LOGO Econometría III Esquema del trabajo de ordenador. Curso 2012-2013. Parte 2. Estimación inicial por MCO y análisis del orden de integración.

Slides:



Advertisements
Presentaciones similares
ANOVA DE UN FACTOR.
Advertisements

UNA AGENDA PARA MEJORAR EL CURRÍCULO REAL
PRACTICAS SOBRE LA MODELIZACIÓN DE SERIES TEMPORALES
Econometría II Análisis de series temporales (II): Extensiones y metodología Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid Marzo 2004.
El Proyecto Tecnológico
DISEÑO DE EXPERIMENTOS
Capitulo 9: Modelos unívariados de series temporales
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Las técnicas autoinstruccionales y de solución de problemas
Pruebas de Estacionariedad
Alumno: Edmundo Orozco Medina Luego de esto se abrirá la ventana en donde debemos de modificar los campos que se consideren necesarios para la tabla.
Estimación: de una Función de Demanda Mensual por Emisión Monetaria ( ) para Honduras, mediante modelos Econométricos, serie de tiempo y Pronostico.
Curso SimSEE 2011 Análisis a largo plazo del valor de incorporar la dinámica del Niño 3.4 en el sistema eléctrico uruguayo Federico Purtscher Fernanda.
Econometría Aplicada: Series de Tiempo
Capitulo 7: Autocorrelación
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MULTICOLINEALIDAD
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Fechas de control Este mapa muestra un gráfico de burbujas con los días desde el último control de caudal tomado a cada pozo. Se utilizó una escala manual.
TOPICOS DE ECONOMETRIA APLICADA Series de Tiempo Introducción
Mario Bidegain (FC) – Alvaro Diaz (FI) – Marcelo Barreiro (FC)
Lección de Reconocimiento Unidad 2
INTRODUCCIÓN A LAS SERIES DE TIEMPO
SISTEMA ESTATAL DE INDICADORES DE SERVICIOS SOCIALES (SEISS) Estructura de la Aplicación Abril de 2014.
Capitulo 10: La metodología Box-Jenkins
CAMBIO ESTRUCTURAL INDICE DE LA PRESENTACIÓN.
El método científico y sus etapas
CONTRASTE Y VALIDACIÓN DE UN MODELO
Tests de hipótesis Los tres pasos básicos para testear hipótesis son
Estadística 2010 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri.
CONTRASTE Y VALIDACIÓN DE UN MODELO
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
INDICADOR DE LA ACTIVIDAD
EVALUACIÓN DEL CONSUMO DE ENERGÍA
DINAMICA DE LA OFERTA AGROPECUARIA ARGENTINA: ELASTICIDADES DE LOS PRINCIPALES CULTIVOS PAMPEANOS VICTOR BRESCIA DANIEL LEMA INSTITUTO DE ECONOMIA Y SOCIOLOGIA.
Gráficos con M.S. Excel 2da parte Representación de un conjunto de datos con tendencia lineal (magnitudes directamente proporcionales) mediante una recta.
SERIES DE TIEMPO INTEGRANTES :.
3. Espacios de trabajo. Manual de formación 2 3. Espacios de trabajo 3.1 Introducción … ……pág.45.
La Tierra de las Raíces Unitarias Jesús Gonzalo U. Carlos III de Madrid.
Econometría III Esquema del trabajo de ordenador. Curso
Alineamiento.
Titular: Agustín Salvia
LOGO Econometría III Esquema del trabajo de ordenador. Curso Parte 3. Análisis de cointegración y formas de los modelos.
Análisis de series de tiempo
Análisis de series de tiempo
Proyección de ingresos tributarios Juan C. Gómez-Sabaini
Econometría (2625) William Nilsson DB257
Herramientas básicas.
SERIES TEMPORALES.
Capítulo 1. Conceptos básicos de la Estadística
Modelos de Regresión Dinámica I: variables estacionarias
Índice: Introducción Conceptos básicos Procesos elementales
INTRODUCCIÓN A GRETL Diana Ruiz Tinajero..
SISTEMA ESTATAL DE INFORMACIÓN DE SERVICIOS SOCIALES (SEISS) Estructura de la Aplicación Junio de
LOGO Econometría III Esquema del trabajo de ordenador. Curso Parte 1. Descarga de las series, homogeneización y análisis gráfico.
COMPARACION DE MEDIAS Para comparar media utilizando la prueba T hay Ttres opciones diferentes utilizando contrastes de hipotesis sobre : PARA UNA MUESTRA.
Administrador de escenarios
SEMINARIO DE INVESTIGACION Titular: Agustín Salvia
SERIES CRONOLOGICAS O DE TIEMPO
Capitulo 8: Introducción a modelos de series temporales
- ALUMNAS: RANGEL ADA G. CI GIL VENECIA A. S. CI CATEDRA: COMPUTACION ESTADISTICA.
Antonio De León Rincón Facilitador
SIGUIENTE MENÚ VOLVER MENÚ SIGUIENTE MENÚ VOLVER.
Clase N°9 Análisis de output en el largo plazo (Parte II) ICS3723 Simulación Profesor Pedro Gazmuri.
La hipótesis en un proceso de investigación
Curso de programación Visual Chart 6 (1ªEd.) ENTRADAS/SALIDAS CON OSCILADORES.
TEMA 7 ANÁLISIS DE LOS RESULTADOS TEMA 7 ANÁLISIS DE LOS RESULTADOS.
Clase de revisión: sistemas de ecuaciones lineales Clase de revisión: sistemas de ecuaciones lineales Objetivos: Mediar en el aprendizaje de: resolución.
GRÁFICAS Y FUNCIONES MATEMÁTICAS Bernardo Nieto Castellanos.
L2.
Transcripción de la presentación:

