Análisis trabajo 6

Variables:

 COLG: Variable dependiente

 USAG: Variable independiente
Empezando se analizan las variables en su conjunto, donde observamos si tienen o no tendencia
significativa. En la ecuación se deja solamente la variable a analizar que en este caso es COLG, se
agrega el @trend y rezagos a 3 periodos, se elimina de la menos significativa o la más cercana a
cero, a la más significativa (omitiendo el @trend), ya que no se corrigió, decimos que no hay
tendencia significativa, en este caso solo quedamos con COLG(-1) que fue la única variable que nos
dio significativa

Para analizar si las variables originales son o no estacionarias observamos sus gráficos

Como se puede observar, por un lado ambas variables son estacionarias en la media ya que tiende a
ser horizontal, pero ambas variables no son estacionarias en la varianza y tienen mucha volatilidad,
por esto se deben transformar usando diferencia aritmética porque existen números negativos y
decimales, primero generamos los comandos y después de eso se procede a realizar pruebas de
estacionalidad a cada variable.
También analizamos los gráficos de las variables transformadas con diferencia aritmética:

Como podemos observar, son estacionarias en la varianza, ya que todas las caídas son relativamente
parecidas.
Ahora se tomara cada variable individualmente y se realizaran las pruebas correspondientes para
ver si son o no estacionarias.

 Variable DCOLG

Prueba Elliot-Rothenberg-Stock: en esta prueba la P-Statistic a un nivel de significancia del 99% es

1.910, del 95% es 3.040 y a uno del 90% es 4.040, y la P-Statistic de la prueba como tal nos da
72.6844, que se ubica a la derecha, en este caso se acepta la hipótesis nula (Ho) y nos indica que la
variable no es estacionaria.
Prueba Phillips-Perron: En esta prueba podemos observar que la probabilidad da 0.0001% menor a
5%, lo que nos indica que se acepta la hipótesis alternativa (Ha) para confirmar esto, observamos el
Adj. T-stat donde a un nivel de confianza del 99, 95 y 90%, el valor -15.46230 se ubica en el lado
izquierdo, corroborando así que esta variable es estacionaria.

Prueba Dickey Fuller aumentada: esta prueba nos da una t-Statistic de -6.412032 ubicándose a la
izquierda del valor resultante del valor de significancia al 99, 95 y 90%, y una probabilidad de
0.00% menor a 5%, indicándonos que aceptamos la hipótesis alternativa (Ha) y que la variable es
estacionaria.
Analizando las 3 pruebas realizadas sobre la estacionariedad de la variable COLG, podemos
observar que 2 de 3 nos indica que si es estacionaria, por esto, si podremos trabajar con esta
variable.

 Variable DUSAG
Prueba Elliot-Rothenberg-Stock: en esta prueba la P-Statistic a un nivel de significancia del 99% es
1.910, del 95% es 3.040 y a uno del 90% es 4.040, y la P-Statistic de la prueba como tal nos da
363.6342, que se ubica a la derecha, en este caso se acepta la hipótesis nula (Ho) y nos indica que la
variable no es estacionaria.

Prueba Phillips-Perron: En esta prueba podemos observar que la probabilidad da 0.0001% menor a
5%, lo que nos indica que se acepta la hipótesis alternativa (Ha) para confirmar esto, observamos el
Adj. T-stat donde a un nivel de confianza del 99, 95 y 90%, el valor -10.56358 se ubica en el lado
izquierdo, corroborando así que esta variable es estacionaria.

Prueba Dickey Fuller aumentada: esta prueba nos da una t-Statistic de -5.673281 ubicándose a la
izquierda del valor resultante del valor de significancia al 99, 95 y 90%, y una probabilidad de
0.00% menor a 5%, indicándonos que aceptamos la hipótesis alternativa (Ha) y que la variable es
estacionaria.

Una vez que se comprueba que las variables son estacionarias, se hace la prueba Johansen para ver
el nivel de cointegracion entre estas, con el fin de saber si tienen o no equilibrio en el largo plazo y
ver si dichas variables tendrán una relación de causa y efecto en el modelo
Prueba Johansen:
Se realiza la prueba Johansen al grupo con las variables originales para asi compararla:

Por otro lado se realiza la prueba Johansen que tiene como fin medir el nivel de cointegracion entre
dos variables a largo plazo, o sea el equilibrio de dos variables cuando se mueven juntos en el
tiempo, por esto, entre mayor sea el numero entre un rango de 1 a 3, mayor será el grado de
integración, al realizarla al grupo con las variables diferenciadas, donde podemos denotar que los
resultados de las pruebas son mayores, y nos dice que existe un equilibrio a largo plazo entre las
variables DCOLG Y DUSAG.

Pronostico:
ARIMA una sola variable DCOLG:
Etapa 1: para realizar esta etapa se utilizo el metodo Stepwise regression, donde inicialmente se
pusieron 10 numeros regresores de 1 a 24 periodos rezagados, en ese punto se presentaban varios
numeros no significativos que se fueron eliminando uno a uno hasta que quedaron DCOLG(-10)
DCOLG(-1) DCOLG(-4) DCOLG(-14), todos estos rezagos tienen una probabilidad menor a 5% y
su prueba t se encuentra fuera del rango -2 y 2, aceptando asi la hipotesis alternativa (Ha) y siendo
todos respectivamente significativos.

Etapa 2: En esta etapa sacamos los residuos de la variable DCOLG con el nombre UT y corrí estos
residuos de -10 a -48 rezagos comenzando con 8 números regresores que fui aumentando 1 a 1 ya
que todas las variables son significativas, hasta llegar a 12 números regresores, y todos con
probabilidad menor a 5% y prueba t por fuera del rango de -2 y 2, siendo así todas significativas y
aceptando la hipótesis alternativa (Ha).
Etapa 3: En esta etapa se juntaron la etapa 1 y 2 donde están los residuos y variables significativas,
teniendo una probabilidad menor a 5% y una prueba t por fuera del rango de -2 y 2, teniendo un R
cuadrado final de 0.918899, siendo 91.88% la parte explicada del modelo, y la parte no explicada es
de 8.11%, podemos observar que la parte explicada, es significativa

ARIMA de los residuos: