UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE CIENCIAS ECONÓMICAS CONTABLES Y ADMINISTRATIVAS

ESCUELA ACADÉMICO PROFESIONAL: ECONOMÍA

Asignatura:
Econometría 2
Docente:
Fernández Rodríguez Edwin Horacio
Tema:
Correlograma en Ewius
Ciclo:
VII
Integrante:
Huamán Torres, Jhampier
IMPORTACIONES
Veamos ahora un ejemplo para las importaciones del 1970 al 1990
A.- REALIZAR LA PRUEBA DE ESTACIONARIEDAD DE LA SERIE LAS
IMPORTACIONES DEL PERÚ
Paso 1: Hallamos el correlograma de la serie para las importaciones
Date: 06/26/23 Time: 21:31
Sample: 1970 1990
Included observations: 21
Autocorrelation Partial Correlation AC PAC Q-Stat Prob

. |**** | . |**** | 1 0.610 0.610 8.9915 0.003

. |**. | . *| . | 2 0.251 -0.193 10.594 0.005
. |* . | . |**. | 3 0.212 0.243 11.800 0.008
. |* . | . *| . | 4 0.178 -0.075 12.695 0.013
. |* . | . |* . | 5 0.140 0.094 13.285 0.021
. |* . | . | . | 6 0.102 -0.046 13.622 0.034
. | . | . | . | 7 0.060 0.011 13.745 0.056
. | . | . *| . | 8 0.002 -0.076 13.745 0.089
. | . | . | . | 9 -0.045 -0.026 13.828 0.129
. *| . | . *| . | 10 -0.085 -0.076 14.146 0.166
. *| . | . | . | 11 -0.119 -0.044 14.829 0.190
. *| . | . *| . | 12 -0.147 -0.071 15.992 0.192
. *| . | . | . | 13 -0.167 -0.045 17.678 0.170
. *| . | . | . | 14 -0.175 -0.050 19.794 0.137
. *| . | . *| . | 15 -0.197 -0.075 22.930 0.086

La característica más sobresaliente de este correlograma es que los coeficientes de

autocorrelación, para diversos rezagos, son muy altos. y disminuye muy lentamente. Por
tanto, parece que la serie de tiempo de las importaciones es no estacionaria. Por lo tanto,
para poder realizar estimaciones econométricas debemos corregir la no estacionariedad
de la serie.
Paso 2: Logaritmo de las importaciones
LIMPORTACIONES=LOG(IMPORTACIONES)
Al graficar observamos que la serie de importaciones sigue siendo no estacionaria.

Date: 06/26/23 Time: 21:41

Sample: 1970 1990
Included observations: 21
Autocorrelation Partial Correlation AC PAC Q-Stat Prob

. |**** | . |**** | 1 0.621 0.621 9.3161 0.002

. |*** | . | . | 2 0.374 -0.020 12.864 0.002
. |**. | . |* . | 3 0.321 0.157 15.626 0.001
 . |**. | . | . | 4 0.267 0.016 17.645 0.001
. |* . | . | . | 5 0.200 0.006 18.850 0.002
. |* . | . | . | 6 0.149 -0.003 19.565 0.003
. |* . | . | . | 7 0.094 -0.036 19.868 0.006
. | . | . *| . | 8 0.020 -0.071 19.883 0.011
. | . | . | . | 9 -0.041 -0.058 19.950 0.018
. *| . | . *| . | 10 -0.097 -0.079 20.366 0.026
. *| . | . | . | 11 -0.141 -0.059 21.330 0.030
. *| . | . *| . | 12 -0.184 -0.075 23.146 0.027
.**| . | . | . | 13 -0.211 -0.052 25.839 0.018
.**| . | . | . | 14 -0.221 -0.039 29.199 0.010
.**| . | . *| . | 15 -0.247 -0.074 34.110 0.003

Paso 3: DL importaciones

Date: 06/26/23 Time: 21:52

Sample (adjusted): 1971 1990
Included observations: 20 after adjustments
Autocorrelation Partial Correlation AC PAC Q-Stat Prob

. *| . | . *| . | 1 -0.037 -0.067 0.1042 0.747

. | . | . | . | 2 -0.047 -0.052 0.1584 0.924
. | . | . *| . | 3 -0.063 -0.070 0.2603 0.967
. | . | . | . | 4 0.021 0.009 0.2725 0.992
. | . | . | . | 5 -0.054 -0.059 0.3569 0.996
. | . | . | . | 6 -0.042 -0.054 0.4133 0.999
. | . | . | . | 7 0.019 0.007 0.4249 1.000
. *| . | . *| . | 8 -0.071 -0.084 0.6103 1.000
. | . | . | . | 9 0.001 -0.015 0.6103 1.000
. *| . | . *| . | 10 -0.081 -0.093 0.8974 1.000
. | . | . | . | 11 -0.014 -0.047 0.9069 1.000
. *| . | . *| . | 12 -0.070 -0.090 1.1767 1.000
. *| . | . *| . | 13 -0.093 -0.138 1.7213 1.000
. | . | . | . | 14 0.001 -0.047 1.7213 1.000
. *| . | . *| . | 15 -0.114 -0.171 2.8569 1.000

El tercer paso corrige la no estacionariedad de la serie de importaciones

Para poder proyectar las importaciones del Perú necesariamente debemos trabajarlo en
primera diferencia del logaritmo de las importaciones
B.- PROYECTAR LAS IMPORTACIONES PARA LOS 4 AÑOS SIGUIENTE
Para poder proyectar primero averiguamos cual es el mejor modelo ARIMA.
La mejor modelo seria ARIMA (0,1,0)
Dependent Variable: D(IMPORTACIONES)
Method: Least Squares
Date: 06/26/23 Time: 22:05
Sample (adjusted): 1971 1990
Included observations: 20 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 21.54690 18.46003 1.428678 0.0723

R-squared 0.000000 Mean dependent var 34.51870

Adjusted R-squared 0.000000 S.D. dependent var 90.74736
S.E. of regression 90.66456 Akaike info criterion 10.92512
Sum squared resid 140877.2 Schwarz criterion 10.87491
Log likelihood -117.2472 Hannan-Quinn criter. 10.91484
Durbin-Watson stat 1.780213

La proyección en Eviews seria:

1991 1144.7898
1992 1182.4627
1993 1203.4788
1994 1248.4756