Beruflich Dokumente
Kultur Dokumente
Se escogió los datos mensuales del Índice de Producción Industrial(IPI) del país de Alemania
miembro de la Unión Europea, con una data de 259 observaciones desde enero de 1995 hasta
julio 2016.
Fuente:
http://www.ine.es/jaxi/tabla.do?type=pcaxis&path=/t38/bme2/t42/p07/l0/&file=1800014.px
Los Estadísticos principales, usando las observaciones 1995:01 - 2016:07 para la variable 'IPIa'
(259 observaciones válidas).
Media 95,43
Mediana 93,30
Mínimo 75,20
Máximo 118,60
Desviación Típica 11,45
C.V 0,12
Asimetría -0,015
Exc. de curtosis -1,34
Percentil del 5% 77,60
Percentil del 95% 110,90
Rango intercuartílico 20,90
0.14
0.12
Frecuencia relativa
0.1
0.08
0.06
0.04
0.02
0
75 80 85 90 95 100 105 110 115 120
IPIa
2. Carga los datos en gretl y obtén el gráfico de la serie temporal. ¿Puedes identificar
algún componente de la serie?
120
115
110
105
100
IPIa
95
90
85
80
75
1995 2000 2005 2010 2015
Observando la serie se puede ver que hay dispersión en las observaciones de mes a mes, es decir
a lo largo del tiempo las pendientes cambian, por lo que hay una pauta que se repite todos los
años.
Las series de tiempo se presentan dos componentes bien definidos parte sistemática y parte
irregular de las cuales se pueden agrupar en 4 componentes: la tendencia, las variaciones
estacionales, las variaciones cíclicas y las variaciones residuales. En la serie Índice de Producción
Industrial para Alemania podemos observar los siguientes componentes.
la tendencia
Se observa una tendencia creciente a lo largo del tiempo, producto del proceso industrial al que
se ha sometido Alemania en los últimos 20 años.
Variación estacional
Ya que se pueden observar oscilaciones que se producen mes a mes y que se reproducen de
manera de manera reconocible en los diferentes años.
Componente no observable: las variaciones residuales o irregulares.
Como se puede observar en la serie IPIa existen movimientos en la serie que no muestran
un carácter periódico reconocible y que son originados por fenómenos singulares que
afectan a la variable en estudio de manera causal y no permanente.
Cabe destacar que en esta serie no se puede observar un ciclo tendencial ya que no se
observan oscilaciones que se produzcan con un periodo superior al año que sean de
maneras repetitivas.
2.Obtén la serie de los logaritmos del IPI (logIPI) y su gráfico. ¿Observas mayor o menor
dispersión? ¿Por qué?
4.8
4.75
4.7
4.65
4.6
l_IPIa
4.55
4.5
4.45
4.4
4.35
4.3
1995 2000 2005 2010 2015
Al aplicar logaritmo a la serie se observa una menor dispersión en la serie IPIa, la serie antes de
aplicarle logaritmo es posible que haya presentado el problema de heterocedasticidad, el
logaritmo permite que se reduzca la dispersión entre las observaciones, es decir que esta
dispersión no varíe demasiado o al menos se mantenga constante a lo largo del tiempo, para
obtener una media 𝐸(𝑢) = 0 y una varianza constante a lo largo del tiempo.
Si comparamos la serie normal IPIa con la serie log(IPIa) se puede observar que la serie
logarítmica tiene la misma tendencia que la serie original pero medida en otra escala.
Grafico N°4 serie IPIa vs serie log(IPIa)
120 4.8
IPIa (izquierda)
l_IPIa (derecha)
115 4.75
4.7
110
4.65
105
4.6
100
4.55
95
4.5
90
4.45
85
4.4
80 4.35
75 4.3
1995 2000 2005 2010 2015
18
16
14
12
rango
10
2
75 80 85 90 95 100 105 110 115
media
Estadísticos de rango-media para IPIa
utilizando 22 submuestras de tamaño 12
rango media
1995:01 - 1995:12 5.10000 78.0417
1996:01 - 1996:12 2.10000 77.2250
1997:01 - 1997:12 8.50000 79.8833
1998:01 - 1998:12 3.30000 83.5250
1999:01 - 1999:12 6.20000 84.7250
2000:01 - 2000:12 10.6000 89.4500
2001:01 - 2001:12 6.70000 89.4917
2002:01 - 2002:12 8.90000 88.4083
2003:01 - 2003:12 5.50000 88.5750
2004:01 - 2004:12 5.80000 92.0417
2005:01 - 2005:12 9.10000 95.6500
2006:01 - 2006:12 7.90000 101.042
2007:01 - 2007:12 4.30000 107.367
2008:01 - 2008:12 19.9000 107.900
2009:01 - 2009:12 8.30000 89.5500
2010:01 - 2010:12 15.8000 100.000
2011:01 - 2011:12 17.6000 108.767
2012:01 - 2012:12 5.90000 107.158
2013:01 - 2013:12 6.10000 107.092
2014:01 - 2014:12 7.00000 109.108
2015:01 - 2015:12 3.80000 110.108
2016:01 - 2016:07 8.20000 110.929
Ahora realizamos el mismo procedimiento para la primera diferencia del logaritmo de la serie,
esperando que la línea se ajuste horizontalmente y que la pendiente se acerque a cero para
que la serie sea homocedastica.
