Académique Documents
Professionnel Documents
Culture Documents
CURSO 2008/2009
Prctica 4
Especificacin inicial
Estimacin
Chequeo o validacin
Utilizacin del modelo 1
1
El modelo puede utilizarse, por ejemplo, para predecir, para describir las propiedades del fenmeno
econmico en cuestin en cuanto a su tendencia, estacionalidad, oscilaciones (cclicas)
estacionarias, impredecibilidad, para basar sobre l la extraccin de seales como el componente
estacional, etc.
2
Donde: d es el nmero de diferencias regulares y D es el nmero de diferencias de
tipo estacional y habitualmente D = 0 1 y habitualmente 0 d+D 2.
Para ello se utiliza tanto el anlisis grfico de la serie, que nos revela
determinadas caractersticas de la misma, como sus correlogramas simple y parcial
y los tests de races unitarias. En esta prctica nos centramos en el test de races
unitarias de Dickey y Fuller aumentado (ADF o DF simplemente).
3
usualmente por mxima verosimilitud aunque en Eviews este mtodo no est
implementado. Posteriormente se debe realizar el chequeo validacin del modelo
y escoger el que parezca ms adecuado para la utilizacin del modelo. Algunos de
los criterios de validacin del modelo ms importantes incluyen el anlisis de la
autocorrelacin y de valores atpicos de los residuos, la significatividad de los
parmetros estimados del modelo (as como sus correlaciones), las condiciones de
estacionariedad e invertibilidad y distintos criterios de ajuste (como el error estndar
de la regresin, el de Akaike o el de Scharwz).
El primer paso que debemos dar para elaborar el modelo univariante de las series
es crear en Eviews el workfile con frecuencia anual y tamao muestral indicado e
importamos los datos, tal y como hemos hecho en las prcticas anteriores. La
variable la denominamos ventas
1100
1000
900
800
700
600
500
50 55 60 65 70 75 80 85 90 95
VENTAS
Quick/Series Statistics/Correlogram/ventas
Tambin de forma alternativa en el objeto serie (ventas)
View/Correlogram
5
El correlograma simple de ventas (AC) confirma la sospecha anterior sobre la no
estacionariedad de la variable ventas al mostrar un decrecimiento muy lento.
Adicionalmente llevamos a cabo el test de races unitarias de DF.
t-Statistic Prob.*
6
Variable Coefficient Std. Error t-Statistic Prob.
7
R-squared 0.999143 Mean dependent var 876.1719
Adjusted R-squared 0.999126 S.D. dependent var 154.5990
S.E. of regression 4.570939 Akaike info criterion 5.915740
Sum squared resid 1023.781 Schwarz criterion 5.991498
Log likelihood -148.8514 F-statistic 57147.92
Durbin-Watson stat 0.109129 Prob(F-statistic) 0.000000
12
-4
-8
-12
-16
50 55 60 65 70 75 80 85 90 95
VENTAS Residuals
8
convertir a la serie en estacionaria. Tomamos la primera diferencia en la serie
ventas para lo que generamos la serie de Dventas =ventas-ventas(-1), es decir,
transformamos la serie de acuerdo con la siguiente expresin:
Zt =(1-B)ventas
14
13
12
11
10
7
50 55 60 65 70 75 80 85 90 95
DVENTAS
9
Tanto el grfico de la serie Dventas como su correlograma indican que la
primera diferencia de la serie puede ser estacionaria puesto que oscila en torno a
su nivel medio y el correlograma tiende a cero con cierta rapidez. No obstante, se
completa este anlisis con el test DFA de races unitarias que se muestra a
continuacin
t-Statistic Prob.*
El test DFA rechaza la hiptesis nula de una raz unitaria en Dventas puesto
que el valor del estadstico t (3,78) supera el valor de los puntos crticos de la
10
distribucin DFA. Este resultado corrobora la estacionariedad de la serie Dventas
que indican el grfico y el correlograma de la serie
Estimacin
11
Una vez especificados varios modelos alternativos como posibles generadores de
la serie se debe proceder a la estimacin de los mismos. Para ello en Eviews se
deben dar las siguientes instrucciones para estimar los modelos sugeridos.
