Professional Documents
Culture Documents
CURSO 2005/2006
Práctica 3
• Especificación inicial
• Estimación
• Chequeo o validación
• Utilización del modelo 1
1
El modelo puede utilizarse, por ejemplo, para predecir, para describir las propiedades del fenómeno
económico en cuestión en cuanto a su tendencia, estacionalidad, oscilaciones (cíclicas)
estacionarias, impredictibilidad, etc-, para basar sobre él la extracción de señales como el
componente estacional
2
Donde: d es el número de diferencias regulares y D es el número de diferencias de
tipo estacional y habitualmente D = 0 ó 1 y habitualmente 0 ≤ d+D ≤ 2.
Para ello se utiliza tanto el análisis gráfico de la serie, que nos revela
determinadas características de la misma, como sus correloramas simple y parcial
y los tests de raíces unitarias.
3
verosimilitud pero en Eviews este método no está implementado. Posteriormente se
debe realizar el chequeo ó validación de esas estimaciones, es decir, decidir sobre
varios criterios la validez de dichas estimaciones.
El primer paso que debemos dar para elaborar el modelo univariante de las series
es crear en Eviews el workfile con frecuencia anual y tamaño muestral indicado e
importamos los datos, tal y como hemos hecho en las prácticas 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
También 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 raíces unitarias de D-F
t-Statistic Prob.*
7
Ecuación para la tendencia
12
-4
-8
-12
-16
50 55 60 65 70 75 80 85 90 95
VENTAS Residuals
Zt =(1-B)ventas
14
13
12
11
10
7
50 55 60 65 70 75 80 85 90 95
DVENTAS
9
Tanto el gráfico 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 análisis con el test DFA de raíces unitarias que se muestra a
continuación
t-Statistic Prob.*
10
Method: Least Squares
Date: 04/11/06 Time: 21:55
Sample (adjusted): 1951 1999
Included observations: 49 after adjustments
El test DFA rechaza la hipótesis nula de una raíz unitaria en Dventas puesto
que el valor del estadístico t (3,78) supera el valor de los puntos críticos de la
distribución DFA. Este resultado corrobora la estacionariedad de la serie Dventas
que indican el gráfico y el correlograma de la serie
El análisis de los correlograma de la serie Dventas nos dice que el modelo más
claro que puede generar la serie es un AR(2), puesto que el correlograma simple
tiende a cero con cierta rápidez el parcial se anula después del segundo retardo.
También se puede sugerir como un modelo alternativo, aunque no tan
rotundamente como en el caso anterior, un MA(3) puesto que el correlograma
simple se anula después del tercero o cuarto retardo. Por otro lado, de la
observación del gráfico de la serie que consideramos estacionaria, D(ventas,1), se
11
observa que su media es distinta de cero, por lo que procede en principio la
inclusión de un término independiente.
Estimación
Estimación Modelo1.1
Una vez estimados los modelos especificados se debe validar dichas estimaciones,
es decir, se debe contrastar la adecuación del modelo a los datos, por medio de
una batería de tests estadísticos y econométricos vistos en clase y que se
encuentran en Eviews en el objeto ecuación .
Validación o chequeo
13
En la etapa de validación se presentan tres bloques de análisis: Un primero
referente a los resultados de la estimación, un segundo centrado en el análisis de
los residuos y, finalmente, un tercero dedicado a la comparación de modelos
alternativos.
• Análisis de la estimación.-
Referente a la significatividad individual de los coeficientes por medio del
estadístico t de student pone de relieve que todos los coeficientes del modelo 1 son
altamente significativos y también lo son los del modelo 2.
En esta etapa también se suele analizar las correlaciones entre los coeficientes
estimados para verificar la posible existencia de multicolinealidad en el modelo. La
existencia de multicolinalidad indica una falta de precisión 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 ecuación 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 multicolinelidad.
15
Instrucciones Eviews para el gráfico de residuos: View/Actual, Fitted, residuals
16
14
12
10
2
8
1
6
0
-1
-2
-3
55 60 65 70 75 80 85 90 95
16
El gráfico de los residuos también apoya la ausencia de autocorrelación residual,
puesto que la gran mayoría de los residuos entran dentro de las bandas de
confianza, con excepción del correspondiente al año 1962. Por lo tanto, también
muestra claramente que los residuos son ruido blanco.
GENR LGDP=LOG(GDP)
y para su representación gráfica :
Quick/ Graph/ Graph Line/ LGDP
110 4.7
100 4.6
90 4.5
80 4.4
70 4.3
60 4.2
82 84 86 88 90 92 94 96 82 84 86 88 90 92 94 96
GDP LGDP
View/Correlogram
18
El correlograma confirma también la no estacionariedad que mostraba el gráfico de
nivel de la serie LGDP
t-Statistic Prob.*
19
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LGDP)
Method: Least Squares
Date: 04/12/06 Time: 14:57
Sample: 1980Q3 1998Q2
Included observations: 72
20
Primera diferencia de LGDP
.025
.020
.015
.010
.005
.000
-.005
-.010
-.015
82 84 86 88 90 92 94 96
DLGDP
El gráfico de DLGDP muestra que la serie podría ser estacionaria y también en ese
sentido apunta el correlograma al mostrar un decaimiento con cierta rapidez. No
21
obstante, se realiza también el test de DFA, cuyos resultados se muestran a
continuación, y corrobora también la no existencia de una raíz unitaria en la serie
DLGDP y que , por tanto, esa transformación convierte a la serie en estacionaria.
