INTRODUCCIÓN

OBJETIVOS
PROBLEMÁTICA

HIPOTESIS

Metodología Box Jenkins

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

1. Prueba de estacionariedad (mediante el uso del test de raíz unitaria ADF)

2. Identificación del modelo ARIMA (mediante el correlograma)
3. Estimación del modelo identificado
4. Verificación del supuesto de ruido blanco de los residuos (mediante el correlograma)
5. 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%.