Una vez estimados los modelos especificados se debe validar dichas estimaciones,
es decir, se debe contrastar la adecuacin del modelo a los datos, por medio de
una batera de tests estadsticos y economtricos vistos en clase y que se
encuentran en Eviews en el objeto ecuacin.
Validacin o chequeo
Anlisis de la estimacin.-
Referente a la significatividad individual de los coeficientes por medio del
estadstico t de student pone de relieve que todos los coeficientes del modelo 1 son
altamente significativos y tambin lo son los del modelo 2.
13
De la observacin de los resultados de la estimacin se deduce que el modelo 1.1
presenta un error estndar (0,979), ligeramente ms bajo que el del modelo 1.2
(1,029) y tanto el estadstico de Akaike como el criterio de Schwarz son inferiores
en el primer modelo, 2,857 y 2,974, frente a 2,973 y 3,126
En esta etapa tambin se suele analizar las correlaciones entre los coeficientes
estimados para verificar la posible existencia de multicolinealidad en el modelo. La
existencia de multicolinealidad indica una falta de precisin en las estimaciones
obtenidas y una cierta inestabilidad de los coeficientes estimados. Para obtener las
correlaciones entre los coeficientes se acude su matriz de correlaciones que
proporciona Eviews, para ello nos situamos en la ecuacin estimada y marcamos lo
siguiente:
View/Correlation Matrix
Se observa que esa matriz presenta unas correlaciones muy bajas por lo que no
muestra indicios de multicolinealidad. Para el modelo 1.2 se puede verificar de la
misma forma que tampoco presentan problemas de multicolinealidad.
15
16
14
12
10
2
8
1
6
0
-1
-2
-3
55 60 65 70 75 80 85 90 95
16
Por lo tanto, el crecimiento anual de las ventas de la empresa, ventas, que
es la variable modelizada viene explicada de forma satisfactoria por un modelo
sencillo ARIMA(2,1,0).
Grafico 1 a Grfico 1b
17
115 4.75
110 4.70
105 4.65
100 4.60
95 4.55
90 4.50
85 4.45
80 4.40
1965 1970 1975 1980 1985 1990 1965 1970 1975 1980 1985 1990
EMPLEO LEMPLEO
View/Correlogram
18
Se realiza tambin el test de DFA de races unitarias, cuyos resultados se presentan
a continuacin. Para ello, en Eviews:
t-Statistic Prob.*
-2
-4
-6
1965 1970 1975 1980 1985 1990
D(EMPLEO,1)
20
El grfico de DEMPLEO muestra que la serie podra ser estacionaria y tambin en
ese sentido apunta el correlograma al mostrar un decaimiento con cierta rapidez. No
obstante, se realiza tambin el test de DFA, cuyos resultados se muestran a
continuacin, y corrobora tambin la no existencia de una raz unitaria en la serie
DEMPLEO y que, por tanto, esa transformacin convierte a la serie en estacionaria.
t-Statistic Prob.*
21
Variable Coefficient Std. Error t-Statistic Prob.
