Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Elizalde y Rubio - Trabajo en Grupo
Elizalde y Rubio - Trabajo en Grupo
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:
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.
t-Statistic Prob.*
P>5% No Rechazo la Ho
0.9994>5% No rechazo la Ho
- PP (Phillip Perron)
P>5% No Rechazo la Ho
0.9994>5% No rechazo la Ho
LM-Stat.
P-Statistic
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.
t-Statistic Prob.*
P>5% No rechazo la Ho
0.0000<5 % Rechazo la Ho
- PP (Phillip Perron)
P>5% No rechazo la Ho
0.0000<5 % Rechazo la Ho
LM-Stat.
P-Statistic
La serie de tiempo de la primera diferencia del consumo de los hogares es estacionaria con las
pruebas de bajo y alto impacto.
Ar(1)
Ma(1)
AR(1)
MA(1)
Ar(1) Ma(1)
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.
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.
0.159533 0.159533
Así mismo se evidencia que el modelo es estable ya que este valor es menor a 1
7. Correlograma 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.
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,
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
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.
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.
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.
t-Statistic Prob.*
P>5% No rechazo la Ho
0.9849>5% No rechazo la Ho
- PP (Phillip Perron)
Null Hypothesis: FBKF has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 1 (Newey-West automatic) using Bartlett kernel
P>5% No rechazo la Ho
0.9978>5% No rechazo la Ho
LM-Stat.
P-Statistic
Se comprueba que con las pruebas de alto y bajo impacto la variable FBKF no es estacionaria.
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.
t-Statistic Prob.*
P>5% No rechazo la Ho
0.0000<5 % Rechazo la Ho
- PP (Phillip Perrom)
P>5% No rechazo la Ho
0.0000<5 % Rechazo la Ho
LM-Stat.
P-Statistic
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)
AR(1)
MA(1)
AR(1) MA(1)
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.
0.335050 0.335050
Así mismo se evidencia que el modelo es estable ya que este valor es menor a 1, teniendo así
un 0.335050.
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.
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
Heteroskedasticity Test: ARCH
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 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
Podemos evidenciar que existe una caída suavizada, lo que indica que es una serie de tiempo
no estacionaria, es decir tiene raíz unitaria.
t-Statistic Prob.*
p>5% no Rechazo Ho
0.5350>5% no Rechazo Ho
- Phillip Perron
p>5% no Rechazo Ho
0.8676>5% no Rechazo Ho
LM-Stat.
P-Statistic
DIFERENCIA DE IMPORTACIONES
1. Gráfico
Podemos evidenciar que no existe una caída suavizada, lo que indica que es una serie de
tiempo estacionaria, es decir no tiene raíz unitaria.
t-Statistic Prob.*
p>5% no Rechazo Ho
0.0000<5% Rechazo Ho
- Phillip Perron
p>5% no Rechazo Ho
0.0000<5% Rechazo Ho
LM-Stat.
P-Statistic
Ar(1)
Ma(1)
5. Estimación
AR(1)
Dependent Variable: D(IMPORTACIONES)
Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 05/19/21 Time: 21:41
Sample: 2000Q2 2020Q4
Included observations: 83
Convergence achieved after 13 iterations
Coefficient covariance computed using outer product of gradients
MA(1)
Dependent Variable: D(IMPORTACIONES)
Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 05/19/21 Time: 21:42
Sample: 2000Q2 2020Q4
Included observations: 83
Convergence achieved after 10 iterations
Coefficient covariance computed using outer product of gradients
AR(1), MA(1)
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.
0.469799 0.469799
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.
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.
1. Gráfico
Podemos evidenciar que existe una caída suavizada, lo que indica que es una serie de tiempo
no estacionaria, es decir tiene raíz unitaria.
- Dickey-Fuller Aumentada
t-Statistic Prob.*
p>5% no Rechazo Ho
0.4835>5% no Rechazo Ho
- Phillip Perron
p>5% no Rechazo Ho
0.7578>5% no Rechazo Ho
LM-Stat.
P-Statistic
DIFERENCIA DE EXPORTACIONES
1. Gráfico
Podemos evidenciar que no existe una caída suavizada, lo que indica que es una serie de
tiempo estacionaria, es decir no tiene raíz unitaria.
- Dickey-Fuller Aumentada
t-Statistic Prob.*
p>5% no Rechazo Ho
0.0000<5% Rechazo Ho
- Phillip Perron
p>5% no Rechazo Ho
0.0000<5% Rechazo Ho
LM-Stat.
P-Statistic
Elliott-Rothenberg-Stock test statistic 0.921795
Test critical values: 1% level 1.922800
5% level 3.062400
10% level 4.081600
Ar(1)
Ma(1)
5. Estimación
AR(1)
AR(1), MA(1)
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).
6. Prueba de estabilidad del modelo
El modelo es estable ya que el punto se encuentra dentro del círculo unitario, y por lo tanto es
un modelo estacionario.
Inverse Roots of AR/MA Polynomial(s)
Specification: D(EXPORTACIONES) AR(1) C
Date: 05/19/21 Time: 23:03
Sample: 2000Q1 2020Q4
Included observations: 83
0.445301 0.445301
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.
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.