Elizalde y Rubio - Trabajo en Grupo

UNIVERSIDAD DEL AZUAY
FACULTAD DE CIENCIAS DE LA ADMINISTRACIÓN

ESCUELA DE ECONOMIA
TRABAJO EN GRUPO
TEMA: Proyección de la serie de
tiempo
Alumna:
Maythée Rubio Moreno
Andrea Elizalde Espinoza
MATERIA:
ECONOMETRIA III
DOCENTE:
Econ. Luis Pinos Luzuriaga.
PERIODO LECTIVO:
Marzo 2021 – Julio 2021
CONSUMO DE HOGARES
1. Gráfico
Como podemos ver no tiene media ni varianza constante en el tiempo, por lo que la
serie es no estacionaria y tiene tendencia y comportamiento cíclico.
2. Correlograma
Como podemos ver en esta prueba se tiene una caída suavizada lo que indica que
también es una serie no estacionaria y así mismo tiene raíz unitaria.
3. Pruebas para detectar estacionariedad
Prueba Ho Lo que quiero Resultado

ADF (Dicker - Fuller La serie de tiempo Rechazar Ho No Rechazo Ho
Aumentada) tiene raíz unitaria
PP (Phillip Perrom) La serie de tiempo Rechazar Ho No Rechazo Ho
tiene raíz unitaria
KPSS (Kwiatkoeski La serie de tiempo es No rechazar Ho Rechazo Ho al 5% y
Phillips- Schmidt- estacionaria 10%
Shim)
ERS (Eliot- La serie de tiempo Rechazar Ho Rechazo Ho
Routhenberg – tiene raíz unitaria
Stock)
- ADF (Dicker - Fuller Aumentada)
Null Hypothesis: CONSUMO_DE_LOS_HOGARES has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 0.589001 0.9994

Test critical values: 1% level -4.072415
5% level -3.464865
10% level -3.158974
*MacKinnon (1996) one-sided p-values.
P>5% No Rechazo la Ho
0.9994>5% No rechazo la Ho
- PP (Phillip Perron)

Bandwidth: 2 (Newey-West automatic) using Bartlett kernel
Adj. t-Stat Prob.*
Phillips-Perron test statistic 0.285243 0.9983

5% level -3.464865
10% level -3.158974
Residual variance (no correction) 6.25E+09

HAC corrected variance (Bartlett kernel) 7.44E+09
P>5% No Rechazo la Ho
- KPSS (Kwiatkoeski Phillips- Schmidt- Shim)
Null Hypothesis: CONSUMO_DE_LOS_HOGARES is stationary

LM-Stat.
Kwiatkowski-Phillips-Schmidt-Shin test statistic 0.168614

Asymptotic critical values*: 1% level 0.216000
5% level 0.146000
10% level 0.119000
*Kwiatkowski-Phillips-Schmidt-Shin (1992, Table 1)

Al 1%: 0.216000>0.168614 No Rechazo Ho
Al 5%: 0.146000<0.168614 Rechazo Ho
Al 10%: 0.119000<0.168614 Rechazo Ho
- ERS (Eliot- Routhenberg – Stock)

Lag length: 0 (Spectral OLS AR based on SIC, maxlag=11)
Sample: 2000Q1 2020Q4
Included observations: 84
P-Statistic
Elliott-Rothenberg-Stock test statistic 38.08250

Test critical values: 1% level 4.247200
5% level 5.665600
10% level 6.783600
*Elliott-Rothenberg-Stock (1996, Table 1)
HAC corrected variance (Spectral OLS autoregression) 6.25E+09
Al 1%: 4.247200<38.08250 Rechazo Ho
Al 5%: 5.665600 <38.08250 Rechazo Ho
Al 10%: 6.783600<38.08250 Rechazo Ho
Se comprueba que con las pruebas de alto y bajo impacto del consumo de los hogares es no es
estacionaria.
DIFERENCIA DEL CONSUMO DE LOS HOGARES.
1. Gráfico
Como podemos observar con la primera diferencia del consumo de los hogares se elimina la
tendencia, lo cual como se observa al parecer ya cuenta con media constante en el tiempo y
posiblemente la varianza este de igual forma.
2. Correlograma
Como podemos ver en esta prueba NO se tiene una caída suavizada lo que indica que también
es una serie estacionaria y así mismo NO tiene raíz unitaria.

