Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
34.- Análisis de estacionalidad
a) Métodos para estimar estacionalidad
b) La desestacionalización
35.- Análisis del ciclo
a) Modelos naives o ingenuos
b) Modelos de medias móviles
c) Alisado exponencial simple
36.- Métodos aplicables a series con tendencia
a) Modelo de Brown
b) Modelo de Holt
37.- Modelo de Holt Winters
38.- Predicción
a) Método de pronóstico
Contraste h de Durbin
Considere la forma:
con
: =0 No existe autocorrelación
: Existe autocorrelación AR(1)
Y si la hipótesis nula es cierta, el estadístico:
donde:
n Es el tamaño de la muestra
Varianza muestral estimada del coeficiente de Y t-1 en la regresión del modelo
original.
2
r es el coeficiente de autocorrelación muestral, o sea:
El coeficiente de correlación puede obtenerse por medio de una regresión auxiliar, estimando el
parámetro por MCO, en un modelo como:
Una forma alternativa de obtener este valor es a través del estadístico de Durbin-Watson
desarrollando las sumatorias que forman el estadístico. De esta manera se obtiene que:
Cuadro
Regresión del consumo en función del PIB y del consumo con un rezago
LS // Dependent Variable is CP
Sample: 1988 1999
Included observations: 12 after adjusting endpoints
Contraste de la h de Durbin.
La obtención de los valores necesarios para construir el estadístico se realiza con el cuadro 31
(salida de la regresión) del modelo estimado por MCO.
3
El estadístico teórico sigue una distribución normal (0, 1), que al 95% de nivel de confianza, en
contraste de una sola cola, es:
ht = 1.645
por lo tanto, como:
hcalculada = 0.808436 < ht = 1.645
No se rechaza la hipótesis nula.
Es decir, con un 95% de confianza las perturbaciones de esta especificación son esféricas 1.
1
Las perturbaciones que satisfacen los supuestos de homocedasticidad y no autocorrelación son, conocidas como
perturbaciones esféricas.
4
Variable Coefficient Std. Error t-Statistic Prob.
5
Included observations: 31 after adjustments
Resumen de Multicolinealidad
Es la existencia de una relación lineal perfecta o exacta entre algunas o todas las variables
explicativas de un modelo de regresión.
Causas
Síntomas
Pruebas para detectar
Consecuencias
Corrección
Resumen de Autocorrelación
La correlación existente entre los miembros de una serie de observaciones ordenadas en el tiempo
o en el espacio
Causas
Síntomas
Pruebas para detectar
Consecuencias
Corrección
Resumen de Heteroscedasticidad
Causas
Síntomas
Pruebas para detectar
Consecuencias
Corrección
6
7.- Complete el siguiente cuadro
7
1.6
80000
60000 1.2
40000
20000 0.8
20000 0
-10000 0.0
-20000
-30000 -0.4
5 10 15 20 25 30 35 40 45 50 55 10 15 20 25 30 35 40 45 50 55
14
Series: Residuals
12 Sample 1 56
Observations 56
10
Mean -4.95E-13
Median 434.2569
8
Maximum 19087.11
Minimum -23946.33
6
Std. Dev. 7955.925
Skewness -0.413231
4 Kurtosis 3.938739
2 Jarque-Bera 3.649967
Probability 0.161220
0
-20000 -10000 0 10000 20000
Breusch-Godfrey Serial Correlation LM Test(1)
F-statistic 0.220782 Probability 0.640529
Obs*R-squared 0.251191 Probability 0.616238