Professional Documents
Culture Documents
por
JOS RAMN CANCELO()
Departamento de Economa Aplicada II
Universidade da Corua
RESUMEN
1. INTRODUCCIN
Sea x t una serie no estacional que se puede expresar como la suma de dos
componentes, un componente permanente pxt o tendencia de nivel y un compo-
nente transitorio nxt:
xt = p xt + nxt (1)
2 + 1 < 1
2 1 < 1 (3)
1 < 2 < 1
y t = p yt + n yt (4)
Ntese asimismo que x t es I(2) e y t es I(1), de manera que tanto el nivel como el
crecimiento estn generados por procesos no estacionarios.
2p*xt = (1 1L 2L2) bt
(6)
n*xt = c t
LA MEDICIN DEL CRECIMIENTO EN SERIES TEMPORALES NO ESTACIONALES 171
estos parmetros compatibles con la forma reducida observada (2) y para que la
descomposicin est identificada se impone el requisito cannico, que implica
asignar todo el ruido puro a nxt. En este trabajo consideramos una restriccin ms
fuerte, que obliga a que
1 + 12 + 22 + 62 > 0 (9)
Puesto que pxt no es observable estimamos sus valores a partir de una realiza-
cin de x t. El estimador que minimiza el error cuadrtico medio, p xt , es
En (10) la primera expresin hace explcito el filtro ptimo que se usa para esti-
mar pxt dada la serie observada, y la segunda presenta el modelo ARIMA que
172 ESTADSTICA ESPAOLA
genera el estimador de la tendencia. Dado que (2) es invertible las races de (1-1L-
2L2) y (1-1F-2F2) estn fuera del crculo unidad, y el filtro que liga pxt con x t se
puede aproximar por una media mvil finita que se extiende desde t-H a t+H para
un valor adecuado de H.
Supongamos por el momento que se dispone de una realizacin completa de x t;
entonces p xt es el estimador final de pxt y se demuestra que el error en el estima-
dor final de la tendencia de nivel, definido como mxt = pxt p xt , sigue el modelo
ARMA
pxt = x (L, F)at = a
i =
xi t +i (13)
k
px, t|t +k =
i =
xiat+i (14)
LA MEDICIN DEL CRECIMIENTO EN SERIES TEMPORALES NO ESTACIONALES 173
rx, t|t+k =
i =k +1
xiat+i (15)
Ntese que (15) es una expresin general vlida para errores de revisin en
sentido estricto (k 0) y para errores de prediccin (k<0). El error total que se co-
mete al estimar pxt con informacin hasta t+k es la suma del error en el estimador
final y el error de revisin / prediccin, que por construccin son ortogonales entre
s (Pierce, 1980).
Sea g1t= p xt el primer candidato para medir el crecimiento. A partir de los re-
sultados anteriores es inmediato comprobar que est generado por
k
g1, t| t+k = a
i =
1i t +i (19)
r1, t| t+k = a
i =k +1
1i t +i = (
i=k +1
xi x, i+1)at+i (20)
174 ESTADSTICA ESPAOLA
p*yt = (1 L) et
(21)
n*yt = (1 L) ft
Este modelo estructural no est definido para cualquier proceso IMA(1,2) inver-
tible. La condicin necesaria y suficiente para que exista una descomposicin
aceptable es
2e (1 + L)(1 + F)
pyt = yt =
2a (1 1L 2L2)(1 1F 2F2)
(24)
2e (1 + L)(1 + F)
= at = 2(L, F) at
2a (1 1F 2F2 )
k
g2, t|t +k = py , t| t+k = a
i =
2 i t+ i (26)
r2, t|t +k =
i=k +1
2i at +i (27)
3. CRITERIOS DE EVALUACIN
C-5). Tamao del error total (error en el estimador final ms error de revisin /
prediccin).
El primer criterio es un requisito bsico para que las medidas sean tiles en el
anlisis aplicado. Por su parte en los criterios C-2 a C-5 se pone el acento en cmo
cada medida estima su propia seal subyacente, y la mejor medida ser la que
mejor aproxime la seal terica que pretende estimar. Tales caractersticas son
ms relevantes para nuestra aplicacin que los contrastes de validacin habitual-
mente empleados en el anlisis de series temporales, porque tanto g1t= p xt como
g2t= pyt no son de inters en s mismas sino slo en su papel de herramienta para
aproximar las verdaderas seales, pxt y pyt respectivamente, que no son directa-
mente observables. As por ejemplo en el caso de la prediccin el problema real no
es cmo se predice el valor que el estimador tomar en el futuro, sino con qu
incertidumbre podemos aproximar hoy el verdadero valor de la seal no observable
en el futuro.
LA MEDICIN DEL CRECIMIENTO EN SERIES TEMPORALES NO ESTACIONALES 177
El conjunto de criterios C-2 a C-5 pretende cubrir los tres grandes campos de
inters prctico relacionados con la estimacin de componentes no observables en
el anlisis univariante de series temporales, y por lo tanto remiten a los posibles
objetivos del analista al medir el crecimiento de una variable econmica. C-2 es el
criterio relevante para anlisis histricos, en los que se dispone de una realizacin
completa con la que calcular los estimadores definitivos g1t y g2t. C-3 y C-5 son los
ms importantes para un analista interesado en el seguimiento de la variable a
corto plazo y la evaluacin de la situacin actual, puesto que el problema es cmo
estimar la seal en t con informacin hasta t+k, 0k<H. Por ltimo a veces el inters
reside en cmo generar predicciones acuradas y el analista debe concentrarse en
C-4 y C-5.