ADF (Dicker - Fuller La serie de tiempo Rechazar Ho Rechazo Ho
PP (Phillip Perrom) La serie de tiempo Rechazar Ho Rechazo Ho
KPSS (Kwiatkoeski La serie de tiempo es No rechazar Ho No Rechazo Ho al 1%
Phillips- Schmidt- estacionaria
Shim)
ERS (Eliot- La serie de tiempo Rechazar Ho Rechazo Ho al 1%
Stock)
Null Hypothesis: DCONSUMODELOSHOGARES has a unit root
Exogenous: Constant
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -7.882316 0.0000

5% level -2.897223
10% level -2.585861
P>5% No rechazo la Ho
0.0000<5 % Rechazo la Ho

Exogenous: Constant
Adj. t-Stat Prob.*
Phillips-Perron test statistic -7.892952 0.0000

5% level -2.897223
10% level -2.585861

Null Hypothesis: DCONSUMODELOSHOGARES is stationary

LM-Stat.

5% level 0.146000
10% level 0.119000

Al 1%: 0.216000> 0.205942 No Rechazo Ho
Al 5%: 0.146000 < 0.205942 Rechazo Ho
Al 10%: 0.119000 < 0.205942 Rechazo Ho

Exogenous: Constant
Sample (adjusted): 2000Q2 2020Q4
Included observations: 83 after adjustments
P-Statistic

5% level 3.062400
10% level 4.081600
Al 1%: 1.922800 < 2.653084 Rechazo Ho
Al 5%: 3.062400 > 2.653084 No Rechazo Ho
Al 10%: 4.081600 > 2.653084 No Rechazo Ho
La serie de tiempo de la primera diferencia del consumo de los hogares es estacionaria con las
pruebas de bajo y alto impacto.
4. Proceso generador de datos
Ar(1)
Ma(1)
Modelo ARIMA (1,1,1)

5. Estimación
AR(1)
Dependent Variable: D(CONSUMO_DE_LOS_HOGARES)

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 05/19/21 Time: 21:27
Sample: 2000Q2 2020Q4
Convergence achieved after 4 iterations
Coefficient covariance computed using outer product of gradients
Variable Coefficient Std. Error t-Statistic Prob.
C 41006.23 11088.72 3.698011 0.0004

AR(1) 0.159533 0.111113 1.435766 0.1550
SIGMASQ 6.47E+09 6.42E+08 10.06782 0.0000
R-squared 0.024570 Mean dependent var 40708.17

Adjusted R-squared 0.000185 S.D. dependent var 81906.60
S.E. of regression 81899.05 Akaike info criterion 25.50015
Sum squared resid 5.37E+11 Schwarz criterion 25.58758
Log likelihood -1055.256 Hannan-Quinn criter. 25.53527
F-statistic 1.007567 Durbin-Watson stat 1.999945
Prob(F-statistic) 0.369692
Inverted AR Roots .16
MA(1)

Date: 05/19/21 Time: 21:36
Sample: 2000Q2 2020Q4
C 40884.26 10528.16 3.883324 0.0002

MA(1) 0.121386 0.115495 1.051006 0.2964
SIGMASQ 6.50E+09 6.49E+08 10.02823 0.0000

Adjusted R-squared -0.005863 S.D. dependent var 81906.60
Inverted MA Roots -.12
Ar(1) Ma(1)

Date: 05/19/21 Time: 21:40
Sample: 2 84
C 39485.91 19246.39 2.051601 0.0435

AR(1) 0.863190 0.245785 3.511977 0.0007
MA(1) -0.734968 0.322671 -2.277762 0.0254
SIGMASQ 6.30E+09 6.18E+08 10.20251 0.0000


Inverted MA Roots .73
Como se puede observar en los dos modelos las variables no son significativas al 1%, 5% y 10%.
Pero con los criterios de Akaike y Schwarz, el mejor modelo en este caso es el AR (1) debido a
que tiene los menores valores.
6. Prueba de estabilidad del modelo
Con la prueba de estabilidad del modelo se puede ver que el modelo es estable debido a que
el punto se encuentra dentro del circulo unitario, y por lo tanto es un modelo estacionario.
Inverse Roots of AR/MA Polynomial(s)

Specification: D(CONSUMO_DE_LOS_HOGARES)
AR(1) C
Date: 05/19/21 Time: 21:52
Sample: 1 84
AR Root(s) Modulus Cycle
0.159533 0.159533
No root lies outside the unit circle.

