Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Econometra II
UNED
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
en nuestro caso, que luego utilizaremos como nombre de las variables) y finalmente
grabamos el fichero para luego utilizarlo (afiliados.xls).
Gretl
Al abrir el programa Gretl aparece su ventana principal, en la opcin Archivo
del men podemos seleccionar la opcin Nuevo conjunto de datos si queremos grabar
los datos manualmente o Abrir datos si queremos trabajar con datos grabados
anteriormente en otra sesin o importar datos. Puesto que vamos a importar los datos de
Excel, seleccionamos en el men: Archivo Abrir datos Importar
Excel buscamos el fichero Afiliados.xls Afiliados.xls. El programa
pregunta si comenzar a copiar en la fila 1 y columna 1 ok Los datos han sido
interpretados como sin fecha Desea interpretarlos como serie de tiempo Mensual
introducir la fecha de la primera observacin (en este caso enero de 1982) y
finalmente en la ventana aparecern las dos variables.
Con el objetivo de poder realizar prediccin histrica reduzco el rango de datos
hasta diciembre de 2009 (GRETL: en el men Muestra Establecer rango
reducir final hasta 2009.12 ok) para realizar la estimacin entre enero de 1982 y
diciembre de 2009, es decir, como si slo tuviramos datos hasta diciembre de 2009.
Paro registrado
El Grfico 1 muestra el paro registrado (GRETL: en el men seleccionar Ver
Grficos Grfico de series temporales elegir Paro ok)
Grfico 1
Paro registrado (1982.01-2009.12)
Se aprecia el fuerte crecimiento del paro hasta la segunda mitad de los ochenta
(crisis del petrleo y reconversin industrial); la cada hasta el noventa y dos (obras de
infraestructuras para las Olimpiadas y la Exposicin Universal de Sevilla); la crisis del
noventa y tres, con aumentos del paro hasta mediados de los noventa; la fuerte cada del
3
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
paro hasta principios del nuevo milenio (entrada en el Euro, tipos de inters bajos,
desarrollo de todos los sectores y especialmente de la construccin); el nuevo milenio
presenta unos niveles de paro estables hasta el comienzo de la crisis actual donde el
paro se dispara desde el entorno de los dos millones de parados en 2008 a los cuatro
millones de 2010.
Para poder aplicar la metodologa ARIMA la serie debe ser estacionaria:
1. Bajo el supuesto de que una series histrica est compuesta por n
variables aleatorias. En sentido estricto esa serie es estacionaria si y slo
si las funciones de distribucin de frecuencias de esas n variables son
iguales, es decir, si para distintos momentos de tiempo se cumple que:
F(Zt)=F(Zt), representando t y t dos momentos diferentes de
tiempo (t t).
2. En sentido amplio, sin embargo, basta con que se cumplan las siguientes
condiciones:
a. Media constante: E(Zt) = Z
b. Varianza constante: var(Zt) = 2
De manera que lo primero que hay que hacer es ver si la serie del paro registrado
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 2
Correlograma del Paro en niveles
Donde la Funcin de Autocorrelacin decrece lentamente (parte superior del
grfico 2, denominado FAC), consecuentemente el paro en niveles no es estacionario.
La metodologa ARIMA asume que la forma de conseguir series estacionarias
consiste en diferenciar regular y/o estacionalmente. Una serie es integrada de orden cero
si es estacionaria [I(0)] e integrada de orden uno [I(1)] si es necesario una primera
diferencia regular para conseguirlo y as sucesivamente. Si consideramos la parte
regular y estacional conjuntamente entonces una serie por ejemplo I(1,1) es aquella que
se hace estacionaria, o integrada de orden cero [I(0)], realizando una primera diferencia
regular [d(Zt)=ZtZt-1] y otra estacional [d12(Zt)=ZtZt-12].
Puesto que el paro registrado no es estacionario en niveles probamos la primera
diferencia regular, es decir, comprobamos si el paro es integrado de orden uno [I(1)]
calculando la primera diferencia regular para ver si es estacionaria (GRETL: seleccionar
la variable Paro y en el men seleccionar Aadir Primeras diferencias de las
variables seleccionadas en la ventana se muestra la nueva variable en diferencias
d_Paro).
El grfico 3 muestra el paro en primeras diferencias (GRETL: en el men
selecinar Ver Grficos Grfico de series temporales elegir d_Paro
ok).
