Los aspectos fundamentales
que se tratan en esta lección se pueden resumir del siguiente modo.
En primer lugar, se señala
que la hipótesis del modelo de regresión clásico que establecía la
incorrelación entre las perturbaciones del modelo es una hipótesis que
difícilmente se verifica en los modelos econométricos que trabajan con datos de
series de tiempo, siendo lo habitual
que exista algún tipo de dependencia entre las perturbaciones del modelo.
Para detectar si existe o no
autocorrelación se ha visto que existen distintas alternativas basadas en el
análisis de los residuos MCO de la regresión del modelo. De todos estos
contrastes el más popular es el de Durbin Watson que viene implementado en la
mayor parte de los programas econométricos.
Una vez que se ha detectado
la presencia de autocorrelación en el modelo debe considerarse que ésta afecta
a la estimación, inferencia y predicción del modelo por lo que debe volver a
estimarse el modelo de regresión considerando la estructura de la perturbación.
La forma más simple de incorporar esta información y, la que se utilizará en la
práctica informática, consiste en la estimación implementada en Eviews y que
consiste en la estimación por MCO incorporando la estructura de la
perturbación.