Practica 4

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ECONOMICAS

Curso: Econometría II
Profesora: Mg. Beatriz Castañeda S.
Práctica 4: Series de tiempo y función de transferencia
1. 1. Para los siguientes casos indique el orden del proceso según corresponda un
ARMA(p, q), ARMA(P,Q) o un modelo multiplicativo ARMA(p,q)XARMA(P,Q)
a) FAS
j
1
j
1 11 12 13
-1
b) FAS FAP
1
1
j j
-1
-1
c) FAS FAP
1 1
j j
-1 -1
2. Dado el proceso (1-0.6L4) (1-0.7L)Yt = t ;  = 3
a) obtenga y grafique la función de autocorrelación del modelo (sugerencia:

obtenga la función de autocorrelación teórica y luego remplace los valores
numéricos de los coeficientes, para generar los siguientes coeficientes de
correlación).
b) Cuál es el comportamiento esperado para la serie generada por este proceso
(indique media, varianza y patrón de comportamiento aproximado). Simule con
números aleatorios el comportamiento esperado para la serie.
SOLUCIÓN:
a)
; Modelo AR(5)
FUNCION DE AUTOCORRELACION:
 1  1  2  1  3  2 ...   p  p1
 2  1  1  2  2  1  ...   j  p  2
Ecuaciones de
Yule Walker ……….
 p  1  p 1  2  p  2  ....   p
 j  1  j 1  2  j  2  ...   j  j  p
Donde:
b) Como podemos apreciar en el histograma la media de Y es -0.938106 y
la varianza de Y es 41.8839
El patrón de comportamiento es estacionario en media pero con
estacionariedad cada 4 meses.
3. Dado el proceso (1-0.5L)Yt = 2 + (1+0.7L4)t ;  = 2
a) Escriba al modelo en su forma ecuación diferencia

b) Escriba al modelo en su forma MA
c) Proporcione las expresiones para calcular las predicciones puntuales e intervalicas de
horizonte h: 1,2,3,4,5,6
4. a) ¿Qué analiza la prueba de Zivot y Andrews?, especifique las hipótesis.
SOLUCIÓN:
“Zivot y Andrews (1992) elaboraron un test en la que la fecha del punto de

quiebre era determinada endógenamente. Con esta finalidad se desarrollo un
programa preparado para E-Views, correspondiente al test de Z&A, realizado de
manera secuencial, esto último se refiere a que el programa evalúa la posible
presencia de quiebre estructural en cada observación de la serie analizada
(genera variables Dummy a partir de la 75ava observación y termina en la
observación N-75).”
Es decir, Analiza si la serie tiene en realidad raíz unitaria o si es estacionaria
pero con quiebre estructural, ya sea en media, tendencia o ambas. La prueba de
Zivot y Andrews es más efectiva para detectar la raíz unitaria o un quiebre
estructural que la prueba de Dickey-Fuller, ya que ésta puede aceptar presencia
de raíz unitaria cuando en realidad no existe, sino que hay presencia de raíz
unitaria.
H 0 : La serie no es estacionaria o presenta raíz unitaria
H1 : La serie es estacionaria con quiebre estructural
b) ¿Para qué se realiza el filtrado o preblanqueo de la serie X t en el modelo de

transferencia?
Se realiza este filtrado o preblanqueo de la serie en el modelo de

transferencia para simplificar el proceso de identificación, consiste en aplicar
una transformación a de manera que el proceso filtrado sea ruido blanco.
Es decir, el ruido blanco tendrá media cero, varianza constante e
incorrelacionado para que con sean incorrelacionados.
El preblanqueo de la serie Xt se realiza con el objetivo de simplificar el proceso

de identificación del modelo, esto debido a que la función de correlación
cruzada es difícilmente visible. En cambio de ser Xt un ruido blanco la expresión
se vería simplificada y esto nos permitiría identificar a función de transferencia
con mayor facilidad. Veamos:
La función de correlación cruzada:

