Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Determine a través de la prueba de Dickey Fuller cuál es el modelo más apropiado para las
dos series analizadas.
AR ( 2 ) I ( 1) MA ( 2 )
R/
Estimación SE t Sig.
Diferencia 1
Demanda PIB
Longitud de serie 56 56
Número de valores perdidos Perdido por el usuario 0 0
Perdido por el sistema 0 0
Número de valores válidos 56 56
Número de retardos primeros calculables 55 55
Demanda
Autocorrelaciones
Serie: Demanda
Estadístico de Box-Ljung
Autocorrelaciones parciales
Serie: Demanda
Autocorrelación
Retardo parcial Error estándar
,949 ,134
-,023 ,134
3 -,031 ,134
4 -,043 ,134
5 -,027 ,134
6 ,009 ,134
7 -,102 ,134
8 -,022 ,134
9 -,036 ,134
10 -,017 ,134
11 -,029 ,134
12 -,026 ,134
13 ,014 ,134
14 -,017 ,134
15 -,033 ,134
16 -,035 ,134
Autocorrelaciones
Serie: PIB
Estadístico de Box-Ljung
Autocorrelaciones parciales
Serie: PIB
Autocorrelación
Retardo parcial Error estándar
,951 ,134
-,040 ,134
3 -,039 ,134
4 -,017 ,134
5 -,025 ,134
6 -,029 ,134
7 -,068 ,134
8 -,043 ,134
9 -,046 ,134
10 -,001 ,134
11 -,025 ,134
12 -,022 ,134
13 -,027 ,134
14 ,016 ,134
15 -,036 ,134
16 -,036 ,134
ACF
Descripción del modelo
Número de valores perdidos Perdido por el usuario 0 0 -,010 ,130 ,509 2 ,775
Autocorrelación
Retardo parcial Error estándar
-,093 ,135
-,018 ,135
,250 ,135
,158 ,135
-,178 ,135
-,023 ,135
,060 ,135
-,117 ,135
-,068 ,135
,004 ,135
-,102 ,135
,043 ,135
-,006 ,135
,194 ,135
,052 ,135
-,021 ,135
Autocorrelaciones parciales
Serie: Demanda
a. El proceso subyacente asumido es independencia (ruido blanco).
b. Se basa en la aproximación de chi-cuadrado asintótica.
PIB
Autocorrelaciones
Serie: PIB
3 ,197 ,135
4 -,101 ,135
5 -,006 ,135
6 ,064 ,135
7 ,073 ,135
8 -,274 ,135
9 -,035 ,135
10 ,156 ,135
11 -,281 ,135
12 ,159 ,135
13 -,028 ,135
14 ,038 ,135
15 ,156 ,135
16 -,129 ,135
ACF
b. Se basa en la aproximación de chi-cuadrado asintótica.
PIB
Autocorrelaciones
Serie: PIB
Estadístico de Box-Ljung
Autocorrelaciones
Serie: Demanda
Estadístico de Box-Ljung
Regresión
Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
,642a
Variables ,412
Variables ,402 1515,38349
Modelo introducidas eliminadas Método
a. Predictores: demanda_1
tiempo, PIB_1b . Intro
b. Para la regresión a través del origen (el modelo sin interceptación), R
cuadrado
a. Variablemide la proporción
dependiente: de la variabilidad en la variable dependiente
deltapib
sobre el origen
b. Todas explicado
las variables por la regresión.
solicitadas Esto NO SE PUEDE comparar con
introducidas.
el R cuadrado para los modelos que incluyen interceptación.
ANOVAa,b
Resumen del modelo
Suma de Regresión
R cuadrado Error estándar de
Modelo cuadrados gl Media cuadrática F Sig.
Modelo R R cuadrado ajustado la estimación
1 Regresión 87027991,567 1 87027991,567 37,898 ,000c
1 ,215a ,046 ,028 1527,81363
Residuo 124004904,433 54 2296387,119
a. Predictores:
Total (Constante), demanda_1 d
211032896,000 55
Coeficientes
a. Variable dependiente: deltademanda
Coeficientes no estandarizados estandarizados
b. Predictores: (Constante), demanda_1
Modelo B Error estándar Beta t Sig. Resumen del modelo
1 demanda_1 ,013 ,002 ,642 6,156 R cuadrado Error estándar de
Modelo R R cuadrado ajustado la estimación
a. Variable dependiente: deltademanda Coeficientesa
,424a ,180 ,148 1430,26592
b. Regresión lineal a través del origen Coeficientes
Coeficientes no estandarizados estandarizados
a. Predictores: (Constante), tiempo, demanda_1
Modelo B Error estándar Beta t Sig.
Regresión
demanda_1 ,016 ,010 ,215 1,601
ANOVAa
Total 129697087,709 54
a. Variable dependiente: deltademanda
b. Predictores: (Constante), tiempo, demanda_1
Coeficientesa Autocorrelaciones
Coeficientes Serie: Demanda
Coeficientes no estandarizados estandarizados Estadístico de Box-Ljung
Modelo B Error estándar Beta t Sig.
Retardo Autocorrelación Error estándara Valor gl Sig.b
1 (Constante) 10371,326 3801,592 2,728 -,093 ,131 ,504 1 ,478
demanda_1 -,164 ,063 -2,183 -2,620 -,010 ,130 ,509 2 ,775
tiempo 234,650 80,598 2,426 2,911 ,250 ,129 4,291 3 ,232
,100 ,128 4,910 4 ,297
a. Variable dependiente: deltademanda
-,190 ,126 7,182 5 ,207
,086 ,125 7,658 6 ,264
,098 ,124 8,284 7 ,308
-,196 ,122 10,851 8 ,210
-,045 ,121 10,987 9 ,277
,078 ,120 11,407 10 ,327
-,173 ,118 13,543 11 ,259
-,018 ,117 13,567 12 ,329
,039 ,116 13,683 13 ,397
,123 ,114 14,841 14 ,389
-,049 ,113 15,032 15 ,449
,064 ,112 15,359 16 ,499
Demanda
,250 ,135
,158 ,135
-,178 ,135
-,023 ,135
,060 ,135
-,117 ,135
-,068 ,135
,004 ,135
-,102 ,135
,043 ,135
-,006 ,135
,194 ,135
,052 ,135
-,021 ,135
Autocorrelaciones parciales
Serie: Demanda
Autocorrelación
Retardo parcial Error estándar
1 -,093 ,135
2 -,018 ,135
Autocorrelaciones
Serie: PIB
Estadístico de Box-Ljung
PIB
,197 ,135
-,101 ,135
-,006 ,135
,064 ,135
,073 ,135
-,274 ,135
-,035 ,135
,156 ,135
-,281 ,135
,159 ,135
-,028 ,135
,038 ,135
,156 ,135
-,129 ,135
Autocorrelaciones parciales
Serie: PIB
Autocorrelación
Retardo parcial Error estándar
1 ,070 ,135
2 ,163 ,135
Resumen del modelo
Percentil
Percentil
Estadístico de ajuste 25 50 75 90
Estadísticos de
ajuste del modelo Ljung-Box Q(18)
Número de R cuadrado
Modelo predictores estacionaria Estadísticos DF Sig.
Demanda-Modelo_1
Parámetros del modelo ARIMA
Estimación
Retardo 2 -,912
Diferencia 1
MA Retardo 1 -,141
Retardo 2 -,999
SE
Retardo 2 ,095
Diferencia
MA Retardo 1 ,313
Retardo 2 4,229
Retardo 2
Diferencia
MA Retardo 1
Retardo 2