Академический Документы
Профессиональный Документы
Культура Документы
MATÉRIA: ECONOMETRIA II
CÓDIGO: C7517-5
CBBA-BOLIVIA
ECONOMETRÍA II LIC. RODRIGO PANIAGUA TAPIA
Se usará la base de datos del país europeo Tanzania, obtenidos del banco
mundial:
Base de datos
Como podemos observar en el PIB del país de Tanzania va creciendo con sus
respectivas oscilaciones, en el año 2008, Tanzania recibió grandes sumas, por valor
de $ 698 millones para aliviar el impacto de la recesión mundial, lo que posibilita un
crecimiento del PIB que en 2009-2015 fue de un 6% en promedio por año, por lo
tanto en esos años no tiene grandes problemas, pero en el año 2014 tiene una
recisión, el cual puede afectar a nuestro modelo, por lo tanto solo se estima desde
el año 1990 hasta 2013.
AR (1)
PIB=11270546+1,11138PIBt-1
AR (2)
PIB=-26563601+1,076977PIBt-1+0,040157PIBt-2
AR (3)
PIB=44208879+1,080606PIBt-1-0,161434Pt-2+0,217129PIBt-3
AR 4)
PIB=1,54E+08+1,036233PIBt-1+1,036233Pt-2+0,05703PIBt-3+0,179940PIBt-4
El PIB en uno, dos, tres, cuatro periodos de su pasado en los valores de sus coeficientes
tienen distintos valores, como también sus probabilidades de cada una de ellas son
mayores al 5% lo que indica que a u nivel de confianza del 95% con valores +-1,96 no
son significativos, excepto en un periodo de su pasado que tiene una probabilidad de
0.07%lo cual indica que si es significativo. El modelo en general tiene una probabilidad
de 98.7635% en R-squared es decir que es altamente representativo y el F-statistic del
modelo en general tiene una probabilidad de 0,000% el cual indica que si es
significativo.
AR(5)
PIB=2,15E+08+0,998404PIBt-1- 11080Pt-2+0,085568PIBt-3+0,028903PIBt-4+0,177789PIBx-5
El PIB en uno, dos, tres, cuatro, cinco periodos de su pasado donde los valores de sus
coeficientes tienen distintos valores, como también sus probabilidades de cada una de
ellas son mayores al 5% lo que indica que a un nivel de confianza del 95% con valores
+-1,96 no son significativos, excepto en un periodo de su pasado que tiene una
probabilidad de 0.21%lo cual indica que si es significativo. El modelo en general tiene
una probabilidad de 98.6976% en R-squared es decir que es altamente representativo
y el F-statistic del modelo en general tiene una probabilidad de 0,000% el cual indica
que si es significativo, con un Durbin-Watson de 1992929 es decir que probablemente
no tenga ACR .
AR(6)
PIB=2,15E+08+0,998404PIBt-1- 11080Pt-2+0,085568PIBt-3+0,028903PIBt-4+0,177789PIBx-5
-0,028232Xt-6
El PIB en uno, dos, tres, cuatro, cinco, seis periodos de su pasado donde los valores
de sus coeficientes tienen distintos valores, como también sus probabilidades de cada
una de ellas son mayores al 5% lo que indica que a un nivel de confianza del 95% con
valores +-1,96 no son significativos, excepto en un periodo de su pasado que tiene una
probabilidad de 0.48%lo cual indica que si es significativo. El modelo en general tiene
una probabilidad de 98.5740% en R-squared es decir que es altamente representativo
y el F-statistic del modelo en general tiene una probabilidad de 0,000% el cual indica
que si es significativo, con un Durbin-Watson de 1,979835es decir que probablemente
no tenga ACR .