t-Statistic Prob.*
Por lo tanto la serie LGDP tiene una raíz unitaria y la primera diferencia convierte a
dicha serie en estacionaria , eliminado su tendencia. La serie es del tipo
22
: Zt =(1-B)LGDP,, LGDP∼I(1)
Por otro lado, de la observación del gráfico de la serie DLGDP se deduce que
la media de la serie es distinta de cero por lo que debe incluirse el término constante
en los modelos especificados
Estimación
La estimación de los modelos anteriores en Eviews se hace por medio de las
siguientes instrucciones:
Quick/ Estimate Equation/ LS DLGDP c ar(1) ma(1)ma(2) ma(3)
Quick/ Estimate Equation/ LS DLGDP c ar(1) ma(2)
Quick/ Estimate Equation/ LS DLGDP c ar(1) ma(1)
23
Los resultados de la estimación de estos modelos se presentan a continuación:
Estimacion modelo 2.1
24
Sum squared resid 0.002266 Schwarz criterion -7.291061
Log likelihood 271.0315 F-statistic 9.093817
Durbin-Watson stat 2.020600 Prob(F-statistic) 0.000038
Validación
26
Grafico de residuos del modelo 2.1
.03
.02
.01
.02
.00
.01 -.01
.00 -.02
-.01
-.02
82 84 86 88 90 92 94 96
27
Grafico de residuos del modelo 2.2
.03
.02
.01
.02 .00
.01 -.01
-.02
.00
-.01
-.02
82 84 86 88 90 92 94 96
28
Grafico de residuos del modelo 2.3
.03
.02
.01
.02 .00
.01 -.01
-.02
.00
-.01
-.02
82 84 86 88 90 92 94 96
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 representación gráfica de la serie objeto de análisis. La serie se
denomina carga
29
Volumen de carga aérea en USA
3000
2500
2000
1500
1000
89 90 91 92 93 94 95 96 97 98
CARGA
Este gráfico es indicativo de una serie en la que el nivel crece con el tiempo y
muestra, por tanto, una fuerte tendencia creciente, por lo que no es estacionaria en
media. También se observa un marcado patrón estacional y la varianza es mayor en
el tramo final de la muestra que al principio, esto último aconseja trabajar con la
transformación logarítmica para estabilizar la varianza.
30
Evolución logaritmica del volumen de carga aérea
8.2
8.0
7.8
7.6
7.4
7.2
7.0
89 90 91 92 93 94 95 96 97 98
LCARGA
31
El correlograma de la serie Lcarga decae lentamente, tanto en la parte regular como
en la estacional, por lo que confirma la no estacionariedad apuntada anteriormente.
Pasamos, en primer lugar, a corregir la no estacionariedad en la parte regular al
tomar una diferencia de orden 1 y representar el gráfico de esa serie transformada y
su correspondiente correlograma.
32
.5
.4
.3
.2
.1
.0
-.1
-.2
-.3
89 90 91 92 93 94 95 96 97 98
D(LCARGA,1)
33
Según la gráfica de la primera diferencia regular, d(lcarga,1), la transformación
parece que ha eliminado la tendencia lineal pero el correlograma indica que, si bien
se ha corregido la no estacionariedad de la parte regular, persiste la no
estacionariedad en el componente estacional, al ser significativos en el
correlograma simple los retardos 12, 24 y 36, por lo que se debe tomar una
diferencia de tipo estacional junto con la regular.
.6
.4
.2
.0
-.2
-.4
-.6
89 90 91 92 93 94 95 96 97 98
D(LCARGA,1,12)
34
Correlograma de dd12lgarga
t-Statistic Prob.*
Los resultados del test DFA son concluyentes sobre la estacionariedad de la serie
dd12lcarga, el estadístico t (-10.885) supera ampliamente los valores críticos de la
distribución ADF, lo que confirma la estacionariedad de esta transformación ya
adelantada por el análisis gráfico y el del correlograma.
Zt =(1-B) (1-B12)lcarga
Para finalizar la etapa de especificación inicial debemos determinar cuales son los
modelos estacionales multiplicativos ARMA (p,q) Χ ARMA(P,Q)S que pueden
generar la serie.
36
Estimación del modelo 3.1
.6
.4
.2
.0
-.2
-.4
.2
-.6
.0
-.2
-.4
-.6
90 91 92 93 94 95 96 97 98
37
Correlograma residuos del modelo 3.1
Validación
correlogramas de los residuos se observa que todos los coeficientes de autocorrelación no son
distintos de cero puesto que entran dentro de las bandas de confianza. El gráfico de residuos
también indica que los residuos son ruido blanco. El modelo, en principio, parece válido pero
38
presenta alguna raíz de la media móvil próxima a la unidad lo que puede indicar
análisis gráfico, los correlogramas de la serie y el test DFA de raíces unitarias se decantaban
por una raíz de tipo regular y otra estacional; sin embargo, la mencionada observación atípica de
marzo de 1998 puede distorsionar ese análisis. Por lo tanto, la mejora del modelo vendría por la
alternativo.
39