Tendencia aleatoria o determinística: una nueva prueba basada en la teoría tradicional

• ELKIN CASTAÑO ^[1] ; JORGE MARTÍNEZ ^[1]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 32, Nº. 2, 2009, págs. 301-331
• Idioma: español
• Títulos paralelos:
  • Random or deterministic trend: a new test based on the traditional theory
• Enlaces
  • Texto completo
• Resumen
  • español

    En la literatura de series de tiempo se encuentran diferentes procedimientos para probar la hipótesis sobre el origen aleatorio o determinístico de la componente de tendencia de una serie. La mayoría de ellos se basan en establecer la existencia de una raíz unitaria ya sea en el polinomio autorregresivo o en el polinomio de medias móviles. El desarrollo de las pruebas para verificar estas hipótesis se basa fundamentalmente en el empleo de la teoría no estándar asociada a procesos de Wiener. Este artículo presenta una nueva prueba que hace uso de las funciones de autocorrelación (ACF) de los residuales de los modelos bajo la hipótesis nula H0:Zt=β0+Zt-1+a t, y bajo la hipótesis alterna H1:Zt=β0+β1t+a t. A partir de la teoría tradicional, con el supuesto que a t es un ruido blanco gaussiano, se obtiene por simulación la distribución nula del estadístico de prueba para muestras finitas y se deriva una aproximación asintótica. Para el caso en el cual a t es un proceso autocorrelacionado, se generaliza la prueba y se obtiene la distribución nula asintótica del estadístico de prueba. Los resultados muestran que la prueba asintótica tiene, en general, una potencia alta y mayor que la potencia de la prueba de Dickey y Fuller Aumentada (ADF), particularmente cuando una raíz del polinomio AR o MA está cerca de 1. La prueba asintótica propuesta también presenta menos distorsiones en el tamaño que la prueba ADF.

  • English

    Several procedures to test the null hypothesis on the random or deterministic origin of the trend in a time series are found in the specialized literature. Most of these tests are based on the analysis of the unit roots of the autoregressive or moving average operators. The procedures are based on the nonstandard theory associated to a Wiener process. In this paper it is proposed a test that uses the autocorrelation function (ACF) of the residuals considering the null hypothesis H0:Zt=β0+Zt-1+a t, and the alternative hypothesis H1:Zt=β0+β1t+a t. The distribution of the test statistics for finite sample sizes and the asymptotic approximation are obtained using the usual theory, assuming that a t is a gaussian white noise. The procedure is generalized for the case where a t is a correlated white noise. The results obtained using simulation show that the proposed test has in general high power and specially when it is compared the well known Dicker-Fuller Augmented test (ADF), in the case when the roots of the autoregressive or moving average operators are close to one. The proposed procedure has also better approximation to the nominal test size when it is also compared with the ADF.