 xy (k )  x (v0  xx (k )  v1  xx (k  1)  ..........  vk  xx (0))
y
Al ser Xt un ruido blanco, la correlación se simplificaría a:
   Nos indica cuántos rezagos de Xt vamos a incluir
 xy (k )  x vk  vk  y  xy (k )
y x 
c) Plantee el modelo de intervención que considere pertinente para el siguiente
caso: Una disminución permanente en el nivel de la serie que se inicia en el
periodo t* y tiende a estabilizarse paulatinamente.
El modelo sería:
;
a) ¿Qué significa limpiar a la serie del quiebre estructural?

b) Plantee el modelo de intervención que considere pertinente para el siguiente
caso: Un aumento en el nivel de la serie en el periodo t* que se mantiene
hasta el periodo t*+3
5. En el análisis empírico de la relación entre dos series temporales estacionarias,

Yt  v ( L) X t   t Se han obtenido los siguientes resultados
2 L  2.6 L2  0.6 L3
(1  0.3 L) X t   xt Yt*   xt  at
1  0. 3 L
at  (1  0.5 L) t ˆ y  0.04;    0.03;    0.001

*
t xt t
a) Proporcione la función de respuesta de Yt ante los cambios de Xt . Justifique.

¿Cuál es la respuesta en Yt en el periodo en que Xt tiene un cambio y en los 3
periodos siguientes al cambio?
b) Proporcione el modelo para la perturbación t
6. Dado el siguiente modelo

(1  0.4 L) 3
Yt  L X t  t ; (1  0.3L) t   t
(1  0.8 L)
a) Determine la función de respuesta al impulso (FIR). Interprete la respuesta de
Yt ante los cambios en Xt.
b) Calcule la función de respuesta a escalón (FRE), la ganancia y el retardo
medio. Interprete los resultados
7. Los siguientes resultados corresponden a la serie DIVID: Pagos de dividendos
empresariales netos (datos trimestrales). Interprete los resultados tanto gráficos
como numéricos acerca del comportamiento de la serie DIVID. Para los modelos
estimados analice sus resultados e indique si alguno es satisfactorio o presenta
algún problema, si fuera el caso, proponga un modelo alternativo que pudiera
superar el problema, justifique. Data en archivo Divid.wf1
140 5.0
120
4.5
100
80 4.0
60
3.5
40
20 3.0
70 72 74 76 78 80 82 84 86 88 90 70 72 74 76 78 80 82 84 86 88 90
DIVID LNDIVID
8 .08
6 .06
4 .04
2 .02
0 .00
-2 -.02
-4 -.04
70 72 74 76 78 80 82 84 86 88 90 70 72 74 76 78 80 82 84 86 88 90
D1DIVID D1LNDIVID
Null Hypothesis: LNDIVID has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic based on SIC, MAXLAG=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.750165 0.7200
Test critical values: 1% level -4.069631
5% level -3.463547
10% level -3.158207
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LNDIVID)
Method: Least Squares
Date: 10/27/08 Time: 09:32
Sample(adjusted): 1970:4 1991:4
Included observations: 85 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
LNDIVID(-1) -0.051955 0.029686 -1.750165 0.0839
D(LNDIVID(-1)) 0.817648 0.102878 7.947725 0.0000
D(LNDIVID(-2)) -0.266288 0.106504 -2.500272 0.0145
C 0.168134 0.088821 1.892955 0.0620
@TREND(1970:1) 0.001182 0.000709 1.666860 0.0995
Null Hypothesis: LNDIVID has a unit root

Exogenous: Constant
Lag Length: 2 (Automatic based on SIC, MAXLAG=11)
t-Statistic Prob.*
5% level -2.895924
10% level -2.585172
Dependent Variable: D(LNDIVID)
Date: 10/27/08 Time: 09:35
LNDIVID(-1) -0.002757 0.003213 -0.858098 0.3934
D(LNDIVID(-1)) 0.825162 0.103902 7.941758 0.0000
D(LNDIVID(-2)) -0.322932 0.102039 -3.164783 0.0022
C 0.021717 0.013307 1.631956 0.1066
Prueba de Zivot - Andrews

