Está en la página 1de 15

Prctica Intervencin

Se analizar el PIB de Mxico desde 1993 a 2012

Sospechamos de intervencione sinfluyenets como la crisis de 1994, la crisis de


2008, la entrada en vigor del TLC.

La serie es trimestral: en eviews la definimos como

Le pongo hasta para tener espacios libres y poder pronosticar.

PIB
10,000,000,000

9,000,000,000

8,000,000,000

7,000,000,000

6,000,000,000

5,000,000,000
94 96 98 00 02 04 06 08 10 12
VEO INTERVENCIONES A FINALES DEL 94(ERROR DE DIC) Y A PRIONCIPIOS DEL
95 PERO NO TENGO SUFICIENTES DATOS HACIA ATRS ASI QUE NO LA PODR
ANALIZAR.(TRUCO PODRA VOLTEAR MI SERIE PRONOSTICAR Y ALARGAR MIS
ERIE HACIA EL PRINCIPIO)

Vemos una cada grande en el primer trimestre de 2009, por lo que pensamos
que en el ltimo trimestre de 2008 podemos tener la intervencin.

Entre el 2001 y 2002 parece que hay un cambio que tal vez se origin en el
2000.Hubo una recesin en USA en marzo de 2001

TOMAREMOS DEL 96 AL 2000 Y VEMSO QUE PASA EN EL 2001

Quick->simple-1996:01 2000:04 1996q01 2000q04

Graficamos el period

PIB
8,000,000,000

7,600,000,000

7,200,000,000

6,800,000,000

6,400,000,000

6,000,000,000

5,600,000,000
I II III IV I II III IV I II III IV I II III IV I II III IV
1996 1997 1998 1999 2000

Vemos tendencia y estacionalidad, por lo que buscamos si necesita una


transformacin potencia.

Necesito calcular el coef d evariacin, por la cual necesito la media y desv d


ecada unod elos aos

View->descrptive stat and teststats by clasification


Lo quiero clasificar por ao as que pongo @year

Descriptive Statistics for PIB


Categorized by values of @YEAR
Date: 04/01/13 Time: 20:30
Sample: 1996Q1 2000Q4
Included observations: 20

@YEAR Mean Std. Dev. Obs.


1996 6.09E+09 2.39E+08 4
1997 6.53E+09 3.06E+08 4
1998 6.85E+09 1.73E+08 4
1999 7.10E+09 2.45E+08 4
2000 7.52E+09 1.78E+08 4
All 6.82E+09 5.42E+08 20

pasamos la tabla a nuestro asrchivo de Excel donde tengo mi base y en la hoja


Coef_de_Variacion calculamos el coeficiente

SI QUIERO VER EL BOX PLOT POR AO


@year ME AGRUPA POR AO @quarter me lo dara por trimestre.

PIB by @YEAR
8,000,000,000

7,600,000,000

7,200,000,000

6,800,000,000

6,400,000,000

6,000,000,000

5,600,000,000
Lo sombreado es el intervalo de confianza que le hace a la mediana

la dispersin es de ms grande a ms pequea!! Por eso me pide la


transformacin

Hay que justificar que nuestra lamda tiene sentido una lamda de 3 ya es muy
grande utilizar 2 tiene ms sentido y se puede justificar mejor.

Graficamos el pib al cuadrado

PIB^2
6.0E+19

5.5E+19

5.0E+19

4.5E+19

4.0E+19

3.5E+19

3.0E+19
I II III IV I II III IV I II III IV I II III IV I II III IV
1996 1997 1998 1999 2000

Parece que no hay mucha diferencia


PIB2 by @YEAR
6.5E+19

6.0E+19

5.5E+19

5.0E+19

4.5E+19

4.0E+19

3.5E+19

3.0E+19

Aqu si vemos ya un poco de firencia y menso variabilidad sin embargo aun no


e suna serie estacionaria por lo que debemos diagnosticar cuantas diferencias
necesitamos

