Cuando sólo la mitad de las variables independientes no son estacionarias, ¿tiene sentido realizar una prueba de cointegración?

Question

Tengo la siguiente ecuación de regresión (datos de panel): $Y = f(X_1, X_2, X_3, X_4)$

Tras obtener las estadísticas del CIPS y del CADF, $X_1$ resultados sean estacionarios tanto para el intercepto como para el intercepto + tendencia, mientras que $X_2$ es estacionario sólo para el intercepto + la tendencia. $X_3$ y $X_4$ no son estacionarios en ninguno de los dos casos.

Debido a estos resultados, me preguntaba si tiene sentido realizar una prueba de cointegración (ya que si no me equivoco, todas las variables deberían ser $I(1)$ ).

Además, me preguntaba si debía proceder a utilizar una primera diferencia para $X_2$ , $X_3$ y $X_4$ o sólo para $X_3$ y $X_4$ .

Muchas gracias.

Kodi

Answer 1

Para el análisis de cointegración, todas las variables deben ser del mismo orden de integración. Sin embargo, dicho esto, depende de la confianza que se tenga en las pruebas de estacionariedad. La mayoría de las pruebas de root unitaria están plagadas de problemas de baja potencia, especialmente en muestras pequeñas (véase algún libro de texto sobre econometría como Stock & Watson introductory econometrics para más detalles y fuentes).

Además, si la literatura más amplia sugiere que todas las variables son, digamos, I(1), yo incluso ignoraría los resultados de las pruebas de root unitaria, ya que pueden ser sólo falsos positivos/negativos.

Además, si lo desea, puede utilizar el enfoque de límites de Pesaran para la cointegración, que permite estimar tanto las variables estacionarias como las no estacionarias dentro de un modelo, aunque la cointegración sólo puede producirse entre variables estacionarias. Este enfoque no suele figurar en los libros de texto, así que tal vez quieras consultar el documento original " Enfoques de prueba de límites para el análisis de las relaciones de nivel"