Introducción a Series de Tiempo Univariadas - Centro Microdatos
Introducción a Series de Tiempo Univariadas - Centro Microdatos Introducción a Series de Tiempo Univariadas - Centro Microdatos
Introducción a Series de Tiempo UnivariadasDecember 31, 2010dfuller imacec, regress drift lags(0)Dickey-Fuller test for unit root Number of obs = 297----------- Z(t) has t-distribution -----------Test 1% Critical 5% Critical 10% CriticalStatistic Value Value Value------------------------------------------------------------------------------Z(t) -1.386 -2.339 -1.650 -1.284------------------------------------------------------------------------------p-value for Z(t) = 0.0835------------------------------------------------------------------------------D.imacec | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+----------------------------------------------------------------imacec |L1. | -.0131869 .0095172 -1.39 0.167 -.0319171 .0055434|_cons | 1.422699 .8394634 1.69 0.091 -.2293968 3.074795------------------------------------------------------------------------------dfuller imacec, regress nocon lags(0)Dickey-Fuller test for unit root Number of obs = 297---------- Interpolated Dickey-Fuller ---------Test 1% Critical 5% Critical 10% CriticalStatistic Value Value Value------------------------------------------------------------------------------Z(t) 0.660 -2.580 -1.950 -1.620------------------------------------------------------------------------------D.imacec | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+----------------------------------------------------------------imacec |L1. | .002058 .0031184 0.66 0.510 -.004079 .008195------------------------------------------------------------------------------El test de Dickey-Fuller original está pensado para un proceso autoregresivo de orden superior seutiliza el test Dickey Fuller Aumentado (ADF):La cantidad de rezagos a considerar se puede escoger de manera óptima según criterios deinformación.El test de Phillips y Perron (1988), bastante popular en series de tiempo financieras, difiere deltest ADF en la forma que se considera la presencia de heterocedasticidad y/o autocorrelación deorden superior. En particular el test ADF trata de incorporar la cantidad de rezagos necesaria paramodelar este comportamiento, el test PP no incorpora rezagos sino que estima el modeloconsiderando la presencia de esto en el error.Por ejemplo, para la serie desempleo:70
Introducción a Series de Tiempo UnivariadasDecember 31, 2010use " desempleo.dta", cleartsset fechatime variable: fecha, 1986m2 to 2010m2delta: 1 monthpperron desempleo, regressPhillips-Perron test for unit root Number of obs = 288Newey-West lags = 5---------- Interpolated Dickey-Fuller ---------Test 1% Critical 5% Critical 10% CriticalStatistic Value Value Value------------------------------------------------------------------------------Z(rho) -20.676 -20.330 -14.000 -11.200Z(t) -3.599 -3.457 -2.878 -2.570------------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.0058------------------------------------------------------------------------------desempleo | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+----------------------------------------------------------------desempleo |L1. | .9590234 .0135501 70.78 0.000 .9323527 .985694|_cons | .3318935 .1179364 2.81 0.005 .09976 .5640271------------------------------------------------------------------------------VI.3. Estimación de modelos ARIMAUtilicemos la base de datos turksales.dta, que contiene información trimestral de la venta de pavoen los noventas.use "turksales.dta", cleartsset ttwoway (tsline sales, lcolor(cranberry)), ytitle(venta de pavo)ttitle(trimestre)71
- Page 19 and 20: Introducción a Series de Tiempo Un
- Page 21 and 22: 40 60 80Introducción a Series de T
- Page 23 and 24: 10 122 4 6 8Introducción a Series
- Page 25 and 26: Tasa de desempleo2 4 6 810 12Introd
- Page 27 and 28: Introducción a Series de Tiempo Un
- Page 29 and 30: Introducción a Series de Tiempo Un
- Page 31 and 32: Introducción a Series de Tiempo Un
- Page 33 and 34: 4 6 8desempleo10 12 14Introducción
- Page 35 and 36: Introducción a Series de Tiempo Un
- Page 37 and 38: 4 6 810 12 144 6 810 12 14Introducc
- Page 39 and 40: 0salmón atlántico (ton)20000 4000
- Page 41 and 42: 020000 40000 60000Introducción a S
- Page 43 and 44: 020000 40000 60000Introducción a S
- Page 45 and 46: Introducción a Series de Tiempo Un
- Page 47 and 48: 020000 40000 60000Introducción a S
- Page 49 and 50: 4 6 810 12Introducción a Series de
- Page 51 and 52: El análogo muestral de la media es
- Page 53 and 54: Introducción a Series de Tiempo Un
- Page 55 and 56: Introducción a Series de Tiempo Un
- Page 57 and 58: Introducción a Series de Tiempo Un
- Page 59 and 60: -0.500.00 0.50 1.00Introducción a
- Page 61 and 62: -.20.2 .4 .6 .8Introducción a Seri
- Page 63 and 64: Introducción a Series de Tiempo Un
- Page 65 and 66: Introducción a Series de Tiempo Un
- Page 67 and 68: -20000 -10000D.sa010000 20000Introd
- Page 69: Introducción a Series de Tiempo Un
- Page 73 and 74: -4 -2venta de pavo0 2 4Introducció
- Page 75 and 76: -1.00 -0.500.00 0.50Introducción a
- Page 77 and 78: -0.500.00 0.50 1.00Introducción a
- Page 79 and 80: Introducción a Series de Tiempo Un
- Page 81 and 82: 95Introducción a Series de Tiempo
- Page 83 and 84: VI.5. Criterios de bondad de ajuste
- Page 85 and 86: Introducción a Series de Tiempo Un
- Page 87 and 88: Introducción a Series de Tiempo Un
- Page 89 and 90: Introducción a Series de Tiempo Un
- Page 91 and 92: 50100 150 200Introducción a Series
- Page 93 and 94: Introducción a Series de Tiempo Un
- Page 95 and 96: -0.40 -0.200.00 0.20 0.40 0.60Intro
- Page 97 and 98: Introducción a Series de Tiempo Un
- Page 99 and 100: Introducción a Series de Tiempo Un
- Page 101 and 102: Introducción a Series de Tiempo Un
- Page 103: Introducción a Series de Tiempo Un
Introducción a <strong>Series</strong> <strong>de</strong> <strong>Tiempo</strong> <strong>Univariadas</strong>December 31, 2010use " <strong>de</strong>sempleo.dta", cleartsset fechatime variable: fecha, 1986m2 to 2010m2<strong>de</strong>lta: 1 monthpperron <strong>de</strong>sempleo, regressPhillips-Perron test for unit root Number of obs = 288Newey-West lags = 5---------- Interpolated Dickey-Fuller ---------Test 1% Critical 5% Critical 10% CriticalStatistic Value Value Value------------------------------------------------------------------------------Z(rho) -20.676 -20.330 -14.000 -11.200Z(t) -3.599 -3.457 -2.878 -2.570------------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.0058------------------------------------------------------------------------------<strong>de</strong>sempleo | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+----------------------------------------------------------------<strong>de</strong>sempleo |L1. | .9590234 .0135501 70.78 0.000 .9323527 .985694|_cons | .3318935 .1179364 2.81 0.005 .09976 .5640271------------------------------------------------------------------------------VI.3. Estimación <strong>de</strong> mo<strong>de</strong>los ARIMAUtilicemos la base <strong>de</strong> datos turksales.dta, que contiene información trimestral <strong>de</strong> la venta <strong>de</strong> pavoen los noventas.use "turksales.dta", cleartsset ttwoway (tsline sales, lcolor(cranberry)), ytitle(venta <strong>de</strong> pavo)ttitle(trimestre)71
Change language