CATS IN RATS Luis Miguel Galindo Horacio Catalán.

Slides:



Advertisements
Presentaciones similares
PRACTICAS SOBRE LA MODELIZACIÓN DE SERIES TEMPORALES
Advertisements

EJEMPLO.
Econometría II Análisis de series temporales (II): Extensiones y metodología Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid Marzo 2004.
Inferencia estadística
Modelos de Variable Dependiente Binaria -Logit y Probit-
Modelos ARMA.
Pronósticos, Series de Tiempo y Regresión
Curso FSE – Comunidad de Madrid
RESTRICCION DE LIQUIDEZ, CANAL DE CREDITO Y CONSUMO EN MEXICO
Pruebas de Estacionariedad
MÉTODO CIENTÍFICO.
INFERENCIA ESTADISTICA
Pruebas de Especificación en el Modelo de Regresión Múltiple
Estadísticos de Prueba en el Modelo de Regresión Múltiple
FACULTAD DE ECONOMÍA UNAM Maestría en Economía
MODELO DE REGRESIÓN MÚLTIPLE
Econometría Aplicada: Series de Tiempo
Capitulo 7: Autocorrelación
MERLIN I Dr. Luis Miguel Galindo.
MODELOS DE ECUACIONES SIMULTÁNEAS
INTRODUCCIÓN A LAS SERIES DE TIEMPO
EL MERCADO LABORAL EN MÉXICO: ¿CURVA DE PHILLIPS O CURVA DE SALARIOS?
MODELO DE SERIES DE TIEMPO
1 Modelos Cuantitativos Pronósticos PRONÓSTICO Predicción de lo que ocurrirá sobre la base de: 1. Identificación de tendencias a futuro sobre.
Derechos de Autor©2008.SUAGM.Derechos Reservados Sistema Universitario Ana G. Méndez División de Capacitación Basic Quality Tools CQIA Primer Section VII.
WinQSB Yih-Long Chang Area Coordinator of Operations Management Dupree College of Management Georgia Institute of Technology.
9 Regresión Lineal Simple
Definición de Hipótesis de Investigación.
LEAN SIGMA – FASE DE ANÁLISIS Propósito y herramientas 1.
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.
Control estadístico de Proceso
PROBLEMAS ECONOMETRICOS
WinQSB Yih-Long Chang Area Coordinator of Operations Management Dupree College of Management Georgia Institute of Technology.
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
DINAMICA DE LA OFERTA AGROPECUARIA ARGENTINA: ELASTICIDADES DE LOS PRINCIPALES CULTIVOS PAMPEANOS VICTOR BRESCIA DANIEL LEMA INSTITUTO DE ECONOMIA Y SOCIOLOGIA.
CO 3321/22 Modelos Lineales Práctica 3 Consideraremos modelos de la forma: Observación=señal + ruido Estos modelos pueden escribirse en la forma: Y=X 
Pronósticos, Series de Tiempo y Regresión
SERIES TEMPORALES.
Estadísticas en ecología de comunidades. Relación entre 2 variables.
ECONOMIA AGRARIA ANALISIS ECONOMICO DE LA OFERTA EL ENFOQUE DUAL Y SUS APLICACIONES Daniel Lema UCEMA.
Dinámica de Sistemas Control de Gestión y Modelos de Simulación
La Tierra de las Raíces Unitarias Jesús Gonzalo U. Carlos III de Madrid.
LOGO Econometría III Esquema del trabajo de ordenador. Curso Parte 3. Análisis de cointegración y formas de los modelos.
ANALISIS DE SERIES TEMPORALES
Modelos Lineales CO Práctica 4 Comparación de Modelos Lineales Se desea comparar dos modelos de la forma: (1) y i =  0 +  1 x 1i  l x li.
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 16/5/03.
Comparasi ó n de Regresión Lineales Capitulo 18. Los temas Regresión Lineal Comparando ecuaciones lineales Bondad de ajuste (Chi square) Tabla de contingencia.
Medidas de asociación entre dos variables
Contenido: 1. Para un parámetro poblacional 1.1. Información de partida: estadísticos muestrales 1.2. Información de partida: datos muestrales 2.
Índice: Introducción Conceptos básicos Procesos elementales
Estadísticas en ecología de comunidades Páginas en Ruokolainen et al 2004.
Métodos basados en la TRI 1. Se trata de ver si las CCIs coinciden (no DIF) o no (sí DIF). 2. Algunas estrategias: - Obtener el área entre curvas - Ajuste.
Estadísticas en ecología Páginas en Ruokolainen et al 2004.
EJEMPLO CON EL EJERCICIO 6 DE LA GUIA Cargar los datos Ir a Estadísticas-inferencia basada en una muestra- prueba t para un parámetro.
CONTRASTES NO PARAMÉTRICOS
LAS HIPÓTESIS DE PODER DE PARIDAD DE COMPRA Y DE PARIDAD DESCUBIERTA DE TASAS DE INTERÉS EN MÉXICO: IDENTIFICACIÓN DE HIPÓTESIS ESTRUCTURALES Dr. LUIS.
MODELOS ARCH APLICADOS
LA BRECHA DE PRECIOS INTERNA Y EXTERNA EN MÉXICO: UN ANÁLISIS A TRAVÉS DE LA ECUACIÓN CUANTITATIVA Horacio Catalán Luis Miguel Galindo.
MODELOS DE HETEROCEDASTICIDAD CONDICIONAL
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 28/3/03.
Autocorrelación.
Cáp.10 Análisis de Datos Estadística Inferencial -
Lic. Davide Erdas ________________________ Impacto del Precio del Petróleo en los Estados Unidos ________________________ Efecto de la dependencia del.
PRONÓSTICO DE VARIABLES ECONÓMICAS DR. LUIS MIGUEL GALINDO.
PRONÓSTICOS EFICIENTES Y RACIONALES DR. LUIS MIGUEL GALINDO.
Clase 17 Introducción a la Estadística Universidad de la República Centro Universitario Regional del Este Pablo Inchausti Licenciatura en Gestión Ambiental.
Dr. Luis Miguel Galindo MERLIN III. Dr. Luis Miguel Galindo MODELO DE LARGO PLAZO Modelo prototipo general Caja de herramientas Bloques.
Descargar el X13 ARIMA SEATS: Descomprimir en C:\
DISTRIBUCIÓN “t” DE STUDENT
Transcripción de la presentación:

CATS IN RATS Luis Miguel Galindo Horacio Catalán

CATS IN RATS Modelo 1: Tendencia lineal restringida DETTREND = CIDRIFT Modelo 2: Constante sin restringir. No incluye tendencia DETTREND = CIMEAN Modelo 3: No componentes determinísticos No incluye componentes determinísticos DETREND = NONE

MENÚ CATS 1. MODEL Restrict trend (CIDRIFT) (incluye tendencia) Centered seasons Lags DRIFT = Sin constante o tendencia CMEAN = Constante 2. SAMPLE 3. PREFERENTES

MENÚ 1. RanK test: statistics Trace = prueba de traza Trace* = Corrección por tamaño de muestra 2. Graphics 2.1 Series: Nivel y diferencias 2.2 Residuals: Actual, Fitted, autocorrelaciones, residuales, histograma 2.3 Roots: Reportados en el output 2.4 Cointegrating relations ECM = f (dinámica de corto plazo y componentes determinísticos) ECM = f (efectos de corto plazo, se usa éste) Diferentes implica I(2)

MENÚ 2. Set rank for Pi 2.1 Define número de vectores de cointegración 2.2 Define normalización 2.3 Reporta los β de L.P. 2.4 Exogeneidad debil (  )

MENÚ

Subset Change restriction formulation R*Beta=0 ´subset Check rank conditions permite identificar donde esta el punto que causa los problemas de identificación. Restrictions on each Beta vector Zero restrictions on Beta

MENÚ Restrictions on  : Se utiliza 1 CATS mining

MENÚ Structural MA model r= Shocks transitorios p r =shocks permanentes Impone P 2 restricciones View identification Long run impact (c) Por columna: impacto en las variables

MENÚ CONSTANCIA EN LOS PARÁMETROS: 1. Eigenvalues: Mayores vectores con 95% de confianza K ver posibles rompimientos 2. Eigenvalue fluctuation test 3. Max testat Beta (t)= Arriba rechaza Ho. 4. Known Beta: arriba rechaza hipótesis nula 5.Trace tests statistics: Arriba de la línea el número de vectores característicos. 6. Test for constancy of thelog – likelihood: Arriba de la línea rechaza Ho. 7. One –step prediction test.