Selección del modelo

Luego de la identificación de posibles modelos ARIMA estacionales, que puedan modelar la

serie de tiempo bajo estudio se procede a la selección del mismo, basándose en criterios de
bondad de ajuste proporcionados en la estampación de los modelos. Comparando los
resultados obtenidos en la estimación de los tres modelos propuestos, de acuerdo a los
valores obtenidos en los criterios de información y el valor de s², se obtiene que el valor de
s² estimado y del criterio de información Akaike (AIC) son menores en el modelo ARIMA
(1,0,1)(1,0,1)4, por lo cual resulta conveniente seleccionar este modelo, ya que es el que
proporciona un menor error cuadrático y una menor pérdida de información.
El modelo seleccionado se encuentra expresado de la forma:

Modelo AIC s²

ARIMA (1, 0, 0)(1,0,0)4 1506,81 4.166e+09

ARIMA(0,0,1)(0,0,1)4 1503,12 3.604e+09

ARIMA (1,0,1)(1,0,1)4 1496,45 3.124e+09

Diagnóstico del modelo

El diagnóstico del modelo se realizó empleando métodos gráficos y test formales para
demostrar que los residuos se distribuyen normalmente y se modelan bajo un
proceso ruido blanco, para tal fin se empleó el gráfico de residuos en función del tiempo,
histograma de residuos, grafico de probabilidad Normal (Q-Q plot), correograma de las
funciones de autocorrelacion simple y parcial; y los test de Jarque-Bera y de Ljung-Box.
- Gráfico de residuos en función del tiempo.
 Grafico 4. Residuos del modelo en función del tiempo. Fuente: A partir de la serie de
tiempo analizada.
El grafico de los residuos en función del tiempo para el modelo ARIMA (1, 0, 1)(1,0,1)4
permite ver que los mismos oscilan alrededor del cero, no obstante, tienden a aumentar en
los últimos años. Esto indica que los residuos del modelo son cercanos a cero en los
primeros años, pero luego del año 2011 los mismos se incrementan, alejando al modelo
propuesto de la realidad estudiada.
- Histograma de residuos.

Grafico 5. Histograma de los residuos del modelo. Fuente: A partir de la serie de tiempo
analizada.
El histograma permite ver que los residuos tienen una distribución leptocurtica, que
además es asimétrica negativa, indicando un elevado grado de concentración alrededor de
los valores centrales de la variable bajo estudio.
- Gráfico de probabilidad Normal.
 . Grafico 6. Gráfico de probabilidad normal. Fuente: A partir de la serie de tiempo
analizada
El grafico de probabilidad normal muestra que la mayoría de los residuos se ubican a lo
largo de una recta, sin embargo, algunos de ellos no se encuentran sobre ella, lo que indica
que los residuos no tienen una distribución Normal.
- Test de Jarque- Bera

El test de Jarque-Bera contrasta las hipótesis Ho: et ~N (0, s²) vs H1: Los errores no se
distribuyen normalmente. Como el valor de JB=85,365>X²(2, 0.05)= 5.99, se rechaza la
hipótesis nula por lo cual se puede afirmar que los residuos no provienen de una
distribución Normal.
- Test de Ljung-Box

El test de Ljung-Box contrasta las hipótesis H0: Cov(ei, ej)=0 vs H1: Cov(ei, ej)?0. Como el
valor del p-valor es mayor a a=0.05, no se rechaza la hipótesis nula, por lo cual podemos
afirmar que los errores están incorrelacionados, cumpliéndose el supuesto necesario.
- Funciones de autocorrelación simple y parcial.
Grafico 7. Función de autocorrelación simple de los residuos del modelo. Fuente: A partir
de la serie de tiempo analizada

Grafico 8. Función de autocorrelación parcial de los residuos del modelo. Fuente: A partir
de la serie de tiempo analizada
El correlograma de las funciones de autocorrelación simple y parcial muestra que no
existen correlaciones significativas en los residuos del modelo seleccionado ya que todas
ellas se encuentran dentro de los límites confidenciales, además esto es indicio de que los
residuos provienen de un proceso ruido blanco; en este tipo de proceso los valores cercanos
no guardan correlación, de modo que los errores están incorrelacionados.
De acuerdo a lo observado en el análisis de los modelos propuesto, los residuos del mismo
no provienen de una distribución Normal, sin embargo, los residuos están
incorrelacionados y parecieran comportarse de acuerdo a un proceso ruido blanco, además,
resulta conveniente seleccionar el modelo ARIMA (1,0,1)(1,0,1)4 ya que proporciona una
mejor bondad de ajuste que los otros modelos propuestos.
Pronósticos de las temporadas siguientes