Practica 6 y 7

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ECONOMICAS
Curso: Econometría II
Profesora: Mg. Beatriz Castañeda S.
Boris Villarreal Quispe 16120076
Oliver Isaías Rivera Collachagua 15120212
Christian David Ninasivincha Ninassivinha 14120238
Teran Cordova Anais 16120135
Roy Piero Mendoza Casanova 15120287
1. SOLUCIÓN PRACTICA 6 PREGUNTA 1
Evaluación gráfica de las series
Los gráficos de serie de PBI y EMISIONP nos muestran que no existe estacionariedad tanto
en media como en varianza. Para poder linealizar la serie EMISIONP se le aplica logaritmo
Una vez aplicado logaritmo, procedemos al análisis visual de las nuevas gráficas. Al parecer
la aplicación del logaritmo no pudo resolver el problema de no estacionariedad, por ello,
aplicamos la primera diferencia en ambas series
Por medio del nuevo gráfico, se puede intuir que entre ambos existe cointegración luego de
aplicarles el logaritmo y luego la primera diferencia.
Analizando el orden de integración de las series

Al aplicar la primera diferencia al parecer se pudo lograr obtener la estacionariedad, tanto
en media como en varianza. Para poder analizarlo, usaremos el test de Raíz Unitaria.
Null Hypothesis: DIF1LOGPBI has a unit root Null Hypothesis: DIF1LOGEMISIONP has a unit root
Exogenous: Constant, Linear Trend Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=1) Lag Length: 1 (Automatic - based on SIC, maxlag=1)
t-Statistic Prob.* t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -16.94771 0.0000 Augmented Dickey-Fuller test statistic -15.25333 0.0000
Test critical values: 1% level -3.997587 Test critical values: 1% level -3.997758
5% level -3.429063 5% level -3.429146
10% level -3.137995 10% level -3.138043
*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(DIF1LOGEMISIONP)
Dependent Variable: D(DIF1LOGPBI)
Method: Least Squares
Method: Least Squares Date: 11/09/17 Time: 11:38
Date: 11/09/17 Time: 11:30 Sample (adjusted): 1992M04 2011M09
Sample (adjusted): 1992M03 2011M09 Included observations: 234 after adjustments
Included observations: 235 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
DIF1LOGEMISIONP(-1) -1.631493 0.106960 -15.25333 0.0000
DIF1LOGPBI(-1) -1.103674 0.065122 -16.94771 0.0000 D(DIF1LOGEMISIONP(-1... 0.194120 0.064765 2.997310 0.0030
C 0.004892 0.006964 0.702423 0.4831 C 0.031430 0.007700 4.081721 0.0001
@TREND("1992M01") -1.07E-06 5.08E-05 -0.021078 0.9832 @TREND("1992M01") -5.04E-05 5.41E-05 -0.931562 0.3525
R-squared 0.553198 Mean dependent var 0.000227 R-squared 0.694961 Mean dependent var 5.13E-05
Adjusted R-squared 0.549346 S.D. dependent var 0.078722 Adjusted R-squared 0.690982 S.D. dependent var 0.100396
S.E. of regression 0.052846 Akaike info criterion -3.030167 S.E. of regression 0.055810 Akaike info criterion -2.916793
Sum squared resid 0.647918 Schwarz criterion -2.986002 Sum squared resid 0.716385 Schwarz criterion -2.857728
Log likelihood 359.0447 Hannan-Quinn criter. -3.012362 Log likelihood 345.2648 Hannan-Quinn criter. -2.892978
F-statistic 143.6227 Durbin-Watson stat 2.019343 F-statistic 174.6671 Durbin-Watson stat 2.053744
Prob(F-statistic) 0.000000 Prob(F-statistic) 0.000000
El test de Dickey Fuller indica que no existe Raíz Unitaria. Al momento de analizar la tendencia
y los interceptos, se ve que estos no son significantes, esto usando los valores críticos de
MacKinnon. Para poder analizar la bidireccionalidad utilizaremos la prueba de causalidad.
PRUEBA DE CAUSALIDAD DE GRANGER

Pairwise Granger Causality Tests
Date: 11/09/17 Time: 12:23
Sample: 1992M01 2011M09
Lags: 2
Null Hypothesis: Obs F-Statistic Prob.
LOGEMISIONP does not Granger Cause LOGPBI 235 25.0861 1.E-10