c
NOELIA ORELLANA QUINTEROS C7517-5
ECONOMETRÍA II LIC. RODRIGO PANIAGUA TAPIA
AR (7)
PIB=2,15E+08+0,998404PIBt-1- 11080Pt-2+0,085568PIBt-3+0,028903PIBt-4+0,177789PIBx-5
-0,028232Xt-6+0,379899Xt-7
El PIB en uno, dos, tres, cuatro, cinco, seis, siete periodos de su pasado donde los
valores de sus coeficientes tienen distintos valores, como también sus probabilidades
de cada una de ellas son mayores al 5% lo que indica que a un nivel de confianza del
95% con valores +-1,96 no son significativos, excepto en un periodo de su pasado que
tiene una probabilidad de 0.81%lo cual indica que si es significativo. El modelo en
general tiene una probabilidad de 98.5737% en R-squared es decir que es altamente
representativo y el F-statistic del modelo en general tiene una probabilidad de 0,000%
el cual indica que si es significativo, con un Durbin-Watson de 2,087215 es decir que
probablemente no tenga ACR .
MA (1)
Xt=1,88E+10 +0,9999,11Ԑt-1
Los valores de los coeficientes tienen distintos valores, pero a un nivel de confianza
del 95% con valores de +-1,96 se puede observar que la probabilidad de la
constante es de 0,00% lo que indica que si es significativo. El R-squared tiene una
probabilidad de 69,5691 es decir que no es altamente representativo, pero tenemos
una probabilidad de F-statistic de 0,00% el cual indica que el modelo en general si
es significativo, conclusión el valor de DW es muy bajo lo que indica que es muy
probable que si exista ACR.
MA (2)
MA (3)
Los valores de los coeficientes en un, dos, tres periodos pasados tienen distintos
valores, pero a un nivel de confianza del 95% con valores de +-1,96 se puede
observar que la probabilidad de la constante es de 0,00% lo que indica que si es
significativo, mientras que en sus periodos pasados tienen probabilidades altas de
de que no sean significativos. El R-squared tiene una probabilidad de 0,939585 es
decir que es altamente representativo, pero tenemos una probabilidad de F-statistic
de 0,00% el cual indica que el modelo en general si es significativo, conclusión el
valor de DW es muy bajo lo que indica que es muy probable que si exista ACR.
MA (4)
MA (5)
Como primer punto podemos observar que el modelo antes realiza 294 iteraciones
para lograr que la SCR tenga una convergencia lo cual nos ayuda demasiado.
Los valores de los coeficientes en un, dos, tres, cuatro, cinco periodos pasados
tienen distintos valores, pero a un nivel de confianza del 95% con valores de +-1,96
se puede observar que la probabilidad de la constante es de 0,0004% lo que indica
que si es significativo, mientras que en sus periodos pasados tienen probabilidades
altas de de que no sean significativos. El R-squared tiene una probabilidad de
0,975089 es decir que es altamente representativo, pero tenemos una probabilidad
de F-statistic de 0,00% el cual indica que el modelo en general si es significativo,
como conclusión el valor de DW es muy bajo lo que indica que es muy probable
que si exista ACR.
MA (6)
MA (7)
Como primer punto podemos observar que el modelo antes realiza 139 iteraciones
para lograr que la SCR tenga una convergencia lo cual nos ayuda demasiado.
Los valores de los coeficientes en un, dos, tres, cuatro, cinco, seis, siete periodos
pasados tienen distintos valores, pero a un nivel de confianza del 95% con valores
de +-1,96 se puede observar que la probabilidad de la constante es de 0,14% lo
que indica que si es significativo, mientras que en sus periodos pasados tienen
probabilidades altas de de que no sean significativos. El R-squared tiene una
probabilidad de 0,980122 es decir que es altamente representativo, pero tenemos
una probabilidad de F-statistic de 0,00% el cual indica que el modelo en general si
es significativo, como conclusión el valor de DW esta en un nivel medio el cual
depende de los datos con que se trabaja lo que indica que pueda o no existir ACR.
