Econometria II 30 10 2014
Econometria II 30/1 0/2014: *Anomalía: proceso de auto-correlación *Coef de Bartler: PIB 0. 209 D(PIB) 0. 210 0. 21 1 *Eviews: object, new object, equation, EQOI: d (pib) c ar(l ) ar(8) ar(12) * Eviews : Forecast: serie: al pib, utilizer método: static forecast Copiar valor final de pibf en el pib y volver hacer paso de forecast, y así sucesivamente, hasta lle ar a tener los dos valores finales de Swipetoview nextp pibfApib,: HACERMOS OPEN AS SCATER, REGRESSIO *View, correlogram, s OF4 OUP E INE FAplB EMOS GRApH 5. Eviews: object, new object, equation, EQ02: D(PIB,2) C AR(I) AR(8) ARO 1) ARO 2) *Quitamos AR (11) por ser menor a 2, esto cambia: *Se debe hacer el proceso de forecast otra vez (con grupos y estimate) Borra otra vez los 4 últimos números Eq03: c ar(l) ar(8) ar(ll) ANTERIOR SE DEBE PONER EN EL DOCUMENTO, NO LA QUE SE ELABORA EN ESTE MOMENTO Se quita EL SEGUNDO MENOS PEOR AR(12) modelar como: Pasos para primer modelo: (este se debe estudiar) 1. Se debe expandir el range! 2. 25 3.
Con la primera diferencia 4. d(pb) c ma(l ) ma(8) ma(12) 5. forecast: 6. open as group : copiar valor de pibf en pib (4880. 251) 7. hacer eso hasta el último valor 8. CON as grouup 9. Se elabora otro modelo . Hacer correlograma con segunda diferencia, se debe observar valores del PAC 2. c ma(l) ma(3) ma(8) MA(II) ma(17) 3. después se quita el MA(11) 4. QUITO MA (17) por seguir siendo menor a 2 (valor critico) de t- student 5. Hacer grafico «Segundo modelo eliminando la segunda peor t-statistic 1. (pib,2) c ma(l) ma(3) m a(17) Cambiar el range y ver correlograma 2. Eq01: d(pib) c ar(l) ar(8) ar(12) ar(14) ma(l) ma(8) ma(12) 3. Quitar peor t-statistics ar(12) y despúes ma(8) 4. En fin queda d(pib) c ar(8) ma(l) ma(12); y el modelo se llama ARIMA 5. Poner forestcast y después open as group Modelo 2 1. Eliminar peor segunda 2. d(pib) c ar(l) ar(8) ar(12) ar(14) ma(l) ma(8) ma(12) 3. quito hasta que quede ar(l) ar(l) ar(14) ma(12) Modelo 3 1. Eliminar tercer peor 2.
La «,» es para separar AR y después «,» se pone la indicación si es primer o segunda diferencia y después separados por «;» se pone los MA 3. ar(l) ar(8) ar(1 1) ar(1 2) ma(l) MA(3) ma(8) ma(11) ma(17) 4. c ar(8) aro 1) ar(12) ma(l) ma(3) rna(8) mao 1) rna(17) 20/11/14 ULTIMA CLASE VECTORES AUTORREGRESIVOS (VAR): En los modelos uniecuacionales y de ecuaciones simultáneas, las variables deben ser identificadas como endógenas o exógenas, ecisión que según Christopher Sims, a menudo es subjetiva y más bien no debe haber ninguna distinción.
En los modelos VAR, no cuenta la significación individual, solamente la conjunta, es decir, la prueba F,debido 3 VAR, no cuenta la significación individual, solamente la conjunta, es decir, la prueba F,debido a que deja de dar unicamente importancia a la t-statistic; pero además, el término autorregresivo se refiere a la aparición de los valores rezagados de la variable dependiente en el lado derecho de la regresión. Supongamos el caso entre GCP e IPD: IRA: 2DA: Esto significa la creación de la exogenización de las variables, el echo que que gcp este en la ecuacion. . Aumentar range 2. Object, new, VAR, eqol…. gcp ipd…… „ Y sale lo siguiente: Lo que manda es la F, entre 3 y 5, sus valores críticos. Esto genera q se pierda información. SI tener infinito numero e observaciones se debe usa 4 3. Estando en la ecuacion ; Proc, make model, solve, static solution, poner fechas: 70q1 92q1 4. Open as group : GCP GCP O IPD IPC) O al final de las columnas agrego las datos de las columnas y poner en ecuación, etima otra vez y proc, es decir repetir proceso pero esta vesz cambiando la fecha a 70q1 92q2 5. ASi hasta 70C11 92q4 6. VAR