LOGO Econometría III Esquema del trabajo de ordenador. Curso Parte 2. Estimación inicial por MCO y análisis del orden de integración.

1.Estimación inicial por MCO.  Se trata de detectar si hay alguna relación espúrea entre las variables.  Se estima el modelo por MCO con las variables en niveles y se analiza el contraste D-W y el gráfico de los residuos.  Si el valor de D-W es bajo (inferior a 0,50) puede indicar que estamos ante una relación espúrea. En este caso los residuos presentarán tendencias o persistencias.  Si el valor de D-W es alto, puede existir una relación a corto o a largo plazo entre las variables.  Para estimar en Gretl, hay que ir a la opción Modelo-MCO.

2.Orden de integración. Conceptos.  El estudio del orden de integración determina si las series tienen tendencia estocástica.  Una serie es integrada de orden d, I(d), si hay que diferenciarla d veces para convertirla en estacionaria. En Gretl, menú Añadir-Primeras diferencias de las variables.  Para estudiar si la serie es integrada o no utilizaremos el contraste de Dickey-Fuller.  H 0 : La serie es al menos I(1)  H 1 : La serie es I(0), (estacionaria)  Primero hay que hacer el gráfico de la serie y determinar si la serie oscila alrededor de una constante o si tiene tendencia determinista.

Orden de integración. Modelos a plantear.  Caso 1: La serie gira en torno al eje de abscisas.  Caso 2: La serie gira en torno a una constante.  Caso 3: La serie gira en torno a una tendencia.  En todos los casos hay que contrastar H 0 :  =0 frente a H 1 :  <0.  Se pueden añadir retardos de la endógena para corregir la correlación serial (Dickey- Fuller ampliado).

Orden de integración en Gretl.  Gretl realiza el contraste de Dickey-Fuller de manera automática.  Se selecciona la serie y luego se va a la opción Variable-Contraste aumentado de Dickey- Fuller.  Primero hay que tomar la serie sin diferencias y se contrasta I(1) frente a I(0).  Hay que seleccionar si ponemos constante, tendencia o ambas, y marcar la opción de contrastar desde el máximo orden de retardos hacia abajo.  Si el resultado del contraste es que la serie es al menos I(1), hay que volver a hacer el contraste con la serie en primeras diferencias.  En este caso se contrasta I(2) frente a I(1).

Orden de integración con ruptura estructural.  Si alguna serie presenta ruptura estructural, el contraste D-F puede llevarnos a identificar una variable como I(2) cuando en realidad no es así, sino que es debido a algún cambio estructural a partir de un periodo t 0.  Si es así, habrá que tener en cuenta en el contraste D-F dicha estructura, por lo que el contraste de I(1) frente a I(0) será:  Donde D t toma valor 0 hasta t 0 y valor 1 a partir de ahí.

 El modelo anterior se estima por MCO y si hay autocorrelación se incorporan retardos de y t.  El contraste de D-F (o D-FA) consiste en tomar el valor de la t-Student de  y compararlo con el punto crítico -3,5.  Para crear las variables ficticias en Gretl:  Si por ejemplo el periodo de ruptura es a partir de 2008:1, habiendo añadido una variable tendencia temporal, en el menú Definir Nueva Variable, se pondría, para cada variable: d1=time>2008:1 d2=d1*time Orden de integración con ruptura estructural.

 Si en el contraste D-F anterior se acepta la H 0, habrá que contrastar que la serie sea I(2) frente a I(1). El modelo será ahora:  De nuevo, se compara el valor de la t- Student de  con el punto crítico de -3,5, y si hay autocorrelación se van añadiendo retardos de la variable endógena. Orden de integración con ruptura estructural.