Carmen Lamadrid
Econometria 2
PRECIO
3,400
3,300
3,200
3,100
3,000
2,900
2,800
2,700
2,600
10 20 30 40 50 60 70 80 90 100 110 120
CORRELOGRAMA
RAICES UNITARIAS
t-Statistic Prob.*
No se acepta la Ho porque el valor de P es menor que 0.05 solo para la prueba de DICKEY
FULLER, pero por la de PHILLIPS PERRON da por encima de este valor.
200
100
-100
-200
-300
-400
10 20 30 40 50 60 70 80 90 100 110 120
CORRELOGRAMA
RAICES UNITARIAS
t-Statistic Prob.*
=========================
LS(DERIV=AA) DPRECIO C AR(1) MA(1)
Estimation Equation:
=========================
DPRECIO = C(1) + [AR(1)=C(2),MA(1)=C(3),BACKCAST=3,ESTSMPL="3 119"]
Substituted Coefficients:
=========================
DPRECIO = 1.76763071967 + [AR(1)=0.875120574517,MA(1)=-
0.999947609968,BACKCAST=3,ESTSMPL="3 119"]
En este Modelo Arima (1,1,1) vemos que todas las variables (incluida la constante) son significativas al 5% por
lo que se procede a seguir estimando el Modelo con constante. De otro lado, tenemos que la bondad de
ajuste es del 0.065312.
Estimation Command:
=========================
LS(DERIV=AA) DPRECIO C AR(1 TO 2) MA(1 TO 2)
Estimation Equation:
=========================
DPRECIO = C(1) + [AR(1)=C(2),AR(2)=C(3),MA(1)=C(4),MA(2)=C(5),BACKCAST=4,ESTSMPL="4 119"]
Substituted Coefficients:
=========================
DPRECIO = 2.26825609627 + [AR(1)=-
0.111011812788,AR(2)=0.866890976235,MA(1)=0.00198640668398,MA(2)=-
0.997985135368,BACKCAST=4,ESTSMPL="4 119"]
Para el caso de este modelo (2,1,2) la variable MA (1) no es significativa al 5% y las otras si.
La bondad de ajuste es del 0.098587 siendo mayor que el modelo anterior, aun asi se
procede a realizar otro modelo Arima.
Estimation Command:
=========================
LS(DERIV=AA) DPRECIO C AR(1 TO 4) MA(1 TO 4)
Estimation Equation:
=========================
DPRECIO = C(1) +
[AR(1)=C(2),AR(2)=C(3),AR(3)=C(4),AR(4)=C(5),MA(1)=C(6),MA(2)=C(7),MA(3)=C(8),MA(4)=C(9),BACKCAS
T=6,ESTSMPL="6 119"]
Substituted Coefficients:
=========================
DPRECIO = -3.14588999909 + [AR(1)=-0.191973190128,AR(2)=-0.138395460489,AR(3)=-
0.221359797732,AR(4)=-
0.802172130288,MA(1)=0.172970273688,MA(2)=0.0856819943557,MA(3)=0.190642511977,MA(4)=0.986315
276766,BACKCAST=6,ESTSMPL="6 119"]
En este Modelo Arima (4,1,4) todas las variables resultan ser significativas, excepto la constante, y
la bondad de ajuste (0.256360) nos da mucho mejor respecto a los dos modelos anteriores. Lo que
nos indica que este podra ser el mejor modelo.
Estimation Equation:
=========================
DPRECIO = C(1) +
[AR(1)=C(2),AR(2)=C(3),AR(3)=C(4),AR(4)=C(5),AR(5)=C(6),MA(1)=C(7),MA(2)=C(8),MA(3)=C(9),MA(4)=C(1
0),MA(5)=C(11),BACKCAST=7,ESTSMPL="7 119"]
Substituted Coefficients:
=========================
DPRECIO = -3.79994368294 + [AR(1)=-0.46589748436,AR(2)=-0.141279355796,AR(3)=-
0.288059748983,AR(4)=-0.850435132344,AR(5)=-
0.193184295556,MA(1)=0.414530630891,MA(2)=0.0616039581326,MA(3)=0.253055447142,MA(4)=1.032202
90413,MA(5)=0.179412653225,BACKCAST=7,ESTSMPL="7 119"]
En este ltimo modelo arima que decidimos correr (5,1,5) gran parte de las variables no
son significativas y la bondad de ajuste se acerca al modelo anterior, pero aun asi es
menor.
PRECIOF
3,400
3,300
3,200
3,100
3,000
2,900
2,800
2,700
2,600
10 20 30 40 50 60 70 80 90 100 110 120
En el grafico anterior predecimos el dato del da posterior al ltimo registrado con el fin de saber
qu valor tendr dicha variable para el da siguiente.