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 3
Paro registrado en diferencias
Cuyo Correlograma se muestra en el siguiente grfico (GRETL: seleccionar la
variable d_Paro con el ratn en el men Variable Correlograma).
Grfico 4
Correlograma del paro en diferencias (d_Paro)
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 5
Diferencia estacional del paro (sd_Paro)
Donde se observa con claridad las crisis del periodo (mximos relativos):
principios de los ochenta, crisis del noventa y tres, crisis del noventa y seis, del dos mil
tres y sobre todo la actual. Su Correlograma (GRETL: seleccionar la variable
sd_Paro con el ratn y en el men Variable Correlograma) es el siguiente.
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 6
Correlogarama del paro en diferencias estacionales (sd_Paro)
Presenta una Funcin de Autocorrelacin Total (FAC) que decrece lentamente
en la parte regular, la serie en diferencias estacionales no es estacionaria, el paro
registrado no es integrado de orden uno estacional [I(0,1)]. De manera que probamos si
el paro es integrado de orden uno regular y estacional [I(1,1)] calculando una diferencia
estacional a partir de la serie en diferencias regulares (GRETL: seleccionar la variable
d_Paro y en el men Aadir Primeras diferencias estacionales de las
variables seleccionadas en la ventana aparece la nueva variable en primeras
diferencias regulares y estacionales sd_d_Paro), cuyo grfico se reproduce a
continuacin (GRETL: Ver Grficos Grfico de series temporales
elegir sd_d_Paro ok).
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 7
El paro en diferencias regulares y estacionales (sd_d_Paro)
Cuyo correlograma es (GRETL: seleccionar la variable sd_d_Paro con el
ratn y en el men Variable Correlograma).
Grfico 8
Correlograma del paro diferenciado regular y estacionalmente (sd_d_Paro)
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
[1]
[2]
57244.63
44426.59
7855.991
7863.531
Cuadro 1
Estimacin del modelo SARIMA(2,1,0)(0,1,1) del paro
Todos los parmetros son significativos: a1 (phi_1), a2 (phi_2) y b1 (Theta_1), el
trmino independiente se suele mantener por cuestiones de ajuste an cuando en este
caso no es significativo. La validacin del modelo se realiza comprobando que los
1
En este sentido hay que recordar que aunque la parte regular parece que se ajusta ms a un AR(2) esto
no queda claro y poda tambin corresponder a un ARMA(1,1) regular, de manera que se recomienda
estimar tambin este modelo, y elegir el que mejor ajusta siguiendo el criterio de Akaike, esto es lo que se
ha hecho siguiendo el criterio de parsimonia (libro de texto pg. 143), resultando que el que mejor ajusta
es el AR(2) regular.
2
Para la identificacin de los modelos ARIMA hay que tener siempre en cuenta la forma que toma el
Correlograma para cada modelo terico, en el ANEXO I de este trabajo se muestra la forma terica que
toman los distintos modelos ARIMA y en el ANEXO II se muestra como se calcula el Correlograma
(Funcin de Autocorrelacin Total y Parcial).
10
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 9
Correlograma de los residuos de modelo SARIMA(2,1,0)(0,1,1) del paro.
Que presenta una Funcin de Autocorrelacin (FAC) con slo un valor
significativo, mayor de ( 2 323 ) = 0.110, en el retardo 8 (0,146), el estadstico BoxPierce3 en el retardo 50 es 36, con un p-valor del 0.932, lo que muestra unos residuos
cercanos a la imagen emprica de RB. De manera que podemos considerar el modelo
SARIMA(2,1,0)(0,1,1) para el paro registrado como validado.
Una vez estimado el modelo realizamos la prediccin para 2010, para ello
calculamos, a partir de la serie original la serie estacionaria en Excel. El cuadro 2
reproduce la serie original del paro a partir de enero de 2009 (se puede calcular en Excel
o a partir de la serie calculada por GRETL sd_d_paro), la columna Vt es la que
calcula por GRETL como residuos del modelo (GRETL: en la ventana de estimacin
del modelo elegir Guardar Residuos se genera una serie denominada
uhatxx que es la serie Vt del cuadro 2).
