Introducción a Series de Tiempo Univariadas - Centro Microdatos

-.20.2 .4 .6 .8Introducción a Series de Tiempo UnivariadasDecember 31, 20100 5 10 15 20_tAR-only ACARMA ACMA-only ACLa función de autocorrelación del proceso ARMA comienza con valores más altos, pero decae demanera más rápida que el proceso AR. Se puede notar que la función de autocorrelación delproceso AR(1) decae geométricamente (0.5, 0.5 2 , 0.5 3 ,…), en cambio, en el proceso ARMA laprimera autocorrelación es cercana a 0.7, y luego van disminuyendo a una tasa más alta que lageométrica.V.5.3 Función de autocorrelación parcial:Pudimos notar que la función de autocorrelación muestral de un proceso autoregresivo decae demanera gradual, pero esta función no es capaz de darnos señales sobre el orden de este proceso,es decir, si es un AR(1) o un AR(5).Para esto se utiliza la función de autocorrelación parcial, la idea es que si una serie sigue unproceso AR(p) la autocorrelación parcial p+1 y superior debiese ser cero. La función deautocorrelación parcial mide la correlación entre e después de controlar por el efecto deparciales. Desde la perspectiva del análisis de regresión, las autocorrelacionesson los coeficientes en la siguiente ecuación:El comando en STATA para obtener la función de autocorrelación parcial es pac.61