LOGPBI does not Granger Cause LOGEMISIONP 14.9126 8.E-07
Por medio de la prueba de Causalidad nos indica que hay bidireccional en las series
estudiadas. Si bien la tabla nos indica que existe direccionalidad, en donde LNEMISIONP
causa a LNPBI, debemos recordar que, según la teoría económica, es el PBI el que causa la
emisión primaria y no al revés.
PRUEBA DE COINTEGRACIÓN-JOHANSEN
Date: 11/09/17 Tim e: 13:52
Sam ple (adjus ted): 1992M10 2011M09
Included obs ervations : 228 after adjus tm ents
Trend as s um ption: No determ inis tic trend (res tricted cons tant)
Series : LOGPBI LOGEMISIONP
Lags interval (in firs t differences ): 1 to 8
Unres tricted Cointegration Rank Tes t (Trace)
Hypothes ized Trace 0.05

No. of CE(s ) Eigenvalue Statis tic Critical Value Prob.**
None * 0.132176 39.87602 20.26184 0.0000

At m os t 1 0.032586 7.553362 9.164546 0.1001
Trace tes t indicates 1 cointegrating eqn(s ) at the 0.05 level

* denotes rejection of the hypothes is at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unres tricted Cointegration Rank Tes t (Maxim um Eigenvalue)
Hypothes ized Max-Eigen 0.05

No. of CE(s ) Eigenvalue Statis tic Critical Value Prob.**
None * 0.132176 32.32265 15.89210 0.0001

At m os t 1 0.032586 7.553362 9.164546 0.1001
Max-eigenvalue tes t indicates 1 cointegrating eqn(s ) at the 0.05 level

* denotes rejection of the hypothes is at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unres tricted Cointegrating Coefficients (norm alized by b'*S11*b=I):
LOGPBI LOGEMISIONP C
-44.78227 14.01943 292.3061
15.93401 -4.942243 -106.1859
Unres tricted Adjus tm ent Coefficients (alpha):
D(LOGPBI) 0.001941 -0.005842

D(LOGEMISIO... -0.012610 -0.003444
1 Cointegrating Equation(s ): Log likelihood 897.9589
Norm alized cointegrating coefficients (s tandard error in parenthes es )

LOGPBI LOGEMISIONP C
1.000000 -0.313058 -6.527272
(0.00480) (0.04339)
Adjus tm ent coefficients (s tandard error in parenthes es )

D(LOGPBI) -0.086930
(0.10094)
D(LOGEMISIO... 0.564696
(0.11568)
El cuadro nos permite determinar que es la segunda opción la más recomendable, sin
embargo, debemos recordar que a través de la prueba de Dickey Fuller, comprobamos que
no existe tendencia determinística.
RESUMEN DE PRUEBA DE COINTEGRACION DE JOHANSEN

Date: 11/09/17 Tim e: 14:00
Sam ple: 1992M01 2011M09
Included obs ervations : 228
Series : LOGPBI LOGEMISIONP
Lags interval: 1 to 8
Selected (0.05 level*) Num ber of Cointegrating Relations by Model
Data Trend: None None Linear Linear Quadratic

Tes t Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 1 1 1 1
Max-Eig 0 1 1 1 1
*Critical values bas ed on MacKinnon-Haug-Michelis (1999)
Inform ation Criteria by Rank and Model

Rank or No Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Log Likelihood by Rank (rows ) and Model (colum ns )

0 881.7976 881.7976 886.8473 886.8473 887.2051
1 887.0870 897.9589 901.7304 903.5497 903.6202
2 887.5719 901.7356 901.7356 905.4002 905.4002
Akaike Inform ation Criteria by Rank (rows ) and Model (colum ns )

0 -7.454364 -7.454364 -7.481116 -7.481116 -7.466711
1 -7.465675 -7.552271 -7.576583 -7.583769* -7.575616
2 -7.434841 -7.541540 -7.541540 -7.556142 -7.556142
Schwarz Criteria by Rank (rows ) and Model (colum ns )

