Practica de laboratorio N2

Materia : Econometria 2
Docente : Jose Luis Evia
Alumna : Angela Astorga Cardenas
Fecha de entrega : 15 de Noviembre de 2013

Prctica 2

1.-

c)
i.

Grafica 1
Y
16
14
12
10
8
6
4
2
25

50

75

100

125

150

175

200

Se observa que la serie es positiva, por lo tanto se ve que es claramente un proceso de

Random Walk no es claro el rumbo de la serie por lo que no existira una tendencia en el
proceso y no sera estacionario.

Date: 11/03/13 Time: 17:10

Sample: 1 200
Included observations: 200
Autocorrelation
.|******|
.|******|
.|***** |
.|***** |
.|**** |
.|**** |
.|*** |
.|** |
.|** |
.|** |
.|* |
.|* |
.|* |
.|* |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|. |

Partial Correlation
.|******|
.|. |
.|. |
*|. |
.|. |
.|. |
.|. |
.|. |
.|. |
*|. |
.|. |
.|* |
.|. |
*|. |
.|. |
.|. |
.|. |
.|. |
*|. |
.|. |
.|. |
.|* |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|* |
.|. |
.|. |
*|. |
*|. |

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

AC

PAC

Q-Stat

Prob

0.901
0.816
0.742
0.645
0.563
0.487
0.413
0.352
0.294
0.226
0.173
0.143
0.112
0.075
0.053
0.039
0.026
0.016
-0.014
-0.033
-0.050
-0.054
-0.048
-0.036
-0.015
0.011
0.042
0.062
0.084
0.101
0.108
0.127
0.129
0.121
0.102
0.061

0.901
0.024
0.015
-0.160
0.015
-0.031
-0.010
0.004
-0.017
-0.097
0.011
0.088
-0.003
-0.073
0.020
0.033
0.001
-0.007
-0.121
0.014
-0.030
0.098
0.056
0.026
0.019
0.045
0.071
-0.035
0.014
-0.040
-0.019
0.082
-0.054
-0.043
-0.105
-0.107

164.84
300.84
413.86
499.60
565.38
614.69
650.38
676.39
694.66
705.53
711.89
716.27
718.96
720.17
720.79
721.12
721.27
721.33
721.37
721.61
722.18
722.85
723.36
723.66
723.71
723.73
724.15
725.04
726.71
729.11
731.88
735.75
739.75
743.30
745.83
746.75

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

Se observa que la funcin de auto correlacin decae levemente en tiempo, la probabilidad

obtenida en la columna de la derecha muestra la ausencia de estacionariedad, ya que los
coeficientes autorregresivos tienden a 1, la comparacin entre ACF PACF nos indica que el
proceso aparentemente es AR(1).

ii.

Grafica 2
X
24

20

16

12

0
25

50

75

100

125

150

175

200

El proceso es Random Walk ms ruido, hay tendencia positiva y gira alrededor de una media
de 20.

Date: 11/03/13 Time:17:16

Sample: 1 200
Included observations: 200
Autocorrelation
.|******|
.|**** |
.|**** |
.|*** |
.|** |
.|** |
.|** |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |

Partial Correlation
.|******|
.|. |
.|* |
.|. |
.|. |
.|. |
.|. |
.|. |
.|* |
.|. |
.|. |
*|. |
.|. |
.|. |
.|. |
.|. |
.|* |
.|. |

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

AC

PAC

Q-Stat

Prob

0.793
0.615
0.510
0.428
0.335
0.272
0.222
0.172
0.163
0.175
0.195
0.171
0.162
0.174
0.166
0.148
0.165
0.171

0.793
-0.040
0.094
0.009
-0.056
0.032
-0.009
-0.021
0.088
0.053
0.065
-0.070
0.037
0.050
-0.027
0.004
0.089
-0.005

127.79
204.85
258.16
295.95
319.19
334.57
344.90
351.14
356.78
363.32
371.44
377.70
383.34
389.91
395.93
400.73
406.77
413.29

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

.|*
.|*
.|*
.|*
.|*
.|*
.|*
.|.
.|.
.|.
.|.
.|.
*|.
*|.
*|.
*|.
*|.
*|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
*|.
.|.
.|.
.|.
*|.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

0.146
0.137
0.125
0.118
0.111
0.102
0.085
0.058
0.034
0.001
-0.034
-0.047
-0.066
-0.127
-0.163
-0.163
-0.147
-0.125

-0.030
0.024
-0.032
0.031
0.011
-0.017
-0.011
-0.035
-0.021
-0.072
-0.042
0.037
-0.063
-0.138
-0.003
0.003
0.018
0.034

418.05
422.29
425.79
428.95
431.76
434.13
435.81
436.60
436.87
436.87
437.15
437.68
438.73
442.60
449.05
455.49
460.78
464.63

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

La cada de la auto-correlacin no es leve decae a partir del periodo 7, el contraccin de AC indicara

la ausencia de estacionariedad en la serie. En general, cuando la probabilidad es inferior a 5%, se
rechaza la estacionariedad de la serie.

iii.

Grafica 3
Z
1.4E+10
1.2E+10
1.0E+10
8.0E+09
6.0E+09
4.0E+09
2.0E+09
0.0E+00
25

50

75

100

125

150

175

200

Se observa que la serie converge al origen, pero en un punto t entre 125 y 150, se dispara por lo
que no es convergente al origen y no estacionaria, es un comportamiento explosivo.

La serie es no estacionaria por que el ACF decae de forma prolongada en el tiempo, el PACF es
positivo solo en el periodo t1 y luego desaparece lo que confirma el carcter no estacionario de la
misma, las prob de autocorrelacion es nula, t1 y lo ltimo nos indica un comportamiento AR(1)
Sin embargo, al ser un comportamiento explosivo, no se puede modelar.

Date: 11/03/13 Time: 17:22

Sample: 1 200
Included observations: 200
Autocorrelation
.|*******
.|******|
.|***** |
.|***** |
.|**** |
.|**** |
.|**** |
.|*** |
.|*** |
.|*** |
.|** |
.|** |
.|** |
.|** |
.|** |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|* |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |

Partial Correlation
.|*******
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

AC

PAC

Q-Stat

Prob

0.904
0.818
0.740
0.669
0.604
0.546
0.493
0.445
0.402
0.363
0.327
0.295
0.266
0.239
0.215
0.194
0.174
0.156
0.139
0.125
0.111
0.099
0.088
0.078
0.068
0.060
0.052
0.045
0.039
0.033
0.028
0.023
0.019
0.015
0.011
0.007

0.904
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.001
-0.002
-0.002

166.07
302.56
414.71
506.83
582.48
644.56
695.49
737.25
771.46
799.47
822.37
841.09
856.36
868.80
878.93
887.15
893.82
899.20
903.54
907.03
909.82
912.04
913.80
915.19
916.27
917.11
917.75
918.24
918.60
918.87
919.05
919.18
919.27
919.32
919.35
919.36

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

iv.

Grafica 4
X1
9
8
7
6
5
4
3
2
25

50

75

100

125

150

175

200

L serie es oscilatoria en el tiempo, tiene la forma de un Random Walk ms ruido, con un

componente temporal estacionario, entre 5 y 6.

Date: 11/03/13 Time: 17:25

Sample: 1 200
Included observations: 199
Autocorrelation
.|**
.|*
*|.
*|.
*|.
.|.
.|.
.|.
.|.
.|.
.|.
*|.
.|.
*|.
.|.
.|.
.|.
.|*
.|.
.|.
.|.
*|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.|**
.|*
**|.
.|.
.|.
*|.
.|.
.|.
.|.
.|.
.|.
*|.
.|.
.|.
.|.
.|.
.|.
.|*
.|.
.|.
.|.
*|.
.|*

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

AC

PAC

Q-Stat

Prob

0.272
0.163
-0.170
-0.111
-0.088
-0.059
0.019
0.052
0.053
0.001
-0.000
-0.130
-0.048
-0.094
-0.022
0.030
0.017
0.116
0.038
0.017
-0.059
-0.141
-0.020

0.272
0.096
-0.258
-0.024
0.020
-0.071
0.034
0.048
-0.009
-0.030
0.022
-0.134
0.017
-0.037
-0.043
0.053
-0.029
0.087
0.004
-0.032
-0.022
-0.114
0.079

14.976
20.360
26.287
28.826
30.414
31.135
31.209
31.766
32.354
32.354
32.354
35.946
36.443
38.358
38.464
38.661
38.725
41.718
42.040
42.106
42.890
47.386
47.477

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.000
0.001
0.000
0.001
0.001
0.002
0.001
0.002
0.003
0.003
0.001
0.002

*|.
.|.
*|.
.|.
.|.
.|*
*|.
.|.
*|.
*|.
.|.
.|.
.|*

|
|
|
|
|
|
|
|
|
|
|
|
|

*|.
.|.
*|.
.|.
.|.
.|*
*|.
.|.
*|.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|

24
25
26
27
28
29
30
31
32
33
34
35
36

-0.078
0.042
-0.089
-0.020
-0.021
0.109
-0.078
-0.062
-0.164
-0.069
0.004
0.025
0.074

-0.091
0.022
-0.124
-0.026
0.041
0.086
-0.156
-0.052
-0.069
-0.028
0.012
0.004
-0.043

48.873
49.271
51.123
51.216
51.322
54.096
55.531
56.454
62.889
64.046
64.050
64.204
65.541

0.002
0.003
0.002
0.003
0.005
0.003
0.003
0.003
0.001
0.001
0.001
0.002
0.002

Las funciones e autocorrelacion decaen bruscamente y oscilan entre los ejes postivos y negativos, la
serie es estacionaria la probabilidad de autocorrelaciones nula hasta que en el periodo 13 aparece
aunque es minimo oscila entre .0001 y .0002, no existe estacionariedad en la serie. A pesar de que se
comporta aparentemente oscilatoria alrededor de una media, se tiene que en el fondo no es
estacionaria.

v.

Grafica 5
Y1
10
9
8
7
6
5
4
3
2
1
25

50

75

100

125

150

175

200

El proceso es un Random Walk con ruido, de carcter oscilatorio, estos modelos son de tendencia
pura aun que las perturbaciones temporales hacen difcil la observacin del efecto del ruido solo estara
presente en Yt1 como indica el autocorrelograma.

Date: 11/03/13 Time: 17:30

Sample: 1 200
Included observations: 200
Autocorrelation
.|***** |
.|* |
.|. |
*|. |
*|. |
*|. |
.|. |
.|. |
.|. |
.|. |
.|. |
*|. |
*|. |
*|. |
.|. |
.|. |
.|. |
.|* |
.|. |
.|. |
*|. |
*|. |
*|. |
.|. |
.|. |
*|. |
*|. |
.|. |
.|. |
.|. |
*|. |
*|. |
*|. |
.|. |
.|. |
.|. |

Partial Correlation
.|***** |
***|. |
.|. |
.|. |
*|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
*|. |
.|. |
*|. |
.|. |
.|. |
.|. |
.|* |
.|. |
.|. |
*|. |
.|. |
.|. |
*|. |
.|. |
*|. |
.|* |
.|. |
.|. |
*|. |
.|. |
*|. |
.|. |
.|. |
.|. |
.|. |

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

AC

PAC

Q-Stat

Prob

0.633
0.191
-0.052
-0.097
-0.091
-0.067
-0.001
0.048
0.042
0.007
-0.047
-0.117
-0.113
-0.094
-0.040
0.015
0.056
0.102
0.072
0.002
-0.094
-0.142
-0.099
-0.063
-0.037
-0.085
-0.074
0.000
0.046
-0.052
-0.136
-0.173
-0.111
-0.022
0.037
0.060

0.633
-0.350
0.012
0.016
-0.068
0.007
0.068
-0.011
-0.020
-0.004
-0.062
-0.088
0.050
-0.079
0.041
0.019
0.012
0.078
-0.061
-0.019
-0.089
-0.025
0.035
-0.090
0.014
-0.163
0.090
0.043
-0.026
-0.155
-0.005
-0.095
0.034
0.011
-0.015
-0.035

81.425
88.907
89.458
91.417
93.137
94.078
94.078
94.561
94.931
94.941
95.416
98.355
101.10
103.00
103.36
103.41
104.11
106.40
107.56
107.56
109.53
114.12
116.36
117.28
117.59
119.26
120.53
120.53
121.02
121.66
126.08
133.24
136.22
136.33
136.67
137.55

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

Se observa que la cada del autocorrelograma es inmediata y oscilatoria, la presencia de la

misma confirma el Random Walk noise, por ser recursiva y minima a lo largo del tiempo.

vi.

Grfica 6

0
25

50

75

100

125

150

175

200

Y
Se observa un comportamiento convergente a cero en el largo plazo. Si bien se inicia con un
valor de 4, a medida que transcurre el tiempo tiende a cero y parece estabilizarse
completamente.

Date: 11/03/13 Time: 18:00

Sample: 1 200
Included observations: 200
Autocorrelation
.|*******|
.|*******|
.|*******|
.|****** |
.|****** |
.|****** |
.|***** |
.|***** |
.|***** |
.|***** |
.|**** |
.|**** |
.|**** |

Partial Correlation
.|*******|
.|** |
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13

0.925
0.893
0.852
0.815
0.779
0.745
0.711
0.679
0.648
0.618
0.589
0.561
0.534

PAC

Q-Stat

Prob

0.925
0.262
0.001
-0.003
-0.003
-0.003
-0.003
-0.004
-0.004
-0.004
-0.004
-0.004
-0.004

173.65
336.47
485.42
622.48
748.30
863.76
969.62
1066.6
1155.4
1236.5
1310.7
1378.3
1439.9

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

.|****
.|****
.|***
.|***
.|***
.|***
.|***
.|***
.|***
.|**
.|**
.|**
.|**
.|**
.|**
.|**
.|*
.|*
.|*
.|*
.|*
.|*
.|*

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

0.508
0.483
0.459
0.435
0.413
0.391
0.370
0.350
0.330
0.311
0.293
0.275
0.258
0.241
0.225
0.210
0.195
0.180
0.166
0.153
0.139
0.127
0.114

-0.004
-0.004
-0.004
-0.004
-0.004
-0.004
-0.004
-0.004
-0.004
-0.005
-0.005
-0.005
-0.005
-0.005
-0.005
-0.005
-0.005
-0.005
-0.005
-0.005
-0.005
-0.005
-0.005

1496.0
1546.9
1593.2
1635.0
1672.9
1707.0
1737.8
1765.4
1790.1
1812.2
1831.9
1849.4
1864.9
1878.5
1890.4
1900.8
1909.8
1917.6
1924.2
1929.8
1934.6
1938.5
1941.7

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

La serie es no estacionaria por que el ACF decae de forma prolongada en el tiempo, lo que confirma el
carcter no estacionario de la misma, las prob de autocorrelacin es nula, t1 y lo ltimo nos indica un
comportamiento AR(2), por lo tanto, al ser un comportamiento inverso al explosivo, no se puede
modelar.

Ejercicio 2

i.

X
700
600
500
400
300
200
100
0
25

50

75

100

125

150

175

200

La serie Random Wlak con drift, se observa la existencia de un componente no estacionaria

positivo en la serie como se ve cualquier shock de Et tiene un efecto permanente en la serie.
Date: 11/04/13 Time: 12:14
Sample: 1 200
Included observations: 200
Autocorrelation
.|*******
.|*******
.|*******
.|*******
.|*******
.|*******
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |

Partial Correlation
.|*******
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

AC

PAC

Q-Stat

Prob

0.985
0.970
0.955
0.939
0.924
0.910
0.895
0.880
0.865
0.850
0.835
0.820
0.805
0.790
0.775
0.760
0.746
0.731
0.717
0.703
0.688
0.674
0.659
0.644

0.985
-0.004
-0.005
-0.007
-0.007
-0.004
-0.009
-0.009
-0.011
-0.006
-0.008
-0.006
-0.006
-0.005
-0.007
-0.003
-0.006
-0.005
-0.007
-0.011
-0.008
-0.010
-0.009
-0.009

196.86
388.67
575.52
757.44
934.50
1106.8
1274.3
1437.1
1595.2
1748.7
1897.5
2041.9
2181.8
2317.3
2448.5
2575.5
2698.3
2817.1
2931.9
3042.6
3149.5
3252.5
3351.6
3446.9

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

.|***** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|*** |

.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|

25
26
27
28
29
30
31
32
33
34
35
36

0.630
0.615
0.601
0.586
0.572
0.557
0.543
0.529
0.515
0.501
0.487
0.473

-0.009
-0.012
-0.006
-0.005
-0.013
-0.004
-0.008
-0.005
-0.004
-0.007
-0.009
-0.011

3538.5
3626.4
3710.7
3791.5
3868.7
3942.6
4013.1
4080.4
4144.5
4205.6
4263.6
4318.7

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

Es un proceso AR(1) por la cada repentina desde el periodo t1 de la correlacion parcial, la persistencia
en el tiempo de la autocorrelacion o si cada suave en el tiempo, el estadstico q es significativo por lo
que el proceso es estacionario.
ii.
Y
25

20

15

10

-5
25

50

75

100

125

150

175

200

Es un proceso Random walk puro por tanto es no estacionario un shock del error tendr un efecto en
la serie Yt.

Date: 11/04/13 Time: 12:17

Sample: 1 200
Included observations: 200
Autocorrelation
.|*******
.|*******
.|*******
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|*** |
.|*** |
.|*** |

Partial Correlation
.|*******
.|. |
*|. |
.|. |
.|. |
.|. |
*|. |
.|* |
.|. |
.|* |
*|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|* |
.|. |
.|. |
.|. |
.|. |
.|. |
*|. |
.|. |
*|. |
*|. |
.|. |
.|. |
.|. |
*|. |
.|. |
.|. |

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

AC

PAC

Q-Stat

Prob

0.974
0.950
0.921
0.895
0.873
0.852
0.829
0.810
0.792
0.780
0.764
0.747
0.732
0.720
0.711
0.705
0.698
0.690
0.681
0.670
0.666
0.658
0.652
0.643
0.632
0.622
0.608
0.593
0.574
0.550
0.529
0.507
0.490
0.470
0.449
0.428

0.974
0.010
-0.103
0.059
0.055
0.011
-0.068
0.079
0.015
0.101
-0.085
-0.038
0.069
0.067
0.027
0.039
0.008
-0.015
0.003
-0.062
0.138
-0.032
0.002
-0.045
-0.019
0.009
-0.095
-0.019
-0.078
-0.069
-0.013
-0.019
0.036
-0.068
-0.041
-0.032

192.70
376.74
550.52
715.75
873.64
1024.9
1168.8
1307.0
1439.6
1568.9
1693.6
1813.4
1929.1
2041.7
2152.0
2261.1
2368.5
2474.1
2577.6
2678.4
2778.4
2876.7
2973.6
3068.4
3160.6
3250.3
3336.6
3419.1
3496.9
3568.9
3635.7
3697.6
3755.6
3809.3
3858.7
3903.7

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

Se observa un proceso atenuado de AC y una cada abrupta del PAC que confirma la no
estacionariedad del proceso.

iii.
X1
70
60
50
40
30
20
10
0
25

50

75

100

125

150

175

200

Es un proceso Random Walk con drift, por los picos oscilatorios ascendentes, se denota el dominio
de la tendencia en el proceso, en sus primeras diferencias el proceso podra ser estacionario.

Date: 11/04/13 Time: 12:22

Sample: 1 200
Included observations: 200
Autocorrelation
.|*******
.|*******
.|*******
.|*******
.|*******
.|*******
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|***** |
.|***** |
.|***** |

Partial Correlation
.|*******
.|* |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

AC

PAC

Q-Stat

Prob

0.979
0.964
0.949
0.933
0.920
0.905
0.889
0.874
0.860
0.844
0.830
0.815
0.799
0.785
0.770
0.755
0.740
0.726

0.979
0.150
0.019
-0.037
0.042
-0.026
-0.021
-0.006
0.007
-0.026
0.006
-0.017
-0.031
0.030
-0.011
-0.008
-0.028
0.007

194.38
383.94
568.71
748.20
923.41
1093.8
1259.4
1420.2
1576.6
1728.2
1875.4
2018.1
2155.9
2289.6
2419.1
2544.4
2665.4
2782.2

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|*** |

.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

0.712
0.697
0.681
0.666
0.652
0.637
0.623
0.609
0.596
0.582
0.569
0.554
0.540
0.526
0.512
0.498
0.485
0.470

0.018
-0.024
-0.046
-0.010
0.039
-0.029
0.000
0.015
0.004
-0.031
0.017
-0.045
-0.007
0.012
-0.020
-0.003
-0.008
-0.034

2895.3
3004.4
3109.2
3209.8
3306.9
3400.0
3489.6
3575.8
3658.7
3738.2
3814.6
3887.5
3957.2
4023.8
4087.2
4147.6
4205.2
4259.6

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

Hay una cada sostenida de AC y la cada inmediata de ACP denota un proceso AR(1) y confirma la
no estacionariedad de la serie.

iv.
Y1
700
600
500
400
300
200
100
0
25

50

75

100

125

150

175

200

Es un proceso tpico de Random Walk con drift, denota la existencia estocstica de un error ya
que un shock en el error tiene un efecto permanente en la serie Y, por lo tanto hay una
tendencia determinstica.
.

Date: 11/04/13 Time: 12:27

Sample: 1 200
Included observations: 200
Autocorrelation
.|*******
.|*******
.|*******
.|*******
.|*******
.|*******
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|*** |
.|*** |

Partial Correlation
.|*******
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

AC

PAC

Q-Stat

Prob

0.984
0.969
0.953
0.938
0.922
0.906
0.891
0.875
0.860
0.844
0.829
0.813
0.798
0.783
0.768
0.753
0.738
0.723
0.708
0.693
0.678
0.663
0.648
0.633
0.617
0.602
0.587
0.572
0.557
0.542
0.527
0.513
0.498
0.484
0.469
0.455

0.984
-0.000
-0.008
-0.010
-0.008
-0.006
-0.008
-0.009
-0.013
-0.005
-0.003
-0.008
-0.006
-0.002
-0.007
-0.012
-0.004
-0.008
-0.010
-0.010
-0.006
-0.010
-0.011
-0.012
-0.016
-0.005
-0.003
-0.012
-0.004
-0.010
0.001
-0.008
-0.013
-0.002
-0.013
-0.005

196.67
388.15
574.48
755.69
931.83
1102.9
1269.1
1430.4
1586.7
1738.2
1885.0
2027.2
2164.8
2298.0
2426.7
2551.2
2671.3
2787.3
2899.1
3006.9
3110.6
3210.3
3306.1
3398.0
3485.9
3570.1
3650.6
3727.4
3800.7
3870.5
3937.0
4000.3
4060.3
4117.2
4171.2
4222.1

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

Se observa que el proceso es estacionario por la cada sostenida de AC, y la repentina cada de ACP
de 1 a 0 en el segundo periodo de oscilacin negativa mnima en el tiempo.

v.
Z
20

10

-10

-20

-30
25

50

75

100

125

150

175

200

Es un proceso Random Walk en diferencias, los efectos estocsticos no afectaran a la secuencia z, el

proceso es no estacionario.

Date: 11/04/13 Time: 12:37

Sample: 1 200
Included observations: 200
Autocorrelation
.|*******
.|*******
.|*******
.|*******
.|*******
.|*******
.|*******
.|*******
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|
.|******|

Partial Correlation
.|*******
.|. |
*|. |
.|* |
.|. |
*|. |
*|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
.|. |
*|. |
.|. |
*|. |

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

AC

PAC

Q-Stat

Prob

0.989
0.977
0.964
0.952
0.941
0.929
0.916
0.902
0.889
0.877
0.867
0.856
0.843
0.832
0.818
0.805
0.789

0.989
-0.002
-0.100
0.074
0.025
-0.068
-0.077
0.009
0.022
0.070
-0.002
-0.007
-0.059
0.031
-0.090
-0.042
-0.072

198.43
393.34
583.90
770.87
954.46
1134.3
1309.7
1480.9
1647.9
1811.6
1972.1
2129.5
2283.1
2433.4
2579.6
2721.7
2859.3

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

.|******|
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|***** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|**** |
.|*** |
.|*** |
.|*** |
.|*** |

.|.
.|.
.|.
*|.
.|.
.|.
.|.
*|.
.|.
.|.
.|.
.|.
*|.
.|.
.|*
*|.
.|*
.|.
*|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

0.773
0.757
0.740
0.722
0.704
0.686
0.668
0.647
0.626
0.605
0.584
0.563
0.540
0.517
0.496
0.473
0.454
0.434
0.414

-0.046
0.005
-0.021
-0.079
0.013
-0.013
-0.026
-0.149
-0.053
0.045
-0.026
-0.054
-0.101
0.006
0.113
-0.117
0.086
0.058
-0.069

2991.9
3119.6
3242.5
3360.2
3472.7
3580.2
3682.6
3779.3
3870.2
3955.7
4036.0
4110.9
4180.3
4244.2
4303.3
4357.4
4407.5
4453.7
4496.0

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

Se observa que la cada sostenida de AC denota que el parmetro a1 sea positivo, la cada
pronunciada de ACF nos indica un proceso AR(1) , la oscilacin temporal, confirma la no
estacionariedad del proceso junto a al estadstico Q lo confirma.