Resultados de la
prueba F
Serie analizada LNDIVID
Modelo A El quiebre está en el período 35
Modelo B El quiebre está en el período 27
Modelo C El quiebre está en el período 35
Mejor Modelo 1
0 1
-1 0
-1
-2
-2
-3
-3
-4
-4
-5 -5
10 20 30 40 50 60 70 10 20 30 40 50 60 70
_ZIVOTA _VCRITA _ZIVOTB _VCRITB

0
-1
-2
-3
-4
-5
-6
10 20 30 40 50 60 70
_ZIVOTC _VCRITC
Modelo estimado 1
Dependent Variable: DLOG(DIVID)
Date: 06/06/06 Time: 06:56
Convergence achieved after 8 iterations
Backcast: 1970:3
C 0.021240 0.002611 8.135039 0.0000
AR(1) 1.261170 0.170897 7.379729 0.0000
AR(2) -0.609101 0.110468 -5.513841 0.0000
MA(1) -0.514564 0.204790 -2.512646 0.0140
R-squared 0.488392 Mean dependent var 0.020970
Adjusted R-squared 0.469443 S.D. dependent var 0.023319
S.E. of regression 0.016985 Akaike info criterion -5.267052
Sum squared resid 0.023368 Schwarz criterion -5.152103
Log likelihood 227.8497 F-statistic 25.77475
Durbin-Watson stat 2.011339 Prob(F-statistic) 0.000000
Inverted AR Roots .63 -.46i .63+.46i
Inverted MA Roots .51
Modelo Estimado 2
Dependent Variable: DLOG(DIVID)
Date: 10/27/08 Time: 09:51
C 0.021089 0.002865 7.361386 0.0000
AR(1) 0.675610 0.080656 8.376456 0.0000
AR(3) -0.317894 0.077888 -4.081440 0.0001
Log likelihood 225.2936 F-statistic 38.28390
Durbin-Watson stat 1.806892 Prob(F-statistic) 0.000000
Inverted AR Roots .60+.51i .60 -.51i -.52
Modelo 1 Modelo 2
Modelo 1 Modelo 2
Modelo 1 Modelo 2
Pronósticos Modelo 1 Pronósticos Modelo 2
8. Para las series Consumo y Renta analice la data y elabore el modelo de transferencia
para el Consumo en función de la Renta. La data en el archivo Renta-consumo.wf1
Null Hypothesis: CONSUMO has a unit root
Lag Length: 0 (Automatic - based on SIC, maxlag=12)
t-Statistic Prob.*

5% level -3.445590
10% level -3.147710

Dependent Variable: D(CONSUMO)
Date: 20/12/20 Time: 23:36
Sample (adjusted): 1953Q2 1984Q4
Included observations: 127 after adjustments
CONSUMO(-1) -0.032257 0.019993 -1.613395 0.1092

C 12.25664 5.968365 2.053601 0.0421
@TREND("1953Q1") 0.227102 0.114072 1.990873 0.0487

S.E. of regression 5.705529 Akaike info criterion 6.344087
Sum squared resid 4036.580 Schwarz criterion 6.411273
Log likelihood -399.8495 Hannan-Quinn criter. 6.371384
F-statistic 6.472887 Durbin-Watson stat 1.708646
Prob(F-statistic) 0.002119
Null Hypothesis: D1CONSUMO has a unit root
t-Statistic Prob.*

5% level -3.445877
10% level -3.147878

Dependent Variable: D(D1CONSUMO)
Date: 20/12/20 Time: 23:37
D1CONSUMO(-1) -0.864301 0.089335 -9.674848 0.0000