ARMA model is stationary.
Así mismo se evidencia que el modelo es estable ya que este valor es menor a 1
7. Correlograma de los residuos
La columna de probabilidad tiene valores mayores al 5% al menos en el 95% de los casos. Si

esto pasa, NO se rechaza la hipótesis nula:
Ho: Independencia de los residuos
H1: No independencia de los residuos
En nuestro caso, no se rechaza la Hipótesis nula, por tanto, podemos decir que el modelo ha
extraído gran parte del conocimiento de la serie analizada, y los residuos son ruido blanco.
8. Correlograma de los residuos al cuadrado
En este caso cuando la columna de P valor tiene valores mayores al 5%, el modelo no tiene
problemas de heteroscedasticidad condicionada (VOLATILIDAD), esto se evidencia en el
siguiente gráfico:
9. PRUEBA DE HETEROSCEDASTICIDAD ARCH.
Se evaluó si los datos son susceptibles a ser modelados con ARCH o GARCH,
En esta prueba, las hipótesis son:
Ho: No Se tiene efectos ARCH, existe homocedasticidad
H1: Se tiene efectos ARCH, NO es homocedastico.
Con un nivel de significancia del 5%, no se rechaza la Ho, ya que su P valor es de 0.9414, mayor
al nivel de significancia del 5%. Los resultados se muestran a continuación
Heteroskedasticity Test: ARCH
F-statistic 0.005432 Prob. F(1,80) 0.9414

Obs*R-squared 0.005567 Prob. Chi-Square(1) 0.9405
10. Evaluación de criterios de predictibilidad
Evaluaremos que tan preciso es el modelo para la realización de proyecciones.
Para evaluar los criterios de predictibilidad, utilizaremos el Forecast static de eViews.
En el grafico a continuación observamos una línea azul que es la línea ajustada a través del
proceso y dos líneas rojas que son los intervalos de confianza al 95%.
Se puede observar un MAPE de 2.2778%, que es el porcentaje del error en términos absolutos.
El MAE es de $52803.30 este valor se lo puede comparar con los valores observados, por
ejemplo, con el valor promedio de los ultimo 4 trimestres.
La proporción de la covarianza es de 0.983543, mientras más cercano a 1 será mejor, lo que

quiere decir que el modelo extrae la mayor cantidad de información.
11. Proyección (Dynamic forecast)

La línea azul es la proyección, se puede evidenciar en el grafico a continuación:
Para el 2021 se espera que el consumo de los hogares n crezca un 3.70% utilizando el proceso
AR (1). Por lo que se utilizó el modelo ARIMA.
FORMACIÓN BRUTA DE CAPITAL FIJO
1. Gráfico
Como podemos ver no tiene media ni varianza constante en el tiempo, por lo que la serie es no
estacionaria y tiene tendencia y comportamiento cíclico.
2. Correlograma
Como podemos ver en esta prueba se tiene una caída suavizada lo que indica que también es
una serie no estacionaria y así mismo tiene raíz unitaria.

ADF (Dicker - Fuller La serie de tiempo Rechazar Ho No Rechazo Ho
PP (Phillip Perrom) La serie de tiempo Rechazar Ho No Rechazo Ho
KPSS (Kwiatkoeski La serie de tiempo es No rechazar Ho Rechazo Ho al 5% y
Phillips- Schmidt- estacionaria 10%
Shim)
ERS (Eliot- La serie de tiempo Rechazar Ho Rechazo Ho
Stock)
Null Hypothesis: FBKF has a unit root

t-Statistic Prob.*

5% level -3.465548
10% level -3.159372
Adj. t-Stat Prob.*
Phillips-Perron test statistic 0.217364 0.9978

5% level -3.464865
10% level -3.158974

Null Hypothesis: FBKF is stationary

LM-Stat.

5% level 0.146000
10% level 0.119000

Al 1%: 0.216000>0.193840 No Rechazo Ho
Al 5%: 0.146000<0.193840 Rechazo Ho
Al 10%: 0.119000<0.193840 Rechazo Ho

Sample: 1 84
P-Statistic

5% level 5.665600
10% level 6.783600
Al 1%: 4.2472000 < 23.86740 Rechazo Ho
Al 5%: 5.665600 < 23.86740 Rechazo Ho
Al 10%: 6.783200 <23.86740 Rechazo Ho
Se comprueba que con las pruebas de alto y bajo impacto la variable FBKF no es estacionaria.
DIFERENCIA DE LA FORMACION BRUTA DE CAPITAL FIJO.
1. Gráfico
Como podemos observar con la primera diferencia del VAB construcción se elimina la
tendencia, lo cual como se observa al parecer ya cuenta con media constante en el tiempo y
posiblemente la varianza este de igual forma.
2. Correlograma
Como podemos ver en esta prueba NO se tiene una caída suavizada lo que indica que también
es una serie estacionaria y así mismo NO tiene raíz unitaria.

