Vous êtes sur la page 1sur 13

PRESENTACION

FINAL
ANALISIS DE UNA SERIE DE TIEMPO
Introducción

■ La siguiente serie representa el número de desempleados. Los datos de la fuerza laboral están
restringidos a personas de 16 años de edad y mayores, que actualmente residen en 1 de los 50 estados,
que no residen en instituciones (por ejemplo, instalaciones penales y mentales, hogares para ancianos),
y Quienes no están en servicio activo en las Fuerzas Armadas.
Tasa de desempleo
El grafico 1 presenta el comportamiento de la
tasa de desempleo entre el año 1998 y 2018,
el cual nos dice que la tasa de desempleo no
es constante en el tiempo.

La serie no presenta indicios de ser


estacionaria, además de no tener una
tendencia clara.
mínimo 1º quintil mediana 3º quintil máximo

3.50 4.50 5.20 6.55 10.60

varianza kurtosis
3.183 2.763

Coeficiente de asimetría
0.9557
A la serie original se le aplico un corte para
obtener una nueva serie entre el año 2010 y
2018, ya que la serie original desde ese año
presenta una tendencia negativa, lo cual
podría presentar estacionalidad.
Al realizarle la primera diferenciación a la
serie cortada, podemos notar que aun n
hay evidencia de que la serie sea
estacionaria, por lo tanto se le aplica una
segunda diferenciación.

Contrastaremos la hipótesis de no
estacionalidad con un test de duckey-fuller.

Augmented Dickey-Fuller Test


data: diff1
Dickey-Fuller = -2.0161, Lag order = 4, p-value = 0.57
alternative hypothesis: stationary
Serie diferenciada
A la serie se le aplico una segunda
diferenciación de orden 12, ya que los datos son
anuales, la cual nos ayuda a ver que la serie
podría ser estacionaria. Contrastaremos esta
hipótesis con un test de duckey-fuller.

Augmented Dickey-Fuller Test


Augmented Dickey-Fuller Test
data:rt
data: rt
Dickey-Fuller ==-3.2562,
Dickey-Fuller -3.2562,Lag
Lagorder
order==4,4,p-value
p-value==0.08216
0.03446

alternativehypothesis:
alternative hypothesis:stationary
stationary

El p valor es significativo, por lo tanto hay


información suficiente para rechazar la
hipótesis de no estacionalidad.
Con los gráficos presentados anteriormente, analizamos los gráficos de ACF y PACF de los datos, con lo
cual podemos ver que 2 parámetros son significativos en el grafico del ACF y 2 para el PACF, lo cual
sugeriría un modelo ARMA(2).
Validación del modelo
ARMA(2,2) AR(2) MA(2)

BIC AIC BIC AIC BIC AIC

-2.3844 -3.2595 -2.3046 -3.2297 -2.3887 -3.3387

Con el criterio del AIC y BIC nos indica que el mejor modelo para nuestra serie es un modelo
MA(2), Analizaremos los residuos de este modelo.
Al analizar los residuos del
modelo AR(2), podemos ver que
los datos se ajustan de muy
buena manera a la recta,
aunque se escapan unos datos
en los extremos.
Predicciones del modelo

En el grafico siguiente podemos


ver las predicciones del modelo
aplicadas a la serie diferenciada,
las cuales podemos ver están
bastante centradas a 0.
Finalmente al aplicar predicciones
al modelo de nuestra serie original
cortada, podemos notar que la
tasa de desempleo podría bajar en
los próximos meses y para inicios
de 2019 podria subir la tasa de
desempleo en los estados unidos.
PRESENTACION
FINAL
ANALISIS DE UNA SERIE DE TIEMPO
CRISTIAN HIDALGO BERNAL