ÚÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ¿
³                            CAPITULO 5:                             ³
ÃÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ´
³                 ESTACIONARIEDAD DEL CICLO ECONOMICO                ³
ÀÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÙ

      En  este  Cap¡tulo  se  eval£a la estacionariedad del componente 
c¡clico  de las series estudiadas, es decir, si el proceso estoc stico 
que  la genera no var¡a en el tiempo.  En otras palabras, se prueba si 
las  fluctuaciones  de las series estudiadas en torno a su trayectoria 
de largo plazo son din micamente estables.

DEFINICIONES PREVIAS

      Un  proceso  de  este tipo concibe que cada valor de la serie se 
genera  aleatoriamente  con  una distribuci¢n de probabilidad dada, es 
decir,  que  la serie es un conjunto de variables aleatorias generadas 
por una funci¢n de probabilidad conjunta.

      Un  proceso  estoc stico  es  estacionario  si tiene momentos de 
primer  y segundo orden (media, variancia y autocovariancias)  finitos 
y  que  no var¡an en funci¢n del tiempo (una definici¢n formal de este 
concepto puede verse en el Anexo C).  Si la serie es generada por este 
proceso  se  dice  que  es  estacionaria  o  integrada  de orden cero,
I(0)(15), tiene una media y exhibe una  tendencia  a  volver  a  dicha
media, por lo que habr n fluctuaciones en torno a ella. Si la serie no
es estacionaria  y  necesita  diferenciarse  ®d¯ veces para mostrar un
comportamiento estacionario, se dice que es integrada de orden d,I(d).

      En  realidad muy pocas variables macroecon¢micas son I(0) ya que 
por  lo general son crecientes en el tiempo (ya sea por la inflaci¢n o 
el  crecimiento de la econom¡a) y por tanto la media no es constante y 
la  varianza  es  infinita  (v‚ase  en el Anexo D la similitud de este 
comportamiento para el caso de un proceso de ®camino aleatorio¯ que no 
es  integrada  de  orden  cero  I(0)  y s¡ I(1)).   Si, en este marco, 
probamos que la mayor¡a de ellas son integradas de primer orden, I(1), 
estaremos  concluyendo  que sus componentes c¡clicos son estacionarios 
ya  que  el m‚todo empleado en el trabajo para estimarlos fue precisa-
mente el de primeras diferencias.

PRUEBAS DE ESTACIONARIEDAD E INTEGRACION 

      Para  saber  si una serie de tiempo Xt sigue un proceso estacio-
nario  alrededor  de  una  tendencia determ¡nistica o sigue un proceso 
estacionario despu‚s de haber sido diferenciado se procede, en general, 
del siguiente modo(16):

     (a)  Se regresiona con MCO el modelo:

                                       K
      (1 - L)X  =  à + áX      + ëT + ä í(1 - L)X      + î 
              t          t - 1         J         t - 1    t

     donde

T     es  una serie  de  tendencia,  L  el  operador de rezagos y k el
      n£mero de rezagos elegido para la prueba.

(b)   Se  contrasta  las  hip¢tesis  H0: á=0 (serie no estacionaria) y 
      H1: á = 0  (serie  estacionaria)   comparando   el   valor   del
      estad¡stico  t-student  correspondiente  al par metro á  con los
      valores cr¡ticos tabulados de MacKinnon.  Se rechaza la H0 si en
      valor absoluto el estad¡stico  t  estimado  es  mayor  que  el t
      tabulado  por  MacKinnon  para cierto nivel de significaci¢n, en
      caso contrario se acepta la H0.

      Si  se rechaza la H0, es decir, se acepta la evidencia de que la 
serie  sigue un proceso estacionario, entonces se dir  que la serie es 
I(0).   Si no se rechaza la serie deber  ser diferenciada para insumir 
la  estacionariedad.   Esto  se  har   ®d¯  veces  hasta que la H0 sea 
rechazada,  para luego decir que la serie est  integrada en la d-‚sima 
diferencia, o Xt es I(d).

      Si  k=0  se  tendr  utilizando la prueba DF (Dickey-Fuller) y si 
k>0  la  prueba ADF (Dickey-Fuller aumentada).  La aplicaci¢n de uno u 
otro depender  de lo que se sospeche acerca del comportamiento de † en 
la  estimaci¢n.  Si se sospecha no es ruido blanco, se a¤ade un n£mero 
suficiente  de rezagos de (1-L)Xt hasta garantizar que se est  ante un 
t‚rmino  de perturbaci¢n ruido blanco.  La regresi¢n puede hacerse con 
o sin la variable de tendencia(17).

RESULTADOS

      Los  resultados de la aplicaci¢n de las pruebas de Dickey-Fuller 
(DF) y Dickey-Fuller Aumentado (ADF) -incluyendo la variable tendencia 
y  hasta cuatro retardos con el fin de observar la sensibilidad de las 
pruebas  a  la elecci¢n de tales retardos-  se muestran en los Cuadros 
del Anexo F.  Los valores cr¡ticos (los que permiten tomar la decisi¢n 
de  rechazar  o aceptar la hip¢tesis de estacionariedad de las series) 
se presentan al pie de cada Cuadro para niveles de significaci¢n de 1, 
5 y 10 por ciento.

La evidencia se¤ala, en general, lo siguiente:

(a)   La hip¢tesis  de  que las series son no estacionarias en niveles 
      (logaritmos)  no  puede ser rechazada al 95 % de confianza a los
      diferentes rezagos ya  que  los valores estimados respecto a los
      valores cr¡ticos son menores.  Es  decir,  se  constata  que las
      series  en  niveles  presentan una tendencia a crecer a lo largo
      del  tiempo, a la vez que la variabilidad de las mismas tiende a
      acentuarse.

(b)   La  hip¢tesis de que las series son no estacionarias en primeras 
      diferencias  (de los logaritmos) puede ser rechazada al  95 % de 
      confianza a los diferentes rezagos ya que  los valores estimados 
      respecto  a  los  valores  cr¡ticos  son  mayores.  Es decir, se
      constata  que  la  aleatoriedad  del  componente  c¡clico de las
      series exhiben un comportamiento  que  no  est   en  funci¢n del
      tiempo, o sea, tienen una media, variancia y covariancia finitas.

      En otras palabras, se prueba que las fluctuaciones de las series 
estudiadas  en torno a su trayectoria de largo plazo son din micamente 
estables.

NOTAS
ÄÄÄÄÄ
(15)  o tiene una ra¡z unitaria en su componente autorregresivo.
(16)  Ver Robles, M. (1995) ®Proyecciones con Modelos de Correcci¢n de
      Errores.  El  caso  del  mercado de Trigo¯, Universidad Nacional
      Agraria, Facultad de Econom¡a y Planificaci¢n, Junio de 1995.
(17)  El an lisis de  la  estacionariedad  de  las  series  temporales
      tambi‚n  puede  hacerse  mediante  el examen gr fico tanto de la
      serie como de los correlogramas  (funciones  de  autocorrelaci¢n
      simple  y  parcial  de  la  serie  en  cuesti¢n). Sin embargo la
      desventaja   de  hacerlo  de  esta  manera  es  que  pueden  ser
      interpretados  discrecionalmente.  En  el  Anexo  E  se hace una
      an lisis en este sentido para el PBI real.