ESTADISTICA ESPAÑOLA núm. 102, 1984, p^gs. 13 a 34 Procedimiento de verificación y aplicaciones para la especificación de modelos econométricos por ANTONIO GARCiA FERRER Departamento de Econometrta. Universidad Autónoma de Madrid RESU MEN La intención de este trabajo es demostrar cómo la mayoria de los tests estadísticos utilizados en Econometría pueden derivarse a partir de! planteamiento general de !os tests clásicos de verificación de hipótesis. A partir de dicho esquema se derivan los tres tests clásicos de !a razón de verosimilitud de Wald, y de multiplicadores de Lagrange, y se presentan algunas aplicaciones relacionadas con restricciones en modelos lineales y no linea!es y en contrastes de especi^cación dinámica. Puluhrt^.ti c•/r! ^ ^E^: Tests clásicos, resiricciones lineales y especifícación dinámica. . INTRODUCCION Aunque las consecuencias de !os errores de especifcación de los modelos economé- tricos son bien conocidas, !os numerosos tests que se aplican para contrastar dicha especificación no están (aparentemente) generados por un cuerpo teórico común. Consecuentemente, e! investigador en economía aplicada se encuentra con un número considerable de situaciones (restricciones en los parámetros, autocorrelación, heteroce- l^ E.!^TADISTIC^A ESPA1tiOLA ^1<«tici^iad, e^;pecificucicin dinámic^, etc.) en la^ que aplica dicho^ tests de furma ^istem^itl^^i ^in entender, cl^iramente, el tiigniticudo y el origen común de lo^ mismos. 1..^^ intención de este trahujo e^ triple. En primer lugar, Ilevaremc^^ a cabo un pl^^nte^imiento ^eener^^l de luti distintos tesis en Econometría utilizando solamente dos c^itegc^rí^i^: test^ de mal^^ etipecificación-tesis de especi^cación, por un lado, y modelos ^rnidadc^^-modelos nc^ unidados, por otro. En segundo lugar se procederá a la derivación de los te^t^ de la razón de verosimilitud, de Wald, y de multiplicadores de Lagrange, dentru del esquemu clásico de verificación de hipótesis. Por último, examindremos algunds de la^ aplicaciones de dichoti test^ mediante las que se pondrá de mani^esto cómu Ic>> diversos test^ que el economi^ta utiliza con asiduidad no són, sino, casos e^peci^^les deriv^idu^; de !o^ testti clásicus de verificación de hipcítesi^. NI.AN"TEAMIENTO GENERAL DE 1_OS TESTS DE HIPOTESIS EN ECONOIWIETRIA A la hora de buscar una modelizac ión econométrica adecuada, los contrastes de hipótesis pueden encontrar^e dentro de dos categorías generales. los tests de especifícación y los tests de mala especificación o error en la especificación. Veamos la diferencia entre ellos a tr^vé^ de un sencillo ejernplo. Supongamos que la función de consumo de un grupo de T individuo^ viene e^pecificadd por el siguiente modelo c^, -- x+ R,^, + Yct,, + E, r-- 1 (2.1) en donde 'tr y c^^^ representan rentd y riqueza, respectivamente, y E, se distribuye nurmul e independientemente con medid 0 y varianza Q^ . Alternativamente, y como consecuencid de razone^ técnicas (multicolinealidadl o de ausencia de información estddí^;tic^, sobre c^^f, considerarnoti el modelo c ^, = x + ^3 ^^, + r^, ^ t - 1, . . . , T tr, ^ N 1 D(0, c^,? ) ( 2.2j Una ti^rmd naturaf de proceder sería estimdr (2.1) por MCO y aplicar un test t para veriticdr I^i hipóte^is de que •^ = 0. Este sería un t^.^^t cle c^.^^^^^c•i/ic•uciún. Sin embargo, la inclusión de u^, en el modelo podría no haber sido una posibilidad obvia, de forma que hubiésemos podido estimar ( 2.2) sin un modelo dlternativo en mente. En este caso, ^eri^i prudente verificar si el rnodelo ( 2.2) es adecuado o no sobre la base de un test ^iplicado d los residuos rr,. Este sería un tc^.^^t clc^ c^rrur c^n !cr c^.^^nE-c•i/ic•uc•i^^n, es deeir, un test construido sin una hipóte^is alternativd en mente. Como tdl, es un procedimiento diseñudo pdru veritic^r I^i bonddd de ujuste del modelo construido bajo una determinada PROCEDIMIEN?OS DE VERIFICAC[ON Y APLICACIONES 1S hipótesi^;, basada sabre la idea de que si el modelo es razonabfemente adec uado, los residuos obtenidos han de distribuirse aleatoriamente. Nu siempre, ios procedimientos de verificación pueden clasificar:se como tests de especificación a tests de mala especificación. Volviendo al ejempio de la función de consumo anterior, nos podemos encontrar con las siguientes especificaciones alternativas de c, c, =^3 ti^, + E l jE r^- N f D( 0. cT É) í2•3l t•, = ycx^, + r^, tr, ^ N iD(0, cs ;) [2.4) Los modelos [2.3) y^2.4) se considera j^c^ unicluc^os, en el sentido de que ninguno de ellos puede obtenerse comu un caso especiai del otro. Aunque apenas mencionaremos este tipo de modelos en este trabajo, Harvey (1981, pp. 175- l79), Judge y col .