Correlación en Serie

CORRELACIÓN EN SERIE

Los datos de series de tiempo a menudo muestran autocorrelación o correlación en serie de las perturbaciones a través de períodos. Considere, por ejemplo, la gráfica de los residuos de mínimos cuadrados en el siguiente ejemplo.

Ejemplo 20.1 Ecuación de demanda de dinero

[pic 1]

El cuadro del apéndice F5.2 contiene datos trimestrales de 1950I a 2000IV sobre el stock de dinero de EE. UU. (M1), la producción (PIB real) y el nivel de precios (IPC_U). Considere un modelo simple (extremadamente) de demanda de dinero,  ln M1t = b1 + b2 ln PIBt + b3 ln CPIt + et.

En la figura 20.1 se muestra una gráfica de los residuos de mínimos cuadrados. El patrón en los residuos sugiere que el conocimiento del signo de un residual en un período es un buen indicador del signo del residual en el siguiente período. Este conocimiento sugiere que el efecto de la perturbación dada se transmite, al menos en parte, a través de los períodos. Este tipo de memoria en el perturbaciones crea los largos y lentos cambios de valores positivos a los negativos que son evidente en la figura 20.1. Se podría argumentar que este patrón es el resultado de una evidente ingenuidad modelo, pero ese es uno de los puntos importantes en esta discusión. Patrones como este por lo general no surjan espontáneamente; en gran medida, son, de hecho, el resultado de una incompleta o especificación de modelo defectuosa.

Una explicación de la autocorrelación es que los factores relevantes se omiten de la serie temporal regresión, como las incluidas, están correlacionadas entre períodos. Este hecho puede deberse a la correlación serial en factores que deberían estar en el modelo de regresión. es fácil de ver por qué se presentaría esta situación. El ejemplo 20.2 muestra un caso obvio.

...