UNIVERSIDAD DE LA SALLE

SEGUNDO PARCIAL DE ECONOMETRÍA II

I SEMESTRE DE 2014

NOMBRE: _______DANIEL FELIPE SANCHEZ

LOPEZ_________________________________________

CÓDIGO: ____10101083__________________________ Tema: 01

Docente: Héctor Fabio Ríos Hernández

I. A través de la metodologái ARIMA proyecte la serie de Demanda, tomando

como variable explicativa el PIB y responda las siguientes preguntas
(justifique econométricamente sus respuestas):

La varialbe Demanda es integrada de orden: _____1____________________

La varialbe PIB es integrada de orden: _______1__________________

La variable Demanda sigue un proceso autoregresivo de orden: ___AR:2_________

Determine a través de la prueba de Dickey Fuller cuál es el modelo más apropiado para las
dos series analizadas.

R_________________caminata aleatoria sin

deriva___________________________________

Determine la estructura del modelo más apropiado

AR ( 2 ) I ( 1) MA ( 2 )

Coloque las estimaciones de los coeficientes del modelo calculado.

R/

Parámetros del modelo ARIMA

Estimación SE t Sig.

Demanda-Modelo_1 Demanda Sin transformación AR Retardo 1 -,289 ,096 -3,016 ,004

Retardo 2 -,912 ,095 -9,630 ,000

Diferencia 1

MA Retardo 1 -,141 ,313 -,450 ,655

Retardo 2 -,999 4,229 -,236 ,814

PIB Sin transformación Numerador Retardo 0 ,013 ,002 6,753 ,000

 Descripción del modelo

Nombre de modelo MOD_1

Nombre de serie 1 Demanda
2 PIB
Transformación Ninguna
Diferenciación no estacional 0
Diferenciación estacional 0
Longitud de periodo estacional Sin periodicidad
Número máximo de retardos 16
Proceso asumido para calcular los errores estándar de las
Independencia(ruido blanco)a
autocorrelaciones
Visualizar y trazar Todos los retardos

Aplicando las especificaciones de modelo desde MOD_1

a. No aplicable para calcular los errores estándar de las autocorrelaciones parciales

Resumen de procesamiento de casos

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

Retardo Autocorrelación Error estándar a

Valor gl Sig.b

1 ,949 ,130 53,149 1 ,000

2 ,898 ,129 101,619 2 ,000
3 ,846 ,128 145,506 3 ,000
4 ,793 ,127 184,819 4 ,000
5 ,741 ,125 219,757 5 ,000
6 ,692 ,124 250,853 6 ,000
7 ,636 ,123 277,643 7 ,000
8 ,581 ,122 300,478 8 ,000
9 ,526 ,120 319,598 9 ,000
10 ,473 ,119 335,381 10 ,000
11 ,420 ,118 348,125 11 ,000
12 ,369 ,116 358,191 12 ,000
13 ,323 ,115 366,062 13 ,000
14 ,278 ,114 372,054 14 ,000
15 ,234 ,112 376,390 15 ,000
16 ,190 ,111 379,323 16 ,000

a. El proceso subyacente asumido es independencia (ruido blanco).

b. Se basa en la aproximación de chi-cuadrado asintótica.

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

Retardo Autocorrelación Error estándar a

Valor gl Sig.b

1 ,951 ,130 53,371 1 ,000

2 ,900 ,129 102,076 2 ,000
3 ,848 ,128 146,129 3 ,000
4 ,797 ,127 185,792 4 ,000
5 ,746 ,125 221,259 5 ,000
6 ,696 ,124 252,701 6 ,000
7 ,641 ,123 279,977 7 ,000
8 ,586 ,122 303,224 8 ,000
9 ,530 ,120 322,611 9 ,000
10 ,477 ,119 338,653 10 ,000
11 ,425 ,118 351,677 11 ,000
12 ,374 ,116 362,029 12 ,000
13 ,325 ,115 370,003 13 ,000
14 ,280 ,114 376,081 14 ,000
15 ,236 ,112 380,482 15 ,000
16 ,191 ,111 383,457 16 ,000

a. El proceso subyacente asumido es independencia (ruido blanco).

b. Se basa en la aproximación de chi-cuadrado asintótica.