C 2.429379 1.068476 2.273686 0.0247
@TREND("1953Q1") 0.038057 0.014585 2.609380 0.0102

Null Hypothesis: D1LNCONSUMO has a unit root
t-Statistic Prob.*

5% level -3.445877
10% level -3.147878

Dependent Variable: D(D1LNCONSUMO)
Date: 20/12/20 Time: 23:37
D1LNCONSUMO(-1) -0.850031 0.089072 -9.543199 0.0000

C 0.007460 0.001669 4.470415 0.0000
@TREND("1953Q1") -2.46E-06 2.00E-05 -0.122901 0.9024
R-squared 0.425439 Mean dependent var 3.11E-05

Log likelihood 428.5557 Hannan-Quinn criter. -6.727417
Null Hypothesis: RENTA has a unit root
t-Statistic Prob.*

5% level -3.445590
10% level -3.147710

Dependent Variable: D(RENTA)
Date: 20/12/20 Time: 23:38
RENTA(-1) -0.069313 0.031722 -2.185049 0.0308

C 25.58424 10.39664 2.460817 0.0152
@TREND("1953Q1") 0.481528 0.199820 2.409813 0.0174

Null Hypothesis: D1RENTA has a unit root
t-Statistic Prob.*

5% level -3.445877
10% level -3.147878

Dependent Variable: D(D1RENTA)
Date: 20/12/20 Time: 23:39
D1RENTA(-1) -1.187360 0.088553 -13.40851 0.0000

C 3.685508 1.753716 2.101542 0.0376
@TREND("1953Q1") 0.057573 0.023758 2.423251 0.0168

Null Hypothesis: D1LNRENTA has a unit root
t-Statistic Prob.*

5% level -3.445877
10% level -3.147878

Dependent Variable: D(D1LNRENTA)
Date: 20/12/20 Time: 23:40
D1LNRENTA(-1) -1.193751 0.088404 -13.50338 0.0000

C 0.010514 0.002436 4.316083 0.0000
@TREND("1953Q1") -3.49E-06 3.11E-05 -0.112074 0.9109
R-squared 0.597177 Mean dependent var -4.11E-05

Dependent Variable: D1LNRENTA
Method: ARMA Conditional Least Squares (Marquardt - EViews legacy)
Date: 20/12/20 Time: 21:58
C 0.008619 0.000944 9.127039 0.0000

AR(1) -0.193623 0.088044 -2.199163 0.0297

Inverted AR Roots -.19

Hypothesis Testing for D1LNRENTA
Date: 20/12/20 Time: 23:45
Test of Hypothesis: Mean = 0.000000
Sample Mean = 0.008653

Sample Std. Dev. = 0.012802
Method Value Probability

t-statistic 7.617073 0.0000
Hypothesis Testing for DD1LNRENTA

Date: 20/12/20 Time: 23:47
Test of Hypothesis: Mean = 0.000000
Sample Mean = 3.41e-05

Sample Std. Dev. = 0.012802
Method Value Probability

t-statistic 0.030056 0.9761
Dependent Variable: DD1LNRENTA

Method: ARMA Conditional Least Squares (Marquardt - EViews legacy)
Date: 20/12/20 Time: 22:39
AR(1) -0.193623 0.087691 -2.208021 0.0291
R-squared 0.037538 Mean dependent var -6.79E-06

Durbin-Watson stat 1.994254
Inverted AR Roots -.19

Dependent Variable: D1LNCONSUMO
Date: 20/12/20 Time: 23:53
EDD1LNRENTA 0.274329 0.081072 3.383770 0.0010

EDD1LNRENTA(-1) 0.106974 0.080831 1.323438 0.1881
R-squared -0.931967 Mean dependent var 0.008675

Adjusted R-squared -0.947674 S.D. dependent var 0.008160
Date: 20/12/20 Time: 23:57
EDD1LNRENTA 0.274191 0.080750 3.395532 0.0009