ADF (Dicker - Fuller La serie de tiempo Rechazar Ho Rechazo Ho
PP (Phillip Perrom) La serie de tiempo Rechazar Ho Rechazo Ho
KPSS (Kwiatkoeski La serie de tiempo es No rechazar Ho No Rechazo Ho al 1%
Phillips- Schmidt- estacionaria
Shim)
ERS (Eliot- La serie de tiempo Rechazar Ho No Rechazo Ho
Stock)
Null Hypothesis: DFBKF has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.897223
10% level -2.585861
- PP (Phillip Perrom)

Exogenous: Constant
Adj. t-Stat Prob.*

5% level -2.897223
10% level -2.585861

Null Hypothesis: DFBKF is stationary

LM-Stat.

5% level 0.146000
10% level 0.119000

Al 1%: 0.216000 > 0.197324 No Rechazo Ho
Al 5%: 0.146000 < 0.197324 Rechazo Ho
Al 10%: 0.119000 < 0.197324 Rechazo Ho

Exogenous: Constant
Sample (adjusted): 2 84
P-Statistic

5% level 3.062400
10% level 4.081600
Al 1%: 1.922800 > 0.680711 No Rechazo Ho
Al 5%: 3.062400 > 0.680711 No Rechazo Ho
Al 10%: 4.081600 > 0.680711 No Rechazo Ho
La serie de tiempo de la primera diferencia de la variable FBKF es estacionaria con las pruebas
de bajo impacto y con una de las pruebas de alto impacto.
Ar(1)
Ma(1)
Modelo ARIMA (1,1,1)

5. Estimación
AR(1)
Dependent Variable: D(FBKF)

Date: 05/19/21 Time: 23:05
Sample: 2 84
C 62370.95 39699.09 1.571093 0.1201

AR(1) 0.335050 0.049856 6.720293 0.0000
SIGMASQ 2.93E+10 2.07E+09 14.11266 0.0000

MA(1)

Date: 05/19/21 Time: 23:06
Sample: 2 84
C 61327.44 33697.02 1.819967 0.0725

MA(1) 0.322600 0.062995 5.121023 0.0000
SIGMASQ 2.95E+10 2.12E+09 13.89334 0.0000

AR(1) MA(1)

Date: 05/19/21 Time: 23:08
Sample: 2 84
AR(1) 0.445504 0.388836 1.145740 0.2553

MA(1) -0.051766 0.447248 -0.115744 0.9081
SIGMASQ 3.08E+10 2.36E+09 13.06910 0.0000

Durbin-Watson stat 1.987807

Como se puede observar en los dos modelos las variables son significativas al 1%, 5% y 10% en
el AR (1) MA (1) Y AR (1) MA (1). Pero con los criterios de Akaike y Schwarz, el mejor modelo en
este caso es el AR (1) debido a que tiene los menores valores.
Con la prueba de estabilidad del modelo se puede ver que el modelo es estable debido a que
el punto se encuentra dentro del circulo unitario, y por lo tanto es un modelo estacionario.

Specification: D(FBKF) AR(1) C
Date: 05/19/21 Time: 23:12
Sample: 1 84
0.335050 0.335050
No root lies outside the unit circle.

ARMA model is stationary.
Así mismo se evidencia que el modelo es estable ya que este valor es menor a 1, teniendo así
un 0.335050.

La columna de probabilidad tiene valores mayores al 5% al menos en el 95% de los casos. Si
esto pasa, NO se rechaza la hipótesis nula:
En este caso cuando la columna de P valor tiene valores mayores al 5%, el modelo no tiene
problemas de heteroscedasticidad condicionada (VOLATILIDAD), esto se evidencia en el
siguiente gráfico:
9. Prueba de heterocedasticidad ARCH

Ho: No Se tiene efectos ARCH, existe homocedasticidad
H1: Se tiene efectos ARCH, NO es homocedastico.
Con un nivel de significancia del 5%, se rechaza la Ho, ya que su P valor es de 0.0000, menor al
nivel de significancia del 5%.
En el caso de la diferencia de la formación bruta de capital fijo, rechazo la hipótesis nula, lo

que quiere decir que acepto la hipótesis alternativa que dice que se tiene efectos ARCH, lo que
implica que la serie no es homocedástica, es heterocedástica.
En este caso decimos que la serie es muy volátil, con lo que es posible que los modelos ARIMA
ni sean suficientes para realizar las proyecciones.
IMPORTACIONES
1. Gráfico
Tiene tendencia, tiene un comportamiento cíclico. No tiene media ni varianza constante en el

tiempo, por lo tanto, la serie es no estacionaria.
2. Correlograma
Podemos evidenciar que existe una caída suavizada, lo que indica que es una serie de tiempo
no estacionaria, es decir tiene raíz unitaria.