Ejercicio 3

3
2
1
0
-1
-2
-3
-4
-5
25

50

75

100

Y1

La serie aparentemente es estacionaria en el sentido amplio al oscilar alrededor de una media y

varianza constante en el largo plazo.
b)

Dependent Variable: Y1
Method: Least Squares
Date: 11/04/13 Time: 14:10
Sample (adjusted): 2 100
Included observations: 99 after adjustments
Convergence achieved after 2 iterations
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)

0.790470

0.062441

12.65955

0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.553653
0.553653
0.931853
85.09823
-132.9849

Inverted AR Roots

.79

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

-0.582649
1.394797
2.706766
2.732979
2.151566

Efectivamente los resultados se ajustan a los del libro, error estndar, el parmetro a1 y la suma de
residuos, sin embargo hay diferencias pronunciadas en los estimadores AIC y SBC, quiz por el
mtodo y software empleado. En cuanto a los estadsticos Q los resultados son similares a los del libro,
las diferencias son mnimas en primeras diferencias, en segundas el ajuste es similar a la solucin
planteada en libro para Q(8), Q(16) y distinto para Q(24).

Date: 11/04/13 Time: 14:18

Sample: 2 100
Included observations: 99
Q-statistic
probabilities adjusted
for 1 ARMA term(s)
Autocorrelation
*|.
.|.
.|.
.|.
.|.
.|*
*|.
.|*
.|.
.|.
.|*
.|.
*|.
.|.
.|*
.|.
.|.
.|.
.|.
.|.
.|*
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
*|.
.|.
.|.
.|.
.|.
.|*
*|.
.|*
.|*
.|.
.|*
.|.
*|.
*|.
.|*
.|.
.|.
.|.
.|.
.|.
.|*
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

AC

PAC

Q-Stat

Prob

-0.097
0.004
0.006
-0.045
-0.046
0.091
-0.086
0.166
0.066
-0.030
0.180
-0.034
-0.162
-0.061
0.119
-0.001
0.051
-0.055
0.023
0.002
0.093
-0.002
0.048

-0.097
-0.005
0.006
-0.044
-0.055
0.082
-0.071
0.154
0.093
-0.009
0.189
-0.002
-0.141
-0.121
0.134
0.023
-0.024
-0.046
-0.019
-0.012
0.138
0.059
0.021

0.9645
0.9665
0.9700
1.1787
1.4055
2.2988
3.1072
6.1387
6.6287
6.7297
10.432
10.566
13.615
14.052
15.743
15.743
16.063
16.435
16.503
16.504
17.623
17.624
17.933

0.326
0.616
0.758
0.843
0.806
0.795
0.524
0.577
0.665
0.403
0.480
0.326
0.370
0.329
0.399
0.449
0.493
0.557
0.623
0.612
0.673
0.710

PAC

Q-Stat

Prob

-0.107
-0.021
0.011
-0.034
-0.029
0.061
-0.089

1.1747
1.1829
1.2041
1.3419
1.3888
1.8670
2.9874

0.273
0.511
0.708
0.760
0.702

Date: 11/04/13 Time: 14:30

Sample: 2 100
Included observations: 99
Q-statistic
probabilities
adjusted for 2
ARMA term(s)
Autocorrelation
.*| .
.|.
.|.
.|.
.|.
. |*.
.*| .

|
|
|
|
|
|
|

Partial Correlation
.*| .
.|.
.|.
.|.
.|.
.|.
.*| .

|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7

-0.107
-0.009
0.014
-0.036
-0.021
0.067
-0.102

. |*.
.|.
.|.
. |*.
.|.
.*| .
.|.
. |*.
.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.|.
.*| .
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .
. |*.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

. |*.
.|.
.|.
. |*.
.|.
.*| .
.*| .
. |*.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .
. |*.
.|.
.|.
.|.
.|.
.*| .
.*| .
.*| .
.*| .
. |*.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

0.130
0.028
-0.041
0.095
0.031
-0.133
-0.055
0.139
-0.028
0.044
0.004
-0.009
0.026
0.033
-0.065
0.000
-0.097
0.047
0.010
-0.011
0.021
-0.042
-0.035
-0.050
-0.093
-0.078
0.141
-0.031
0.034

0.114
0.048
-0.025
0.088
0.049
-0.110
-0.106
0.152
-0.002
0.010
0.023
-0.000
-0.004
0.047
-0.009
-0.067
-0.092
0.069
-0.031
-0.049
0.055
-0.039
-0.058
-0.060
-0.090
-0.125
0.153
0.029
-0.035

4.8429
4.9272
5.1117
6.1309
6.2398
8.3030
8.6613
10.955
11.049
11.285
11.287
11.297
11.382
11.524
12.079
12.079
13.329
13.631
13.644
13.662
13.725
13.981
14.156
14.526
15.829
16.744
19.805
19.959
20.144

0.564
0.669
0.746
0.727
0.795
0.686
0.732
0.615
0.682
0.732
0.791
0.841
0.877
0.905
0.913
0.937
0.924
0.937
0.954
0.967
0.976
0.981
0.986
0.988
0.984
0.983
0.955
0.964
0.971

c)
Dependent Variable: Y1
Method: Least Squares
Date: 11/04/13 Time: 14:35
Sample (adjusted): 3 100
Included observations: 98 after adjustments
Convergence achieved after 3 iterations
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)
AR(2)

0.710157
0.105101

0.101249
0.101497

7.013958
1.035516

0.0000
0.3030

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.561503
0.556936
0.932987
83.56458
-131.2479

Inverted AR Roots

.84

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat
-.13

-0.585600
1.401658
2.719346
2.772100
2.011668

Date: 11/04/13 Time: 14:40

Sample: 3 100
Included observations: 98
Q-statistic
probabilities
adjusted for 2
ARMA term(s)
Autocorrelation
.|.
.|.
.|.
.*| .
.|.
.|.
.*| .
. |*.
.|.
.|.
. |*.
.|.
.*| .
.|.
. |*.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .
.*| .
. |*.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.|.
.|.
.|.
.*| .
.|.
.|.
.*| .
. |*.
.|.
.|.
. |*.
.|.
.*| .
.*| .
. |*.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .
. |*.
.*| .
.|.
.|.
.|.
.|.
.*| .
.*| .
.*| .
. |*.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

-0.026
-0.052
-0.007
-0.063
-0.032
0.038
-0.085
0.118
0.027
-0.037
0.091
0.011
-0.147
-0.054
0.143
-0.001
0.024
0.014
-0.010
0.027
0.025
-0.053
-0.025
-0.093
0.037
0.008
0.004
0.024
-0.049
-0.030
-0.068
-0.102
-0.072
0.126
-0.016
0.038

PAC

Q-Stat

Prob

-0.026
-0.053
-0.010
-0.067
-0.037
0.029
-0.089
0.114
0.019
-0.023
0.090
0.019
-0.125
-0.074
0.162
-0.008
0.002
0.029
-0.003
0.009
0.048
-0.009
-0.076
-0.083
0.068
-0.058
-0.026
0.061
-0.052
-0.053
-0.074
-0.091
-0.119
0.145
-0.007
-0.040

0.0675
0.3427
0.3484
0.7645
0.8705
1.0252
1.8002
3.3281
3.4061
3.5588
4.4880
4.5020
6.9769
7.3137
9.7351
9.7352
9.8057
9.8283
9.8415
9.9343
10.015
10.381
10.460
11.617
11.803
11.811
11.813
11.893
12.228
12.354
13.039
14.582
15.363
17.798
17.840
18.070

0.555
0.682
0.833
0.906
0.876
0.767
0.845
0.895
0.876
0.922
0.801
0.836
0.715
0.781
0.832
0.875
0.910
0.934
0.953
0.961
0.972
0.965
0.973
0.982
0.988
0.992
0.993
0.995
0.995
0.992
0.991
0.980
0.985
0.989

La solucin es igual a la planteada en el ejercicio, pero diferente en los estadsticos Q incluso al incluir
dos rezagos de la variable dependiente. Es posible que el software utilizado en el libro no haya
obtenido resultados tan precisos como el software actual.

d)
Dependent Variable: Y1
Method: Least Squares
Date: 11/04/13 Time: 14:40
Sample (adjusted): 2 100
Included observations: 99 after adjustments
Convergence achieved after 8 iterations
Backcast: 1
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)
MA(1)

0.845517
-0.146940

0.069033
0.126461

12.24796
-1.161939

0.0000
0.2481

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.558895
0.554348
0.931127
84.09880
-132.4001

Inverted AR Roots
Inverted MA Roots

.85
.15

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

-0.582649
1.394797
2.715154
2.767580
1.976295

Las soluciones son iguales a las sugeridas en la practica.

