Economía•Capítulo 6•5 min de lectura•Updated September 27, 2026

Econometría — Estacionariedad y regresión espuria

O
OiyoColaborador
6/6

Econometría — Antes de una regresión temporal, comprueba si la media se mantiene estable

En los MCO de corte transversal suele suponerse que las observaciones son aproximadamente independientes. Si la inflación de este año depende de la del año pasado, ese supuesto deja de cumplirse. El capítulo 5 trata la heterogeneidad individual de los paneles; aquí estudiamos la persistencia temporal.

1. La falta de estacionariedad puede inflar el estadístico t

La estacionariedad débil exige que la media y la varianza sean constantes en el tiempo y que la covarianza entre dos momentos dependa solo de la distancia entre ellos, no de sus fechas. Una serie que se vuelve estacionaria al eliminar una tendencia determinista no es lo mismo que una serie con raíz unitaria, cuyos choques se acumulan de forma permanente. El paseo aleatorio Yt=Yt−1+εtY_t=Y_{t-1}+\varepsilon_t es un ejemplo del segundo caso. Si se regresan en niveles dos paseos aleatorios independientes, R2R^2 y los estadísticos tt convencionales pueden parecer elevados, especialmente en muestras largas. Es una regresión espuria.

Raíz unitaria
Yt=ρYt−1+εt,ρ=1Y_t = \rho Y_{t-1} + ε_t,\quad \rho=1
Si ρ=1, los choques se acumulan. La primera diferencia ΔYₜ=εₜ puede ser estacionaria. No rechazar la prueba no demuestra que exista una raíz unitaria.

Como ejemplo hipotético, una regresión en niveles de 100 observaciones de dos paseos aleatorios independientes podría arrojar t=4,2t=4,2 y R2=38%R^2=38\% sin que exista relación alguna. Si al diferenciar las series se obtiene t=0,4t=0,4, el primer resultado puede ser una ilusión causada por las tendencias.

La hipótesis nula habitual de la prueba de Dickey–Fuller aumentada (ADF) es la presencia de una raíz unitaria. No rechazarla no equivale a demostrarla. La inclusión de una constante y una tendencia determinista, así como el número de retardos de diferencias para tratar la autocorrelación residual, dependen de los datos y del modelo. Los cambios estructurales y las muestras cortas pueden reducir la potencia de la prueba.

2. La cointegración es una relación de largo plazo que no conviene borrar al diferenciar

Dos series I(1)I(1), YtY_t y XtX_t, están cointegradas si alguna combinación lineal zt=Yt−α−βXtz_t=Y_t-\alpha-\beta X_t es I(0)I(0). Sus niveles pueden contener una relación estadística de largo plazo que se perdería al diferenciar sin más. Sin embargo, la estacionariedad del residuo debe contrastarse con valores críticos específicos para la cointegración; el estadístico tt convencional de los MCO en niveles no se interpreta como el de una regresión estacionaria. La cointegración tampoco identifica por sí sola un efecto causal de XX sobre YY.

Un modelo de corrección del error relaciona la desviación respecto al equilibrio de largo plazo en el periodo anterior con el cambio actual. Por ejemplo, si ΔYt=λzt−1+γΔXt+et\Delta Y_t=\lambda z_{t-1}+\gamma\Delta X_t+e_t, λ=−0,2\lambda=-0,2 y zt−1=10z_{t-1}=10, el cambio de YY este periodo es −2-2 cuando los otros términos son cero. Es un cálculo hipotético de la velocidad de ajuste, no una estimación de una economía concreta. También hay que comprobar el signo y la estabilidad de λ\lambda y diagnosticar los residuos.

Términos de series temporales fáciles de sobreinterpretar
TérminoLo que indicaLo que no demuestra
Causalidad de GrangerEl pasado de X ayuda a predecir YUn efecto de intervención o identificación causal
No rechazar una raíz unitariaLa prueba no descarta ρ=1Una prueba de la raíz unitaria; puede faltar potencia
CointegraciónUn residuo estacionario de largo plazoUna relación inmune a cambios estructurales

La causalidad de Granger pregunta si el pasado de XX ayuda a predecir YY. No afirma que una política que altere XX cambie YY. Un indicador adelantado no es necesariamente una causa.

La posibilidad de predecir los precios de los activos también depende del conjunto de información disponible para los inversores, estudiado en el capítulo 3 de economía financiera. La econometría debe preguntar primero si la regresión es espuria.

Comprueba lo aprendido

Pregunta. El consumo y el PIB aumentan juntos durante 50 observaciones anuales. La regresión en niveles produce el estadístico convencional t=6t=6. Ambas series podrían tener raíces unitarias. La regresión en diferencias da t=1,1t=1,1 y una prueba de cointegración basada en residuos tampoco rechaza su hipótesis nula. ¿Qué puedes concluir?

Solución. El estadístico en niveles no basta para afirmar ni una relación ni un efecto causal. En este ejemplo, el resultado en diferencias aporta poca evidencia de asociación lineal a corto plazo. No rechazar la prueba de cointegración tampoco demuestra que no haya cointegración. Hay que revisar la especificación de tendencias y retardos, la longitud de la muestra y los cambios estructurales. Si una prueba adecuada respalda después la cointegración, un modelo de corrección del error puede separar la relación de largo plazo del ajuste a corto plazo; la interpretación causal aún requiere una estrategia de identificación independiente.

Referencias

O

Oiyo

Editorial Desk

The OIYO editorial desk researches money, law, lifestyle, and self-understanding topics against primary sources and public statistics. Every piece carries source notes and is reviewed on a regular cycle for accuracy and usefulness.