ADF (Dickey-Fuller La serie de tiempo Rechazar Ho No Rechazo Ho
PP (Phillip Perron) La serie de tiempo Rechazar Ho No Rechazo Ho
KPSS (Kwiatkowski – La serie de tiempo es No rechazar Ho Rechazo Ho al 1%,
Phillips – Schmidt – estacionaria 5% y 10%
Shin)
ERS (Elliot – La serie de tiempo Rechazar Ho Rechazo Ho
Rothenberg – Stock) tiene raíz unitaria
- Dickey-Fuller Aumentada
Null Hypothesis: IMPORTACIONES has a unit root

t-Statistic Prob.*

5% level -3.465548
10% level -3.159372
p>5% no Rechazo Ho
0.5350>5% no Rechazo Ho
- Phillip Perron

Adj. t-Stat Prob.*

5% level -3.464865
10% level -3.158974
p>5% no Rechazo Ho
 Kwiatkowski – Phillips – Schmidt – Shin
Null Hypothesis: IMPORTACIONES is stationary

LM-Stat.

5% level 0.146000
10% level 0.119000
Al 1%: 0.216000<0.249575 Rechazo Ho
Al 5%: 0.146000<0.249575 Rechazo Ho
Al 10%: 0.119000<0.249575 Rechazo Ho

- Elliot – Rothenberg – Stock
Sample: 2000Q1 2020Q4
P-Statistic

5% level 5.665600
10% level 6.783600
Al 1%: 4.247200<11.06285 Rechazo Ho
Al 5%: 5.665600<11.06285 Rechazo Ho
Al 10%: 6.783600<11.06285 Rechazo Ho
La serie de tiempo de la variable Importaciones es no estacionaria con las pruebas de bajo

impacto y con una prueba de alto impacto.
DIFERENCIA DE IMPORTACIONES
1. Gráfico
Con la primera diferencia de las Importaciones se elimina la tendencia. Y en la gráfica podemos

observar que al parecer ya cuenta con media constante en el tiempo y posiblemente la
varianza también lo sea.
2. Correlograma
Podemos evidenciar que no existe una caída suavizada, lo que indica que es una serie de
tiempo estacionaria, es decir no tiene raíz unitaria.

ADF (Dickey-Fuller La serie de tiempo Rechazar Ho Rechazo Ho
PP (Phillip Perron) La serie de tiempo Rechazar Ho Rechazo Ho
KPSS (Kwiatkowski – La serie de tiempo es No rechazar Ho No Rechazo Ho al
Phillips – Schmidt – estacionaria 1%, 5% y 10%
Shin)
ERS (Elliot – La serie de tiempo Rechazar Ho No Rechazo Ho al
Rothenberg – Stock) tiene raíz unitaria 1%, 5% y 10%
Null Hypothesis: DIMPORTACIONES has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.897223
10% level -2.585861
p>5% no Rechazo Ho
0.0000<5% Rechazo Ho
- Phillip Perron

Exogenous: Constant
Adj. t-Stat Prob.*

5% level -2.897223
10% level -2.585861
p>5% no Rechazo Ho
Null Hypothesis: DIMPORTACIONES is stationary

Exogenous: Constant
LM-Stat.

5% level 0.463000
10% level 0.347000
Al 1%: 0.739000>0.200634 No Rechazo Ho
Al 5%: 0.463000>0.200634 No Rechazo Ho
Al 10%: 0.347000>0.200634 No Rechazo Ho


Exogenous: Constant
P-Statistic

5% level 3.062400
10% level 4.081600
Al 1%: 1.922800>1.191364 No Rechazo Ho
Al 5%: 3.062400>1.191364 No Rechazo Ho
Al 10%: 4.081600>1.191364 No Rechazo Ho
La serie de tiempo de la variable Diferencia de Importaciones es estacionaria con las pruebas

de bajo impacto y una de las pruebas de alto impacto.
Ar(1)
Ma(1)
Modelo ARIMA (1, 1, 1)
5. Estimación
AR(1)
Dependent Variable: D(IMPORTACIONES)
Date: 05/19/21 Time: 21:41
Sample: 2000Q2 2020Q4
C 59943.70 66387.45 0.902937 0.3693

