122
Evaluación de costos de adaptaciónal cambio climático
en organismos operadores de agua
Figura A. 2 Correlograma de residuos
Correlation LM test:
el test de correlación serial de Breusch-Godfrey (
Serial Correlation LM test
), se
basa en la estimación de un modelo auxiliar en el que los errores del modelo son explicativos por
sus propios retardos junto con las variables independientes del modelo original, de forma tal que si
este modelo es significativo, se está en presencia de autocorrelación en los errores. El contraste de
Breusch-Godfrey se especifica con la finalidad de analizar si existe o no autocorrelación de orden
superior a uno; para ello, en la hipótesis alternativa se incluyen especificaciones más generales que la
del modelo autorregresivo de primer orden y que se pueden generalizar a cualquier especificación.
Así, considerando que es un modelo anual, las pruebas son realizadas con 1 y 2 retardos. Los
resultados presentan los contrastes en la forma habitual de nulidad conjunta de todos los
coeficientes asociados a los residuos desplazados (test F) junto con un contraste de validación
global del modelo (Obs-R-squared), así como la estimación del modelo auxiliar utilizado para el
contraste.
La interpretación del contraste se realiza en la forma habitual de rechazar la hipótesis nula, en
este caso la ausencia de autocorrelación de cualquier orden inferior a p (siendo p el número de
retardos seleccionados), siempre que la probabilidad asociada a los estadísticos sea inferior al 5%.
Pruebas de heteroscedasticidad
Una primera alternativa que nos puede indicar la presencia de heteroscedasticidad en un modelo
es la observación directa del gráfico de residuos que, en presencia de varianzas no constantes
tendería a presentar períodos con amplia volatilidad agrupados en el tiempo.
Se consideraron dos pruebas o tipos diferentes de contrastes de heteroscedasticidad, test deWhite
y test ARCH de heteroscedasticidad autorregresiva, ambos tienen en común el planteamiento de
una regresión auxiliar en la que el cuadrado de los residuos (aproximación a la varianza) se hace
depender de un conjunto de variables explicativas de forma tal que si el modelo, o las variables en
su conjunto, son significativas se debe rechazar la hipótesis nula de homocedasticidad.
Para el primero de los contrastes el test deWhite, las variables explicativas del modelo auxiliar son
las mismas del modelo original y sus cuadrados, o bien incluyendo los productos cruzados en la
modalidad del test ampliado.
Por su parte el test ARCH utiliza como variables explicativas de la regresión auxiliar los propios