11
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Cuadro 2
Prediccin 2010 de la serie estacionaria
Paro registrado SARIMA(2,1,0)(0,1,1)
Wt
Paro
Obs.
ene-09
feb-09
mar-09
abr-09
may-09
jun-09
jul-09
ago-09
sep-09
oct-09
nov-09
dic-09
ene-10
feb-10
mar-10
abr-10
may-10
jun-10
jul-10
ago-10
sep-10
oct-10
nov-10
dic-10
3327801
3481859
3605402
3644880
3620139
3564889
3544095
3629080
3709447
3808353
3868946
3923603
4048493
4130625
dparo
dWt=(Wt-Wt-1)
dd12paro
(dd Wt=dWt-dWt-12)
198838
154058
123543
39478
-24741
-55250
-20794
84985
80367
98906
60593
54657
124890
82132
66460
100652
137899
1936
-39799
-92099
-57286
-18100
-15000
-93752
-110650
-85037
-73948
-71926
12
Vt
Prediccin
dd 12Wt Zt
59345
90762,2
86599,3
9407,1
-23281,9
-58140,4
-6754
60406,6
43853,5
13454,5
-18291,3
20593,7
18337,0
39581,3
7333
10111
51524
-7254
-16298
-33738
-50311
-78288
-58634
-106992
-92141
-105413
-92285
-111507
-105233
-22075
20484
50380
6309
-51291
-37095
-11023
16204
-17146
[3]
[4]
12
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Wt
Paro
4048493
4130625
Zt
estimada
-92285
-111507
-105233
-22075
20484
50380
6309
-51291
-37095
-11023
16204
-17146
Wt
estimada
4030156
4091044
4148935
4166339
4162081
4157212
4142727
4176420
4219692
4307575
4384372
4421883
13
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 11
Paro registrado y estimacin [modelo SARIMA(2,1,0)(0,1,1)]
Donde se observa a simple vista el buen ajuste del modelo.
El grfico 12 muestra la prediccin del paro en 2010 y los observados.
Grfico 12
La prediccin subestima el paro efectivo hasta abril (aunque se puede considerar
una prediccin aceptable hasta este mes), a partir de mayo la prediccin sobrestima lo
realmente sucedido. En este sentido hay que recordar que los modelos ARIMA son
especialmente adecuados para predecir a corto plazo, lo que ocurre en este caso si
consideramos slo los 4 primeros meses.
14
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 12
Empleo (afiliaciones a la Seguridad Social)
Puesto que la serie no es estacionaria [I(0)], Calculamos su primera diferencia
para ver si es integrada de orden uno [I(1)], su grfico se muestra a continuacin
(GRETL: seleccionar la variable Afiliados y en el men Aadir Primeras
diferencias de las variables seleccionadas en la ventana principal aparece la nueva
variable en diferencias d_Afiliados).
15
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 14
Primera diferencia del empleo
Que presenta una varianza creciente a lo largo del periodo (heterocedasticidad),
en definitiva la serie en primeras diferencias no es estacionaria.
En muchas ocasiones aplicando logaritmos se consigue evitar la
heterocedasticidad. De manera que transformamos la serie original en logaritmos
(GRETL: seleccionar la variable Afiliados y en el men Aadir Logaritmos
de las variables seleccionadas en la ventana principal aparece la nueva variable en
logaritmos l_Afiliados). El siguiente grfico muestra el empleo en logaritmos.
Grfico 15
Empleo en logaritmos
16
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Del que se pueden hacer los mismos cometarios que de la serie en niveles
(grfico 14): tendencia creciente, crisis de la primera mitad de los ochenta, crisis del
noventa y tres y ralentizacin actual. Puesto que la serie no es estacionaria en media
calculamos su primeras diferencias con el objetivo de contrastar si la primera diferencia
del empleo registrado en logaritmos es integrado de orden uno [I(1)] (GRETL:
seleccionar la variable l_Afiliados y en el men Aadir Primeras
diferencias de las variables seleccionadas en la ventana principal aparece la nueva
variable en diferencias d_l_Afiliados). Cuyo grfico se muestra a continuacin.
Grfico 16
Primeras diferencias del empleo en logaritmos
Donde no se aprecia existencia de heterocedasticidad ni tendencia, su
Correlograma se muestra en a continuacin (GRETL: seleccionar la variable
d_l_Afiliados con el ratn y en el men Variable Correlograma).
17
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 17
Correlograma de las primeras diferencias regulares del empleo en logaritmos
Cuya Funcin de Autocorrelacin Total (FAC) cae rpidamente en los primeros
desfases regulares pero tambin se observa una cada lenta en los retardos estacionales.
De manera que no es estacionaria en la parte estacional, el empleo en logaritmos no es
integrado de orden uno [I(1)]. Ensayamos una diferencia estacional para ver si el
empleo en logaritmos es integrado de orden uno estacional [I(0,1)].
Calculamos la primera diferencia estacional del empleo en logaritmos (GRETL:
seleccionar la variable l_Afiliados y en el men Aadir Primeras
diferencias estacionales de las variables seleccionadas en la ventana principal
aparece la nueva variable en diferencias estacionales sd_l_Afiliados). Cuya grfica se
muestra a continuacin.
18
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 18
Primera diferencia estacional del empleo en logaritmos
Se observa, a partir de sus mnimos relativos la crisis de la primera mitad de los
ochenta, la del noventa y tres, y la actual. Su Correlograma (Seleccionar la variable
sd_l_Afiliados con el ratn y en el men Variable Correlograma) se
muestra a continuacin.
Grfico 19
Correlograma de la primera diferencia estacional del empleo en logaritmos
19
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 20
Primeras diferencias regulares y estacionales del empleo en logaritmos
Cuyo Correlograma (GRETL: seleccionar la variable sd_d_l_Afiliados con el
ratn y en el men Variable Correlograma) se reproduce seguidamente.
20
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 21
Correlograma de las primeras diferencias regulares y estacionales del empleo en
logaritmos
Correlograma que no es fcil de interpretar (sorprende que sea creciente los tres
primeros retardos tanto de la funcin de autocorrelacin parcial como total), en todo
caso el empleo en logaritmos es integrado de orden uno regular y estacional [I(1,1)]. El
primer desfase no es significativo mientras que el segundo y tercero si lo son. Los
desfases estaciones son significativos al menos los dos primeros (desfases 12 y 24) tanto
en la autocorrelacin parcial como total. Hemos llegado, mediante estimaciones
iterativas de diferentes especificaciones alternativas, siguiendo el criterio de Akaike
(pg. 178), al modelo SARIMA(3,1,1)(0,1,2) que se reproduce a continuacin (GRETL:
en el men seleccionar Modelo Series de tiempo ARIMA seleccionar
como variable dependiente sd_d_l_Afiliados seleccionar en la parte no
estacional: orden AR = 3, diferencia = 0 y orden MA =1. Y en la parte estacional: orden
AR = 0, diferencia = 0 y orden MA = 2. Tambin eliminar la constante y seleccionar
ok apareciendo una ventana con la estimacin del modelo).
21
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
0.004192
0.003446
2726.241
2715.68
Cuadro 5
Estimacin del modelo SARIMA(3,1,1)(0,1,2) del empleo en logaritmos
Cuyos parmetros son significativos. La validacin del modelo, a partir del
Correlograma de los residuos se muestra a continuacin (GRETL: en el cuadro de la
estimacin seleccionar Grficos Grficos de residuos Correlograma).
Grfico 22
Correlograma de los residuos del modelo SARIMA(3,1,1)(0,1,2) del empleo en
logaritmos
22
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Wt
Afiliados
18150678
18075777
17967287
17955064
18100171
17917981
17958362
17796399
17791858
17870659
17777153
17640018
17546714
17550412
Ln(Wt)
16,7142185
16,7100833
16,7040633
16,7033828
16,7114319
16,7013153
16,7035664
16,6945067
16,6942515
16,6986708
16,6934247
16,6856806
16,6803773
16,6805880
dLn(Wt)
dd12Ln(Wt)
dln(Wt)=ln(Wt)- dd12Ln(Wt)=dLn(Wt)-ln(Wt-1)
-dLn(Wt-12)
-0,0084998
-0,0040778
-0,0041352
-0,0075399
-0,00602
-0,0088447
-0,0006805
-0,0017706
0,00804919
0,00118264
-0,0101167
0,000216
0,00225112
0,00303413
-0,0090597
-0,0030696
-0,0002552
0,01125313
0,00441927
0,01139138
-0,0052461
-0,0027403
-0,007744
0,01140938
-0,0053034
0,00319644
0,00021073
0,00434589
23
Prediccin
Vt
-0,0006345
-0,00326
-0,004365
0,0004384
0,006958
-0,0003865
0,00354
0,0008793
0,005335
0,008891
-0,005734
0,004613
-0,0031786
-0,000811
dd ln Wt Zt
12
-0,0036334
-0,0037403
-0,003938
-0,0014779
-0,0048668
0,00036113
0,00172091
-0,0032061
0,00460376
0,0047416
0,00386092
0,0078418
0,00637507
0,00515687
0,00891597
0,00496195
0,00071901
0,00625066
0,0023973
-8,375E-05
0,00230021
-0,0018737
0,00341032
0,00022638
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
[5]
[6]
Wt
Afiliados
17546714
17550412
Zt
estimada
0,00637507
0,00515687
0,00891597
0,00496195
0,00071901
0,00625066
0,0023973
-8,375E-05
0,00230021
-0,0018737
0,00341032
0,00022638
Wt
estimada
17602577
17564651
17601310
17676831
17832506
17763699
17846465
17684030
17720231
17765396
17732812
17600003
24
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Grfico 23
Empleo registrado y estimacin en logaritmos, modelo SARIMA(3,1,1)(0,1,2)
Que muestra un buen ajuste, de manera que aunque no est claro si los residuos
son RB, podemos utilizar el modelo para predecir. El grfico 24 muestra la prediccin
del empleo para 2010 y el empleo observado en enero y febrero.
