Académique Documents
Professionnel Documents
Culture Documents
ECONOMETRÍA II
PASO 1: Primero para tener una idea de lo que sugiere nuestra variable analizada realizamos el
gráfico de la variable GDP.
10000
9000
7000 GDP 8000
6000
5000
Observamos que el gráfico tiene una tendencia creciente, que puede sugerir no
estacionariedad.
PASO 2: Necesitamos analizar la identificación del orden de nuestro modelo con la ayuda de la
autocorrelación simple y parcial
1.00
1.00
0.50
0.50
Autocorrelations of GDP
0.00
0.00
-0.50
-1.00
-0.50
0 10 20 30 40 0 10 20 30 40
Lag Lag
Bartlett's formula for MA(q) 95% confidence bands 95% Confidence bands [se = 1/sqrt(n)]
PASO 3: Realizo la regresión de la variable GDP contra gdpL1 y observo que la constante no es
estadísticamente significativa.
PASO 4: El siguiente paso es analizar el correlograma de los residuos y según los valores
presentados a continuación podemos afirmar que los residuos no son ruido blanco, es decir la
serie no es estacionaria.
PASO 5: Los residuos no son ruido blanco; así que procedemos a diferenciar la serie (primera
diferencia) para convertirla en estacionaria. Y se la grafica para ver su comportamiento. En este
caso sugiere un comportamiento de estacionariedad.
200
100
gdpD1
0
-100
0.40
Partial autocorrelations of gdpD1
Autocorrelations of gdpD1
0.20
0.20
0.00
0.00
-0.20
-0.20
0 10 20 30 40 0 10 20 30 40
Lag Lag
Bartlett's formula for MA(q) 95% confidence bands 95% Confidence bands [se = 1/sqrt(n)]
Y obtenemos que tanto la constante como los dos rezagos son estadísticamente significativos.
PASO 7: Procedemos a analizar el correlograma de los residuos. Y obtenemos que los residuos
sin son Ruido blanco, es decir el modelo si está bien especificado.
PASO 8: PRUEBAS DE EXISTENCIA DE RAÍZ UNITARIA
- DICKEY FULLER
Analizado en la variable GDP, el valor de Z (t) es mayor a los valores críticos, es decir no se
rechaza la hipótesis nula de que la serie es no estacionaria. Analizando la variable gdpD1 se
rechaza la hipótesis nula de no estacionariedad.
Con la variable GDP vemos que el valor Z(t) es más elevado que los valores críticos y por lo
tanto no rechazo la hipótesis nula de no estacionariedad, mientras que con la variable gdpD1
tenemos en caso contrario es decir si rechazamos H0.
- PHILLIPS-PERRON
Con la variable GDP como el valor del estadístico es mayor al valor crítico no se rechaza la
hipótesis nula de raíz unitaria. Con la variable gdpD1 como el valor del estadístico es menor que
el valor crítico se rechaza la hipótesis nula de raíz unitaria.
PASO 9: Ahora si con los datos obtenidos anteriormente, es decir variable ya estacionaria
procedemos a realizar el pronóstico de nuestra serie.
200
150
100
50
0
-50
AUTOCORRELACIÓN
Como el valor del estadístico (1.99) se encuentra entre el intervalo 1.31-2.68 no se rechaza la
hipótesis la H0; es decir no existe autocorrelación.
NORMALIDAD
Se debe analizar que los residuos estén distribuidos normalmente y para esto utilizaremos el
histograma de los residuos para darnos una idea, y además la prueba de Shapiro-Wilk.
.01
Density
.005
0
-200 -100 0 100 200
residual, one-step
Según el histograma parecería que los residuos no siguen una distribución normal.
En Shapiro-Wilk si el P valor es mayor o igual a 0.05 si hay normalidad; este valor es de 0.012
por lo tanto no existe normalidad en los residuos.
HETEROCEDASTICIDAD
Como el P valor es (0.60) es decir; mayor que 0.05 no rechazo la hipótesis nula y tenemos
homocedasticidad.