UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS ECONOMICAS

Curso: Econometra II
Profesora: Mg. Beatriz Castaeda S.
Prctica 5 Series de Tiempo
1. Dado el proceso (1- 0.4L) Yt = 15 + (1 - 1.1L + 0.3L2) t ;
a) Analice la validez del modelo
b) Obtenga la FAS y esboce el correlograma

2 = 9 whiny

2. Responda de manera concisa a las siguientes preguntas guillermo

a) qu significa estacionariedad dbil?
b) cul es la diferencia entre una tendencia determinista y una tendencia
estocstica?
c) Cules son las estadsticas que se utilizan para identificar el patrn de una serie
de tiempo?
d) Qu analiza la prueba de Zivot y Andrews? cules son las hiptesis nula y
alterna?
e) Qu significa limpiar a la serie del quiebre estructural?
3. Dado el siguiente proceso: maria

(1+0.5 L - 0.24 L2 ) Yt = t 0.7t-1

a) Determine el orden del proceso ARIMA y en caso de ser necesario indique la
transformacin para que la serie sea estacionaria.
Tenemos:
(1+0.8L)(1-0.3L) Y t =(1-0.7L) t
En este caso el proceso es un ARIMA(2,0,1) , el cual es equivalente a un proceso
ARMA(2,1) . Como se puede observar no hay presencia de raz unitaria en el proceso
por lo que la serie es estacionaria y no necesita ninguna transformacin.
b) Calcule las correlaciones simples y parciales del proceso estacionario hasta el
orden 4.
4. Los siguientes resultados corresponden a la serie Gastop: Gasto de consumo
personal (datos trimestrales). ale
a)

Interprete los resultados tanto grficos como numricos acerca del comportamiento de
la serie Gastop.

3600

60

3200

40
20

2800

0
2400
-20
2000

-40

1600
70

72

74

76

78

80

82

84

86

88

-60

90

70

72

74

76

78

GASTOP

80

82

84

86

88

90

D1GASTOP

En el primer grfico, se observa que la variable Gasto de consumo personal (Gastop)

presenta tendencia lineal, es decir, no es estacionaria. Mientras que en el segundo
grfico se muestra la primera diferencia del Gasto del consumo personal, en donde la
variable ya es estacionaria; pues toma valores alrededor de su media.

En el grfico anterior, se observaron posibles quiebres por lo que se decidi realizar un

anlisis exploratorio para determinar las fechas donde posiblemente ocurri el quiebre,
en este caso se us la prueba de Zivot y Andrews. De donde se obtuvo los siguientes
resultados:
Prueba de Zivot y Andrews para Gastop
-1.0
-1.5

-1.5

-2.0

-1

-2.5

-2

-3.0

-3

-3.5

-4

-4.0

-5

-2.0
-2.5
-3.0
-3.5
-4.0
-4.5
-5.0
10

20

30

40

_ZIVOTA

50

60

_VCRITA

70

-4.5

-6
10

20

30

40

_ZIVOTB

50

60

70

10

20

30

_VCRITB

40

_ZIVOTC

50

60

70

_VCRITC

Resultados de la prueba F
Serie analizada GASTOP
Modelo A
El quiebre est en el perodo 61
Modelo B
El quiebre est en el perodo 60
Modelo C
El quiebre est en el perodo 60
Mejor Modelo
2

Como se observa en ningn momento los resultados en trminos absolutos superan a los
valores crticos de Mackinnon, por lo que se deduce que la tendencia es resultado de la
presencia de una raz unitaria. De existir un quiebre, este tendra mayor probabilidad de
tener un cambio estructural en la tendencia.

Anlisis de la Primera Diferencia de Gastop

Del correlograma se supone que la serie es estacionaria, debido a que los rezagos convergen a
cero rpidamente. Para comprobar esta hiptesis se realiza el test de Dickey-Fuller, donde se
obtienen resultados que comprueban la existencia de estacionariedad, ya que se rechaza la
hiptesis nula en favor a que la serie no presenta raz unitaria.
Adems en el modelo alternativo para la segunda diferencia del gasto, se observa que el
coeficiente del rezago de la primera diferencia del gasto es significativo, lo cual refuerza que el
modelo es estacionario.

b) Para los modelos estimados analice sus resultados, elija el mejor modelo e indique si
este es satisfactorio o presenta algn problema, si fuera el caso, proponga un modelo
alternativo que pudiera superar el problema, justifique.
Modelo 1
Dependent Variable: D(GASTOP)
Method: Least Squares
Date: 10/29/08 Time: 10:36
Sample(adjusted): 1970:2 1991:4
Included observations: 87 after adjusting endpoints
Convergence achieved after 7 iterations
Backcast: 1969:3 1970:1
Variable
Coefficient
Std. Error
t-Statistic
C
16.82941
2.377199
7.079511
MA(3)
0.257284
0.106301
2.420322
R-squared
0.070328 Mean dependent var
Adjusted R-squared
0.059391 S.D. dependent var
S.E. of regression
17.73876 Akaike info criterion
Sum squared resid
26746.40 Schwarz criterion
Log likelihood
-372.6264 F-statistic
Durbin-Watson stat
1.754121 Prob(F-statistic)
Inverted MA Roots
.32 -.55i
.32+.55i
-.64