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

Nombre de modelo MOD_2

Nombre de serie 1 Demanda
2 PIB
Transformación Ninguna
Diferenciación no estacional 1
Diferenciación estacional 0
Longitud de periodo estacional Sin periodicidad
Número máximo de retardos 16
Proceso asumido para calcular los errores estándar de las
Independencia(ruido blanco)a
autocorrelaciones
Demanda
Visualizar y trazar Todos los retardos

Aplicando las especificaciones de modelo desde MOD_2

a. No aplicable para calcular los errores estándar de las autocorrelaciones parciales
Autocorrelaciones
Serie: Demanda

Resumen de procesamiento de casos Estadístico de Box-Ljung

Demanda PIB Retardo Autocorrelación Error estándara Valor gl Sig.b

Longitud de serie 56 56 -,093 ,131 ,504 1 ,478

Número de valores perdidos Perdido por el usuario 0 0 -,010 ,130 ,509 2 ,775

Perdido por el sistema 0 0 ,250 ,129 4,291 3 ,232

Número de valores válidos 56 56 ,100 ,128 4,910 4 ,297

Número de valores perdidos debido a la diferenciación 1 1 -,190 ,126 7,182 5 ,207

Número de retardos primeros calculables después de la ,086 ,125 7,658 6 ,264

54 54 ,098 ,124 8,284 7 ,308
diferenciación
-,196 ,122 10,851 8 ,210
-,045 ,121 10,987 9 ,277
a. El proceso subyacente asumido es independencia (ruido blanco).
b. Se basa en la aproximación de chi-cuadrado asintótica.

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

Retardo Autocorrelación Error estándara Valor gl Sig.b

1 ,070 ,131 ,288 1 ,592

2 ,167 ,130 1,944 2 ,378
3 ,212 ,129 4,651 3 ,199
4 -,049 ,128 4,801 4 ,308
5 ,054 ,126 4,984 5 ,418
6 ,079 ,125 5,380 6 ,496
7 ,050 ,124 5,542 7 ,594
8 -,206 ,122 8,382 8 ,397
9 -,010 ,121 8,390 9 ,495
10 ,055 ,120 8,598 10 ,571
11 -,330 ,118 16,355 11 ,128
12 ,173 ,117 18,530 12 ,101
13 -,083 ,116 19,045 13 ,122
14 -,076 ,114 19,491 14 ,147
Autocorrelaciones parciales
15 ,189 ,113 22,305 15 ,100
Serie: PIB
16 -,068 ,112 22,680 16 ,123
Retardo Autocorrelación Error estándar
a. El proceso subyacente asumido es independencia (ruido blanco). parcial
1 ,070 ,135
2 ,163 ,135
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
Demanda

Autocorrelaciones
Serie: Demanda

Estadístico de Box-Ljung

Retardo Autocorrelación Error estándara Valor gl Sig.b

1 -,093 ,131 ,504 1 ,478

2 -,010 ,130 ,509 2 ,775
3 ,250 ,129 4,291 3 ,232
4 ,100 ,128 4,910 4 ,297
5 -,190 ,126 7,182 5 ,207
6 ,086 ,125 7,658 6 ,264
7 ,098 ,124 8,284 7 ,308
8 -,196 ,122 10,851 8 ,210
9 -,045 ,121 10,987 9 ,277
10 ,078 ,120 11,407 10 ,327
11 -,173 ,118 13,543 11 ,259
12 -,018 ,117 13,567 12 ,329
13 ,039 ,116 13,683 13 ,397
14 ,123 ,114 14,841 14 ,389 Autocorrelaciones parciales
15 -,049 ,113 15,032 15 ,449 Serie: Demanda
16 ,064 ,112 15,359 16 ,499
Autocorrelación
Retardo parcial Error estándar
a. El proceso subyacente asumido es independencia (ruido blanco).
-,093 ,135
b. Se basa en la aproximación de chi-cuadrado asintótica.
-,018 ,135
 Total 39817722,109 54
Regresión
a. Variable dependiente: deltapib
b. Predictores: (Constante), PIB_1

Regresión

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

(Constante) -314,731 a,b

Variables entradas/eliminadas 647,369 -,486 ,629

PIB_1 Variables ,014

Variables ,007 ,268 2,023 ,048

Modelo introducidas eliminadas Método

a. Variable dependiente: deltapib
demanda_1c . Intro

a. Variable dependiente: deltademanda

Regresión
b. Regresión lineal a través del origen
c. Todas las variables solicitadas introducidas.

