Regresión espuria
Páginas: 2 (336 palabras)
Publicado: 27 de agosto de 2014
Realizaremos el experimento de Monte Carlo, usando la especificaci´on:
yt = + xt + t + ut
El cual tendr´a las siguientes caracter´ısticas:
1. Tama˜no de la muestra: 250
2. N´umero dereplicaciones: 5,000
3. Orden de integraci´on de las var.: I(1) [s´olo x y y]
Entonces, trataremos de hacer evidente la existencia de regresiones ✭✭espurias✮✮, es decir, que arrojan evidencia falsa a cercade la relaci´on estad´ıstica entre distintas variables.
El objetivo es que, dada la conclusi´on obtenida por Granger y Newbold en 1974, probemos que ´esta se mantiene incluso
a˜nadiendo una nuevavariable a la especificaci´on, a saber, el tiempo, cuya propiedad esencial es ser una variable
determinista.
Empezamos por generar las variables estacionarias (x0, y0), las cuales estar´an compuestaspor una serie de n´umeros
aleatorios. Despu´es, las no-estacionarias (x1, y1) ser´an la suma acumulada de (xo, yo) . Y por ´ultimo, t ser´a la variable que
contemple el tiempo, representada por unal´ınea que va creciendo.
Corrida la regresi´on, observamos que los resultados obtenidos concuerdan parcialmente con los de Granger y Newbold.
Primero, el n´umero de veces que el intervalo deconfianza al 95% del par´ametro incluye al cero, esta dado por las siguientes
proporciones:
TasaRech1 = 0.0932
TasaRech2 = 0.9724
Lo cual no difiere tanto del (0,0488; 0,7548) que se obtuvo,respectivamente, al correr la especificaci´on yt = + xt + ut.
Por un lado, respecto a la variaci´on de los estimadores, que se muestra en la Figura 1, es evidente que su comportamiento
es similar a unadistribuci´on normal y cabe resaltar que el grueso de la distribuci´on de 0, 0, 1, 1 se centra pr´acticamente
alrededor del cero, mientras que para 1, 0 ocurre que los valores se distribuyen en unintervalo mayor. Por otra parte,
como se muestra en la Figura 2 y 3, notamos que la R-cuadrada para las variables estacionarias tiende a cero, sin embargo,
para las variables no-estacionarias,...
yt = + xt + t + ut
El cual tendr´a las siguientes caracter´ısticas:
1. Tama˜no de la muestra: 250
2. N´umero dereplicaciones: 5,000
3. Orden de integraci´on de las var.: I(1) [s´olo x y y]
Entonces, trataremos de hacer evidente la existencia de regresiones ✭✭espurias✮✮, es decir, que arrojan evidencia falsa a cercade la relaci´on estad´ıstica entre distintas variables.
El objetivo es que, dada la conclusi´on obtenida por Granger y Newbold en 1974, probemos que ´esta se mantiene incluso
a˜nadiendo una nuevavariable a la especificaci´on, a saber, el tiempo, cuya propiedad esencial es ser una variable
determinista.
Empezamos por generar las variables estacionarias (x0, y0), las cuales estar´an compuestaspor una serie de n´umeros
aleatorios. Despu´es, las no-estacionarias (x1, y1) ser´an la suma acumulada de (xo, yo) . Y por ´ultimo, t ser´a la variable que
contemple el tiempo, representada por unal´ınea que va creciendo.
Corrida la regresi´on, observamos que los resultados obtenidos concuerdan parcialmente con los de Granger y Newbold.
Primero, el n´umero de veces que el intervalo deconfianza al 95% del par´ametro incluye al cero, esta dado por las siguientes
proporciones:
TasaRech1 = 0.0932
TasaRech2 = 0.9724
Lo cual no difiere tanto del (0,0488; 0,7548) que se obtuvo,respectivamente, al correr la especificaci´on yt = + xt + ut.
Por un lado, respecto a la variaci´on de los estimadores, que se muestra en la Figura 1, es evidente que su comportamiento
es similar a unadistribuci´on normal y cabe resaltar que el grueso de la distribuci´on de 0, 0, 1, 1 se centra pr´acticamente
alrededor del cero, mientras que para 1, 0 ocurre que los valores se distribuyen en unintervalo mayor. Por otra parte,
como se muestra en la Figura 2 y 3, notamos que la R-cuadrada para las variables estacionarias tiende a cero, sin embargo,
para las variables no-estacionarias,...
Leer documento completo
Regístrate para leer el documento completo.