Econometría_Proyecto_Grupo[1].pptx como hacer un proyecto

Un modelo Arima para un proyecto

1. Integrantes: Alvarado Santillán César Cotera Marquez Heidy Dueñas Cercado Bella Nazareno Zambrano Edison Ruiz Barberan Paulino PIB con base 2018

2. Suponemos que la variable pib_ec18 es estacionaria, porque sus valores no dependen del paso del tiempo, con una tendencia positiva y constante. Graficamos el PIB

3. PRUEBAS DA RAIZ UNITARIA Dickey –Fuller La variable PIB pasa 2 de las 3 pruebas esto me demuestra que es una variable estacionaria Pasa la prueba Dickey –Fuller y Phillips- Perron porque el valor de test statistic son mayores a los valores critical value Phillips- Perron

4. KPSS Aunque la prueba kpss no paso ya que para esta prueba necesitamos que los valores de Test statistic sean menores a los critical Values para NO RECHAZAR la hipótesis nula de Estacionariedad, pero en este caso los valores del test statistic fueron mayores y se rechazó la hipótesis nula, pero vamos a trabajar con la variable normal sin diferencia y luego para el otro modelo con la primera diferencia y el que tenga en menor valor de ACAIQUE es el mejor modelo a elegir

5. MODELO ARIMA SIN PRIMERA DIFERENCIA Función de autocorrelación (FAC) MODELO 1 Función de autocorrelación parcial (FACP) 1. IDENTIFICACIÓN De acuerdo con las FAC y FACP se podría estimar un modelo ARIMA (1,0,1)

6. 2. ESTIMACIÓN Este es un modelo ARIMA (1,0,1) porque la variable NO está en primeras diferencias, es decir, tiene un orden de integración 0 I (0), se tomo 1 rezagos AR (1), y 1 media móvil MA (1).

7. 3. DIAGNÓSTICO 3.1. Significancia conjunta Prueba de Wald Si pasa el valor Prob >chi2= 0.0000 y es menor a 0.05 3.2. Significancia individual Si pasa los valores P>|z| de AR (1) Y MA (1) son menores a 0.05 3.3. Criterio de información de ACAIKE

8. 3.4 ESTIMAR LOS ERRORES DEL MODELO Este modelo tiende a la normalidad

9. 3.5. RUIDO BLANCO H0: El error es ruido blanco CONCLUSIONES DEL MODELO 1 Este modelo paso las pruebas: Prueba 1: Significancia conjunta Prueba 2: Significancia individual Prueba 3: El criterio de Akaike Prueba 4: Normalidad del error Pasa la prueba white ya que su valor de probabilidad es menor a 0.05 Este modelo NO paso la prueba: Prueba 5: Ruido blanco del error

10. 4. PRONÓSTICO

11. Suponemos que la variable dpib_ec18 es estacionaria, porque sus valores no dependen del paso del tiempo, no tiene tendencia. Graficamos el DPIB

12. PRUEBAS DA RAIZ UNITARIA DPIB Dickey –Fuller Phillips- Perron KPSS

13. Función de autocorrelación (FAC) MODELO 2 Función de autocorrelación parcial (FACP) 1. IDENTIFICACIÓN De acuerdo con las FAC y FACP se podría estimar un modelo ARIMA (1,1,1) MODELO ARIMA CON PRIMERA DIFERENCIA

14. 2. ESTIMACIÓN Este es un modelo ARIMA(1,1,1) porque la variable está en primeras diferencias I(1), se tomo 1 rezago AR(1), y 1 media móvil MA(1)

15. 3. DIAGNÓSTICO 3.1. Significancia conjunta Prueba de Wald Si pasa el valor Prob >chi2= 0.0000 y es menor a 0.05 3.2. Significancia individual Si pasa los valores P>|z| de AR (1) I(1) Y MA (1) son menores a 0.05 3.3. Criterio de información de AKAIKE

16. 3.4. ESTIMAR LOS ERRORES DEL MODELO Este modelo NO tiende a la normalidad

17. 3.5. RUIDO BLANCO H0: El error es ruido blanco CONCLUSIONES DEL MODELO 2 Este modelo paso las pruebas: Prueba 1: Significancia conjunta Prueba 2: Significancia individual Prueba 3: El criterio de Akaike es muy similar al Modelo 1. Este modelo NO paso la prueba: Prueba 4: Normalidad del error Prueba 5: Ruido blanco del error No pasa la prueba white ya que su valor de probabilidad es menor a 0.05, esto indica que existe correlación entre los residuos.

18. Ahora como ya antes demostrado que no paso la prueba KPSS, nos quedo la duda si la variable es o no estacionaria, ya que nosotros pudimos notar en la grafica que contiene una tendencia Lo que haremos es usar la primera diferencia de la variable pib_ec18 para que sea una variable completamente estacionaria y además ver si su valor de AKAIKE es menor del método ya utilizado 4. PRONÓSTICO DE LA PRIMERA DIFERENCIA