Cuadro 24
Prediccin del empleo en niveles para 2010 SARIMA(3,1,1)(0,1,2)
Se plantea una coyuntura en la que el empleo termina el ao en los mismos
niveles en que empez, comparando la prediccin con lo efectivamente ocurrido la
conclusin es que la prediccin en su conjunto se puede considerar adecuada
sobrestimado el empleo pero en una cuanta aceptable.
25
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Conclusiones
Las evidencias empricas muestran que ambas variables son integradas de orden
uno regular y estacional [I(1,1)].
El paro se ajusta bien el modelo SARIMA(2,1,0)(0,1,1), es decir un AR(2) en la
parte regular y un MA(1) en la estacional cuyos residuos son una imagen emprica
cercana a ruido blanco. La prediccin es adecuada en los primeros 4 meses, alejndose a
partir del mes mayo de lo efectivamente ocurrido.
El modelo del empleo que mejor se ajusta es un SARIMA(3,1,1)(0,1,2). Los
residuos del modelo presentan dudas respecto a su validacin. El pronstico sobrestima
las cifras de empleo pero se comparta bastante bien, el pronstico de estancamiento del
empleo ha resultado cierto.
26
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
27
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
28
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
29
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Funcin de Autocorrelacin.
En el libro de Econometra II se ilustra el proceso de clculo de la funcin de
autocorrelacin referida a los 12 nmeros de la serie original de manchas solares pg.
85 y siguientes.
La funcin de autocorrelacin se puede calcular a partir de los siguientes estadsticos:
1
Cu T
1. Ru
C0
C
2. Ru u
C0
T u
t 1
1
T
Z Zt u Z
T
t 1
Z Z Z Z
1
Z Z
T
1
Z Z Z Z
Tu
1
Z Z
T
1
Tu
T u
t 1
t u
t 1
T u
C
3. Ru u
C0
donde: Z1
t 1
t 1
1 T
Zt , y
T t 1
t u
Z1
1
Tu
T u
t 1
Zt u
Asntticamente los tres estadsticos son iguales, pero cuando se trabaja con pocas
observaciones puede haber diferencias significativas.
Realizando
1
Cu T
Ru
C0
la
funcin
T u
t 1
de
autocorrelacin
Z Zt u Z
1
T
2
t
t 1
T
que se reproducen en el cuadro 1.
partir
del
estadstico
1.
30
Modelos ARIMA
Paro y empleo registrado
Equipo docente de Econometra II
Econometra II
UNED
Cuadro 1
Obs.