ARMA (1,1)
ARMA (1,2)
ARMA (1,3)
ARMA (1,4)
ARMA (1,5)
ARMA (1,6)
ARMA (1,7)
En este modelo ARMA (1,7) podemos ver que se realizo antes 390
iteraciones para lograr una convergencia de SCR. Como en anteriores
casos el único valor a un nivel de confianza del 95% con valores de +-
1,96 es el de la constante ya que tiene una probabilidad de 3,58% el cual
es menor al 5%, también podemos ver que el modelo es altamente
representativo con un R-squared de 0,977867 con una probabilidad de
0,00% por lo tanto el modelo es significativo a cualquier nivel de
confianza. También se puede observar que el DW tiene un valor de
1,638313 lo que da a conocer que probablemente no hay ACR.
ARMA (2,1)
ARMA (2,2)
ARMA (2,3)
ARMA (2,4)
ARMA (2,5)
ARMA (2,6)
El el modelo ARMA(2,6) podemos ver que los únicos que son significativos a
un nivel de confianza del 95% con valores +-1,96 son AR() Y AR(2) ya que
sus valores están entre los tangos establecidos , las demás variables nos son
significativos ya que sus probabilidades son mayores al 5%, como se puede
observar también el modelo es altamente representativo con valor en el R-
squared 0,987552 con una probabilidad de 0,00% es decir que el modelo a
cualquier nivel d confianza es representativo. Siempre es importante recordar
que el modelo realizo antes 40 iteraciones para lograr una convergencia de
SCR.
ARMA (2,7)
ARMA (3,1)
ARMA (3,2)
ARMA (3,3)
ARMA (3,4)
ARMA (3,5)
ARMA (3,6)
El el modelo ARMA(3,6) podemos ver que los únicos que son significativos a
un nivel de confianza del 95% con valores +-1,96 son MA(2) Y MA(5) ya que
sus valores están entre los tangos establecidos , las demás variables nos son
significativos ya que sus probabilidades son mayores al 5%, como se puede
observar también el modelo es altamente representativo con valor en el R-
squared 0,987415 con una probabilidad de 0,00% es decir que el modelo a
cualquier nivel d confianza es representativo. Siempre es importante recordar
que el modelo realizo antes 500 iteraciones para lograr una convergencia de
SCR.
ARMA (3,7)
ARMA (4,1)
ARMA (4,2)
ARMA (4,3)
ARMA (4,4)
R-squared 0.989582 Mean dependent var 1.83E+10 R-squared 0.987842 Mean dependent var 1.83E+10
Adjusted R-squared 0.977554 S.D. dependent var 1.35E+10
Adjusted R-squared 0.982140 S.D. dependent var 1.35E+10
S.E. of regression 2.03E+09 Akaike info criterion 46.54900
S.E. of regression 1.81E+09 Akaike info criterion 46.29267
Sum squared resid 5.35E+19 Schwarz criterion 47.13406
Sum squared resid 4.59E+19 Schwarz criterion 46.82897
Log likelihood -569.8624 Hannan-Quinn criter. 46.71127
Log likelihood -567.6583 Hannan-Quinn criter. 46.44142
F-statistic 96.02185 Durbin-Watson stat 1.991297
F-statistic 132.9772 Durbin-Watson stat 1.998163
Prob(F-statistic) 0.000000
Prob(F-statistic) 0.000000
Inverted AR Roots 1.00+.08i 1.00-.08i -.08 -1.00
Inverted AR Roots 1.00+.07i 1.00-.07i -.55 -.96 Inverted MA Roots 1.00 .50+.52i .50-.52i -.65+.76i
Inverted MA Roots 1.00 .02+.34i .02-.34i -.99+.17i -.65-.76i -1.00
-.99-.17i
ARMA (4,7)
En el modelo de ARMA(4,5) Y ARMA(4,6)
Dependent Variable: PIB
Method: ARMA Maximum Likelihood (BFGS) se puede ver que ninguna de las variables
Date: 08/17/19 Time: 22:47
Sample: 1990 2014 rezagadas, incluido la constante no son
Included observations: 25
