Dos series pueden parecer relacionadas porque ambas conservan su propia historia. La persistencia hace que observaciones consecutivas se parezcan y reduce la información nueva que aporta cada dato. Este laboratorio conecta esa memoria con el problema de la regresión espuria: un ajuste convincente entre procesos que se generaron independientemente.
De la reversión a la media a la raíz unitaria
Un proceso autorregresivo de primer orden satisface:
Fijamos y . Para , el efecto de un shock decae como y la varianza converge a . Con la respuesta alterna de signo. Como el inicio es fijo, la trayectoria tiene un transitorio: no parte de la distribución estacionaria.
Cuando , obtenemos un paseo aleatorio. Sus shocks no se disipan:
La varianza crece linealmente, no exponencialmente. Una raíz unitaria es no estacionaria; se reserva habitualmente «explosivo» para , que queda fuera de este experimento.
- Var(X₂₅₀ | X₀ = 0)
- —
- Varianza de largo plazo
- —
- Semilla de trayectoria
- —
Mover ρ conserva las mismas innovaciones para aislar la persistencia. Una nueva trayectoria cambia la semilla. La escala vertical se mantiene al menos en −35…35 para comparar y se amplía si hace falta.
Paseos independientes, regresión engañosa
- R²
- —
- Durbin–Watson (DW)
- —
- β̂₁
- —
- Semilla de paseos
- —
R² > DW es una señal orientativa, no una prueba formal. No todas las muestras independientes la cumplen. No se seleccionan muestras para forzar el resultado; las semillas permiten reproducir cada realización.
Observaciones simuladas
| t | AR(1) | Xₜ | Yₜ |
|---|
Cuando el ajuste engaña
El segundo gráfico genera dos paseos independientes y ajusta . Como ambos acumulan shocks, pueden producir tendencias coincidentes, una pendiente aparente y un elevado sin un vínculo causal ni un mecanismo común.
Los residuos se mantienen en orden temporal para calcular Durbin–Watson:
Residuos muy persistentes tienden a producir un DW pequeño. La comparación , asociada a la discusión de Granger–Newbold, sirve aquí como señal orientativa. No es una prueba con un nivel de significación definido, no ocurre en todas las realizaciones y su ausencia tampoco valida la regresión.
Advertencia empírica. Antes de interpretar una regresión en niveles, investigá estacionariedad, tendencias determinísticas y posible cointegración. Diferenciar puede ayudar en algunos procesos, pero modifica la pregunta y no sustituye un diagnóstico. Las semillas cambian de forma reproducible: no se buscan muestras que garanticen una correlación vistosa.
Referencias: BYU–Idaho, ruido blanco y paseos aleatorios y statsmodels, definición de Durbin–Watson.