AR(1) 0.469799 0.086385 5.438420 0.0000
SIGMASQ 7.92E+10 9.28E+09 8.537679 0.0000

MA(1)
Date: 05/19/21 Time: 21:42
Sample: 2000Q2 2020Q4
C 54766.04 50040.65 1.094431 0.2771

MA(1) 0.419470 0.089241 4.700400 0.0000
SIGMASQ 8.24E+10 1.04E+10 7.888657 0.0000

AR(1), MA(1)

Date: 05/19/21 Time: 21:43
Sample: 2000Q2 2020Q4
C 59651.73 67285.98 0.886540 0.3780

AR(1) 0.445110 0.173326 2.568050 0.0121
MA(1) 0.031813 0.172016 0.184941 0.8537
SIGMASQ 7.92E+10 9.49E+09 8.345597 0.0000


En el modelo AR(1) y MA(1) las variables son significativas, pero en el modelo 3 ARIMA(1,1,1)
la variable AR(1) es significativa al 5% y 10%, pero la variable MA(1) no es significativa a ningún
nivel. Por otro lado, de acuerdo a los criterios de Akaike y Schwarz el mejor modelo es el AR(1).
El modelo es estable ya que el punto se encuentra dentro del círculo unitario, y por lo tanto es
un modelo estacionario.

Specification: D(IMPORTACIONES) AR(1) C
Date: 05/19/21 Time: 21:52
Sample: 2000Q1 2020Q4
0.469799 0.469799
Se comprueba que el modelo es estable ya que este valor es menor a 1.

Si el modelo que se ha especificado es correcto, es de esperar que la columna de probabilidad

tenga valores mayores al 5% al menos en el 95% de los casos. Si esto pasa, NO se rechaza la
hipótesis nula:
Cuando la columna de P valor tiene valores mayores al 5%, el modelo no tiene problemas
de heteroscedasticidad condicionada (VOLATILIDAD), esto se evidencia en el siguiente
gráfico:
9. Prueba de Heterocedasticidad ARCH
Ho: No se tiene efectos ARCH, existe homocedasticidad
H1: Se tiene efectos ARCH, no es homocedástico.

p>5% No rechazo Ho
0.0508>5% No rechazo Ho
10. Evaluación del criterio de predictibilidad (static forecast)
Se puede observar un MAPE de 4.52%, que es el porcentaje del error en términos absolutos.
El MAE es de $200618.10, este valor se lo puede comparar con los valores observados.
La proporción de la covarianza es de 0.983762, lo que quiere decir que el modelo extrae la

mayor cantidad de información.
11. Proyección (Dynamic forecast)
La línea azul es la proyección, se puede evidenciar en el grafico a continuación

Para el 2021 se espera que las Importaciones crezcan un 6.32% utilizando el proceso AR(1). Por
lo tanto, se utilizó un modelo ARIMA. El modelo con el que me quedo finalmente es (1,1,0).
EXPORTACIONES
1. Gráfico
Tiene tendencia, tiene un comportamiento cíclico. No tiene media ni varianza constante en el

tiempo, por lo tanto, la serie es no estacionaria.
2. Correlograma
Podemos evidenciar que existe una caída suavizada, lo que indica que es una serie de tiempo
no estacionaria, es decir tiene raíz unitaria.

ADF (Dickey-Fuller La serie de tiempo Rechazar Ho No Rechazo Ho
PP (Phillip Perron) La serie de tiempo Rechazar Ho No Rechazo Ho
KPSS (Kwiatkowski – La serie de tiempo es No rechazar Ho Rechazo Ho al 1%,
Phillips – Schmidt – estacionaria 5% y 10%
Shin)
ERS (Elliot – La serie de tiempo Rechazar Ho Rechazo Ho
Rothenberg – Stock) tiene raíz unitaria
Null Hypothesis: EXPORTACIONES has a unit root

t-Statistic Prob.*

5% level -3.465548
10% level -3.159372
p>5% no Rechazo Ho
- Phillip Perron

Adj. t-Stat Prob.*

5% level -3.464865
10% level -3.158974
p>5% no Rechazo Ho
Null Hypothesis: EXPORTACIONES is stationary

LM-Stat.