(1980, pp. 43ó-439) y Maddala ( 19^31) presenian atgunas soluciones para el tratamiento de los mismos '. En cualquier caso, podemos resumir el esquerna general de los distintos procedimientos de veriticación en e! siguiente cuadro: Hipótesis anidadas Test de especiticación Test de mala especificación 3. Hipótesis na anidadas Tests clásicos: -- Razón de verosimilitud --- Wald -- Multiplic. de Langrange Test de Cox (1962) Test de Atkinson (1970) - Técnicas gráficas Criterio de -- Test estadísticos de residuos Akaike (19731 infarmación de TESTS CLASICOS .DE VERIFICACION DE HIPOTESIS Los r^unddmentos de la dproximación clásica dei contraste de hipótesis se encuentran en lus trabajos de Neyman y Pearson. En dicha aproximación se consideran una hipótetiis nula ( Hr, ) y una hipótesis dlternativa, y el espacio muestral se particiona en das re^;ir^nes. l^na es ta región de aceptacicín (1os datos son consistentes con fa hipótesis nuld) y otrd es 1d región crítica (rechdzo), de forma que la esencia de cualquier buen test resicfe en la elección óptimd de la región crítica. Definidos los tipos de error posible (1 y i I), y estando el nivel de significación (tamaño) del test fijado por la probabilidad ' Breusch y Pagan (19801 demuestran cómo se puede tratar este tipo de modelos como un cdso especiaf del test de multipiicadores de Lagrange. Sin embargo, Pesdran (19K1) demuestra cómo esto sólo es posible baja el supuesto de conocer «a priori» los parámetros de! modelo altern^ativo. 1 E^ FSTAL)ISTICA L:SPAlVOLA m4:rxim^^ del errur del tipu l, el test se considera óptimu si minimiza la prohahilidad del errur de tipo 11 suhre el canjunto de los valores de Ios parámetrus ascx:iadus con la ^^Itern^^tiv^^. F ste test tie denomin^r ^^ni/^^r^»c^^^rc^^^rc^ ^»^r,^ ^^^^tc- ^^tc- ( UM P) =, y^r que la putenci^^ del test viene detinida por { 1 - prob (error tipa Il)} y el lema de Neyman y Pearson proporciona la forma operativa de dic ho test. 3.1. EL TEST DE LA RAZÓN DE VEROSIMILITUD (RV) Conucido en la literatura coma el estadístico de Wilks (1932), su utilización en Econometría no ha sido tan exhaustiva como los otros tests clásicos, como consecuencia de las dificultades de cálculo que suponía la implantación de la estimación maximaverusímil. Sin embargo, con el desarrollo reciente de los algoritmos de estimación mdximoverosímil, la aplicación del test RV en trabajos empíricos ha adquirido un^, relevancia considerable. Como ejemplo baste citar los trabajos de Byron (1974) y Wuadland (1975 ). Uefinido un vectar de ahservaciones ^' tTx r1 = ^ 1',, ^'2, ..., ^^T^ ^ ^3.1) tom^^das ^^le^rtorir^mente de una distribución que depende de un vector de parámetros () = If^^, f)`, ..., f)k]' podemos formular las dus hipótesis como H^, : f) = E), ^ H^: H = El^ de torma que, de acuerda con Silvey (1970), el test RV vendría definido camo i^ - i-(^',..^^^, ..., ^^T) - C,(f^„ ) l_(E^,1 ( 3.3^ dunde h.(E)„ ) y I_(H, ) son las funciones de verosimilitud obtenidas bdjo H„ y H, , respectiv^imente. Por desgracia, la aplicabiliddd de Id expresión ^ 3.3) sólo se puede Ilevdr a la 2 Desgraciadamente, excepto para casos muy especiales, no existen tests uniformemente más potentes. Para una discusión detallada de este tema ver Zellner (19t32, pp. 152-160). PROCE:i^iti41ENTOS DE VER[FICACIC)N Y APLI(:AC'!(^tiES i7 pr^ictic^a si 1^^ di^;tribución en, en pequeñ^s muestras, cie 'r. (o alguna transformación mcanótan^^ de Id mism^^) es conc^cida. C'omU esto raras veces se da en Id realidad, tantu étite coma ios atros tests que veremos se Ilevan a cabo sobre la base de la upr•c,.ri^ nuc•iúrt u.yirttcític•ct ^ . En efecto, si H^ está anidada en H, y se satisfacen tas condiciones de normalidad y eficiencia asintótica para la estimación maximoverosimil, Id teoría asintótica proporciona !as bases para una aproximación viable del test RV. Si llevamas a cabo la expansión de )og C.(E)c,) en serie de Taylor alrededor del estimadar maximoverosímil sin restricciones ^ ^ tenclremos que fog L(4„ )^ log L{4) +{E^ - 9„ )' D lag L(E^) + {3.4j + ^ (9 - 90 )' G2 log L(8) ( ^ - 9^^ ) 2 EI segundo término de [ 3.4) es cero, ya que 8 es ei estimadar MV no restringida, de forma que log L{8„ ) - 1ag L(f^ ) ^ ^-- (8 - s^, )` D^ log L.(`4) (9 - ^^, ) 2 c^ lo que es igual (multiplicando por -- 2), utilizando ( 3.3) - 2 log i. ^((j - f)^,y' {- D^ log L(^)} (f:) - E^^„ ) Pues bien, tiiguiendv a Silvey (1970, pp. 114) es fácilmente demostrable córnc^ hcljc^ /cc.ti c•c^nclic•ic^r^c'.^^ c!c' rt^,^^^rlclric/cict, el estddísticv RV = - 2 log ^. _ (Ej - d^,)' { - DZ log (8)} (^Ñ - f)o)t,X^ [3.5[ se distribuye asintóticamente bajo Ht, como una x q, siendo y el número de restriccioneti necesarias p^iru ciefinir I^ hipótesis nul^a. Aunque el test ^2V es c•U/1.^'r.1tc'/lt[' {prc^piedad derivada de !a consistencia del estimador M V) :^u rr^u^^c^r clc^.^' ^ •c'ntcrjcr comparativd cc^nsiste en la necesidad de etitimar los dos vectoreti de parámetros E) y E),,. Esta e^, en muchas cxasiones, un grun incc^nveniente cuandc^ tie le compara con Ic^s utros testti que sólc^ necesitan estimar E) u E^^, . ` Harvey (19K1, pp. lb1-162) presenta dos excelente^ ejemplos de cómo la inclusión de un subconjunto de variables en el modelo de regresión y el concxido tetit de Chow pueden verificarse como caso^ particulares del test RV mediente una sencilla transfurmacirín monótvna de ^. 1R ESTADISTICA ESPAÑOL.A 3.