Gráfico 6 Media- rango log(IPIa)
0.18
0.16
0.14
0.12
rango
0.1
0.08
0.06
0.04
0.02
4.3 4.35 4.4 4.45 4.5 4.55 4.6 4.65 4.7 4.75
media
rango media
1995:01 - 1995:12 0.0654499 4.35712
1996:01 - 1996:12 0.0271861 4.34668
1997:01 - 1997:12 0.107088 4.38017
1998:01 - 1998:12 0.0394081 4.42507
1999:01 - 1999:12 0.0728021 4.43920
2000:01 - 2000:12 0.118442 4.49311
2001:01 - 2001:12 0.0754438 4.49387
2002:01 - 2002:12 0.101050 4.48168
2003:01 - 2003:12 0.0621318 4.48370
2004:01 - 2004:12 0.0632708 4.52210
2005:01 - 2005:12 0.0949122 4.56035
2006:01 - 2006:12 0.0772245 4.61521
2007:01 - 2007:12 0.0400612 4.67616
2008:01 - 2008:12 0.192212 4.67994
2009:01 - 2009:12 0.0923390 4.49435
2010:01 - 2010:12 0.159451 4.60416
2011:01 - 2011:12 0.160636 4.68859
2012:01 - 2012:12 0.0550769 4.67419
2013:01 - 2013:12 0.0571584 4.67356
2014:01 - 2014:12 0.0647775 4.69216
2015:01 - 2015:12 0.0344862 4.70142
2016:01 - 2016:07 0.0738409 4.70868
4. Obtén las primeras diferencias de los logaritmos del IPI (ΔlogIPI) y su gráfico. ¿Qué
puedes decir sobre las tasas de crecimiento del IPI durante el último año?
0.15
0.1
0.05
d_l_IPIa
-0.05
-0.1
-0.15
-0.2
1995 2000 2005 2010 2015
Se puede observar que aplicando la primera diferencia al logaritmo de la serie se obtienen las
tasas de crecimiento de la serie la serie se convierte en estacionaria en media y varianza, en el
último año las tasas de crecimiento mensuales son las siguientes:
0.04
0.02
d_l_IPIa
-0.02
-0.04
-0.06
-0.08
2016
¿Qué puedes decir sobre las tasas de crecimiento del IPI durante el último año?
La tasa de crecimiento mensual en el último año existe mucha variabilidad en las tasas de
crecimiento, se puede observar que el crecimiento del IPIa es pequeño en los diferentes meses
del último año. Además, se observan que la serie en el último año es estacionaria en media y
varianza.
0.15
0.1
diferencia12logIPIa
0.05
-0.05
-0.1
-0.15
-0.2
-0.25
-0.3
2000 2005 2010 2015
Como se observa en el gráfico la tasa de crecimiento anual de partida es del enero de 1996
cuyo valor es -0.01786 lo que implica que el índice de producción industrial de enero de 1995 a
enero del 1996 ha disminuido en un 1.786%.
6. Obtén la FAC y FACP de la serie del IPI ¿Te parece estacionaria? ¿Detectas algunas
regularidades en los datos?
FAC de IPIa
1
+- 1.96/T^0.5
0.5
-0.5
-1
0 5 10 15 20 25
retardo
FACP de IPIa
1
+- 1.96/T^0.5
0.5
-0.5
-1
0 5 10 15 20 25
retardo
7. Obtén la FAC y FACP de la serie de tasas de crecimiento del IPI ¿Te parece
estacionaria?
Grafico N°11 FAC de la serie ∆log(𝐼𝑃𝐼𝑎)
FAC de d_l_IPIa
+- 1.96/T^0.5
0.4
0.2
-0.2
-0.4
0 5 10 15 20 25
retardo
FACP de d_l_IPIa
+- 1.96/T^0.5
0.4
0.2
-0.2
-0.4
0 5 10 15 20 25
retardo