Convergence achieved after 140 iterations
significativas ya que a un nivel de
Coefficient covariance computed using outer product of gradients confianza del 95% sus probabilidades
Variable Coefficient Std. Error t-Statistic Prob. están sobre el 5% , es decir que están fuera
C 4.75E+10 3.74E+10 1.270451 0.2280 del rango de parámetros, sin embargo en
AR(1) 0.328848 0.415168 0.792082 0.4437
AR(2) 1.366553 0.519232 2.631876 0.0219
el modelo de ARMA(4,7) hay dos variables
AR(3) 0.231008 0.410939 0.562147 0.5844 que están rezagadas en función de su
AR(4) -0.946783 0.356686 -2.654389 0.0210
MA(1) 1.242537 1173.874 0.001058 0.9992 propio pasado que si son significativos,
MA(2) -0.369291 1148.949 -0.000321 0.9997
MA(3) -1.446743 1493.983 -0.000968 0.9992 cuyas variables significativas son AR(2)
MA(4) -0.293334 636.7475 -0.000461 0.9996
MA(5) 0.408982 562.3549 0.000727 0.9994
con un valor de 0,0210 y AR(4) con un valor
MA(6) -0.123019 351.0095 -0.000350 0.9997 de 0.0210, sin embargo en los 3 casos los
MA(7) -0.419112 852.6570 -0.000492 0.9996
SIGMASQ 1.42E+18 9.70E+20 0.001468 0.9989 modelos son altamente significativos ya
R-squared 0.991909 Mean dependent var 1.83E+10 que su valor de R cuadrado esta sobre el
Adjusted R-squared 0.983817 S.D. dependent var 1.35E+10
S.E. of regression 1.72E+09 Akaike info criterion 46.31956
98% con una probabilidad de significancia
Sum squared resid 3.56E+19 Schwarz criterion 46.95338 de 0.00%, finalmente los valores de DW de
Log likelihood -565.9945 Hannan-Quinn criter. 46.49535
F-statistic 122.5880 Durbin-Watson stat 1.978238 cada uno de ellos están cercanos al valor
Prob(F-statistic) 0.000000
de 2, es decir que es muy probable que no
Inverted AR Roots 1.00-.07i 1.00+.07i -.83-.51i -.83+.51i
Inverted MA Roots 1.00 .46-.50i .46+.50i -.66+.69i
exista ACR.
-.66-.69i -.92+.38i -.92-.38i
ARMA (5,1)
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
R-squared 0.987349 Mean dependent var 1.83E+10 R-squared 0.987349 Mean dependent var 1.83E+10
Adjusted R-squared 0.981024 S.D. dependent var 1.35E+10 Adjusted R-squared 0.981024 S.D. dependent var 1.35E+10
S.E. of regression 1.87E+09 Akaike info criterion 46.19816 S.E. of regression 1.87E+09 Akaike info criterion 46.19816
Sum squared resid 5.57E+19 Schwarz criterion 46.63695 Sum squared resid 5.57E+19 Schwarz criterion 46.63695
Log likelihood -568.4770 Hannan-Quinn criter. 46.31986 Log likelihood -568.4770 Hannan-Quinn criter. 46.31986
F-statistic 156.0914 Durbin-Watson stat 1.961293 F-statistic 156.0914 Durbin-Watson stat 1.961293
Prob(F-statistic) 0.000000 Prob(F-statistic) 0.000000
Inverted AR Roots 1.00+.07i 1.00-.07i .30 -.19 Inverted AR Roots 1.00+.07i 1.00-.07i .30 -.19
-.63 -.63
Inverted MA Roots 1.00 -.73 Inverted MA Roots 1.00 -.73
R-squared 0.989501 Mean dependent var 1.83E+10 R-squared 0.991743 Mean dependent var 1.83E+10
Adjusted R-squared 0.982002 S.D. dependent var 1.35E+10 Adjusted R-squared 0.983486 S.D. dependent var 1.35E+10
S.E. of regression 1.82E+09 Akaike info criterion 46.28805 S.E. of regression 1.74E+09 Akaike info criterion 46.40312
Sum squared resid 4.62E+19 Schwarz criterion 46.82436 Sum squared resid 3.63E+19 Schwarz criterion 47.03694
Log likelihood -567.6006 Hannan-Quinn criter. 46.43680 Log likelihood -567.0390 Hannan-Quinn criter. 46.57891
