Introducción a Series de Tiempo Univariadas - Centro Microdatos
Introducción a Series de Tiempo Univariadas - Centro Microdatos Introducción a Series de Tiempo Univariadas - Centro Microdatos
400 600 8001000 1200 1400Introducción a Series de Tiempo UnivariadasDecember 31, 20101850 1900 1950 2000yeardischargexb prediction, one-stepLos valores predichos para la serie parecen ajustarse de manera razonable, pero existe variablidadque no está siendo capturada. La desviación estándar del error estimada es de 141.04.Si miramos el gráfico notamos que en las primeras observaciones la media de la serie pareciese sermás alta que después. En efecto, a comienzos de 1899 se construyó la primera represa, y comoresultado el nivel de agua en el Nilo disminuyó. Este factor debe ser considerado en los datos paraefectos de estimar mejor el modelo, y obtener parámetros correctos para hacer predicciones.Entonces vamos a generar una variable explicativa binaria (dummy) que tome valor uno desde1899 en adelante, y cero para los años previos.98
Introducción a Series de Tiempo UnivariadasDecember 31, 2010g d1899=0replace d1899=1 if year>=1899arima discharge d1899, arima(1,0,1)------------------------------------------------------------------------------| OPGdischarge | Coef. Std. Err. z P>|z| [95% Conf. Interval]-------------+----------------------------------------------------------------discharge |d1899 | -248.969 32.95188 -7.56 0.000 -313.5535 -184.3845_cons | 1098.466 27.31565 40.21 0.000 1044.928 1152.003-------------+----------------------------------------------------------------ARMA |ar |L1. | .0357627 .7375229 0.05 0.961 -1.409756 1.481281|ma |L1. | .1275965 .689086 0.19 0.853 -1.222987 1.47818-------------+----------------------------------------------------------------/sigma | 124.6959 8.539466 14.60 0.000 107.9588 141.4329------------------------------------------------------------------------------Lo que hace este modelo es estimar una constante distinta para el periodo previo a 1899. Peroobservamos que los componentes AR y MA ahora no son significativos.Debemos ajustar la estimación del modelo, para eso estimamos modelos AR(1) y MA(1)incorporando esta variable explicativa, y escogemos el modelo con menor criterio de información.En este caso ambos modelos tienen igual criterio de información, pero al estimar el modelo AR(1),el coeficiente autoregresivo resulta significativo al 14%, en el modelo MA(1) el coeficiente essignificativo al 9%, por lo cual nos quedaremos con el modelo MA(1). Veamos como se comparanlas predicciones con el modelo anterior.99
- 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 and 70: Introducción a Series de Tiempo Un
- Page 71 and 72: 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: Introducción a Series de Tiempo Un
- Page 101 and 102: Introducción a Series de Tiempo Un
- Page 103: Introducción a Series de Tiempo Un
400 600 8001000 1200 1400Introducción a <strong>Series</strong> <strong>de</strong> <strong>Tiempo</strong> <strong>Univariadas</strong>December 31, 20101850 1900 1950 2000yeardischargexb prediction, one-stepLos valores predichos para la serie parecen ajustarse <strong>de</strong> manera razonable, pero existe variablidadque no está siendo capturada. La <strong>de</strong>sviación estándar <strong>de</strong>l error estimada es <strong>de</strong> 141.04.Si miramos el gráfico notamos que en las primeras observaciones la media <strong>de</strong> la serie pareciese sermás alta que <strong>de</strong>spués. En efecto, a comienzos <strong>de</strong> 1899 se construyó la primera represa, y comoresultado el nivel <strong>de</strong> agua en el Nilo disminuyó. Este factor <strong>de</strong>be ser consi<strong>de</strong>rado en los datos paraefectos <strong>de</strong> estimar mejor el mo<strong>de</strong>lo, y obtener parámetros correctos para hacer predicciones.Entonces vamos a generar una variable explicativa binaria (dummy) que tome valor uno <strong>de</strong>s<strong>de</strong>1899 en a<strong>de</strong>lante, y cero para los años previos.98