(Zt43,28)
(Zt2
43,28)
(Zt-43,28)
(Zt-43,28)
Zt-1
(Zt-1-43,28)
Zt-2
(Zt-2-43,28)
(Zt-1-43,28)
(Zt-43,28)
Zt-3
(Zt-3-43,28)
Zt-10
(Zt-3-43,28)
(Zt-2-43,28)
(Zt-1043,28)
(Zt-43,28)
(Zt-10-43,28)
1749
80,90
37,62
1415,01
1750
83,40
40,12
1609,35
80,90
37,62
1509,06
1751
47,70
4,42
19,51
83,40
40,12
177,18
80,90
37,62
166,14
1752
47,80
4,52
20,40
47,70
4,42
19,95
83,40
40,12
181,19
80,90
37,62
169,90
1753
30,70
-12,58
158,34
47,80
4,52
-56,83
47,70
4,42
-55,58
83,40
40,12
-504,80
1754
12,20
-31,08
966,17
30,70
-12,58
391,13
47,80
4,52
-140,39
47,70
4,42
-137,28
1755
9,60
-33,68
1134,57
12,20
-31,08
1046,99
30,70
-12,58
423,85
47,80
4,52
-152,14
1756
10,20
-33,08
1094,51
9,60
-33,68
1114,36
12,20
-31,08
1028,34
30,70
-12,58
416,30
1757
32,40
-10,88
118,45
10,20
-33,08
360,06
9,60
-33,68
366,59
12,20
-31,08
338,29
1758
47,60
4,32
18,63
32,40
-10,88
-46,98
10,20
-33,08
-142,81
9,60
-33,68
-145,40
1759
54,00
10,72
114,85
47,60
4,32
46,26
32,40
-10,88
-116,63
10,20
-33,08
-354,54
80,90
37,62
403,13
1760
62,90
19,62
384,81
54,00
10,72
210,23
47,60
4,32
84,68
32,40
-10,88
-213,49
83,40
40,12
786,96
Suma
519,40
7054,60
Media
43,28
587,88
4771,39
1795,38
31
-583,17
1190,08
Modelos ARIMA
Paro y empleo registrado
Econometra II
UNED
Desfase
1
Ru
C
R1 1
C0
C
R2 2
C0
C
R3 3
C0
10
C
R3 10
C0
Z Z Z Z 4771,39
Z Z 7054,60 0.676
T 1
t 1
t 1
t 1
Z Z Z Z 1795.38
Z Z 7054,60 0.254
T 2
t 1
t 2
2
t 1
Z Z Z Z - 583,17
Z Z 7054,60 -0,083
T 3
t 1
t 3
2
t 1
Z Z Z Z 1190.08
Z Z 7054,60 0,169
T 10
t 1
t 3
2
t 1
32
Modelos ARIMA
Paro y empleo registrado
Econometra II
UNED
[4]
[5]
De manera que tenemos dos ecuaciones [4] y [5] y dos incgnitas (a1 y a22) sistema
de ecuaciones que en forma matricial se:
R1 R0
R1
R2
tenemos,
R
a1
0
R1
a22
R1 a1
, premultiplicando por la matriz inversa del segundo miembro
R0 a22
R1
R0
R1
R2
[6]
Modelos ARIMA
Paro y empleo registrado
Econometra II
UNED
[7]
a1
a22
R0
R1
R1
R0
Ru 1
Ru 2
R1
R2
que
permiten
calcular
la
Funcin
auu Ru 1 Ru 2
R0
Ru
Autocorrelacin parcial de orden u.
Clculo de la Funcin de Autocorrelacin Parcial de las manchas solares
Funcin de Aucorrelacin Parcial de orden 1 se calcula a partir de [1]
a11 = R1; a11=0.676
La funcin de Aucorrelacin parcial de orden 2 se calcula a partir de [6]
R
a1
0
R1
a22
R1
R0
R1
1
0.676
R2 0.676
1
1
0.676
0.543
0.254 0.676
0.543
0.676
0.543 0.676
1
0.254
0.543
Valores que coinciden con los del Correlograma calculado por el ordenador.
Sample: 1749 1760
Included observations: 12
Autocorrelation
Partial
Correlation
.
|*****
.
|** .
. *|
.
.***|
.
****|
.
****|
.
. **|
.
.
|
.
.
|* .
.
|* .
.
|*****
.***|
.
. *|
.
.***|
.
.
|
.
. **|
.
.
|* .
. **|
.
. *|
.
. *|
.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
34
1
2
3
4
5
6
7
8
9
10
AC
PAC
Q-Stat
Prob
0.676
0.254
-0.083
-0.429
-0.534
-0.477
-0.264
-0.014
0.096
0.169
0.676
-0.374
-0.142
-0.435
0.055
-0.212
0.192
-0.204
-0.094
-0.101
6.9865
8.0747
8.2022
12.065
18.897
25.277
27.614
27.623
28.141
30.532
0.008
0.018
0.042
0.017
0.002
0.000
0.000
0.001
0.001
0.001
de