^. E1. TEST DE WALD (W ^ Aunque este test ya había sido utilizado previamente por el propio Wald (1943), Roy t 1957) y Silvey ( 195K), fue Zellner ( 1%2) quien lo introdujo en el campo econométrico. Posteriormente, su utilización ha sido exhaustiva en trabajos empíricos, especialmente desde que Zellner y col. (1967) incluyeron un algoritmo en un programa de orcienador que era proporcional al estadístico de Wald. EI test de Wald puede Ilevarse a cabo sobre la base del ^nc^clelu sin re.striccivnes exclusivamente, lo que resulta muy ventajoso cuando el modelo restringido es difícil de estimar. La idea subyacente en el test W es que si H^, es cierta, las restricciones impuestas por ésta deben cumplirse cuando el modelo se estime no restringido. Si suponemos y restricciones líneales sobre 4 de la forma H^, : R^ _ ^r [ 3.6 ] donde R es una matriz (y x k^ de constantes conocidas y r es un vector (y x l) de constantes conocidas, los elementos del vector Rl^ - r deben estar cercanos a cero cuando Ht, sea cierta. EI problema reside, pues, en decidir algún criterio para determinar cuanda R9 - r está lo suficientemente cercano a cero para que sea consistente con H^ . Por teori^a asintótica sabemos que ^/ I (^ - e ) ^ N[^. lA" ^ (e ) ] donde lA- I(d ) es la inversa de la matriz de información asintótica de Fisher, de forma que utilizando el teorema de Cramer ^R(E^ --- 4 ) _ ^( REj - r)d--♦ N [ 0, R • 1 A" ^ (^8 ) • R' ] y utilizando el Teorema A.44 de Toutenburg ( 19^2, pp. 190), tendríamos que T • (R^ -- r^'[R • IA^^(H) • R'j ^ I(R8 - r)^ Xy [3.7] La distribución [ 3.7 ] permanece inalterada si cambiamos la matriz T• IAt9 ) por cudlquier matriz asintóticamente equivalente para la que se cumpla que nI lí^n ^ 1*(p) = lA(6) T --^ ^ T [3.^] de forma que tendríamos la de^nición usual del test de Wald como W = (Re - r)'[R • 1*-^(e) • R']wI(R8 - r) [3.9] PR©CEDIMIENTOS DE VERíFICACION Y APL[CACIONES 19 Una ventaja importante del test W es que resulta hustuntc^ .tle_riht^, en el sentido de que puede ser definido en términos de un conjunto bastante amplio de estimadores ( no sólo los M V), de forma que la distribución asintótica de este criterio depende de las condiciones Iocales en las restricciones. De hecho, el poder asintótico del test W depende únicamente de la eficiencia y consistencia de los estimadores utilizados, por lo que cualquier estimador asintóticamente eficiente sirve para construir tesis equivalentes al te st R V. 3.3. E L TEST DE LC?S M ULTIPI.lCADORES DE LAGRANGE ( ML) EI test ML fue introducido en la literatura econométrica por Aitchison y Silvey (1958) y Silvey (1959). En cierta forma, el test ML puede interpretarse como el precio st^mhru cle !us r^.stric^c•ione.^^, por lo que-, desde un punto de vista intuitivo, su utilizaeión resulta muy atractiva para los econornistas. Su uso ha sido, pues, exhaustivo y como ejemplos podríamos citar los trabajos de Trivedi (1970) y Byron (1972). EI test ML se lleva a eabo sobre !a estimación del mc^delv restrínKic^o, y Silvey (1959) demuestra como bajo las condiciones de regularidad utilizadas en la derivación de la distribución asintótica del test RV, los estadísticos w y ML resultan ser asintóticamente equi valentes a aquel. Supongamos un conjunto de q restricciones de la forma Ho:h^(8)--0 j- 1,2,...,y [3.I0] siendo ^^^ una función de 8, cuyas primeras derivadas existen. De acuerdo con Aitc hison y Silvey ( 195K), la función de verosimi^itud restringida vendría dada por log L* = log L+ ^^.^ h^ (8 ) [ 3.1 1) donde los ti1 son los multiplicadores de Lagrange. Diferenciando [3.11 j con respecto a Ios parámetroti desconocidos f) y^, tendríamos ^iogL* 4 log L 9© 9 E^ 9 log L* ^^ _ -=/1^E^„)=0 + e ^30 4 ^ h^ (0 ) ^ ^^^ `i f^ j 1 J- 1,...,y =o [ 3.12) 6 =E^ [3.13j F-.S"TADISTIC'A ^:^PAtiOI.A y llamando ^a lU^ 1_* D - ^^f^ Ikx 11 ^ t^^-'H^^ C^^l^(f) ) Ñ t^t^y^ ^ ^^ _ ^^n c^41 , - (^^^ti,, Iqx Il /',. y ^ )^ H ^:. H^^ tendríamos que las condiciones de primer orden vendrían dadas pur D+Ñ^^-0 {r^ (()„ ) - U j -- 1. . . .. ^l' {3.14J (3.15) La idea subyacente a) test ML es que cuando H(, es correcta, el estimador restrin^ido tin tenderá a estar cerca del estimador M V(H ), de forma que D-^ 0. Bajo las condiciones de regularidad que suponen la intercambiabilidad de las cond iciones de integración y diferenciación, se demuestra que si se cumplen las condiciones de Crowder (1976), el test M1-, (bajo H(,> puede escribirse comu MI_ =_- p, ^-^^ ; ^`, ^ ,1-1Ñ^^X^ donde 1= E- c'^ log l.. ^c^H' (3.16^ es la matriz de int^^rmación de Fisher e valuada para E^ =^^. Si ahora sustituimos D por su valor, obtendremos otra expresión del test ML CURIU ML ^{D log L(E^^,)}' 1-^(f^^){D log [_((^(,)} ^ xya) [3.17) Por ^último, Breusch y Pagan (19KO) proponen una tercer^i fiorma de present^ición del estadístico ML para ayuellos casos en que sea dificil la construcción de l^^ matriz de información s. En estos casos, puede ser útil derivar un rnétodo indirectu de cálculo del test MI_ basado en el hecho de qué tipo test puede construirse aplicandu la fórmula de Wald a las estimaciones de ld primera iteración del algoritmo del scuring cle Fisher 4 l.a equ^valencia de las expresiones [3.17] y[3.5] puede verse fácilmente desarrollando en serie de Taylor { D log L(Ho ) } alrededor de E^. Véase, pUr ejemplo, Harvey (19^1, p. 168). s Cumo, por ejemplo, en el madelo de parámetros camhiantes de Rosenberg (1973). PRUCEUIMIFNTOS DE v>^Ril`7C.AC:IC^N Y APLtcaC^it)NES 21 cuando se utifizan como valores iniciales los valores de máxima verosimilituci bajo H^,. En este caso, la expresión resultante sería: w ^, M L ! (^ - d° )' I (d° ^ EFj ^ - ^^, ^ [3.1f^) que podría interpretarse como un test de Wald para verificar ia hipótesis de que H= É^° . 