Por lo tanto la serie EMPLEO tiene una raz unitaria y la primera diferencia convierte
a dicha serie en estacionaria, eliminado su tendencia. La serie es del tipo:
Zt =(1-B)EMPLEO o EMPLEO I(1)
Estimacin
La estimacin de los modelos anteriores en Eviews se hace por medio de las
siguientes instrucciones:
Quick/ Estimate Equation/ LS EMPLEO ar(1)
Quick/ Estimate Equation/ LS EMPLEO ar(1) ma(1) ma(2)
Quick/ Estimate Equation/ LS EMPLEO ar(1) ar(2) ma(1)
23
Included observations: 126 after adjustments
Convergence achieved after 8 iterations
Backcast: 1961Q3 1961Q4
Validacin
24
En cuanto al modelo 2.1, todos los coeficientes son individualmente significativos
segn el contraste de la t de student y el ajuste es globalmente aceptable. Tambin
son altamente significativos los coeficientes del modelo 2.3. Sin embargo en el
modelo 2.2 los coeficientes de los de los parmetros MA no son significativos por lo
que el modelo es rechazable. Todos los modelos cumplen las condiciones de
estacionariedad y de invertibilidad puesto que tanto las races de los polinomios
autorregresivos como los de media mvil caen fuera del crculo de radio unidad,
aunque en el modelo 2.3 haya una raz cercana a la unidad en el polinomio
autorregresivo y otra en el polinomio de medias mviles. A su vez, las matrices de
correlaciones de los coeficientes de estos modelos no muestran signos de
multicolinealidad
Desde el punto de vista del error estndar de los modelos estimados el 2.1 es el
que presenta un valor menor (1,4739) seguido del 2.3, aunque muy cerca (1,4628).
Desde el punto de vista del criterio de Akaike, tanto el modelo 2.1 como el 2.3
presentan el mismo valor (3,622)
25
Grafico de residuos del modelo 2.1
8 0
-4
4
-8
-4
1965 1970 1975 1980 1985 1990
26
Grafico de residuos del modelo 2.3
8 0
-4
4
-8
-4
1965 1970 1975 1980 1985 1990
Una vez creado el fichero de trabajo en Eviews para esa frecuencia y periodo
muestral, de la misma forma como se ha realizado en los dos ejercicios anteriores,
se realiza la representacin grfica de la serie objeto de anlisis. La serie se
denomina puros
700
600
500
400
300
200
1989 1990 1991 1992 1993 1994 1995 1996
PUROS
28
diciembre. La varianza es visualmente un tanto mayor al principio de la muestra
(ao 1989) que al final, aos 1995 y 1996, pero en el resto de los aos parece muy
uniforme.
6.4
6.2
6.0
5.8
5.6
5.4
1989 1990 1991 1992 1993 1994 1995 1996
LPUROS
29
Como hemos visto en los dos ejemplos anteriores el correlograma es un
instrumento til para verificar la estacionariedad de la serie. A continuacin se
presentan los correlogramas.
30
150
100
50
-50
-100
-150
-200
-250
1990 1991 1992 1993 1994 1995 1996
DPUROS
150
100
50
-50
-100
-150
1990 1991 1992 1993 1994 1995 1996
DD12PUROS
32
No obstante, se elabora el test de DFA para la serie dd12puros para verificar si
esta transformacin es estacionaria
t-Statistic Prob.*
33
Variable Coefficient Std. Error t-Statistic Prob.
Los resultados del test DFA son concluyentes sobre la estacionariedad de la serie
dd12lcarga, el estadstico t (-12.630) supera ampliamente los valores crticos de la
distribucin ADF, lo que confirma la estacionariedad de esta transformacin ya
adelantada por el anlisis grfico y el del correlograma.
Zt =(1-B) (1-B12)puros
Para finalizar la etapa de especificacin inicial debemos determinar cuales son los
modelos estacionales multiplicativos ARMA (p,q) ARMA(P,Q)S que pueden
generar la serie.
(0,1,1)12
3.1. ARIMA(0,1,1) o (1-B)(1-B12)puros= (1+ 1B)(1+
12B12)at
34
Dependent Variable: DD12PUROS
Method: Least Squares
Date: 04/13/08 Time: 18:09
Sample (adjusted): 1990M02 1996M12
Included observations: 83 after adjustments
Convergence achieved after 14 iterations
Backcast: 1987M12 1988M12
80
40
-40
-80
1990 1991 1992 1993 1994 1995 1996
DD12PUROS Residuals
35
Correlograma residuos del modelo 3.1
(0,1,1)12
3.2. ARIMA(2,1,0) ,, (1- 1B-
2B2) (1-B)(1-B12) puros= (1+
12B12)at
36
-.50-.86i -.86+.50i -.86-.50i -.99
Validacin
37