Trabajo-ticse.docx

  • Uploaded by: Jesus Carlos Martin
  • 0
  • 0
  • December 2019
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Trabajo-ticse.docx as PDF for free.

More details

  • Words: 519
  • Pages: 14
INTRODUCCIÓN

OBJETIVOS

PROBLEMÁTICA

HIPOTESIS

Metodología Box Jenkins Para poder realizar un correcto pronóstico se sigue la metodología Box-Jenkins, la cual consiste en:

1. 2. 3. 4. 5.

Prueba de estacionariedad (mediante el uso del test de raíz unitaria ADF) Identificación del modelo ARIMA (mediante el correlograma) Estimación del modelo identificado Verificación del supuesto de ruido blanco de los residuos (mediante el correlograma) Decisión: Si los residuos se comportan como ruido blanco se avanza al paso 6 sino regresar al paso 1 o 2. 6. Pronosticar,

Analizar y graficar las series en Eviews: Las series a estudiar serán las importaciones y PBI del país México.

1.- Prueba de estacionariedad (Mediante un test de raíz unitaria)

Fuente. Elaboración en Eviews 10

En la elaboración del test de raíz unitaria, podemos observar que la probabilidad del test ADF no rechaza la hipótesis puesto que se tiene una prob.*= 0.7111, lo cual indica que no es estadísticamente significativo al 5% de significancia, la serie posee raíz unitaria por tanto no es estacionaria.

Serie PBI:

Al igual que en el caso de la serie importaciones, la serie PBI presenta una prob*= 0.8717 lo cual es indicador de que no es significativa por lo tanto existe raíz unitaria y la serie no es estacionaria.

En ambos casos fue necesario hacer una diferencia para lo cual será necesario el uso de logaritmos naturales para suavizar las oscilaciones de las series.

Nuevamente realizamos la prueba de raíz unitaria:

Podemos observar que ambas series ahora si son estacionarias.

2.-Obteniendo los correlogramas:

MODELOS FINALES (INSERTAR)

MODELO VAR: Usamos el modelo var para tratar a todas las variables del sistema como variables endógenas. Esta variable estudia las posibles relaciones que pudieran existir entra las variables al considerar que no solo la historia de una variable determina su comportamiento sino también el rezago de las otras. Para esto procedemos a estimar el var. Hay que tener en cuenta que

para obtener el número de rezagos óptimos se debe guiar por los criterios de Akaike y Schwarz. Iremos probando los rezagos y el que nos bote los valores más bajos en estos criterios, serán nuestros rezagos óptimos. Obtuvimos que en el rezago numero 5 tenemos los valores más bajos de dicho criterio y para proceder con la interpretación del var. Prueba de Granger:

El test de causalidad de granger nos da un valor estadístico el cual dado un nivel de significancia nos lleva a rechazar o aceptar la hipótesis nula. Ho: import does not granger cause Y ho: pbi does not granger import cause. Como podemos ver tenemos un f estadístico elevado que nos lleva a rechazar la ho de no causalidad de import a granger.

Descomposición de varianza

En este multigráfico se observa por ejemplo la variabilidad de la variable PBI en un shock en la misma variable, es casi del 100%. La variabilidad del PBI dado un shock en la serie importaciones llega casi a 15%, la variabilidad en importaciones dado un shock en PBI bordea

el 20%. Y por último la variabilidad dada en importaciones por un cambio en su misma variable, esta explicado por esta en un 80%.

More Documents from "Jesus Carlos Martin"

April 2020 10
Pa3 - Proyectos (2).docx
December 2019 13
Trabajo-ticse.docx
December 2019 7
Chuchonnnnnnnn.docx
December 2019 15
Contabilidad.docx
April 2020 11
December 2019 13