0 -6.973053 -6.973053 -6.969723 -6.969723 -6.925236
1 -6.924200 -6.995754 -7.005025* -6.997170 -6.973976
2 -6.833201 -6.909818 -6.909818 -6.894338 -6.894338
Por medio de esta prueba podemos ver que entre las variables existe cointegración, esto
teniendo en cuenta que la causalidad es PBI en función de emisión primaria, considerando
ocho rezagos para el modelo de correlación de error. Los coeficientes de corrección del error
tienen diferente signo.
Vector de Corrección de Error: Se obtienen las mismas conclusiones que la prueba anterior.
SOLUCION PRACTICA 6 PREGUNTA 2
Formule estime y analice un modelo VAR irrestricto o restringido para el

periodo 1980:1 – 1997:4 con las series de producción industrial de Japón
(JPI) y producción industrial de EEUU (EPI) que se muestra en la tabla
adjunta var_ prod_ind.wf
Periodo JPI EPI Periodo JPI EPI
1978:1 58.62 76.73 1988:1 88.78 97.15
1978:2 59.56 80.19 1988:2 90.27 97.93
1978:3 60.93 81.30 1988:3 91.37 98.87
1978:4 62.03 82.46 1988:4 92.71 99.75

1979:1 62.56 82.92 1989:1 95.51 100.66
1979:2 64.13 83.15 1989:2 96.34 100.79
1979:3 65.49 82.67 1989:3 96.11 99.65
1979:4 66.79 82.61 1989:4 96.44 99.65
1980:1 68.46 82.77 1990:1 97.31 100.15
1980:2 68.66 79.49 1990:2 99.37 100.29
1980:3 66.96 78.64 1990:3 100.98 100.52
1980:4 67.13 82.19 1990:4 102.34 99.04
1981:1 67.46 81.67 1991:1 102.74 96.88
1981:2 67.43 82.13 1991:2 102.14 97.25
1981:3 68.96 82.96 1991:3 101.78 98.74
1981:4 69.96 80.69 1991:4 100.51 99.01
1982:1 69.33 79.36 1992:1 98.17 99.38
1982:2 68.53 78.31 1992:2 95.84 100.89
1982:3 68.90 76.84 1992:3 95.44 101.33
1982:4 68.03 75.35 1992:4 92.77 102.68
1983:1 68.66 76.60 1993:1 93.14 103.79
1983:2 69.73 78.79 1993:2 91.54 104.06
1983:3 71.43 82.00 1993:3 91.77 104.60
1983:4 73.10 84.04 1993:4 88.40 106.11
1984:1 75.43 86.27 1994:1 89.94 107.70
1984:2 76.70 87.79 1994:2 90.94 109.55
1984:3 77.83 88.35 1994:3 92.47 111.03
1984:4 79.70 87.77 1994:4 94.04 113.05
1985:1 79.77 88.41 1995:1 95.41 114.70
1985:2 80.63 89.02 1995:2 95.54 115.14
1985:3 80.40 89.09 1995:3 93.41 116.42
1985:4 80.43 89.39 1995:4 95.44 116.73
1986:1 80.23 89.84 1996:1 96.07 117.33
1986:2 80.20 89.44 1996:2 96.21 119.49
1986:3 80.03 89.61 1996:3 98.04 120.53

1986:4 79.93 91.02 1996:4 100.64 121.68
1987:1 80.67 91.97 1997:1 102.64 123.60
1987:2 80.67 93.52 1997:2 102.64 124.61
1987:3 83.57 94.73 1997:3 102.28 126.43
1987:4 86.40 96.41 1997:4 101.11 128.65
Solución
1. Análisis gráfico de las series JPI(Producción industrial de Japón y EPI

(Producción industrial de EE.UU)
Vemos que JPI y EPI tienen al parecer una tendencia creciente a través del tiempo, puede
indicar que las dos series no son estacionarias en media ni en varianza, por ello pasaremos
a contrastar tal enunciado y aplicaremos el test de Dickey- Fuller.
2. Prueba de Raíz Unitaria
a) Prueba de Raiz Unitaria para el JPI
 Con tendencia e intercepto
Null Hypothesis: JPI has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.615694 0.7778
Test critical values: 1% level -4.081666
5% level -3.469235
10% level -3.161518
Dependent Variable: D(JPI)
Date: 11/22/19 Time: 17:03
Sample (adjusted): 1978Q4 1997Q4
JPI(-1) -0.076989 0.047651 -1.615694 0.1105
D(JPI(-1)) -0.092343 0.119203 -0.774670 0.4411
D(JPI(-2)) 0.134571 0.117959 1.140828 0.2577