F-statistic 131.9447 Durbin-Watson stat 1.985951 F-statistic 120.1093 Durbin-Watson stat 2.068368
Prob(F-statistic) 0.000000 Prob(F-statistic) 0.000000
ARMA (5,7)
C
NOELIA ORELLANA QUINTEROS C7517-5
ECONOMETRÍA II LIC. RODRIGO PANIAGUA TAPIA
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
R-squared 0.987284 Mean dependent var 1.83E+10 R-squared 0.987237 Mean dependent var 1.83E+10
Adjusted R-squared 0.980926 S.D. dependent var 1.35E+10 Adjusted R-squared 0.979579 S.D. dependent var 1.35E+10
S.E. of regression 1.87E+09 Akaike info criterion 46.20049 S.E. of regression 1.94E+09 Akaike info criterion 46.27581
Sum squared resid 5.60E+19 Schwarz criterion 46.63928 Sum squared resid 5.62E+19 Schwarz criterion 46.76336
Log likelihood -568.5061 Hannan-Quinn criter. 46.32219 Log likelihood -568.4477 Hannan-Quinn criter. 46.41104
F-statistic 155.2801 Durbin-Watson stat 1.979805 F-statistic 128.9187 Durbin-Watson stat 1.979494
Prob(F-statistic) 0.000000 Prob(F-statistic) 0.000000
Inverted AR Roots 1.00-.07i 1.00+.07i .50 .04+.44i Inverted AR Roots 1.00-.07i 1.00+.07i .71 .14+.50i
.04-.44i -.39 .14-.50i -.38
Inverted MA Roots 1.00 Inverted MA Roots 1.00 .40
En el modelo de ARMA(6,1) Y ARMA(6,2) hay dos variables que están rezagadas en función de su
propio pasado que si son significativos, cuyas variables significativas son AR(1) y AR(2) los cueles se
pueden verificar a un nivel de confianza del 95% con valores de +-1,96, sin embargo en los casos los
modelos son altamente significativos ya que su valor de R cuadrado esta sobre el 98% con una
probabilidad de significancia de 0.00%, finalmente los valores de DW de cada uno de ellos están
cercanos al valor de 2, es decir que es muy probable que no exista ACR.
R-squared 0.989831 Mean dependent var 1.83E+10 R-squared 0.989737 Mean dependent var 1.83E+10
Adjusted R-squared 0.982568 S.D. dependent var 1.35E+10 Adjusted R-squared 0.981052 S.D. dependent var 1.35E+10
S.E. of regression 1.79E+09 Akaike info criterion 46.26368 S.E. of regression 1.86E+09 Akaike info criterion 46.35741
Sum squared resid 4.48E+19 Schwarz criterion 46.79998 Sum squared resid 4.52E+19 Schwarz criterion 46.94247
Log likelihood -567.2960 Hannan-Quinn criter. 46.41243 Log likelihood -567.4677 Hannan-Quinn criter. 46.51968
F-statistic 136.2742 Durbin-Watson stat 1.935749 F-statistic 113.9686 Durbin-Watson stat 2.000295
Prob(F-statistic) 0.000000 Prob(F-statistic) 0.000000
Inverted AR Roots 1.00-.08i 1.00+.08i .60 .36-.89i Inverted AR Roots 1.00-.07i 1.00+.07i .38 .37+.85i
.36+.89i -.29 .37-.85i -1.00
Inverted MA Roots 1.00 .49-.87i .49+.87i -1.00
Inverted MA Roots 1.00 .47-.88i .47+.88i
En el modelo de ARMA(6,3) Y ARMA(6,4) hay tres variables que están rezagadas en función de su
propio pasado que si son significativos, cuyas variables significativas son AR(1), AR(2), AR(3) los cuales
se pueden verificar a un nivel de confianza del 95% con valores de +-1,96, sin embargo en los casos los
modelos son altamente significativos ya que su valor de R cuadrado esta sobre el 98% con una
probabilidad de significancia de 0.00%, finalmente los valores de DW de cada uno de ellos están
cercanos al valor de 2, es decir que es muy probable que no exista ACR.