Date: 11/04/13 Time: 14:40

Sample: 2 100
Included observations: 99
Q-statistic
probabilities
adjusted for 2
ARMA term(s)
Autocorrelation
.|.
.|.
.|.
.*| .
.|.
.|.
.*| .
. |*.
.|.
.|.
. |*.
.|.
.*| .
.*| .
. |*.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.|.
.|.
.|.
.*| .
.|.
.|.
.*| .
. |*.
.|.
.|.
. |*.
.|.
.*| .
.*| .
. |*.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

-0.011
-0.040
-0.028
-0.072
-0.036
0.040
-0.092
0.118
0.025
-0.031
0.094
-0.002
-0.148
-0.063
0.135
-0.006
0.046
0.006

PAC

Q-Stat

Prob

-0.011
-0.040
-0.029
-0.075
-0.041
0.032
-0.100
0.112
0.016
-0.023
0.096
0.006
-0.128
-0.080
0.163
-0.024
0.015
0.027

0.0127
0.1804
0.2628
0.8117
0.9500
1.1210
2.0462
3.5645
3.6358
3.7413
4.7498
4.7501
7.3006
7.7625
9.9243
9.9284
10.190
10.195

0.608
0.666
0.813
0.891
0.843
0.735
0.821
0.880
0.856
0.907
0.774
0.803
0.700
0.767
0.808
0.856

.|.
.|.
.|.
.*| .
.|.
.*| .
.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .
.*| .
. |*.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

.|.
.|.
.|.
.|.
.*| .
.*| .
. |*.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .
.*| .
. |*.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

-0.001
0.033
0.034
-0.061
-0.017
-0.092
0.045
0.021
0.002
0.025
-0.041
-0.041
-0.064
-0.107
-0.073
0.137
-0.011
0.042

0.005
0.018
0.058
-0.015
-0.066
-0.065
0.074
-0.046
-0.026
0.062
-0.047
-0.055
-0.065
-0.103
-0.108
0.156
-0.013
-0.046

10.195
10.336
10.487
10.966
11.003
12.125
12.404
12.467
12.468
12.556
12.791
13.029
13.629
15.343
16.151
19.034
19.052
19.333

0.895
0.920
0.940
0.947
0.963
0.955
0.964
0.974
0.982
0.988
0.991
0.993
0.993
0.988
0.987
0.966
0.975
0.980

Se puede verificar con certeza la probabilidad de no auto correlacin de los residuos, la probabilidad
de las pruebas AC y PAC aumenta a partir del segundo rezago, la estimacin delo modelo obtenido
es estacionaria. Es posible que la serie Y1 se explique por un proceso ARMA(1,1), y el proceso es
estacionario.

Ejercicio 4

a)

6
4
2
0
-2
-4
-6
25

50

75

100

Y2
La serie es no estacionaria, se observa cambios pronunciados de la varianza, la grfica nos muestra
un proceso estocstico evolutivo por las oscilaciones pronunciadas a lo largo del tiempo. Si bien es
aparentemente estacionario en media, no parece serlo en varianza.
b)

Dependent Variable: Y2
Method: Least Squares
Date: 11/04/13 Time: 14:50
Sample (adjusted): 2 100
Included observations: 99 after adjustments
Convergence achieved after 3 iterations
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)

-0.835382

0.053029

-15.75321

0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.716882
0.716882
1.263784
156.5208
-163.1493

Inverted AR Roots

-.84

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

-0.017301
2.375139
3.316148
3.342361
2.653757

Date: 11/04/13 Time: 14:50

Sample: 2 100
Included observations: 99
Q-statistic
probabilities
adjusted for 1
ARMA term(s)
Autocorrelation
***| .
.*| .
. |*.
**| .
. |*.
.|.
.*| .
.|.
.|.
.|.
. |*.
.*| .
.|.
.|.
.|.
. |*.
.*| .
.*| .
. |*.
.*| .
.|.
. |*.
.|.
.|.
.|.
.*| .
.|.
.|.
.|.
.*| .
.|.
. |*.
.*| .
.|.
. |*.
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
***| .
***| .
.|.
**| .
.|.
.|.
.|.
.|.
.*| .
.*| .
.|.
.|.
.|.
.|.
.|.
. |*.
.|.
.|.
.|.
.|.
.*| .
.|.
. |*.
. |*.
.|.
.*| .
.|.
.|.
. |*.
.|.
.|.
. |*.
. |*.
.|.
. |*.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

-0.333
-0.185
0.163
-0.195
0.144
0.062
-0.115
0.025
-0.051
-0.049
0.171
-0.073
-0.033
0.014
0.005
0.089
-0.059
-0.057
0.067
-0.066
-0.032
0.084
0.026
0.024
-0.044
-0.082
0.062
0.026
0.041
-0.058
0.008
0.070
-0.068
0.034
0.081
-0.112

PAC

Q-Stat

Prob

-0.333
-0.333
-0.039
-0.252
0.016
0.037
0.004
-0.031
-0.077
-0.128
0.061
-0.010
0.010
-0.040
0.051
0.094
0.013
-0.043
0.023
-0.047
-0.097
-0.038
0.087
0.131
0.063
-0.062
-0.042
-0.014
0.077
-0.043
0.059
0.151
0.067
0.017
0.098
0.020

11.326
14.867
17.623
21.627
23.824
24.235
25.679
25.749
26.040
26.311
29.635
30.242
30.369
30.394
30.397
31.360
31.786
32.193
32.747
33.304
33.438
34.350
34.440
34.514
34.771
35.683
36.217
36.316
36.558
37.043
37.053
37.793
38.499
38.680
39.693
41.698

0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.002
0.001
0.001
0.002
0.004
0.007
0.008
0.011
0.014
0.018
0.022
0.030
0.033
0.044
0.058
0.072
0.077
0.088
0.109
0.129
0.145
0.176
0.187
0.199
0.229
0.231
0.202

La solucione del parmetro a1 es igual , y en los caso de los estadsticos Q similares, pero de igual
modo los AIC SBC, son muy diferentes, el resultado del libro indica que para su clculo se realiz las
estimacin con u rezago, pero de igual modo la diferencia es muy alta.

Dependent Variable: Y2
Method: Least Squares
Date: 11/04/13 Time: 14:50
Sample (adjusted): 2 100
Included observations: 99 after adjustments
Convergence achieved after 9 iterations
Backcast: 1
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)
MA(1)

-0.689608
-0.681223

0.076605
0.078837

-9.002143
-8.640932

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.787218
0.785024
1.101245
117.6357
-149.0123

Inverted AR Roots
Inverted MA Roots

-.69
.68

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

-0.017301
2.375139
3.050754
3.103181
1.950445

Date: 11/04/13 Time: 14:50

Sample: 2 100
Included observations: 99
Q-statistic
probabilities
adjusted for 2
ARMA term(s)
Autocorrelation
.|.
.|.
.|.
.|.
.|.
. |*.
.*| .
.|.
.*| .
.|.
. |*.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.|.
.|.
.|.
.|.
. |*.
. |*.
.*| .
.|.
.*| .
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

0.021
0.007
-0.008
-0.054
0.065
0.088
-0.113
-0.029
-0.114
-0.046
0.077
-0.040
-0.057
0.012
0.020
0.048
-0.072
-0.098
-0.017

PAC

Q-Stat

Prob

0.021
0.007
-0.008
-0.054
0.067
0.087
-0.121
-0.028
-0.103
-0.038
0.060
-0.041
-0.048
0.018
0.047
0.016
-0.107
-0.085
-0.014

0.0438
0.0491
0.0551
0.3662
0.8108
1.6473
3.0424
3.1322
4.5697
4.8105
5.4826
5.6644
6.0450
6.0633
6.1120
6.3898
7.0205
8.2124
8.2484

0.814
0.833
0.847
0.800
0.693
0.792
0.712
0.778
0.790
0.843
0.870
0.913
0.942
0.956
0.957
0.942
0.961

.*| .
.|.
.|.
.|.
.|.
.*| .
.*| .
.|.
.|.
.|.
.|.
.|.
. |*.
.|.
.|.
.|.
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

.*| .
.*| .
.|.
. |*.
.|.
.*| .
.*| .
.|.
.|.
.|.
.*| .
. |*.
. |*.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

-0.100
-0.053
0.049
0.043
0.013
-0.062
-0.082
0.046
0.060
0.063
-0.027
0.039
0.070
0.030
0.040
0.061
-0.080

-0.107
-0.078
0.039
0.085
0.017
-0.084
-0.094
0.012
0.039
0.029
-0.068
0.083
0.122
0.001
-0.018
0.055
-0.040

9.5096
9.8711
10.183
10.423
10.447
10.959
11.879
12.175
12.681
13.240
13.343
13.568
14.307
14.447
14.698
15.283
16.294

0.947
0.956
0.965
0.973
0.982
0.984
0.981
0.985
0.987
0.988
0.991
0.993
0.993
0.995
0.996
0.996
0.996

Las soluciones de los parmetros a1 y b1 son iguales, los estadsticos diferentes por milsimas, los
estadsticos Q difieren a los planteados por la solucin del libro, y nuevamente los AIC y SBC no son
iguales. La diferencia puede deberse a la precisin de los software utilizados.