5% level 0.146000
10% level 0.119000
Al 1%: 0.216000<0.236451 Rechazo Ho
Al 5%: 0.146000<0.236451 Rechazo Ho
Al 10%: 0.119000<0.236451 Rechazo Ho

Sample: 2000Q1 2020Q4
P-Statistic

5% level 5.665600
10% level 6.783600
Al 1%: 4.247200<8.836372 Rechazo Ho
Al 5%: 5.665600<8.836372 Rechazo Ho
Al 10%: 6.783600<8.836372 Rechazo Ho
La serie de tiempo de la variable Exportaciones es no estacionaria con las pruebas de bajo

impacto y con una prueba de alto impacto.
DIFERENCIA DE EXPORTACIONES
1. Gráfico
Con la primera diferencia de las Exportaciones se elimina la tendencia. Y en la gráfica podemos

observar que al parecer ya cuenta con media constante en el tiempo y posiblemente la
varianza también lo sea.
2. Correlograma
Podemos evidenciar que no existe una caída suavizada, lo que indica que es una serie de
tiempo estacionaria, es decir no tiene raíz unitaria.

ADF (Dickey-Fuller La serie de tiempo Rechazar Ho Rechazo Ho
PP (Phillip Perron) La serie de tiempo Rechazar Ho Rechazo Ho
KPSS (Kwiatkowski – La serie de tiempo es No rechazar Ho No Rechazo Ho al
Phillips – Schmidt – estacionaria 1%, 5% y 10%
Shin)
ERS (Elliot – La serie de tiempo Rechazar Ho No Rechazo Ho al
Rothenberg – Stock) tiene raíz unitaria 1%, 5% y 10%
Null Hypothesis: DEXPORTACIONES has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.897223
10% level -2.585861
p>5% no Rechazo Ho
- Phillip Perron

Exogenous: Constant
Adj. t-Stat Prob.*

5% level -2.897223
10% level -2.585861
p>5% no Rechazo Ho
Null Hypothesis: DEXPORTACIONES is stationary

Exogenous: Constant
LM-Stat.

5% level 0.463000
10% level 0.347000
Al 1%: 0.739000>0.117024 No Rechazo Ho
Al 5%: 0.463000>0.117024 No Rechazo Ho
Al 10%: 0.347000>0.117024 No Rechazo Ho

Exogenous: Constant
P-Statistic
5% level 3.062400
10% level 4.081600
Al 1%: 1.922800>0.921795 No Rechazo Ho
Al 5%: 3.062400>0.921795 No Rechazo Ho
Al 10%: 4.081600>0.921795 No Rechazo Ho
La serie de tiempo de la variable Diferencia de Importaciones es estacionaria con las pruebas

de bajo impacto y una de las pruebas de alto impacto.
Ar(1)
Ma(1)
Modelo ARIMA (1, 1, 1)
5. Estimación
AR(1)
Dependent Variable: D(EXPORTACIONES)

Date: 05/19/21 Time: 22:59
Sample: 2000Q2 2020Q4
C 55123.06 56402.28 0.977320 0.3314

AR(1) 0.445301 0.063716 6.988829 0.0000
SIGMASQ 7.39E+10 8.96E+09 8.243732 0.0000


MA(1)
Date: 05/19/21 Time: 23:00
Sample: 2000Q2 2020Q4
C 52704.24 44159.53 1.193496 0.2362

MA(1) 0.341265 0.082981 4.112580 0.0001
SIGMASQ 7.85E+10 9.38E+09 8.362906 0.0000

AR(1), MA(1)

Date: 05/19/21 Time: 23:01
Sample: 2000Q2 2020Q4
C 55429.37 58454.88 0.948242 0.3459

AR(1) 0.488844 0.235466 2.076074 0.0411
MA(1) -0.053425 0.290712 -0.183772 0.8547
SIGMASQ 7.38E+10 9.56E+09 7.716431 0.0000


En el modelo AR(1) y MA(1) las variables son significativas, pero en el modelo 3 ARIMA(1,1,1)
la variable AR(1) es significativa al 5% y 10%, pero la variable MA(1) no es significativa a ningún
nivel. Por otro lado, de acuerdo a los criterios de Akaike y Schwarz el mejor modelo es el AR(1).
El modelo es estable ya que el punto se encuentra dentro del círculo unitario, y por lo tanto es
un modelo estacionario.
Specification: D(EXPORTACIONES) AR(1) C
Date: 05/19/21 Time: 23:03
Sample: 2000Q1 2020Q4
0.445301 0.445301
Se comprueba que el modelo es estable ya que este valor es menor a 1.

