Introducción a Series de Tiempo Univariadas - Centro Microdatos

50100 150 200Introducción a Series de Tiempo UnivariadasDecember 31, 2010arima starts, arima(1,1,1) sarima(1,1,1,12)predict multi, y dynamic(ym(2000,1))tsline multi aditiva starts if date>=ym(1990,1)1990m1 1995m1 2000m1 2005m1datey prediction, dyn(ym(2000,1))startsy prediction, dyn(ym(2000,1))En este caso en particular, las predicciones con estacionalidad multiplicativa y aditiva para elmodelo ARIMA son prácticamente iguales. Revisando los criterios de información del modelo conestacionalidad multiplicativa versus el modelo con estacionalidad aditiva, nos deberíamos quedarcon el modelo con ARIMA(1,1,1) con estacionalidad multiplicativa ARIMA(1,1,1).La sugerencia es siempre comenzar con estacionalidad multiplicativa, y sólo en caso que esta nologre ajustar bien los datos intentar con estacionalidad aditiva.VI.8 Modelos ARMAXHasta ahora hemos tratado de determinar el comportamiento de una serie de tiempo enfunción de valores pasados de la misma serie, y del término de error. Sin embargo, pueden haberotros factores medidos a través de otras variables que también ayuden y complementen la parteexplicara por el modelo ARIMA. Esto son los denominados modelos ARIMAX.91