C 5.612343 2.973271 1.887599 0.0631
@TREND("1978Q1") 0.033529 0.028442 1.178870 0.2423
R-squared 0.073655 Mean dependent var 0.508831
Adjusted R-squared 0.022191 S.D. dependent var 2.171055
S.E. of regression 2.146831 Akaike info criterion 4.428593
Sum squared resid 331.8395 Schwarz criterion 4.580788
Log likelihood -165.5008 Hannan-Quinn criter. 4.489470
F-statistic 1.431198 Durbin-Watson stat 2.017431
Prob(F-statistic) 0.232437
El t estadístico para la serie JPI se encuentra a la derecha, siendo no menor a los

valores críticos, evaluando el estadístico t que acompaña a @TREND ("1978Q1")
podemos concluir que la serie tampoco presenta una tendencia determinística
significativa debido a que este es menor al valor crítico.
 Con constante
Exogenous: Constant
t-Statistic Prob.*
5% level -2.899619
10% level -2.587134

Date: 11/22/19 Time: 17:05
JPI(-1) -0.025240 0.018587 -1.357936 0.1787
D(JPI(-1)) -0.125550 0.116136 -1.081056 0.2832
D(JPI(-2)) 0.108893 0.116239 0.936800 0.3520
C 2.648487 1.591489 1.664157 0.1004
El t estadístico de la serie JPI se encuentra a la derecha, siendo no menor a los

valores críticos, evaluando el estadístico t que acompaña a C podemos concluir que
la serie tampoco presenta un intercepto significativo debido a que este es menor al
valor crítico.
 Con Ninguno
Exogenous: None

t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 1.682234 0.9768
5% level -1.945081
10% level -1.614017
Date: 11/22/19 Time: 17:07
JPI(-1) 0.005261 0.003127 1.682234 0.0967
D(JPI(-1)) -0.119542 0.117460 -1.017727 0.3121
D(JPI(-2)) 0.118557 0.117474 1.009216 0.3162
Adjusted R-squared -0.006535 S.D. dependent var 2.171055
Durbin-Watson stat 2.007866

Se concluye que debido al estadístico t, que la serie JPI presenta raíz unitaria
además de no presentar ni un intercepto ni una tendencia determinística.
b) Prueba de Raiz Unitaria para el EPI
 Tendencia e intercepto
Null Hypothesis: EPI has a unit root
t-Statistic Prob.*
5% level -3.468459
10% level -3.161067
Dependent Variable: D(EPI)
Date: 11/22/19 Time: 17:10
EPI(-1) -0.046463 0.027810 -1.670734 0.0990
D(EPI(-1)) 0.495370 0.097938 5.057990 0.0000
C 3.263691 2.034572 1.604117 0.1129

@TREND("1978Q1") 0.036773 0.016219 2.267239 0.0263
El t estadístico de la serie EPI se encuentra a la derecha, siendo no menor a los

valores críticos, evaluando el estadístico t que acompaña a @TREND("1978Q1")
podemos concluir que la serie tampoco presenta una tendencia determinística
significativa debido a que este es menor al valor crítico.
 Intercepto
Exogenous: Constant
t-Statistic Prob.*
5% level -2.899115
10% level -2.586866

Date: 11/22/19 Time: 17:15
EPI(-1) 0.013502 0.008829 1.529319 0.1304
D(EPI(-1)) 0.459106 0.099254 4.625548 0.0000
C -0.963643 0.836428 -1.152092 0.2529
Analizando el estadístico t (en valor absoluto) que acompaña a C podemos concluir

que la serie tampoco presenta un intercepto significativo debido a que este es menor
al valor crítico.
 Ninguno
Exogenous: None
t-Statistic Prob.*
5% level -1.945024
10% level -1.614050
Date: 11/22/19 Time: 17:20
EPI(-1) 0.003450 0.001354 2.548465 0.0128
D(EPI(-1)) 0.484253 0.097033 4.990608 0.0000
Según el resultado del estadístico t se concluye que la serie EPI presenta raíz
unitaria, además de no presentar ni un intercepto ni una tendencia determinística.
Debido a que las dos series no son estacionarias, aplicaremos la primera diferencia y
haremos nuevamente el test de Dickey. Fuller para comprobar los resultados, queremos
que la serie dejen de ser no estacionarios y pasen a la estacionariedad con una raíz fuera
de su círculo unitario, además de ver si tendrá intercepto o tendencia. Posteriormente se
procederá con el análisis de la cointegración, porque tenemos que usar los valores en su
nivel porque están integradas en orden 1 – I(1).
3. Prueba de Raiz Unitaria para la primera diferencia
a) Prueba de Raiz Unitaria para la primera diferencia del JPI (Producción

industrial de Japón)
Null Hypothesis: D(JPI) has a unit root
t-Statistic Prob.*
5% level -3.469235
10% level -3.161518
Dependent Variable: D(JPI,2)
Date: 11/22/19 Time: 17:25

