL

)


GENR T=@TREND(2007M01)+1











Luego se grafica en el eje de las absisas la variable generada T, y la variable aleatoria
en el eje de las ordenadas :
Quick -> Graph-> t resid01


Al observar el grafico, vemos que los puntos generados de las variables T y Resid01
presentan forma similar a la de una parbola invertida, exceptuando dicha forma por
algunos pocos puntos que salen de esa tendencia, lo que indicara la existencia de
autocorrelacion.


b) Se grfica:

Para graficar en el eje de las abscisas la variable

, y la variable aleatoria en el eje de

las ordenadas:
Quick -> Graph-> resid01(-1) resid01

En donde para graficar las lneas horizontales y verticales que corresponderen al origen,
se hace doble click en el rango de valores respectivo (horizontal , vertical) . El grafico
muestra que existe presencia de autocorrelacion positiva.

2. Estadistico Durbin Watson (DW)
Por ese medio solo se detecta autocorrelacion de primer orden, osea se tengra que hallar

a partir de :

En eviews colocamos:
LS REDID01 RESID(-1) para obtener el coeficiente

, que es igual a 0.442809

En la estimacin de los residuos frente a los residuos resagados un periodo se ve que el
valor de es 0.442809, para aplicar el test de durbin-watson es necesario conocer dL y
du los cuales son calculados en la tabla de Durbin-Watson para 84 observaciones y 3
variables explicativas.
Donde:
dl = 1.568 4 dl =2.432
du = 1.72 4 du = 2.28
Ahora se representa esto mediante el siguiente grafico :





En donde se observara en que zona se encuentra el resultado del DW :
Zona l : Presencia de autocorrelacion positiva.
Zona ll : Ausencia de autocorrelacion.
Zona lll: Presencia de autocorrelacion negativa.
Zona A y B : Zonas de indecisin.

En donde dw= 1.116382 , el cual se encuentra en zona l del grfico de Durbin-Watson, lo
cual indica que existe autocorrelacin positiva y de primer orden.

3. Test de Breusch Godfrey (LM-TEST)

2

3

4

En donde:

En eviews se realiza de la siguiente manera:
11.568 11.72 12.432 12.28
4 dv 4 dL
0
A B

Y colocamos el nmero de rezagos que en el caso ser 2 :







El test se calcula con lo siguiente:

2

2
2



Como el valor de 25.008>5.99, se acepta la Hiptesis alternativa, la cual indica que si
existe autocorrelacin.
4. Test de Box Pierce
Se comienza con lo siguiente:

Haciendo click en Correlogram- Q statistics


Con la frmula de primer orden:

2


2

2

Como 16.484916 > 3.84 se acepta H
1
, lo cual indica que si existe autocorrelacion de
primer orden.
Con la frmula de segundo orden:

2
2
[

2

2
]

2

Como 29.52474 > 5.99147 se acepta H
1
, lo cual indica que si existe autocorrelacion de
primer orden.
El procedimiento es sucesivo, y hasta este punto se ha demostrado la existencia de
autocorrelacion hasta el segundo orden. A continuacin, se hara un procedimiento para
tratar de correguir esta autocorrelacion:
Para no tratar ade editar la ecuacin inicial de los datos, sacaremos una copia a esta
misma, para no alterar algunos datos que ya hemos obtenido. Despues de ello haremos
click en Estimate y editamos el texto que saldr de manera automtica, aumentado ar(1) :


Obteniendo una nueva regresin:

Luego hacemos el mismo proceso anterior y obtener la siguiente tabla :


En donde se debe de comparar la estimacin inicial con la nueva estimacin ya
corrigindose el problema de autocorrelacin. Se compara observando los criterios de
comparacin (akaikeinfocriterion, Schwarzcriterion, Hannan-QuinnCriter) y observamos
que el mejor modelo es la estimacin corrigindose el problema de autocorrelacin.