Date: 20/12/20 Time: 23:59
DD1LNRENTA 0.247328 0.079469 3.112247 0.0023

Dependent Variable: CONSUMO
Date: 20/12/20 Time: 00:05
RENTA 0.906902 0.001102 822.7711 0.0000


Practica 4

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Practica 4

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS ECONOMICAS

Práctica 4: Series de tiempo y función de transferencia

2. Dado el proceso (1-0.6L4) (1-0.7L)Yt = t ;  = 3

a) obtenga y grafique la función de autocorrelación del modelo (sugerencia:

a) Escriba al modelo en su forma ecuación diferencia

4. a) ¿Qué analiza la prueba de Zivot y Andrews?, especifique las hipótesis.

“Zivot y Andrews (1992) elaboraron un test en la que la fecha del punto de

b) ¿Para qué se realiza el filtrado o preblanqueo de la serie X t en el modelo de

Se realiza este filtrado o preblanqueo de la serie en el modelo de

El preblanqueo de la serie Xt se realiza con el objetivo de simplificar el proceso

a) ¿Qué significa limpiar a la serie del quiebre estructural?

5. En el análisis empírico de la relación entre dos series temporales estacionarias,

at  (1  0.5 L) t ˆ y  0.04;    0.03;    0.001

a) Proporcione la función de respuesta de Yt ante los cambios de Xt . Justifique.

6. Dado el siguiente modelo

Null Hypothesis: LNDIVID has a unit root

Augmented Dickey-Fuller Test Equation

Null Hypothesis: LNDIVID has a unit root

Prueba de Zivot - Andrews

_ZIVOTA _VCRITA _ZIVOTB _VCRITB

Pronósticos Modelo 1 Pronósticos Modelo 2

Augmented Dickey-Fuller test statistic -1.613395 0.7825

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

Augmented Dickey-Fuller Test Equation

Variable Coefficient Std. Error t-Statistic Prob.

CONSUMO(-1) -0.032257 0.019993 -1.613395 0.1092

R-squared 0.094532 Mean dependent var 5.611024

Augmented Dickey-Fuller test statistic -9.674848 0.0000

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

Augmented Dickey-Fuller Test Equation

Variable Coefficient Std. Error t-Statistic Prob.

D1CONSUMO(-1) -0.864301 0.089335 -9.674848 0.0000

R-squared 0.432140 Mean dependent var 0.061111

Augmented Dickey-Fuller test statistic -9.543199 0.0000

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

Augmented Dickey-Fuller Test Equation

Variable Coefficient Std. Error t-Statistic Prob.

D1LNCONSUMO(-1) -0.850031 0.089072 -9.543199 0.0000

R-squared 0.425439 Mean dependent var 3.11E-05

Augmented Dickey-Fuller test statistic -2.185049 0.4934

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

Augmented Dickey-Fuller Test Equation

Variable Coefficient Std. Error t-Statistic Prob.

RENTA(-1) -0.069313 0.031722 -2.185049 0.0308

R-squared 0.068350 Mean dependent var 6.231496

Augmented Dickey-Fuller test statistic -13.40851 0.0000

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

Augmented Dickey-Fuller Test Equation

Variable Coefficient Std. Error t-Statistic Prob.

D1RENTA(-1) -1.187360 0.088553 -13.40851 0.0000

R-squared 0.593779 Mean dependent var 0.037302

Augmented Dickey-Fuller test statistic -13.50338 0.0000

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

Augmented Dickey-Fuller Test Equation

Variable Coefficient Std. Error t-Statistic Prob.

D1LNRENTA(-1) -1.193751 0.088404 -13.50338 0.0000

R-squared 0.597177 Mean dependent var -4.11E-05

Variable Coefficient Std. Error t-Statistic Prob.

C 0.008619 0.000944 9.127039 0.0000

R-squared 0.037538 Mean dependent var 0.008612

Inverted AR Roots -.19

Sample Mean = 0.008653