ARMA (6,7)
ARMA (7,1)
ARMA(7,2) ARMA(7,4)
R-squared 0.987684 Mean dependent var 1.83E+10 R-squared 0.991312 Mean dependent var 1.83E+10
Adjusted R-squared 0.978887 S.D. dependent var 1.35E+10 Adjusted R-squared 0.982623 S.D. dependent var 1.35E+10
S.E. of regression 1.97E+09 Akaike info criterion 46.32709 S.E. of regression 1.79E+09 Akaike info criterion 46.39251
Sum squared resid 5.42E+19 Schwarz criterion 46.86339 Sum squared resid 3.82E+19 Schwarz criterion 47.02633
Log likelihood -566.9064 Hannan-Quinn criter. 46.56831
Log likelihood -568.0886 Hannan-Quinn criter. 46.47584
F-statistic 114.0971 Durbin-Watson stat 1.863766
F-statistic 112.2761 Durbin-Watson stat 1.951461 Prob(F-statistic) 0.000000
Prob(F-statistic) 0.000000
Inverted AR Roots .97-.09i .97+.09i .35+.91i .35-.91i
Inverted AR Roots 1.00+.07i 1.00-.07i .73 .17-.66i -.63+.43i -.63-.43i -.98
.17+.66i -.65-.39i -.65+.39i Inverted MA Roots .45+.89i .45-.89i -.98-.18i -.98+.18i
Inverted MA Roots 1.00 -.47 Estimated MA process is noninvertible
ARMA(7,5) ARMA(7,7)
Inverted AR Roots 1.00-.07i 1.00+.07i .16-.88i .16+.88i Inverted AR Roots .90+.05i .90-.05i .27+.92i .27-.92i
-.43+.30i -.43-.30i -.98 -.34+.94i -.34-.94i -.96
Inverted MA Roots 1.00 .02+1.00i .02-1.00i -.99-.16i Inverted MA Roots .53-.85i .53+.85i -.09+1.00i -.09-1.00i
-.99+.16i -.35+.94i -.35-.94i -1.00
Estimated MA process is noninvertible Estimated MA process is noninvertible
ARMA (7,3)
En este modelo la única variable rezagada que es significativa es el AR(2) con una
probabilidad de 0,0466 a un nivel de confianza del 95% con valores +-1,96 se
puede verificar que el valor es menor al nivel de significancia de 5%, también
podemos que el modelo es altamente representativo con valores en R cuadrado
de 0,990814 con una probabilidad de 0,00% y un valor en el DW cercano al valor
de 2 lo cual indica que es mas probable que no exista ACR.
Es muy importante saber que este modelo realizo 254 iteraciones antes para
lograr una convergencia en SCR.
ARMA (7,6)
En este modelo todos las variables rezagadas en función de su propio pasado son
significativas a un nivel de confianza de 95% con valores de +-1,96, también se
puede observar que el modelo tiene un valor en R cuadrado de 0,993207 lo que
indica que el modelo es altamente representativo con una probabilidad de
significancia de 0,00%, también se puede ver que el valor de DW es de 1,907959
lo que indica que es muy probable que no exista ACR.
El modelo para lograr una convergencia en SCR corrió 500 iteraciones anteriores
del modelo.
La estructura representa que con la variable estudiada PIB este tiene shocks
aleatorios que afectan en la evolución de dicha variable en funcion de su propio
pasado.