4. RESULTADOS
Figura 1
EXISTENCIA DE DESCOMPOSICIONES ADMISIBLES
Figura 2
RESULTADOS PARA EL COCIENTE DE VARIANZAS DE LOS ERRORES EN
EL ESTIMADOR FINAL
0.8
0.6
0.4
0.2
2
0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
1
0.8
0.6
0.4
0.2
2 0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
180 ESTADSTICA ESPAOLA
Figura 3
RESULTADOS PARA EL COCIENTE DE VARIANZA DEL ERROR DE REVI-
SIN EN LOS ESTIMADORES CONCURRENTES
1
0.8
0.6
0.4
0.2
2
0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
0.8
0.6
0.4
0.2
2 0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
182 ESTADSTICA ESPAOLA
Figura 4
RESULTADOS PARA EL COCIENTE DE VARIANZAS DEL ERROR DE REVI-
SIN DE LOS ESTIMADORES PARA T CON INFORMACIN HASTA T+3
1
0.8
0.6
0.4
0.2
2
0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
Figura 5
RESULTADOS PARA EL COCIENTE DE VARIANZAS DE LOS ERRORES DE
PREDICCIN A UN PERODO
0.8
0.6
0.4
0.2
2 0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
0.8
0.6
0.4
0.2
2
0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
184 ESTADSTICA ESPAOLA
Figura 6
RESULTADOS PARA EL COCIENTE DE VARIANZAS DEL ERROR TOTAL
(SUMA DEL ERROR DE REVISIN Y EL ERROR EN EL ESTIMADOR FINAL) DE
LOS ESTIMADORES CONCURRENTES
PANEL A. MEDIDA SECCIONADA
0.8
0.6
0.4
0.2
2 0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
LA MEDICIN DEL CRECIMIENTO EN SERIES TEMPORALES NO ESTACIONALES 185
0.8
0.6
0.4
0.2
2 0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
Figura 7
RESULTADOS PARA EL COCIENTE DE VARIANZAS DEL ERROR TOTAL
(SUM DEL ERROR DE PRECCIN Y EL ERROR EN EL ESTIMADOR FINAL) EN
LA PRECCIN DE UN PERODO
PANEL A. MEDIDA SELECCIONADA
1
0.8
0.6
0.4
0.2
2
0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
1
0.8
0.6
0.4
0.2
2
0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
LA MEDICIN DEL CRECIMIENTO EN SERIES TEMPORALES NO ESTACIONALES 187
Figura 8
RESULTADOS PARA EL COCIENTE DE VARIANZAS DEL ERROR TOTAL
(SUMA DEL EEROR DE PREDICCIN Y EL ERROR EN EL ESTIMADOR FINAL)
EN LA PREDICCIN A TRES PERODOS
PANEL A. MEDIDA SELECCIONADA
1
0.8
0.6
0.4
0.2
2
0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
0.8
0.6
0.4
0.2
2 0
-0.2
-0.4
-0.6
-0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1
188 ESTADSTICA ESPAOLA
12
(1 1L 2L2 )
xt = D
i =1
i it +
2
at (28)
Cuadro 1
MODELOS ESTIMADOS Y MEDIDAS DE INFLACIN RECOMENDADAS PA-
RA LOS PASES ESTUDIADOS
Notas: 1, 2 denotan las estimaciones de los parmetros MA (t-ratios entre parntesis); Q(k) denota el estadstico Q de
Ljung-Box calculado con las k primeras autocorrelaciones residuales; (1) Muestra 1991:1 a 2000:12; (2) Muestra 1982:1 a
2000:12; (3) los parmetros estimados caen en la regin de indiferencia para ese criterio.
da se extiende hasta t+3 g1t es la mejor eleccin para 9 pases (dos de ellos en la
regin de indiferencia), frente a los 5 que resultaban cuando el error en el estimador
final era el criterio relevante. Por ltimo g2t es siempre la medida ms adecuada
para la prediccin.
Esta aplicacin muestra cmo los resultados de la seccin 4 se pueden emplear
para decidir la mejor medida de inflacin en funcin del modelo concreto que
genera los datos observados y de los objetivos que persiga el analista, pero tam-
bin indican que pueden ser poco concluyentes cuando los parmetros estimados
para el modelo del agregado estn cerca de la frontera. Se podra pensar que en
ese caso la eleccin final no importa, pero vimos en la seccin 4 como las regiones
de indiferencia son pequeas -especialmente si el objetivo es el anlisis histrico o
el seguimiento a corto plazo- y por lo tanto ligeras variaciones en los parmetros
MA de la forma reducida pueden suponer cambios importantes en la forma ms
adecuada para medir el crecimiento.
6. CONCLUSIONES
REFERENCIAS
BELL , W.R. y HILLMER, S.C. (1984): Issues involved with the seasonal adjustment
of economic time series (with discussion), Journal of Business and Economic
Statistics, 2, 291-349.
BURMAN, J.P. (1980): Seasonal adjustment by signal extraction, Journal of the
Royal Statistical Society, A 143, 321-337.
CANCELO, J.R. y FERNNDEZ, J.A. (2001): A discussion on two ways for measuring
growth in nonseasonal time series, Bulletin of the International Statistical In-
stitute, LIX (3), 135-136.
HARVEY (1989): Forecasting, Structural Time Series Models and the Kalman
Filter, Cambridge: Cambridge University Press,
PIERCE (1980): Data revisions with moving average seasonal adjustment proce-
dures, Journal of Econometrics, 14, 95-114.
SUMMARY