Dependent Variable: Y2
Method: Least Squares
Date: 11/04/13 Time: 14:50
Sample (adjusted): 3 100
Included observations: 98 after adjustments
Convergence achieved after 3 iterations
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)
AR(2)

-1.167962
-0.378169

0.093966
0.092659

-12.42963
-4.081295

0.0000
0.0001

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Inverted AR Roots

0.758443
0.755927
1.174150
132.3484
-153.7790
-.58-.19i

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat
-.58+.19i

0.005282
2.376643
3.179164
3.231918
2.208359

Date: 11/04/13 Time: 14:50

Sample: 3 100
Included observations: 98
Q-statistic
probabilities
adjusted for 2
ARMA term(s)
Autocorrelation
.*| .
**| .
.*| .
.|.
. |*.
. |*.
.*| .
.|.
.*| .
.|.
. |*.
.|.
.*| .
.|.
.|.
. |*.
.*| .
.*| .
.|.
.*| .
.|.
. |*.
. |*.
.|.
.*| .
.*| .
.|.
. |*.
.|.
.*| .
.|.
.|.
.|.
.|.
. |*.
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.*| .
**| .
.*| .
.*| .
.|.
. |*.
.*| .
.|.
.*| .
.|.
.|.
.|.
.|.
.|.
. |*.
. |*.
.|.
.|.
.|.
.*| .
.*| .
.|.
. |*.
. |*.
.|.
.*| .
.|.
.|.
.|.
.*| .
. |*.
. |*.
.|.
.|.
. |*.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

-0.111
-0.208
-0.103
-0.029
0.071
0.139
-0.124
-0.014
-0.103
0.017
0.115
-0.007
-0.081
0.014
0.051
0.088
-0.058
-0.072
0.027
-0.074
-0.040
0.076
0.074
0.029
-0.072
-0.108
0.050
0.084
0.037
-0.071
0.024
0.034
-0.010
0.034
0.074
-0.106

PAC

Q-Stat

Prob

-0.111
-0.223
-0.166
-0.127
-0.018
0.107
-0.092
0.018
-0.129
-0.039
0.040
-0.025
-0.041
0.003
0.068
0.084
-0.028
-0.028
0.025
-0.107
-0.106
-0.012
0.082
0.086
-0.010
-0.081
-0.016
0.032
0.021
-0.075
0.082
0.107
0.017
0.038
0.109
-0.004

1.2358
5.6639
6.7631
6.8499
7.3819
9.4522
11.121
11.142
12.317
12.349
13.839
13.844
14.592
14.616
14.924
15.856
16.266
16.904
16.995
17.691
17.899
18.645
19.362
19.474
20.163
21.750
22.092
23.074
23.270
24.001
24.084
24.252
24.269
24.446
25.295
27.087

0.009
0.033
0.061
0.051
0.049
0.084
0.091
0.136
0.128
0.180
0.202
0.263
0.312
0.322
0.365
0.392
0.455
0.476
0.529
0.545
0.562
0.616
0.632
0.594
0.630
0.629
0.670
0.682
0.725
0.760
0.799
0.828
0.829
0.794

La solucin de los parmetros es idntica junto a su estadstico, la solucin de Q difieren a la calculada

respecto a la planteada por el libro, nuevamente las pruebas AIC SBC no son similares en absoluto.

c)

Dependent Variable: Y2
Method: Least Squares
Date: 11/04/13 Time: 14:50
Sample: 1 100
Included observations: 100
Convergence achieved after 14 iterations
Backcast: -1 0
Variable

Coefficient

Std. Error

t-Statistic

Prob.

MA(1)
MA(2)

-1.190742
0.467557

0.068383
0.080992

-17.41282
5.772848

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Inverted MA Roots

0.743957
0.741344
1.218806
145.5778
-160.6709
.60-.34i

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

0.022548
2.396477
3.253418
3.305521
2.474960

.60+.34i

Date: 11/04/13 Time: 14:50

Sample: 1 100
Included observations: 100
Q-statistic
probabilities
adjusted for 2
ARMA term(s)
Autocorrelation
**| .
. |**
**| .
. |*.
.*| .
. |*.
**| .
. |*.
.*| .
.|.
.|.
.|.
.|.
. |*.
.|.
.|.
.|.
.*| .
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
**| .
. |**
.*| .
.*| .
.|.
. |*.
.*| .
.*| .
.|.
.|.
. |*.
.|.
.|.
.|.
. |*.
.|.
.*| .
.*| .
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

-0.248
0.315
-0.282
0.086
-0.146
0.166
-0.210
0.086
-0.158
0.054
0.014
0.065
-0.046
0.071
-0.003
0.048
-0.051
-0.065
-0.020

PAC

Q-Stat

Prob

-0.248
0.270
-0.182
-0.084
-0.026
0.109
-0.165
-0.071
-0.022
-0.048
0.066
0.023
-0.049
0.037
0.084
-0.001
-0.079
-0.080
0.022

6.3212
16.622
24.968
25.749
28.050
31.029
35.888
36.706
39.508
39.844
39.865
40.354
40.602
41.204
41.206
41.484
41.802
42.328
42.378

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001

.*| .
.|.
.|.
.|.
.|.
.|.
.*| .
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

.*| .
.*| .
. |*.
. |*.
.|.
.*| .
.*| .
.|.
.|.
.|.
.*| .
.|.
. |*.
.|.
.*| .
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

-0.074
-0.039
0.054
0.054
0.047
-0.020
-0.068
0.017
-0.007
0.047
-0.047
0.029
0.001
0.055
-0.012
0.065
-0.084

-0.078
-0.105
0.078
0.114
0.016
-0.079
-0.089
0.023
0.011
0.005
-0.072
0.046
0.138
0.026
-0.071
0.051
0.007

43.074
43.269
43.646
44.034
44.334
44.387
45.024
45.065
45.073
45.393
45.711
45.838
45.838
46.292
46.313
46.980
48.114

0.001
0.001
0.002
0.002
0.003
0.005
0.006
0.008
0.012
0.015
0.019
0.024
0.032
0.038
0.049
0.054
0.055

La estimacin de los parmetros difieren en centsimas, junto a los estadsticos, el estadstico Q (8)
varia en unidades, pero los estadsticos Q16 y Q24,varian de forma ms elevada.

d)

Dependent Variable: Y2
Method: Least Squares
Date: 11/04/13 Time: 14:50
Sample (adjusted): 2 100
Included observations: 99 after adjustments
Convergence achieved after 9 iterations
Backcast: 1
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)
MA(1)

-0.689608
-0.681223

0.076605
0.078837

-9.002143
-8.640932

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.787218
0.785024
1.101245
117.6357
-149.0123

Inverted AR Roots
Inverted MA Roots

-.69
.68

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

-0.017301
2.375139
3.050754
3.103181
1.950445

Dependent Variable: Y2
Method: Least Squares
Date: 11/04/13 Time: 15:44
Sample (adjusted): 2 100
Included observations: 99 after adjustments
Convergence achieved after 13 iterations
MA Backcast: 0 1
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)
MA(2)

-0.947659
-0.620577

0.031659
0.094642

-29.93333
-6.557088

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.751993
0.749436
1.188908
137.1098
-156.5952
2.746315

Inverted AR Roots
Inverted MA Roots

-.95
.79

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.

-0.017301
2.375139
3.203943
3.256370
3.225155

-.79

Ambas estimaciones dan un a1 negativo, hay un mejor ajuste en el modelo ARMA 11, que en el MA 2,
pero el MA tiene un mejor resultado para el estadstico de Durbin Watson.

