En econometría , las pruebas de Kwiatkowski–Phillips–Schmidt–Shin (KPSS) se utilizan para probar una hipótesis nula de que una serie temporal observable es estacionaria alrededor de una tendencia determinista (es decir, estacionaria en la tendencia ) frente a la alternativa de una raíz unitaria . [1]
A diferencia de la mayoría de las pruebas de raíz unitaria , la presencia de una raíz unitaria no es la hipótesis nula sino la alternativa. Además, en la prueba KPSS, la ausencia de una raíz unitaria no es una prueba de estacionariedad sino, por diseño, de estacionariedad de tendencia. Esta es una distinción importante ya que es posible que una serie temporal sea no estacionaria, no tenga raíz unitaria pero sea estacionaria de tendencia . Tanto en los procesos de raíz unitaria como en los de estacionariedad de tendencia, la media puede crecer o decrecer con el tiempo; sin embargo, en presencia de un shock, los procesos de estacionariedad de tendencia son de reversión a la media (es decir, transitorios, la serie temporal convergerá nuevamente hacia la media creciente, que no se vio afectada por el shock) mientras que los procesos de raíz unitaria tienen un impacto permanente en la media (es decir, no hay convergencia con el tiempo). [2]
Posteriormente, Denis Kwiatkowski, Peter CB Phillips , Peter Schmidt y Yongcheol Shin (1992) propusieron una prueba de la hipótesis nula de que una serie observable es estacionaria en la tendencia (estacionaria alrededor de una tendencia determinista). La serie se expresa como la suma de la tendencia determinista, el paseo aleatorio y el error estacionario, y la prueba es la prueba del multiplicador de Lagrange de la hipótesis de que el paseo aleatorio tiene varianza cero. Las pruebas de tipo KPSS están destinadas a complementar las pruebas de raíz unitaria , como las pruebas de Dickey-Fuller . Al probar tanto la hipótesis de raíz unitaria como la hipótesis de estacionariedad, se pueden distinguir series que parecen ser estacionarias, series que parecen tener una raíz unitaria y series para las que los datos (o las pruebas) no son lo suficientemente informativos como para estar seguros de si son estacionarias o integradas.