Si el modelo que se ha especificado es correcto, es de esperar que la columna de probabilidad

tenga valores mayores al 5% al menos en el 95% de los casos. Si esto pasa, NO se rechaza la
hipótesis nula:
Cuando la columna de P valor tiene valores mayores al 5%, el modelo no tiene problemas
de heteroscedasticidad condicionada (VOLATILIDAD), esto se evidencia en el siguiente
gráfico:
9. Prueba de Heterocedasticidad ARCH
Ho: No se tiene efectos ARCH, existe homocedasticidad
H1: Se tiene efectos ARCH, no es homocedástico.

p>5% No rechazo Ho
0.0011<5% rechazo Ho
En el caso de la diferencia de las exportaciones, rechazo la hipótesis nula, lo que quiere decir
que acepto la hipótesis alternativa que dice que se tiene efectos ARCH, lo que implica que la
serie no es homocedástica, es heterocedástica.
En este caso decimos que la serie es muy volátil, con lo que es posible que los modelos ARIMA
ni sean suficientes para realizar las proyecciones.

Elizalde y Rubio - Trabajo en Grupo

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

Elizalde y Rubio - Trabajo en Grupo

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DEL AZUAY

FACULTAD DE CIENCIAS DE LA ADMINISTRACIÓN

Marzo 2021 – Julio 2021

3. Pruebas para detectar estacionariedad

Prueba Ho Lo que quiero Resultado

Null Hypothesis: CONSUMO_DE_LOS_HOGARES has a unit root

Augmented Dickey-Fuller test statistic 0.589001 0.9994

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

Null Hypothesis: CONSUMO_DE_LOS_HOGARES has a unit root

Adj. t-Stat Prob.*

Phillips-Perron test statistic 0.285243 0.9983

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

Residual variance (no correction) 6.25E+09

- KPSS (Kwiatkoeski Phillips- Schmidt- Shim)

Null Hypothesis: CONSUMO_DE_LOS_HOGARES is stationary

Kwiatkowski-Phillips-Schmidt-Shin test statistic 0.168614

*Kwiatkowski-Phillips-Schmidt-Shin (1992, Table 1)

Residual variance (no correction) 6.98E+10

Al 5%: 0.146000<0.168614 Rechazo Ho

Al 10%: 0.119000<0.168614 Rechazo Ho

- ERS (Eliot- Routhenberg – Stock)

Null Hypothesis: CONSUMO_DE_LOS_HOGARES has a unit root

Elliott-Rothenberg-Stock test statistic 38.08250

*Elliott-Rothenberg-Stock (1996, Table 1)

HAC corrected variance (Spectral OLS autoregression) 6.25E+09

Al 1%: 4.247200<38.08250 Rechazo Ho

Al 5%: 5.665600 <38.08250 Rechazo Ho

Al 10%: 6.783600<38.08250 Rechazo Ho

3. Pruebas para detectar estacionariedad

Prueba Ho Lo que quiero Resultado

Augmented Dickey-Fuller test statistic -7.882316 0.0000

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

Null Hypothesis: DCONSUMODELOSHOGARES has a unit root

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.892952 0.0000

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

Residual variance (no correction) 6.18E+09

- KPSS (Kwiatkoeski Phillips- Schmidt- Shim)

Null Hypothesis: DCONSUMODELOSHOGARES is stationary

Kwiatkowski-Phillips-Schmidt-Shin test statistic 0.205942

*Kwiatkowski-Phillips-Schmidt-Shin (1992, Table 1)

Residual variance (no correction) 6.27E+09

Al 5%: 0.146000 < 0.205942 Rechazo Ho

Al 10%: 0.119000 < 0.205942 Rechazo Ho

- ERS (Eliot- Routhenberg – Stock)

Null Hypothesis: DCONSUMODELOSHOGARES has a unit root

Elliott-Rothenberg-Stock test statistic 2.653084

*Elliott-Rothenberg-Stock (1996, Table 1)

HAC corrected variance (Spectral OLS autoregression) 6.18E+09

Al 1%: 1.922800 < 2.653084 Rechazo Ho

Al 5%: 3.062400 > 2.653084 No Rechazo Ho

Al 10%: 4.081600 > 2.653084 No Rechazo Ho

4. Proceso generador de datos

Modelo ARIMA (1,1,1)

Dependent Variable: D(CONSUMO_DE_LOS_HOGARES)

Variable Coefficient Std. Error t-Statistic Prob.

C 41006.23 11088.72 3.698011 0.0004

R-squared 0.024570 Mean dependent var 40708.17

Inverted AR Roots .16

Dependent Variable: D(CONSUMO_DE_LOS_HOGARES)

Variable Coefficient Std. Error t-Statistic Prob.

C 40884.26 10528.16 3.883324 0.0002

R-squared 0.018670 Mean dependent var 40708.17