3.4. COMPARACIÓN ENTRE LQS DISTINT4S TESTS tdealmente, ei punto crucial a la hora de examinar la forma de1 test estadístico relevante es determinar, en cada caso en particular, si éste puede transformarse en un estadístico, cuya distribución exacta bajo H^, sea conocida. Dadd la imposibilidad de conseguir esto de forma general, la comparación entre los distintos tesis debe Ilevarse a cabo sobre la base de dos criterios: conveniencia de cálculo y potencia de los tests. De acuerdo con lo que hemos expuesto anteriormente, resulta obvio que Ios tres tests difieren en el tipa de información requerida. EI test RV requiere la estimación de ambos modelos, restringido y no restringido, mientras que el test W requiere solamente el modeto sin restricciones, y el test ML el modelo restringido. Consecuentemente, desde el punto de vista del coste de cálculo, el test RV es el que requiere mayor información y, lógicamente, los test W y ML son, generalmente, preferibles. También hemos demosirado anteriormente como, desde un punto de vista asintótico, los tres tienen la misma distribucicín x Z, de forma que la preferencia por uno u otro es irrelevante para el caso de grandes muestras. En pPyr^^ñus mr«strus, sin embargo, sus propiedades son distintas y el hecho de utilizar resultados basados en tests asintóticos puede originar resultados conflictivos. En este sentido, Berndt y Savin (197?) demuestran camo, bajo determinadas condiciones, los tests estadísticos cumplen la desigualdad W >_ RV ? ML 6 Sin embargo, Evans y Savin (19K2) demuestran como el conflicto entr-e los tests asintóticos es una cansecuencia del hecho de que los niveies de si^;nificación de los mismos no son correctus. Asimismo, demuestran como la probabilidad de conflicto es míníma cuandu dichos tests se modifican uti{izanda factores de corrección bas^cíus en las técnicas de expansión de Edgeworth para encontrar las distribuciones exactas de los tesis bajo H^, . ,, i 6 Mizon (1977) no encuentra evidencia empírica de que esta desigualdaci ^e mantenga para modelos no lineales. ESTADISTICA ESPAÑOLA 22 APLICACIONES DE LOS TESTS DE ESPECIPICACION a. La. razón t'undamental de esta sección es comprobar como un porcentdje considerdble de los contrastes de hipótesis usuales en la modelización econométrica se pueden derivar como casos particulares de los test de W, RV y M[_. 4.1. RESTRICCIONES LINEALES EN E1. MODELO LiNEAL GENERAL Supongamos el modelo lineal general y = Xj3 + u donde r^ ^ N[D (0, aZl) y X es una matriz ( T x k) de regresores exógenos. En éste, se quieren contrastar q restricciones lineales sobre [i en la forma Ho: [4.1j Ra = r donde R es una matriz conocida (q x k^ de rango q, y r es un vector ( y x 1) igualmente conocido. Si suponemos una uproxirnucivrr cuudráticu, el logaritmo de la función de verosimilitud viene dado por T T log L(a , a 2)_ --_ log 2n --- log a 2-2 2 2 1 6 2(y - X^3 )' { y-?^i ) [ 4. 2 J y maximizando [4.2^ con respecto a a obtenemos el estimador M V no restringido ^ ` (X,X)-^^v [4.3] Para construir el estadístico RV necesitamos también el estimador MV restringido que podemos obtener directamente de la maximización de [4.2^ sometida a la restri^ción [4.1] y que, de acuerdo con Theil (1971, p. 285), viene dado por A ^ -- (X'X)^1R'[R(X'X)-^R']!^(Ra - r^l [4.4] Si definimos i^ ! y- Xj3 y i^ = y-- X^3, podemos escribir el logaritmo de la funcián de verosimilitud no restringida ( omitiendo las constantes) como: "T I og L(p )^ --- log a z-2 1 2a2 r^ 'r^ [ 4. S] PROC'ED[MIENTUS DE VF:RIEICAC'IC,^N Y ArE_I(^AC'It_^^t-.^ ?3 y la re stri ngida como T l08 L(R) ^ -- -- log c^ 22 1 26` r^ '^^ De acuerdo can [3,Sj, la diferencia entre j4.Sj y[4.bj se puede utilizar para definir e1 estadistico RV. Para ello, reformulamos (4.6j sabiendo que ti = y -- ^3 ^ i^ -- ( X ` X ) ^ r R' [ ^t( X' X ) - r i^' j -- ^ ( R^3 -- r ) [ 4 . 7} . tras sustituir a en [4.4j. De forma que sabiencio que t^'X =© podemos escribir [4.6] como ic^g L(^i )^ - T log, a 2-- 1 2 cs ^ 2 ^^'^f - 1 (Ra - r)'[Rtx'X)_^R']_I(R^3 - r) 2 EI estadístico RV podr9'a, consecuentemente, e^+c:ribir^^e cc^mc^ ^ ,. RV = 2[log L(^i) --- log L(^i)j = = (R^i -- r)'[a^=R(X'X)^rR' ] -^(R^^ _ r) [ a .^) Por otra parte, el estadístico W se ohtiene directamente de ] 3.y] , y pcxiemos escribirlo como w - (R^ ^ r)^[Q2 ' R(X`X)^rR') -r(R^ --- r> [4.IU) Hinalmente, para ubtener el estadísticu ML ^ahernos que de I^^^ ^:^^n^iicic^ne^ ^ie [^rirner orden de la maximización c:c^n restricciones, y s^,^tituyenda ^ en [^.^): D Ic^^ I_([3 l-- R' [ R( X' X)' 1^' ]_ r( Rj:i - ^) [ 4.1 1 ^ de furma que su^tituyendc^ en )3.17] L M ^ ( R^i __ r 1' ( cr ^ R( X' X ) _^ ^ R, ) ._ ^ ( R[^ ^__ ,.