• Referencias bibliográficas
  • Arellano, C.,Pantula, S. G.. (1995). 'Testing for Trend Stationarity versus Difference Stationarity'. Journal of Time Series Analysis....
  • Box, G. E. P.,Pierce, D. A.. (1970). 'Distribution of the residual autocorrelations in autoregressive-integrated moving average time series...
  • Castaño, E.. (1995). 'Identificación de un modelo ARIMA contaminado'. Lecturas de Economía. 42. 49-70
  • Chen, C.,Liu, M. L.. (1990). Joint estimation of model parameters and outlier effects in time series. P.O. Box 625, DeKalb, Illinois 60115.
  • Choi, I.. (1992). 'Durbin-Hausman Tests for a Unit Roots'. Oxford Bulletin of Economics and Statistics. 54. 289-304
  • Choi, I.,Yu, B. C.. (1997). 'A General Framework for testing I(m) contra I(m+k)'. Journal of Economic Theory and Econometrics....
  • Cleveland, W. S.. (1993). Visualizing Data. Hobart Press. Michigan.
  • Cleveland, W. S.. (1994). The Elements of Graphing Data. Hobart Press. Michigan.
  • Cochrane, J. H.. (1988). 'How Big is the Random Walk in GNP?'. Journal of Political Economy. 96. 893-920
  • Cochrane, J. H.. (1991). 'A Critique of the Application of Unit Root Tests'. Journal of Economics Dynamics and Control. 15. 275-284
  • DeJong, D. N.,Nankervis, J. C.,Savin, N. E.,Whiteman, C. H.. (1992). 'The Powers Problems of the Unit Root Tests in Time Series with Autorregressive...
  • DeJong, D. N.,Nankervis, J. C.,Savin, N. E.,Whiteman, C. H.. (1992). 'Integration Versus Trend Stationarity in Time Series'. Econometrica....
  • Dickey, D. A.,Fuller, W. A.. (1979). 'Distribution of the Estimators for Autoregressive Time Series with a Unit Root'. Journal of...
  • Elliot, G.,Rothenber, T. J.,Stock, J. H.. (1996). 'Efficient Tests for an Autorregressive Unit Root'. Econometrica. 64. 813-836
  • Flores de Frutos, R.,Jerez, M.. (2002). Testing for Invertivility in Univariate ARIMA Process. Facultad de Ciencias Económicas y Empresariales,...
  • Fuller, W. A.. (1976). Introduction to Statistical Time Series. Wiley-Interscience. New York.
  • Hall, A.. (1989). 'Testing for a Unit Root in the Presence of Moving Average Error'. Biometrika. 76. 49-56
  • Harvey, A.. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. Cambridge.
  • Harvey, A.. (2000). Trend Analysis. Faculty of Economics and Politics, University of Cambridge.
  • Jones, R. H.. (1993). Longitudinal Data with Serial Correlation: A State Space Approach. Chapman and Hall. London.
  • Kitagawa, G.,Gersch, W.. (1996). Smoothness Priors Analysis of Time Series. Springer-Verlag. Berlín.
  • Kitagawa, G.,Gersch, W.. (1996). Smoothness Priors Analysis of Time Series. Springer-Verlag. Berlín.
  • Ljung, G. M.. (1986). 'Diagnostic Testing of Univariate Time Series Models'. Biometrika. 73. 725-730
  • Ljung, G. M.,Box, G. E. P.. (1978). 'On a Measure of Lack of Fit in Time Series Models'. Biometrika. 65. 297-303
  • Nelson, C. R.,Plosser, C. I.. (1982). 'Trends and random walks in macroeconomic time series'. Journal of Monetary Economics. 10. 139-162
  • Ng, S.,Perron, P.. (1996). 'Unit Roots Tests in ARMA Models with Data-Dependent Methods for the Selection of Truncation Lag'. Journal...
  • Pankratz, A.. (1983). Forecasting with Univariate Box-Jenkins Models. Wiley-Interscience. New York.
  • Phillips, P. C. B.,Perron, P.. (1988). 'Testing for a Unit Root in Time Series Regression'. Biometrika. 75. 335-346
  • Phillips, P.,Perron, P.. (1988). 'Testing for a Unit Root in Time Series Regression'. Biometrika. 75. 335-346
  • (2001). SCA-Corp., The SCA Statistical System, versión VI.3a. SCA Corp.. Dekalb.
  • Saikkonen, P.,Luukkonen, R.. (1993). 'Testing for a moving average unit root in autoregressive integrated moving average models'....
  • Sargan, J. D.,Bhargava, A.. (1983). 'Maximum Likelihood Estimation of Regression Models with First Order Moving Average Errors When the...
  • Schwartz, G.. (1978). 'Estimating the Dimension of a Model'. The Annals of Statistics. 6. 461-464
  • Schwert, G. W.. (1989). 'Tests for Unit Roots: A Monte Carlo Investigation'. Journal of Business and Economics Statistics. 7. 147-159
  • Shephard, N.. (1993). 'Distribution of the ML Estimator of an MA(1) Model and a Local Level Model'. Econometric Theory. 9. 377-401
  • Shephard, N.,Harvey, A.. (1990). 'On the Probability of Estimating a Deterministic Component in the local Level Model'. Journal of...
  • Tanaka, K.. (1990). 'Testing for a Moving Average Unit Root'. Econometric Theory. 6. 433-444
  • Tsay, R. S.. (1993). 'Testing for Noninvertible Models with Applications'. Journal of Business and Economic Statistics. 11. 225-233
  • Wei, W.. (2006). Time Series Analysis Univariate and Multivariate Methods. Pearson Addison Wesley. Boston.
  • West, M.,Harrison, J.. (1989). Bayesian Forecasting and Dynamic Models. Springer-Verlag. New York.
  • Young, P.. (1984). Recursive Estimation and Time-Series Analysis. Springer-Verlag. Berlín.