Granger revisited: t values and the empirical OLS bias with stationary and non-stationary time series using Monte Carlo simulations

Resumen

La realización de un análisis estadístico confiable se fundamenta en el reconocimiento de las características estadísticas de las series de tiempo en juego y de los supuestos probabilísticos subyacentes del modelo aplicado. Nuestro propósito es ilustrar este tipo de análisis utilizando algunas ideas de Granger. Nuestros resultados de Monte Carlo muestran que en presencia de series de tiempo estacionarias y no estacionarias, la inferencia basada en los mínimos cuadrados ordinarios puede ser engañosa. Abordamos gráficamente la distribución empírica del sesgo del estimador y el inconveniente del uso de errores estándar que subestiman su verdadera variación. Recomendaremos seguir las sugerencias de Granger, que destacamos con originalidad utilizando una perspectiva desde la “medición en economía”. Nuestros ejercicios cuantitativos son replicables en la medida en que compartimos completamente nuestros códigos y utilizamos la base de datos de acceso abierto del documento seminal escrito por Nelson y Plosser (1982). Nuestra conclusión principal es simple: los investigadores empíricos deben ser absolutamente cautelosos al momento de extraer conclusiones cualitativas basadas en una inferencia estándar de mínimos cuadrados ordinarios realizada en el contexto de un análisis de regresión.