Date: 11/04/13 Time: 15:50

Sample: 2 100
Included observations: 99
Q-statistic
probabilities
adjusted for 2
ARMA term(s)
Autocorrelation
.|.
.|.
.|.
.|.
.|.
. |*.
.*| .
.|.
.*| .
.|.
. |*.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.|.
.|.
.|.
.|.
. |*.
. |*.
.*| .
.|.
.*| .
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

0.021
0.007
-0.008
-0.054
0.065
0.088
-0.113
-0.029
-0.114
-0.046
0.077
-0.040
-0.057
0.012
0.020
0.048
-0.072
-0.098

PAC

Q-Stat

Prob

0.021
0.007
-0.008
-0.054
0.067
0.087
-0.121
-0.028
-0.103
-0.038
0.060
-0.041
-0.048
0.018
0.047
0.016
-0.107
-0.085

0.0438
0.0491
0.0551
0.3662
0.8108
1.6473
3.0424
3.1322
4.5697
4.8105
5.4826
5.6644
6.0450
6.0633
6.1120
6.3898
7.0205
8.2124

0.814
0.833
0.847
0.800
0.693
0.792
0.712
0.778
0.790
0.843
0.870
0.913
0.942
0.956
0.957
0.942

.|.
.*| .
.|.
.|.
.|.
.|.
.*| .
.*| .
.|.
.|.
.|.
.|.
.|.
. |*.
.|.
.|.
.|.
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

.|.
.*| .
.*| .
.|.
. |*.
.|.
.*| .
.*| .
.|.
.|.
.|.
.*| .
. |*.
. |*.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

-0.017
-0.100
-0.053
0.049
0.043
0.013
-0.062
-0.082
0.046
0.060
0.063
-0.027
0.039
0.070
0.030
0.040
0.061
-0.080

-0.014
-0.107
-0.078
0.039
0.085
0.017
-0.084
-0.094
0.012
0.039
0.029
-0.068
0.083
0.122
0.001
-0.018
0.055
-0.040

AC

PAC

-0.380
0.157
0.084
-0.152
0.165
-0.034
-0.040
-0.029
-0.065
-0.101
0.139
-0.219
0.071
-0.068
-0.024
0.086
-0.102
-0.043
0.045
-0.070
-0.025
0.039
-0.024
0.010
0.049
-0.159
0.088

-0.380
0.015
0.173
-0.081
0.060
0.069
-0.034
-0.121
-0.100
-0.164
0.085
-0.123
-0.056
-0.060
0.015
0.034
-0.054
-0.166
-0.028
-0.049
-0.127
-0.090
0.053
-0.016
0.034
-0.223
-0.121

8.2484
9.5096
9.8711
10.183
10.423
10.447
10.959
11.879
12.175
12.681
13.240
13.343
13.568
14.307
14.447
14.698
15.283
16.294

0.961
0.947
0.956
0.965
0.973
0.982
0.984
0.981
0.985
0.987
0.988
0.991
0.993
0.993
0.995
0.996
0.996
0.996

Date: 11/04/13 Time: 15:57

Sample: 2 100
Included observations: 99
Q-statistic
probabilities adjusted
for 2 ARMA term(s)
Autocorrelation
***|.
.|*
.|*
*|.
.|*
.|.
.|.
.|.
.|.
*|.
.|*
**|.
.|.
*|.
.|.
.|*
*|.
.|.
.|.
*|.
.|.
.|.
.|.
.|.
.|.
*|.
.|*

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
***|.
.|.
.|*
*|.
.|.
.|.
.|.
*|.
*|.
*|.
.|*
*|.
.|.
.|.
.|.
.|.
.|.
*|.
.|.
.|.
*|.
*|.
.|.
.|.
.|.
**|.
*|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

Q-Stat
14.742
17.281
18.015
20.448
23.350
23.477
23.647
23.737
24.212
25.355
27.559
33.076
33.664
34.213
34.284
35.183
36.446
36.672
36.924
37.552
37.629
37.826
37.905
37.919
38.245
41.706
42.785

Prob

0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.001
0.001
0.000
0.000
0.001
0.001
0.001
0.002
0.002
0.003
0.004
0.007
0.009
0.013
0.019
0.024
0.014
0.015

.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|

.|.
.|.
*|.
.|.
.|*
.|.
*|.
.|.
.|.

|
|
|
|
|
|
|
|
|

28 0.002 0.016
29 -0.002 0.020
30 0.057 -0.096
31 0.009 0.024
32 0.053 0.096
33 0.018 0.056
34 -0.004 -0.100
35 0.052 -0.056
36 0.010 0.002

42.785
42.786
43.250
43.261
43.683
43.734
43.736
44.163
44.179

0.020
0.027
0.033
0.043
0.051
0.064
0.081
0.093
0.113

Las autocorrelaciones muestran la diferencias de los parmetros y su igualdad respecto al signo, en

el proceso MA(2) la autocorrelacion y la no estacionariedad podra aparecer a partir del periodo 19
desde el cual se tiene un incremento sostenido de la probabilidad.

Ejercicio 5

a)

1.00
0.75
0.50
0.25
0.00
-0.25
-0.50
-0.75
-1.00
25

50

75

100

Y3
La grafica nos muestra un proceso estocstico no estacionario, al existir variaciones pronunciadas
alrededor de la varianza en el tiempo.

Date: 11/05/13 Time: 16:10

Sample: 1 100
Included observations: 100
Autocorrelation
. |****
.*| .
**| .
.*| .
.*| .
**| .
.*| .
. |*.
. |*.
.|.
.*| .
.|.
.*| .
.|.
.|.
. |*.
.|.
.*| .
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
. |****
****| .
.|.
.|.
**| .
.|.
.|.
.|.
.|.
.|.
.*| .
.|.
.*| .
. |*.
.*| .
. |*.
**| .
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

0.466
-0.154
-0.294
-0.107
-0.112
-0.189
-0.092
0.078
0.104
0.002
-0.075
-0.049
-0.083
-0.016
0.064
0.172
0.019
-0.138
-0.098

PAC

Q-Stat

Prob

0.466
-0.474
0.054
-0.003
-0.291
-0.041
0.014
-0.052
-0.025
-0.050
-0.085
-0.021
-0.176
0.141
-0.061
0.128
-0.232
0.006
0.028

22.366
24.842
33.930
35.154
36.496
40.355
41.288
41.969
43.177
43.178
43.821
44.100
44.903
44.932
45.423
49.036
49.082
51.434
52.632

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

.|.
. |*.
.|.
.|.
. |*.
.|.
.|.
.*| .
.*| .
.|.
. |*.
.|.
.|.
.|.
.|.
.|.
. |*.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

.|.
.|.
.|.
.|.
.|.
.|.
.*| .
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
. |*.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

0.045
0.074
-0.001
0.013
0.072
0.050
-0.051
-0.143
-0.091
-0.010
0.082
0.065
0.032
-0.024
-0.051
0.018
0.080

-0.037
0.049
-0.020
0.041
-0.025
0.025
-0.058
-0.039
-0.034
0.033
0.011
-0.030
-0.001
-0.049
0.014
0.069
0.027

52.886
53.602
53.602
53.623
54.311
54.653
55.006
57.882
59.053
59.067
60.052
60.675
60.833
60.924
61.332
61.382
62.397

0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.000
0.001
0.001
0.001
0.001
0.002
0.002
0.003
0.004
0.004

La tabla de auto correlaciones muestra al igual que libro la ausencia de auto correlacin entre en los
residuos, la serie es no estacionaria, las oscilaciones de AC y ACP nos sealan que los parmetros
sern negativos.
Se ajusta a un modelo AR(2) terico por un casi cambio simtrico en la oscilacin del periodo 1 al 2 de
AC y la oscilacin simtrica a lo largo del tiempo.
b)

Dependent Variable: Y3
Method: Least Squares
Date: 11/05/13 Time: 16:10
Sample (adjusted): 2 100
Included observations: 99 after adjustments
Convergence achieved after 2 iterations
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)

0.467607

0.089295

5.236643

0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.215594
0.215594
0.339179
11.27413
-32.93076

Inverted AR Roots

.47

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

-0.023791
0.382964
0.685470
0.711683
1.549637

Date: 11/04/12 Time: 14:10

Sample: 2 100
Included observations: 99
Q-statistic
probabilities
adjusted for 1
ARMA term(s)
Autocorrelation
. |**

Partial Correlation
. |**

AC

PAC

Q-Stat

1 0.222 0.222 5.0060

Prob

Date: 11/05/13 Time: 16:10

Sample: 2 100
Included observations: 99
Q-statistic
probabilities
adjusted for 1
ARMA term(s)
Autocorrelation
. |**
***| .
**| .
.|.
.|.
.*| .
.*| .
. |*.
. |*.
.|.
.*| .
.|.
.*| .
.|.
.|.
. |**
.|.
.*| .
.*| .
.|.
. |*.
.|.
.|.
.|.
. |*.
.|.
.*| .
.|.
.|.
. |*.
.|.
.|.
.|.
.*| .
.|.
. |*.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
. |**
***| .
.*| .
.|.
**| .
**| .
.*| .
.|.
.*| .
.*| .
.*| .
.|.
**| .
.|.
.*| .
. |*.
**| .
.*| .
.*| .
.*| .
.|.
.*| .
.|.
.*| .
.|.
.*| .
.*| .
.*| .
.*| .
.|.
.*| .
.|.
.*| .
.*| .
.|.
. |*.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