Prob.
0.0000
0.0176
16.90345
18.29021
8.612101
8.668789
6.430130
0.013049

Modelo 2
Dependent Variable: D(GASTOP)
Method: Least Squares
Date: 10/29/08 Time: 10:36
Sample(adjusted): 1971:1 1991:4
Included observations: 84 after adjusting endpoints
Convergence achieved after 3 iterations
Variable
Coefficient
Std. Error
t-Statistic
C
17.30241
2.680584
6.454716
AR(3)
0.273573
0.105822
2.585205
R-squared
0.075361 Mean dependent var
Adjusted R-squared
0.064085 S.D. dependent var
S.E. of regression
17.84623 Akaike info criterion
Sum squared resid
26116.00 Schwarz criterion
Log likelihood
-360.2493 F-statistic
Durbin-Watson stat
1.725224 Prob(F-statistic)

Inverted AR Roots

.65

-.32+.56i

-.32 -.56i

Prob.
0.0000
0.0115
17.26071
18.44710
8.624983
8.682859
6.683284
0.011502

Modelo 1

Modelo 2

Para hallar la veracidad del modelo, se analizaran

Modelo 1

Modelo 2

Anlisis de normalidad de los residuos

Modelo 1

Modelo 2

5.

Para la serie mensual del Indice de Precios al consumidor (IPC) brenda

a) Realice el anlisis de estacionariedad y obtenga las conclusiones de cada resultado,
sea este grfico o numrico.
110

100

90

80
97

98

99

00

01

02

03

04

05

IPC

Prueba de Zivot - Andrews

-1.5
-2.0
-2.5
-3.0
-3.5
-4.0
-4.5
-5.0
10

20

30

40

50

60

_ZIVOTA

70

80

90

_VCRITA

-1.6
-2.0
-2.4
-2.8
-3.2
-3.6
-4.0
-4.4
-4.8
-5.2
10

20

30

40

50

60

_ZIVOTB

70

80

90

_VCRITB

-1
-2
-3
-4
-5
-6
10

20

30

40

50

60

_ZIVOTC

Resultados de la prueba F
Serie analizada IPC
Modelo A
El quiebre est en el perodo 13
Modelo B
El quiebre est en el perodo 56
Modelo C
El quiebre est en el perodo 53
Mejor Modelo 2

70

80

_VCRITC

90

Test de Dickey - Fuller

Augmented Dickey-Fuller test statistic

Test critical values:
1% level
5% level
10% level

t-Statistic

Prob.*

-3.313651
-4.046925
-3.452764
-3.151911

0.0696

*MacKinnon (1996) one-sided p-values.

Dependent Variable: D(IPC)
Method: Least Squares
Sample (adjusted): 1997:03 2005:12
Included observations: 106 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

IPC(-1)
D(IPC(-1))
C
@TREND(1997M01)

-0.064860
0.318435
5.959853
0.011605

0.019574
0.088889
1.714527
0.004284

-3.313651
3.582381
3.476091
2.708609

0.0013
0.0005
0.0007
0.0079

b)

Analice la validez de los modelos estimados y proponga una reformulacin del modelo
que cumpla con los criterios. 3p

Modelo 1 (DM= 1 desde 2001:07 y 0 antes)

Dependent Variable: IPC
Method: Least Squares
Date: 11/05/10 Time: 01:08
Sample: 1997:01 2005:12
Included observations: 108
Variable
Coefficient
C
84.80521
@TREND
0.333322
DM
3.086628
DM*@TREND
-0.129858
R-squared
0.984075
Adjusted R-squared
0.983616
S.E. of regression
0.886686
Sum squared resid
81.76609
Log likelihood
-138.2189
Durbin-Watson stat
0.338041

Std. Error
t-Statistic
0.238012
356.3066
0.007742
43.05459
0.677946
4.552914
0.010949
-11.86068
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

Prob.
0.0000
0.0000
0.0000
0.0000
98.95445
6.927198
2.633682
2.733021
2142.230
0.000000

Modelo 2
Dependent Variable: IPC
Method: Least Squares
Date: 11/05/10 Time: 01:24
Sample(adjusted): 1997:02 2005:12
Included observations: 107 after adjusting endpoints
Convergence achieved after 25 iterations
Variable
Coefficient
Std. Error
t-Statistic
C
90.84937
5.298908
17.14492
@TREND
0.179899
0.097489
1.845319
DM
0.870793
5.427502
0.160441
DM*@TREND
-0.017956
0.102087 -0.175892
AR(1)
0.938341
0.034820
26.94839
R-squared
0.997492 Mean dependent var
Adjusted R-squared
0.997394 S.D. dependent var
S.E. of regression
0.346134 Akaike info criterion
Sum squared resid
12.22050 Schwarz criterion
Log likelihood
-35.74671 F-statistic
Durbin-Watson stat
1.353294 Prob(F-statistic)
Inverted AR Roots
.94

Prob.
0.0000
0.0679
0.8729
0.8607
0.0000
99.10496
6.780063
0.761621
0.886519
10142.25
0.000000