^ ^ ^ .12) I^emotitrada !a igualdad R V=^ W= M l^ ', y pue tito que c^ = e^ cie^cunuc i^ic^, pudemos sustituirlo pc^r su valur estimi^cio. Puesto que ' E tita demosiración es fácilmente ^;eneralirable par^ tl ca^o de un^^ rnatriz de c^^v.iri^inra^ SZ conocida. Engle ( 19R4) demuestra dicha gene ^-aliración, asi como el cdso en q^,e cc^nsideremus un subconjunto de parámetros restrin^i^l^,ti bajc^ F^,. ESTADISTICA ESPAÑOLA 24 (T - k )02 ^ ^ xT_^ a2 nos encontrarnos que dividiendo pc^^ r sus respectivos grados de libertad obtenemos el test general de hipátesis para la verificación de q restricciones lineales, expresado por (R^ -- r)`[R • {X'X)"^R']^^(R^i -- r) _ .. Fq, r-^r . [4.13] ^t 2 • q De esta forma se dernuestra fácilmente cómo los usuales tests F y t(q = 1), que se utilizan para contrastar restricciones lineales en el modelo lineal general, no son sino . casos particulares de los test RV, W y ML. MODELOS NO LINEALES: TESTS DE AUTOCORRELACI(5N 4.2. De acuerdo con Breusch y Pagan (1980), supongamos un modelo no lineal de la forma vr--X^-ra,^)+r^^ t -- 1,...,T [4.14) donde r^^ -- 1^JlD(0, cs2), y donde k(.x,, 8) es independiente de r^,. E1 veetor de k parámetros 8 se particiona en H^ y 8^ de q y(k -- q) parámetros, respectivamente, y desearnos contrastar la hipótesis nula ^: o ®i ^ ^i Bajo estos supuestos, el {ogaritmo de la funcián de verosimilitud (omitiendo constante s ) se rá log L(E^ ) ^ -- 1^ T lo gQ2 -- I-r^'tr 2Q2 En este caso es fácilmente demastrable que la matriz de información será diagonal en bloques entre E^ y a^ de forma que sálo necesitaremos las derivadas con respecto a 1 ^j, y ello nos permite concentrarnos^ exclusivamente en el exponente -- ^Qz rr'r^. Consec uentemente, las cantidades necesarias para evaluar [ 3.9j y[ 3.16j serian p .^ alogL l _ ^ ____ C,^^, cs 2 a8 ^ Ecc^ c^ ^ - E L\ a lae L /^ a'ae L I J - Q zs PRE)CEIjIM1ENTOS DE VERIFICAC'IC}ti' Y APLiC'ACiOVE:S (^ ^,^ r donde G vdcobiano de ^,^ ) es una matriz tT x k ^ que contiene a^f) - e n i a pcas ik ción (t, k). De esta forma, podemos expresar los tests de Wald y Lagrdnge como W = (^^ ^ -- H°]'Q -2[G' {^) )G(E^ )] -1(E^ ^ - ^^ ° } ^ ^X y [ 4.15] ML - cx-2rr'C'.^,[E(G'G)]-^G'r`^ ^` [4.16] dande i^ son los reSll^llUS dP/ mo^elo ul c{j^lstur los ( k -^) estimaciones de 4^ mientras que restringimos 8, = H°, y E(G' G) es E(G' G) evaluada para las valores de 9= 6° y 92. si evaluamos E(G' G) coma G' G entonces [4. l6] se convierte en ML: á-^^^'^[^,G]-iG^r^ ^ . Xy [4.17) De acuerdo con [4.17], Godfrey (1978) y Engle ( 19^0) demuestran cómo dicha expresión puede escribirse como ML = T • Rz [4.1^] dande el R^ es el coeficiente de correlación que resulta de efectuar la regresión de r^ _ sobre G. Veamos a eontinuación cómo podemos aplicar estos tests a determinados esquemas de autocorrelación, y cómo podemos derivar los tets específicos en cada caso coma casos particulares de los mismos. 1. Supongamos el siguiente modelo de regresión simple ^^^ - a.r, + ^^, t - 1. . . . , T [4.19] en donde loti errores siguen un esquema de autocorrelación AR(1), de la forrna ii, = pr^,_ i+ E, p c 1 [4.20] siendc^ E^ -- NID(0, cs^ ). En este caso, el problema de veri^car el supuesto de ausencia de autocorrelación podria llevarse a cabo verificando H^,: p=0 " Esta expresión puede generalizarse para el caso de sistemas de ecuaciones aparentemente no relacionadas, en cuyo caso ( 4.16] sería ML: r^'(^ c^ 1)- ^G{ E[G'(E ® 1)- t Gl }-^G'(E ® I)i^ ^4. lbb) 26 ESTAD1STlCA ESPAÑ4LA frente ^i H^: p ^0 utilizando [ 4.2U) y( 4.19] podemos escribir Er camo E^ _ ^^! - p^^ f_^ -- _vr --^3xr -- p yl_ ^+ pp.^r_ ^_ -( vr - P vr- ^)-` R(-^^ - P xr- ^) de forma que podríamos obtener estimaciones minimocuadráticas autorregresivas (1'ViCA) de los parámetros desconocidos, minimizando S([i, p) - ^ E^ -- ^ ({ti^, - pti^r_^) -- R(xr -- px,_^)]2 r^ 1 [4.21] r=1 con respecto a a y p. La verificación de Ha: p= U se podría Ilevar a cabo utilizando cualquiera de los tests clásicos. En efecto, pc^dríamos aplicar el test de Wald dividiendo el estimador MCA de p por un error estándar. También podríamos aplicar el test RV, comparando el logaritmo de la función de verosimilitud asociado con las estimaciones MCA al obtenido, utilizando MCO bajo la restricción p= 0. En este caso, sin embargo, el test ML es el más sencillo de aplicar, ya que se reduce a minimizar [4.21j sometido a la restricción p = U. De esta forma, el lagrangiano asociado sería S*(a, p, ^,) = S(^3, p) + 2^p [4.22] donde ^ es el multiplicador de Lagrange. Igualando las primeras derivadas a cero, tendríamos aS* c^5(^i, p) __p _____ _ aa a s* ap -- ^a s(R, P) ap A -+ 2^, -o [ 4.23] as* --2p--0 a ^. que p= 0 y a sería el estimador MC{^ de ^3 en [ 4.19] , ya que satistáce A aS(^i) a a = 0, PROCEDIMIENTOS DE VERIFICACION Y APLICACIONES siendo S ([3) =^ r^; . De esta forma, el test ML se reduce a veriticar la signifi+cativir=1 ^ dad de ^. , que vendría dada por A 1 ^S([i, 0) ap 2 [de la ecuación [4.2I]] [ 4.24] r [£rur- _^ llrur_I [de la ecuación [4.20J] r=i donde ^^o = 0 y i^r = Er(^i, 0) = u,(^3) = yt - xr^3 es el residuo MCO en el período t{t = l, 2, ..., T). De esta forma, el test de .sikni,f ic•utir^idud dP ^. se reduc•e u r^erif ic•ur lu siknif icutir•iclud de lu uutvc•vr•uriun^u ( dividiendo por T) u de !u uutvc•orreluciún (dividiendo por ^i^^ ) de pri^»er vrden, ya que dichas transformaciones no afectan la forma del estadístico M L. Adicionalmente, para un esquerna autorregresivo del tipo ur = ^^,_ Ip, + Er, y siendo X una matriz con regresores estrictamente exógenos, Breusch y Pagan ( 1980) demuestran cómo el test M L= Tr ^ ^- x ^ [4.25] es el estadístico que se utiliza normalmente en los pragramas de Box-Jenkins para comprobar la afeatoriedad de los residuos, demostrando cómo los tests basados en la función de autocorrelación de los residuos son, en realidad, test iViL, asintóticamente equivalentes a W y RV 9. Asimismo, para procesos autorregresivos de ©rden p. de tal forma ,,, = P,^^r-I + p^^r-2 + ... + pp1^,_p en donde la hipótesis nula viene expresada de la forma E^f^,.