4.

Se ha recogido informacin de la economa peruana para el periodo 1995-2007 (T = 13) de las

macromagnitudes consumo pblico (CP) y producto interior bruto a precios de mercado
(PIBPM), en millones de soles, con el objeto de estimar el siguiente modelo de regresin lineal
CP
t
=
0
+
1
PIBPM
t
+
t

y comprobar, posteriormente, la posible presencia de autocorrelacin en las perturbaciones.
Los resultados de la estimacin MCO de esta regresin son:

Coef R = 0.9941

3079706.0 0.058374 SCR= 1.06894x10
13
237829.5 0.004282 DW=0.3431

Adicionalmente, se plantea la siguiente regresin auxiliar del contraste de Breusch-Godfrey de
autocorrelacin con p = 2:


se han obtenido los siguientes resultados a partir de su estimacin por MCO:

Coef
1

2

3


1.3217
- 0.5804
- 0.000182 SCE= 0.14537x10
12
0.3217 0.3399 0.000757
Al nivel del 5% de significancia sustente la verdad o falsedad de las siguientes conclusiones:
a) Existe evidencia de autocorrelacin generada por un esquema AR(1), puesto que la
estimacin del estadstico de Durbin-Watson es 0.3431.

Procedemos a hallar el estadstico Durbin-Watson siendo n = 13 y k =1 observamos que d
L
= 1.01 y
d
U
= 1.34 que nos servirn para probar las hiptesis H
0
: = 0 o, en su defecto, H
1
: 0, como se
aprecia en la siguiente imagen:







Como DW = 0.3431 se encuentra en la zona de rechazo, decimos que existe autocorrelacin en el
modelo.

b) Existe evidencia de autocorrelacin de orden p = 2, puesto que la estimacin aproximada
del estadstico de Breusch-Godfrey es BG= 10.014.

Como la prueba de Breusch-Godfrey en este caso se basa en un modelo AR(2) se tiene que este
estadstico se aproxima a una distribucin Chi-cuadrado con 2 grados de libertad con un nivel de
significancia de 5%, lo que arroja un valor tabulado de 5.99, con lo cual el valor calculado (10.014),
por lo que existe autocorrelacin de orden 2 en el Modelo.

( S
0

t T t t t
v PIBPM
3 2 2 1 1

) ( S
Se rechaza
H
0
Duda
No se
rechaza H
0

Duda
4
2 1.01 0 1.34 2.66 2.99
Se rechaza
H
0

c) Existe evidencia de autocorrelacin generada por un esquema AR(1), teniendo en cuenta
los resultados de los contrastes basados en los estadsticos de Durbin-Watson y de
Breusch-Godfrey.

Como se vio en a), la prueba de Durbin-Watson se basa en un esquema AR(1), por lo que el
resultado es el mismo, es decir, existe autocorrelacin en el modelo.
Pero con la prueba de Breusch-Godfrey necesitamos probar la significancia de los estimadores de
los coeficientes del modelo AR(2):

Para
0
:
H
0
:
0
= 0 H
1
:
0
0

= 4.1085

t
(10)0.975
= 2.228 t
(10)0.025
=-2.228
T> t
0.975
Se rechaza H
0

Para
1
:
H
0
:
1
= 0 H
1
:
1
0

= -1.7076

t
(10)0.975
= 2.228 t
(10)0.025
=-2.228
T>-t
0.975
Se acepta H
0


En conclusin, el parmetro
1
no es significativo por lo que se excluye del modelo, convirtindose
en un modelo AR(1), en el que su parmetro es significativo, demostrndose la existencia de
autocorrelacin.

En ambas pruebas se tiene evidencia de autocorrelacin en el modelo.