0.222
-0.327
-0.298
0.030
0.008
-0.159
-0.110
0.113
0.102
-0.024
-0.086
0.014
-0.078
-0.017
-0.009
0.214
0.030
-0.143
-0.107
0.057
0.110
-0.041
-0.021
0.064
0.068
-0.024
-0.137
-0.047
-0.006
0.100
0.032
0.017
-0.033
-0.071
0.014
0.099

PAC

Q-Stat

Prob

0.222
-0.395
-0.136
0.026
-0.197
-0.191
-0.092
-0.012
-0.104
-0.058
-0.087
-0.043
-0.240
-0.002
-0.153
0.159
-0.192
-0.090
-0.078
-0.094
0.002
-0.133
0.062
-0.103
0.025
-0.071
-0.065
-0.096
-0.063
0.017
-0.069
-0.023
-0.106
-0.061
-0.044
0.092

5.0060
16.022
25.270
25.364
25.371
28.095
29.399
30.807
31.962
32.026
32.861
32.884
33.598
33.632
33.643
39.135
39.244
41.761
43.187
43.593
45.133
45.351
45.411
45.954
46.574
46.652
49.240
49.550
49.555
51.009
51.163
51.205
51.371
52.137
52.166
53.721

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.001
0.002
0.001
0.001
0.001
0.001
0.001
0.001
0.002
0.002
0.003
0.004
0.005
0.004
0.005
0.007
0.007
0.009
0.013
0.016
0.018
0.024
0.022

El modelo es inadecuado por la existencia de auto correlacin entre los residuos,

La prueba CUSUM nos lleva a generar la serie de residuos, y realizar la estimacin de la misma
por OLS junto a la serie Y3 de este modo generamos la grfica.

La serie se ajusta al CUSUM test por no dispararse de los parmetros propuestos, por tanto la
serie es estable, las variaciones en el tiempo de fuera del parmetro son muy pequeas.
.4
.3
.2
.1
.0
-.1
-.2
-.3
-.4
10

20

30

40

50

60

70

Recursive Residuals

80

90

100

2 S.E.

Dependent Variable: Y3
Method: Least Squares
Date: 11/05/13 Time: 16:10
Sample (adjusted): 2 100
Included observations: 99 after adjustments
Convergence achieved after 63 iterations
Backcast: 1
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)
MA(1)

0.182949
0.509599

0.158844
0.139881

1.151756
3.643089

0.2523
0.0004

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.329256
0.322341
0.315256
9.640493
-25.18211

Inverted AR Roots
Inverted MA Roots

.18
-.51

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

-0.023791
0.382964
0.549133
0.601560
1.939164

La estimacin de los parmetros junto a los estadsticos es igual a la planteada en la prctica

Date: 11/05/13 Time: 16:10

Sample: 2 100
Included observations: 99
Q-statistic
probabilities
adjusted for 2
ARMA term(s)
Autocorrelation
.|.
.*| .
**| .
.|.
.|.
.*| .
.*| .
. |*.
.|.
.|.
.*| .
. |*.
.*| .
. |*.
.*| .
. |**
.|.
.*| .
.*| .
.|.
. |*.
.|.
.|.
.|.
.|.
.|.
.*| .
.|.
.|.
. |*.
.|.
.|.
.|.
.*| .
.|.
. |*.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.|.
.*| .
**| .
.|.
.*| .
**| .
.*| .
.|.
.*| .
.|.
.*| .
.|.
**| .
.|.
.*| .
. |*.
.*| .
.*| .
.|.
.*| .
.|.
.*| .
.|.
.|.
.|.
.|.
.*| .
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
. |*.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

0.030
-0.116
-0.288
0.052
-0.033
-0.123
-0.109
0.107
0.053
0.010
-0.115
0.073
-0.133
0.066
-0.090
0.243
-0.039
-0.077
-0.099
0.033
0.111
-0.049
-0.005
0.057
0.033
0.006
-0.147
0.011
-0.052
0.110
-0.003
0.039
-0.026
-0.058
0.020
0.080

PAC

Q-Stat

Prob

0.030
-0.117
-0.285
0.053
-0.109
-0.214
-0.109
0.025
-0.085
-0.046
-0.108
0.018
-0.234
0.016
-0.120
0.142
-0.095
-0.130
-0.033
-0.090
0.060
-0.101
0.050
-0.021
-0.013
-0.013
-0.058
-0.046
-0.054
0.032
-0.004
-0.028
-0.043
-0.035
-0.006
0.119

0.0932
1.4829
10.135
10.416
10.534
12.162
13.461
14.708
15.021
15.032
16.539
17.155
19.207
19.725
20.688
27.788
27.971
28.710
29.934
30.069
31.642
31.958
31.960
32.396
32.547
32.551
35.548
35.565
35.951
37.703
37.704
37.926
38.030
38.554
38.616
39.628

0.001
0.005
0.015
0.016
0.019
0.023
0.036
0.059
0.056
0.071
0.057
0.072
0.079
0.015
0.022
0.026
0.027
0.037
0.034
0.044
0.059
0.071
0.089
0.114
0.079
0.100
0.116
0.104
0.129
0.152
0.180
0.197
0.231
0.233

No se puede generar un proceso AC y ACP similar, en este caso los parmetros sern negativos
por la oscilacin de AC y en anterior eran positivos por la cada repentina de AC, y adems existe
la posibilidad de que existe correlacin en los residuos por el incremento sostenido de la
probabilidad, la serie no es estacionaria.

d)
Dependent Variable: Y3
Method: Least Squares
Date: 11/05/13 Time: 16:10
Sample (adjusted): 3 100
Included observations: 98 after adjustments
Convergence achieved after 3 iterations
Variable

Coefficient

Std. Error

t-Statistic

Prob.

AR(1)
AR(2)

0.692389
-0.480873

0.089516
0.089577

7.734825
-5.368291

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Inverted AR Roots

0.396296
0.390007
0.300350
8.660171
-20.17056
.35+.60i

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

-0.025483
0.384561
0.452460
0.505215
1.969341

.35-.60i

Los resultados en los parmetros y estadsticos son iguales a los del libro.

Date: 11/05/13 Time: 16:10

Sample: 3 100
Included observations: 98
Q-statistic
probabilities
adjusted for 2
ARMA term(s)
Autocorrelation
.|.
.|.
.*| .
.|.
.|.
.*| .
.*| .
. |*.
.|.
.|.
.*| .
. |*.
.*| .
.|.
.*| .
. |**
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

Partial Correlation
.|.
.|.
.*| .
.|.
.|.
**| .
.*| .
. |*.
.|.
.|.
.*| .
.|.
.*| .
.|.
.*| .
. |*.
.*| .

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

AC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

0.015
0.014
-0.118
0.051
-0.048
-0.183
-0.124
0.077
0.027
-0.032
-0.104
0.101
-0.099
0.061
-0.116
0.216
-0.057

PAC

Q-Stat

0.015
0.014
-0.119
0.055
-0.048
-0.200
-0.108
0.075
-0.015
-0.053
-0.097
0.058
-0.158
0.056
-0.077
0.172
-0.104

0.0233
0.0427
1.4879
1.7551
1.9993
5.5715
7.2157
7.8575
7.9381
8.0557
9.2669
10.421
11.561
11.991
13.567
19.132
19.531

Prob

0.223
0.416
0.573
0.234
0.205
0.249
0.338
0.428
0.413
0.404
0.398
0.446
0.405
0.160
0.191

.|.
.*| .
.|.
. |*.
.*| .
.|.
.|.
.|.
.|.
.*| .
.|.
.*| .
. |*.
.|.
.|.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

.*| .
.|.
.|.
. |*.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
. |*.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

-0.054
-0.077
0.014
0.130
-0.062
0.005
0.043
0.015
-0.007
-0.126
0.028
-0.066
0.080
-0.028
0.064
0.013
-0.054
0.030
0.057

-0.085
-0.041
-0.032
0.135
-0.056
0.046
-0.034
-0.017
-0.030
-0.018
-0.018
-0.049
0.041
0.008
0.008
-0.015
-0.029
0.021
0.103

19.894
20.639
20.662
22.823
23.322
23.325
23.568
23.599
23.606
25.786
25.894
26.516
27.447
27.561
28.167
28.192
28.647
28.786
29.291

En trminos generales hay discrepancia en la estimacin de AC Y PAC, sin embargo ambos resultados
apuntan a lo mismo la presencia de auto correlacin en los trminos de error de la estimacin
realizada.

0.225
0.243
0.297
0.245
0.273
0.327
0.370
0.426
0.484
0.419
0.469
0.490
0.494
0.541
0.562
0.611
0.637
0.677
0.698