Quick-> grupo statistics->individual samples


D(pib^2,0,4) que sean 4 periodos es una diferencia regular

D(pib^2,2,4) son dos dif regulares y una estacional

D(pib^2,1,4) una dif regular y 4 estacional

Si quiero poner dos dif estcionales

d(d(pib^2,0,4),0,4) si pusiera d(pib^2,0,4) me lo podnria con 8 periodos antes,


LA ESTACIONAL DEBO ACUMULAR INSTRUCCIONES para hacer regulares si
puedo acumular las longitudes

D(D(PIB^2,0,4),
PIB^2 D(PIB^2) D(PIB^2,2) D(PIB^2,0,4) 0,4) D(PIB^2,1,4) D(PIB^2,2,4)
Mean 4.68E+19 1.20E+18 -7.54E+16 4.65E+18 2.15E+18 5.14E+17 -9.52E+16
Median 4.71E+19 1.59E+18 3.22E+17 4.52E+18 2.09E+18 3.36E+17 8.52E+16
Maximum 5.95E+19 4.43E+18 7.76E+18 6.80E+18 1.15E+19 6.49E+18 6.76E+18
Minimum 3.47E+19 -3.46E+18 -7.88E+18 7.64E+17 -4.30E+18 -2.76E+18 -3.95E+18
Std. Dev. 7.36E+18 2.49E+18 4.41E+18 1.78E+18 4.43E+18 2.19E+18 3.00E+18
Skewness -0.009495 -0.648216 -0.259988 -0.405451 0.699533 0.852545 0.800632
Kurtosis 2.060222 2.454502 2.217209 2.219833 2.903054 4.156154 3.136196

Jarque-Bera 0.736286 1.648588 0.735947 1.055185 1.638986 3.536685 2.152164


Probability 0.692018 0.438545 0.692136 0.590024 0.440655 0.170616 0.340929

Sum 9.35E+20 2.39E+19 -1.51E+18 9.31E+19 4.30E+19 1.03E+19 -1.90E+18


Sum Sq. Dev. 1.03E+39 1.18E+38 3.69E+38 6.00E+37 3.73E+38 9.12E+37 1.71E+38

Observations 20 20 20 20 20 20 20

en este caso todos me dan el mismo numd e observaciones pues tengo


muchos ms datos en mi serie lo que debi hacer hehco es solo utilizar la serie
del 96 al 2000

aqu me da que las ms baja es una estacional

la segunda mejor es una regular y una estacional


D(PIB^2,0,4)
7E+18

6E+18

5E+18

4E+18

3E+18

2E+18

1E+18

0E+00
I II III IV I II III IV I II III IV I II III IV I II III IV
1996 1997 1998 1999 2000

Ya no hay tendencia (no necesita dif regular) solo la estacional incluso la


varianza ya podra estar bien y ser estacional

genr depib2 =d(pib^2,0,4)

Ya no hay tendencia pues decae rapido pero si estacionalidad

Generaremos ahora una dif regular y una estacional


genr drepib2 =d(pib^2,1,4)

DREPIB2
8E+18

6E+18

4E+18

2E+18

0E+00

-2E+18

-4E+18
I II III IV I II III IV I II III IV I II III IV I II III IV
1996 1997 1998 1999 2000

En principio esto ya es ruido blanco

Hacemos el modelo con una diferencia estacional

Ls D(pib^2,0,4) c ma(4)

Dependent Variable: D(PIB^2,0,4)


Method: Least Squares
Date: 04/01/13 Time: 21:29
Sample: 1996Q1 2000Q4
Included observations: 20
Convergence achieved after 8 iterations
WARNING: Singular covariance - coefficients are not unique
MA Backcast: 1995Q1 1995Q4

Variable Coefficient Std. Error t-Statistic Prob.