• _ 0 . p ^ _ p2 _ ... _ pv e implica la verificación conjunta de que r^, r^, ..., rp son ceros, Breusch y Pagan (1980) dernuestran cómo el estadístico ML coincide prácticamente con el de Box-Pierce para el caso en que ^ sea sufic ientemente grande . y Si X contiene variables endógenas retardadas, el test /^ de Durbin se puede obtener igua!mente como una aplicación del Test ML. Véase, por ejemplo, Dolado (1981, pp. 18-19>. 28 ESTAD1STiCA ESPAlVOLA 2. ^ En algunas ocasiones, especialmente cuando trabajamos con relaciones dinámi- cas, e^ importante verificar la posibiiidad de procesos de medidas móviles. l.a relevancia de éstos el mismo test ML al margen de que la especificación alternativa sea AR( l) o MA(1). Este resultado realmente impartante puede generalizarse para procesos puros AR(p ) o MA(y} y procesos mixtos ARMA (p, q) 10. 4.3. CONTRASTE DE LA ESPECIFiCACtÓN DINÁMICA Nasta hace relativamente pocos años, toda la literatura econométrica sobre retardos distribuidos solía poner un mayor +^nfasis en una parametrización adecuada que redujera el número de retardos, que en determinar et número máximo de los misrnos que debían aparecer en el modelo. A pesar de las críticas y de los resultados obtenidos por los rnodelos de series temporales, tadavía es muy frecuente, en la práctica, la sola utilización de tests de mala especificación basados en procesos AR(1) a AR(4). Esto impone re.slricciones no contrustudu.s de ezistenciu de f'actore.s comr^nes que pueden llevar a la aceptacián de modelos con una maía especifcación dinámica. La metodología que cornentamos a continuación parte de combinar la información estructural de la Teoría Económica con las técnicas del análisis de Series Temporales y de Econametría. Fue propuesta inicialmente por Sargan (1964) y extendida posteriormente por el propio Sargan t 1975) y Mizon (1977b^. La característica fundamental de la metodología del análisis de factores comunes (COMFAC) es la de comenzar por el modelo más general posible y proceder a contrastar secueneialmente si versíones cada vez más restringidas son consistentes con los datos. Siguiendo a Mizon y Hendry (1980), supongamos el siguiente modelo autorregresivo con retardos distribuidas de la forma 6(L)^4, = w^ [4.30] o, similarmente, diferenciando entre la variable endógena yt y las exógenas x, Ce^ ( L)] ; [e; ( i.-.)^ [^ y, = w, [4.30bj L x, donde 4(L) es un vector de (k x 1} polinomios en el operador de retardos L, de orden m^, m^, ..., mk, y donde los valores de m^ (j = 1, 2, ..., k) se toman lo suficientemente grandes eomo para asegurarse que wr es un proceso puramente aleatorio con medida 0 y '0 También puede generalizarse para sistemas de ecuaciones con valores retardados de la variable endógena coma regresores. Véase, par ejemplo, Breusch y Godfrey {1981). PROCEDIMIENTOS DE vERiFICwC10N Y aPL.iCACiONE5 29 varianza a m. E1 rnodelo [ 4.30j , para el número máximo de valores mo , m,,..., m k (que deben especi^carse «a priori^), forma lo que consideramos la hip4tesis inicial. Posteriormente, consideramos las dos siguientes parametrizaciones: p(L)cx{L)'zr = Er [4.31 J donde p( L) es un polinomio escalar en t de orden r, a( L) es un vector de ( k x 1) polinomios en L de árdenes /o, !,, ..., I,^ y E, es un proceso de ruido blanco, y 9*(L,)'Zr = E^ [4.32) donde las restricciones en 6( L), para definir 8*( L) se eligen sobre la base de la información proveniente de la Teoría Econónrtica. Comparando [4.31j y[4.32], vemos que [ 4. 32j sbto será válido si 8(L) = p(L)a(L) [4.33] lo que implica que los polinomios de 9(L) tienen un factor común de p(L). Sin embargo, [4.31j puede escribirse de la forma a(L)'^, = u^ [ 4. 34] p ( L) ur = E r que es un modelo lineal con los errores generados por un proceso autorregresivo de orden r, de forma que a ( L) representa la parte dinámica sistemática, y p(L) el modelo dinámico de los errores ". De acuerdo con las expresiones [4.30] a[4.34], el procedimiento de contrastacián determina, en una primera etapa, los retardos máximos que van a intervenir en una segunda etapa que constrasta cuantos factores comunes aparecen en la forrnulación [4.30j . Un procedimiento de contr'astación secuencial llevado a cabo de esta forma posee una gran potencia asintática 12, y los detalles de la determinacibn det orden de ios desfases pueden verse en Mizon (1977b). Por último, la cleterm^nuric^n de! ntí^nerv cIe ,tuc•tc^res co^nr^rres eonsiste en eontrastar la siguiente secuencia de hipótesis P^(L)am_.