Explorando por Autor "Perron, Pierre"

Mostrando 1 - 3 de 3

Texto completo enlazado
Breaks, Trends and the Attribution of Climate Change: A Time-Series Analysis
(Pontificia Universidad Católica del Perú. Fondo Editorial, 2019-09-16) Estrada, Francisco; Perron, Pierre
Climate change detection and attribution have been the subject of intense research and debate over at least four decades. However, direct attribution of climate change to anthropogenic activities using observed climate and forcing variables through statistical methods has remained elusive, partly caused by difficulties to correctly identify the time-series properties of these variables and by the limited availability of methods to relate nonstationary variables. This paper provides strong evidence concerning the direct attribution of observed climate change to anthropogenic greenhouse gases emissions by first investigating the univariate time-series properties of observed global and hemispheric temperatures and forcing variables and then by proposing statistically adequate multivariate models. The results show that there is a clear anthropogenic fingerprint on both global and hemispheric temperatures. The signal of the well-mixed Greenhouse Gases (GHG) forcing in all temperature series is very clear and accounts for most of their secular movements since the beginning of observations. Both temperature and forcing variables are characterized by piecewise linear trends with abrupt changes in their slopes estimated to occur at different dates. Nevertheless, their long-term movements are so closely related that the observed temperature and forcing trends cancel out. The warming experimented during the last century was mainly due to the increase in GHG which was partially offset by the effect of tropospheric aerosols. Other forcing sources, such as solar, are shown to only contribute to (shorter-term) variations around the GHG forcing trend.
Texto completo enlazado
GLS para eliminar los componentes determinísticos, estadísticos de raíz unitaria eficientes y cambio estructural
(Pontificia Universidad Católica del Perú. Fondo Editorial, 2012) Perron, Pierre; Rodríguez, Gabriel
Extendemos los estadísticos tipo M para una raíz unitaria analizados por Perron y Ng (1996) y Ng y Perron (2001) al caso donde se permite que el cambio en la función de tendencia ocurra en un punto desconocido. Estos estadísticos (MGLS) adoptan el enfoque GLS para eliminar la tendencia desarrollado por Elliott et al. (1996) (ERS) siguiendo los resultados de Dufour y King (1991). Siguiendo a Perron (1989), consideramos dos modelos: uno que permite un cambio en la pendiente y otro que permite tanto un cambio en el intercepto como en la pendiente. Derivamos las distribuciones asintóticas así como el estadístico óptimo factible en un punto de la hipótesis alternativa (PT GLS) sugerido por ERS. También computamos el parámetro de no centralidad utilizado por el enfoque GLS local a la unidad con el fin de eliminar la tendencia que permite que el estadístico PT GLS tenga 50% de potencia asintótica en ese valor. Asimismo, se han tabulado los valores críticos asintóticos de los estadísticos. Mostramos que los estadísticos MGLS y PT GLS tienen una función de potencia asintótica cercana a la envolvente de potencia. Un estudio de simulación analiza el tamaño y potencia en muestras finitas bajo varios métodos para seleccionar la truncación para estimar la densidad espectral autorregresiva. Finalmente, también se presenta una aplicación empírica.
Acceso Abierto
Residual Based Test for Cointegration with GLS Detrented Data
(Pontificia Universidad Católica del Perú. Departamento de Economía, 2012) Perron, Pierre; Rodríguez, Gabriel
Este documento analiza diferentes estadísticos basados en los residuos para la hipótesis nula de no cointegración utilizando MCG para eliminar los componentes determinísticos. Las distribuciones asintóticas son simuladas para los casos donde un intercepto y un intercepto y una tendencia son incluidos en la ecuación de cointegración. Los resultados muestran que las distribuciones asintóticas dependen del número de regresores (variables xt), el número y clase de componentes determinísticos y un parámtro de nuisamce R2 que mide la correlación de largo plazo entre los regresores xt y la variable yt. Los resultados muestran que MCG permiten obtener más potencia que el uso de MCO. Esto es más claro para valores de R2 menores que 0:4 y un solo regresor xt. Para valores mayores de R2 los denominados estadísticos ECR son mejores para cualquier número de regresores. En particular el estadístico ECR basado en un vector de cointegración conocido es el más potente. Se presenta una Tabla con valores críticos asintóticos simulados utilizando diferente parámetro c de acuerdo al número de regresores y al tipo de componentes determinísticos. Se eligió R2 = 0:4 por ser un valor sensible en términos prácticos y posiblemente empíricos.