C 4.65E+18 NA NA NA
MA(4) -0.919500 NA NA NA

R-squared 0.607025 Mean dependent var 4.65E+18


Adjusted R-squared 0.585193 S.D. dependent var 1.78E+18
S.E. of regression 1.14E+18 Akaike info criterion 86.09563
Sum squared resid 2.36E+37 Schwarz criterion 86.19521
Log likelihood -858.9563 Hannan-Quinn criter. 86.11507
F-statistic 27.80439 Durbin-Watson stat 1.351653
Prob(F-statistic) 0.000052

Inverted MA Roots .98 .00+.98i -.00-.98i -.98

tenemos que el modelo noes valido en la desv standard!!! ,a las correlaciones


si

Ahora sale el ma(5) en la fac

Ueso quitar el ma(4) poner el ma(1) y un sma(4) (estos quedan en dos


polinomios si pusiera ma(1) y un sma(4) si quedan en el mismo polinomio) para
que multiplicado me de el ma(5)(multiplicado un retrao popr 4 retraso me dan
los 5
ls D(pib^2,0,4) c ma(1) sma(4)
Dependent Variable: D(PIB^2,0,4)
Method: Least Squares
Date: 04/01/13 Time: 21:33
Sample: 1996Q1 2000Q4
Included observations: 20
Convergence achieved after 10 iterations
WARNING: Singular covariance - coefficients are not unique
MA Backcast: 1994Q4 1995Q4

Variable Coefficient Std. Error t-Statistic Prob.

C 4.65E+18 NA NA NA
MA(1) 0.245914 NA NA NA
SMA(4) -0.915196 NA NA NA

R-squared 0.642908 Mean dependent var 4.65E+18


Adjusted R-squared 0.600897 S.D. dependent var 1.78E+18
S.E. of regression 1.12E+18 Akaike info criterion 86.09988
Sum squared resid 2.14E+37 Schwarz criterion 86.24924
Log likelihood -857.9988 Hannan-Quinn criter. 86.12904
F-statistic 15.30339 Durbin-Watson stat 1.916899
Prob(F-statistic) 0.000158

Inverted MA Roots .98 -.00+.98i -.00-.98i -.25


-.98

todava no nos sale

asi que cambiamos a ar

ls D(pib^2,0,4) c ar(1) sar(4)

Dependent Variable: D(PIB^2,0,4)


Method: Least Squares
Date: 04/01/13 Time: 21:34
Sample: 1996Q1 2000Q4
Included observations: 20
Convergence achieved after 6 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 4.65E+18 5.42E+17 8.580064 0.0000


AR(1) 0.549099 0.127982 4.290444 0.0005
SAR(4) -0.256519 0.140843 -1.821314 0.0862

R-squared 0.536938 Mean dependent var 4.65E+18


Adjusted R-squared 0.482460 S.D. dependent var 1.78E+18
S.E. of regression 1.28E+18 Akaike info criterion 86.35975
Sum squared resid 2.78E+37 Schwarz criterion 86.50911
Log likelihood -860.5975 Hannan-Quinn criter. 86.38890
F-statistic 9.856057 Durbin-Watson stat 1.900581
Prob(F-statistic) 0.001439

Inverted AR Roots .55 .50-.50i .50+.50i -.50+.50i


-.50+.50i

ya no tenemos problemas

View-z covarianza matrix

C AR(1) SAR(4)
C 2.941725116316853e+35 1.130238123954473e+16 1.081774379890471e+16
AR(1) 1.130238123954473e+16 0.01637934620037946 -0.01181007887011433
SAR(4) 1.081774379890471e+16 -0.01181007887011433 0.01983675231524051

vemos que la ar(1) y el sar(4) .011/.016=.6 estan muy autocorrelacionados por


eso puedo quitar uno.