Resumen del modelo

R cuadrado Error estándar de

Modelo R
Variables R cuadrado b
entradas/eliminadas ajustado
a la estimación

,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

a. Variable dependiente: deltademanda

Variables entradas/eliminadasa
b. Regresión lineal a través del origen
ANOVAa Variables Variables
c. Predictores: demanda_1
Suma de Modelo introducidas eliminadas Método
d. Esta suma total de cuadrados no está corregida para la constante porque la constante es cero
Modelo cuadrados gl Media cuadrática F Sig. tiempo,
para la regresión a través del origen. . Intro
1 Regresión 5983719,609 1 5983719,609 2,563 ,115b demanda_1b

Residuo 123713368,100 53 2334214,492

a. Variable dependiente: deltademanda
Total 129697087,709 54
Coeficientesa,b b. Todas las variables solicitadas introducidas.

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.

1 (Constante) -354,161 1002,133 -,353

Regresión
demanda_1 ,016 ,010 ,215 1,601
ANOVAa

a. Variable dependiente: deltademanda Suma de

Modelo cuadrados gl Media cuadrática F Sig.

Regresión 23322736,669 2 11661368,334 5,701 ,006b

Residuo 106374351,040 52 2045660,597

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

a. El proceso subyacente asumido es independencia (ruido blanco).

b. Se basa en la aproximación de chi-cuadrado asintótica.

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

Retardo Autocorrelación Error estándar a

Valor gl Sig.b

,070 ,131 ,288 1 ,592

,167 ,130 1,944 2 ,378
,212 ,129 4,651 3 ,199
-,049 ,128 4,801 4 ,308
,054 ,126 4,984 5 ,418
,079 ,125 5,380 6 ,496
,050 ,124 5,542 7 ,594
-,206 ,122 8,382 8 ,397
-,010 ,121 8,390 9 ,495
,055 ,120 8,598 10 ,571
-,330 ,118 16,355 11 ,128
,173 ,117 18,530 12 ,101
-,083 ,116 19,045 13 ,122
-,076 ,114 19,491 14 ,147
,189 ,113 22,305 15 ,100
-,068 ,112 22,680 16 ,123

a. El proceso subyacente asumido es independencia (ruido blanco).

b. Se basa en la aproximación de chi-cuadrado asintótica.

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

Ajuste del modelo

Percentil

Estadístico de ajuste Media SE Mínimo Máximo 5 10

R cuadrado estacionaria ,173 . ,173 ,173 ,173 ,173

R cuadrado ,996 . ,996 ,996 ,996 ,996
1464,899 . 1464,899 1464,899 1464,899 1464,899
1,162 . 1,162 1,162 1,162 1,162
MaxAPE 5,300 . 5,300 5,300 5,300 5,300
1098,054 . 1098,054 1098,054 1098,054 1098,054
MaxAE 4144,498 . 4144,498 4144,498 4144,498 4144,498
BIC normalizado 14,943 . 14,943 14,943 14,943 14,943

Ajuste del modelo

Percentil

Estadístico de ajuste 25 50 75 90

R cuadrado estacionaria ,173 ,173 ,173 ,173

R cuadrado ,996 ,996 ,996 ,996
1464,899 1464,899 1464,899 1464,899
1,162 1,162 1,162 1,162
MaxAPE 5,300 5,300 5,300 5,300
1098,054 1098,054 1098,054 1098,054
MaxAE 4144,498 4144,498 4144,498 4144,498
BIC normalizado 14,943 14,943 14,943 14,943

Modelizador de series temporales

 Estadísticos del modelo

Estadísticos de
ajuste del modelo Ljung-Box Q(18)

Número de R cuadrado
Modelo predictores estacionaria Estadísticos DF Sig.

Demanda-Modelo_1 1 ,173 10,696 14

Estadísticos del modelo

Modelo Número de valores atípicos

Demanda-Modelo_1
 Parámetros del modelo ARIMA

Estimación

Demanda-Modelo_1 Demanda Sin transformación AR Retardo 1 -,289

Retardo 2 -,912

Diferencia 1

MA Retardo 1 -,141

Retardo 2 -,999

PIB Sin transformación Numerador Retardo 0 ,013

Parámetros del modelo ARIMA

SE

Demanda-Modelo_1 Demanda Sin transformación AR Retardo 1 ,096

Retardo 2 ,095

Diferencia

MA Retardo 1 ,313

Retardo 2 4,229

PIB Sin transformación Numerador Retardo 0 ,002

Parámetros del modelo ARIMA

Demanda-Modelo_1 Demanda Sin transformación AR Retardo 1

Retardo 2

Diferencia

MA Retardo 1

Retardo 2

PIB Sin transformación Numerador Retardo 0