(L) = 8,„(L) [4.35] " En principio, la sola especificación de formas AR aparece como una restricc ión bastante fuerte. Sin embargo, Hendry (1977) demuestra cómo el correlograma de un proceso t1^A puede aproximarse razonablemente por el de un AR. Adicionalmente, y como vimos anteriormente, Godfrey (1978) demuestra córno el test ML de correlación serial en los residuos no depende del tipo de proceso AR o MA. ' I Ver, Anderson (1971, cap. 3.2 ). ^^STAC)1STICA ESPAÑOI_A ^() (^^^r^i r-= U, i, .... ^r^ ; ^iendc^ »^ = mín (r^^,> y t^,„( L) el vector de (k x i) polinomios en L ^ie ia hipóte^i^^ inicial. L.a^ re^tricciune^ de factores comunes implícitas en ( 4.35) pueden e^cribirse de ld fc^rm^^ ^4^ • ^^ (^ y - o tal que dadas las estimac:i©nes no restringidas 4), tal que . T(E.) -- H^^^ N(o, Q^, V) [4.36] . y siendo ^ = Q^,(JVJ') donde J -- lím ^`^ae' p ( 4.36j implica que A ^/ `[k^8) -- k(0)j ú N(0, i^) {4.37] podemos utilizar ei test de Wa1d de forma que siendo r el número de factores comunes bajc^ Ha . W ^ T • ^'(^)'^l^x(^) ú Xrk Aunque esta metodología no esté exenta de problemas importantes [ véase, por ejernplo, Currie (1981)j, ya está produciendo resultados prometedores en temas tan irnportantes como consumo [ Mi2on y Hendry (1980)^, precios [ Sargan (1980)] o demdnda de dinero [ Dolado (1982)j . S. ^ CONCLUSIQNES En las páginas precedentes, hemos visto la gran utilidad de los tests de verificación clásícos a la hora de verificar un número considerable de tests de hipótesis. La utilización de uno u otro va d depender, básicamente, de las características del problema especifico que estemos tratando. De hecho, los distintos tests que hemos visto, si son usados correctamente, pueden Itegar a ser c•vmplementurio.s en vez de sustitutivos. En cualquier caso, no existe una solución generalmente aceptable, y lo que hemos presentado aqui es obviamente una aproximacián sistemática incompleta. Por ejempto, el procedimiento de psp^c^i^ic•ur^i^^n dinúmicu utilizado es sólo uno de los cinco propuestos por Leamer (19?8) («Simplification Search^). La búsqueda de una especificacíón correcta deberia, necesariamente, eansiderar Ios otros cuatro. PROCEDIMIENTOS DF VERtFICACION Y APLICACIONES 31 Sin embargo, sobre la base de lo anteriormente expuesto podrían hacerse algunas consideraciones: 1. Empezar con un modelo sencillo y a la vista del R^ ir añadiendo variables nunca es un método aconsejable. Pueden aparecer serios problemas de corretación espurea y de agotamiento de datos que hagan inservible el modelo. En cualquier caso, siempre es aconsejable un test de mala especificación que asegure que los residuos sean ruido blanco. 2. Toda la in/c^rmuc•ic^n di.spc^nihle «a pri©ri^^ debe utilizarse para tener dispuesto un esquema de decisión antes de llevar a cabo el proceso de estimación. Entonces se pueden Ilevar a cabo los tests de especificación comenzando con el modelo más general para ir de5cendiendo posteriormente a modelos más sencillos. 3. Una cuestión importante que debe destacarse en el uso de los procedimientos de contrastación secuencial es cómo deben controlarse los ni^^^les de siXnific-uc•iún en cada etapa de la sucesión. En este sentido, es importante darse cuenta que la imposición de, por ejemplo, un nivel del S por 100 en cada una de 1as etapas puede hacernos creer inconscientemente que estamos trabajando globalrnente al S por 100, cuando, realmente, lo estamos haciendo a un nivel mucho mayor 13. 4. Por último, la estrategia propuesta en las páginas anteriores puede verse como una forma de especi^cación del modelo, que es válida internamente (buen ajuste de los datos de la muesira). Es igualmente importante, tal como señala Harvey (19^ 1, pp. iK3-i^7) determinar si el modelo es igualmente bueno fuera de la muestra, verificando su actuación predicti va fuera del período muestral. REFERENCIAS AITCHtS4N, ,1. , y Stt!~vEV, S. D.: «Maximum Likelihood Estimation of Parameters Subject to Restraints^. Annul^ vf" Muthemutic•ul Stutistic•s. 29, pp. 813•828, 1958. AKAIKE, N.: «Information Theory and ihe Extension of the Maximurn Likelihood Principle^, en N. Petrov y 1~. Csaki (eds.). 2.° lnternutivnul Svmpusi^^rn un /n/ormution Thevrv. Budapest, PP• ^7-281, 1973. ANDERSON, T. W.: T^ie Stcrtr'stic•c,l Anctly.sis uJ' TimP SeriPS. New 3ork: John Wiley, 1971. ATKINS4N, A. C.: «A method of Discriminating between Models^ . Jv^rrnu! vf' th^ Rcwu! Stc^tisticnl Sc^c•iety, series B, vo^. 32, pp. 323-345, 1970. BERNDT, E. R., y SAVIN, N. E.: «Conflict Among Criteria for Testing Hypothesis in the Muhivariate Linear Regre ssion Model^•. Ec•onometric•u, vol. 4S, n.° S, pp. 1263-1277, 1977. " Ver, por ejemplo, Espasa (1978) y Dolado (1982). ESTADISTICA ESPAI^IOLA 32 BREUS^•H, T. S,, y GoDFREY, L.: «A Review of Recent Work on Testing for Autacorretation in Dynamic Simultaneous Models», en Currie, Nobay y Peel (eds.). Muc•roecc,numk• Anuly.^is, pp. 63- t 10. Loncion: Craom-Nelm, 1981. BREUSCH, J. S., y PAGAN, A. R.: «The Lagrange Multiplier Test and its Application to Model Specifcation in Econometrics». Re ^^i^ea^ o,J• Eronomic Studies, vol. 67, pp. 239•253, 1980. BYRQ>v, R. P.: «The Restricted Aitken Estimation of a set of Demand Relations» . Economerricu, vol. 38, pp. 81á-834. 197fl. ----; «Testing Structural Specification Using the Unrestricted Reduced Form» . Economctricu, val. 42, pp. 8ó9•884, 1974. Cox, D. R.: «Further Results on Tests of Separate Families of Hipothesis». Journul vJ'the Royul Stulis•tic^ul Soc•iPty, series B, vol. 24, pP. 406-424, 1962. CROWDER, M. J.: «Maxímurn Likelihood Estimation for Dependent Observations», Journul c^,/' the Ruyul Stutistic•ul Snc•iety, seríes B, vol. 38, pp. 4S-S3, 1976. CURRIE, D.: «Some Long Run Features of Dynamic Time Series Models». The Econvmic• Jc^urnul, vol. 91, pP. 704-715, 1981. DouADO, J. J.: EI u.^o c^e Ir,r.^ tests cle Wulú y del Multiplic•udor de Lukrun^e en !u ModPli^ucicín Ec•vnurnérrrc•u. Madrid: Banco de España. Documento de trabajo, 1981. -- -: Pruc•edírnientus dP hú.