Ahora solo dejamos

ls D(pib^2,0,4) c ar(1)

Dependent Variable: D(PIB^2,0,4)


Method: Least Squares
Date: 04/01/13 Time: 21:36
Sample: 1996Q1 2000Q4
Included observations: 20
Convergence achieved after 2 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 4.65E+18 5.15E+17 9.030234 0.0000


AR(1) 0.391386 0.108275 3.614753 0.0020

R-squared 0.428422 Mean dependent var 4.65E+18


Adjusted R-squared 0.396668 S.D. dependent var 1.78E+18
S.E. of regression 1.38E+18 Akaike info criterion 86.47029
Sum squared resid 3.43E+37 Schwarz criterion 86.56986
Log likelihood -862.7029 Hannan-Quinn criter. 86.48972
F-statistic 13.49176 Durbin-Watson stat 1.757541
Prob(F-statistic) 0.001740

Inverted AR Roots .39

Ya sale mejor

Aunque quitando la conatsante se mejore la fac debemos ver que la c tiene un


valor grande ademas de que si hay flcutuaciones por lo que se necita una
constante, lo importante d ela FAC ES QUE LA PRUEBA CONJUNTA LA PSE
auqnue alguna se salga la conjunta e slo que cuenta

Si hiciera el modelo

Dependent Variable: D(PIB^2,0,4)


Method: Least Squares
Date: 04/01/13 Time: 21:47
Sample: 1996Q1 2000Q4
Included observations: 20
Convergence achieved after 2 iterations

Variable Coefficient Std. Error t-Statistic Prob.

AR(1) 0.892579 0.097169 9.185875 0.0000

R-squared -0.510385 Mean dependent var 4.65E+18


Adjusted R-squared -0.510385 S.D. dependent var 1.78E+18
S.E. of regression 2.18E+18 Akaike info criterion 87.34201
Sum squared resid 9.06E+37 Schwarz criterion 87.39179
Log likelihood -872.4201 Hannan-Quinn criter. 87.35172
Durbin-Watson stat 1.202710

Inverted AR Roots .89

me fijo que el coeficiente mas 2 desv stand (TD ERROR)esta muy creca d euno
POR LO QUE TENDRIA PROBLEMAS DE ETSABILIDAD

SI HUBIERAMOS USADO UNA DIFERENCIA REGULAR Y UNA ESTACIONAL LA


MEDIA SE ME IRIA A CERO C VALDRI CERO Y NO HAY MODLEO ARIMA SE
QUEDARA SOLO EL MODLEOD E LAS DIFERENCIAS

NOS QUEDAREMOS CON EL MODELO

ls D(pib^2,0,4) C ar(1)

Dependent Variable: D(PIB^2,0,4)


Method: Least Squares
Date: 04/01/13 Time: 21:49
Sample: 1996Q1 2000Q4
Included observations: 20
Convergence achieved after 2 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 4.65E+18 5.15E+17 9.030234 0.0000


AR(1) 0.391386 0.108275 3.614753 0.0020

R-squared 0.428422 Mean dependent var 4.65E+18


Adjusted R-squared 0.396668 S.D. dependent var 1.78E+18
S.E. of regression 1.38E+18 Akaike info criterion 86.47029
Sum squared resid 3.43E+37 Schwarz criterion 86.56986
Log likelihood -862.7029 Hannan-Quinn criter. 86.48972
F-statistic 13.49176 Durbin-Watson stat 1.757541
Prob(F-statistic) 0.001740

Inverted AR Roots .39

LA DESV STAND DEL LOS ERRORES DEL MODELO ES 1.38E+18

VAMOS A IRNOS D EUNO POR UNO EN EXCEL PARA AHCER LA PRUEBA DE INTERVENCIN
UTILIZAREMOS LA SERIE DEPIB2 LA QUE TIENE SOLO UNA DIFERENCIA REGULAR

GENERAMOS LA SERIE CON EL SAMPLE COMPLETO PUES YA NO NECESITO EL SAMPLE


RECORTADO LO NECESITO TODO

QUICK SAMPLE