^yuedu de e.ti^ecific•uc^iún dinc^micu: EI cusa de lu demundu cle M.ii en E.spuñcr. Madrid: Banco de Espafia. Documento de Trabajo, 1982. ENGLE, R. F.: «Hypothesis Testing in Spectral Regression: The Lagrange Multiplier Test as a Regression Diagnostic», en Kmenta y Ramsey (eds.). Criteriu jvr E^•uluutivn nf Econometric• Mc^dcJ^, pp. 309-321. Ntw York. Academic Press, 1980. ---: «Wald, Likeiihood Ratio and Lagrange Multiplier Tests in Econometrics», en Griliches e Intriligator (eds.). Jyundhook oj^ EconamPtrics, part. 4, n.° 12. Amsterdam: North Holland, 1984. ESPASA, A.: iEstirnuc•iún y^eleccic^n dP rnvdelos ec•c^nvmPtric•c^s dincímicos. España ( S. de E. n.° 11), 1978. Madrid, Baneo de EvANS, G. B., y SAV^N, N. E.: «Conflict Among the Criteria Revisited: The W, L.R and LM Tests» . Econumetricu, vol. S0, n.° 3, pp. ?37-748, 1982. GODFREY, L. G.: «Testing against Genera! Autorregressive and Moving Average Errar Modeis when the Regressors include Lagged Dependent Veriables». Ecunc^metricu, vol. 46, pp. 12931302, 1978. HARVEY, A. C.: The Ec•unvmetric• Anulysis v/• Tinre Series. Oxford: Phillip Allan, 1981. HENDRY, D. F.: «4n the Time Series Approach to Econometric Model Building», en C, A. Sirns (ed .). NeK^ Metltvd.^ r'n BccsinP.s.,^ Cyc•1P ResPclrc•!r, pp. 183-208. Federal Re se rve Bank of Minneapoiis, 1977. JuDGE, G. G.; GRfFFITH5, W. E.; H^^l., R. C., y LEE, T. C.: T/iP Tltcvr^^ unc! Pruc•tic•e c^J' Ec•um^inetric•c. New York: John Wiley, 1980. LEAMER, E. E.: SnPCific•utiun Secrrclres: Acl Hc^c• !n/prence ^^•ith Nc^ne_rperirnPntctl Dutu. New York: John Wiley, 1978. MADDALA, G. S. (ed.): «Model Seleetion^^ . Juccrnul vJ• Ec•vnumetric•s, vol. 16, n,° 1, 1981. PR()CEDIMIENT(JS DE VERIFICACION Y APLICACIONES 33 MizoN, G. E,: «Inferential Prucedure in Nonlinear Model:^: An Application in a UK cross section study of Factor Substitutian and Returns to scale». Ec•uno^netric^u, vol. 4S, pp. 1221-1242, 1977. ----: «Model Selection Procedures», en Artis y Nobay (eds.). Studies in A^lodcrn Ec'c^nornic• Anulvsis. Oxford: Basil Blr^ckwell, 1977b. 1VI!"LON, Ci. E., y HENDRY, D. F.: «An Empirical Application and Monte Carlo Analysis af Tests of Dynamic Specification». Re^^ieK^ oJ' Economic Studies, vol. b7, pp. 21-45, 1980. PESARAN, M. H.: «Pitfalls of Testing Non-nested Hypothesis by the Lagrange Multiplier Method». Journul of' Econometrics, vol. 17, pp. 323-331. 1981. RoY, S. N.: Some Aspects of' Multi^^ariute Anulysis. New York: John Wiley, 1957, ROSENBERG, B.: «The Analysis of a Cross Section of Time Series by Stochastically Convergents Parameters Regression» . Annuls o,^' Economic und Sociul Meusurernenr, vol. 2. pp. 399-428, 1973. SARGAN, J. D.: «Wages and Prices in the United Kingdom: A Study in Econometric Methodology», en Hart, Mills y Whitaker (eds.). Econvmetric Arrulysis for Nationul Economic Plunnink. Cobston Paper n.° 16. London. Buttesworths, 1964. -----: «A Suggested Technique far Computing. Aproximation to Wald Crite^ria with Application to Testing Dynamic Approximations». Discussion Paper A 2. London School of Economics, 1975. - :«The Consumer Price Equation in the Post War British Economy: An Exercise in Equation Specification Testing». Re ^ ^ieK^ of Ec•vnomic St^rdies, vol. 67, pp. 113-135, I980. SILVEY, S. D.: «The Lagrangían Multiplier Test». Annuls o/^ Muthemutic•ul .Stutr'stics, vol. 30, pp. 389-407, 1959. ----: Stutisticul Inf erence. London: Champman and Hall, 1970. THEIL, H.: Prinriples of ^ Ec•onometrics. New York: John Wiley, 1971. TOUTENBURG, H.: Prior Informution ^n Lineur Models. New York: John Wiley, 1982. TRIVEDI, P. K.: «The Relation Between the Order Delivery Lag and the Rate of Capacity Utilization in the Engineering Industry in the U.K. 1958-19b7». ,Econometricu, vol. 70, pp. 5 4-67 , 1970. 1 W1LKS, S. S.: «Certain Generalizations in the Analysis of Variancd». Biometriku, vol. 24, pp. 471-495 , 1932. WOODLAND, A. D.: «Substitution of Structures, Equipment and Labor in Canadian Production» . Internutionul Economic Re ^^iew, vol. 16, pp. 171-187, 1975. ZELLNER, A.: «An Efficient Method of Estimating Seemingley Unrelated Regressions and Tests for Agregation Bias». Jorcrnu! of^ the Americun Stutisticul Associution, vol. 57, pp. 348-368, 1962. ---_: «Statistical Theory and Econometrics», en Griliches e Intriligator (eds.). Hundfwok oj^ Econometric•s, vol. I, part. l. Amsterdam: North Holland, 1982. ZELLNER, A.; STROUD, A., y CHAU, L. C.: «Program for Computing Two and Three-Stage Least Squares Estimates and Associated Statistics». Unversity of Wiscousin, Social Systems Research lnstítute, 1967. ESTADtSTICA ESPAI'^OLA 3^4 SUMMARY VERIHICATION METHODS AND APPLICATION POR THE SPECIFICATION OF ECONOMETRIC MODELS The main intention of this paper is to show how most of ihe statistical tests used in Econometrics can be derived from the general framework of clasical hypothesis testing. Following such scheme we derive the Likelihoad Ratio, Wald and Lagrange multipliers tests and present some applicdtions related to restrictions in linear and non linear models and dynamic specification. ^C'^v H^^^rcl.^^: Clasical Tests, linear restriccions and dynamic specification. AMS 1980. Sub,^ect classifcation: b2P20.