D(JPI(-1)) -1.033122 0.178648 -5.783010 0.0000
D(JPI(-1),2) -0.102305 0.117531 -0.870452 0.3869
C 0.886448 0.539470 1.643181 0.1046
@TREND("1978Q1") -0.008804 0.011186 -0.787043 0.4338
R-squared 0.576246 Mean dependent var -0.045974
Aplicando la primera diferencia para la serie JPI, vemos que se vuelve estacionaria ya que
su t estadístico está a la izquierda de los valores críticos, evaluando el intercepto y
tendencia nos muestra que no son significativas es decir que pueden ser removidos. Esto
nos permite determinar que la serie JPI es integrada de orden 1.
 Prueba de Raiz Unitaria para la primera diferencia del EPI

(Producción industrial de EE.UU)
Null Hypothesis: D(EPI) has a unit root
t-Statistic Prob.*
5% level -3.468459
10% level -3.161067
Dependent Variable: D(EPI,2)
Date: 11/22/19 Time: 17:30
D(EPI(-1)) -0.544638 0.096093 -5.667827 0.0000
C -0.114426 0.229090 -0.499481 0.6189
@TREND("1978Q1") 0.011001 0.005072 2.169005 0.0333
R-squared 0.304946 Mean dependent var -0.015897
La serie EPI con su primera diferencia muestra estacionariedad y se puede remover

el intercepto y tendencia ya que no son significativos. Esto nos permite determinar
que la serie EPI es integrada de orden 1.
4. Prueba de Causalidad de Granger

Pairwise Granger Causality Tests
Date: 11/22/19 Time: 17:40
Sample: 1978Q1 1997Q4
Lags: 2
Null Hypothesis: Obs F-Statistic Prob.
EPI does not Granger Cause JPI 78 2.35754 0.1018
JPI does not Granger Cause EPI 0.81609 0.4462
Esta prueba es un test auxiliar que nos ayuda a encontrar la causalidad entre las
variables y el orden en el que deben ser evaluados en la cointegración. Aunque los
resultados no nos den un resultado concluyente podemos decir que la serie EPI no
causa la serie JPI,la serie EPI es la dependiente y la serie JPI la independiente en
el modelo de cointegración ya que la probabilidad es la más baja.
5. Prueba de cointegración resumida de Johannsen
Date: 11/22/19 Time: 17:45
Sample: 1978Q1 1997Q4
Included observations: 75
Series: EPI JPI
Lags interval: 1 to 4
Selected
(0.05 level*)
Number of
Cointegrati
ng
Relations
by Model

No
Test Type Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 2 2 1 1 0
Max-Eig 2 2 1 1 0
*Critical values based on MacKinnon-Haug-Michelis (1999)
Informatio
n Criteria
by Rank
and Model
No
Rank or Intercept Intercept Intercept Intercept Intercept
No. of CEs No Trend No Trend No Trend Trend Trend
Log
Likelihood
by Rank
(rows) and
Model
(columns)
0 -247.0846 -247.0846 -241.5213 -241.5213 -232.4671
1 -240.1829 -238.7467 -233.1904 -228.7818 -228.6652
2 -237.0550 -231.8559 -231.8559 -226.1554 -226.1554
Akaike
Information
Criteria by
Rank (rows)
and Model
(columns)
0 7.015588 7.015588 6.920569 6.920569 6.732456

1 6.938212 6.926578 6.805078 6.714182* 6.737738
2 6.961465 6.876157 6.876157 6.777476 6.777476
Schwarz
Criteria by
Rank (rows)
and Model
(columns)
0 7.509986 7.509986 7.476766 7.476766 7.350453*
1 7.556209 7.575474 7.484875 7.424878 7.479334
2 7.703062 7.679553 7.679553 7.642672 7.642672
Observamos el resumen para ver los tipos de ecuaciones que podemos realizar, solo se
escogerá las que solo tengan una ecuación de cointegración, se evaluó con el cuarto rezago
debido a que los otros rezagos no proporcionan ninguna ecuación. Con los resultados de
la prueba de cointegracion resumida llegamos a la conclusión de que no existe una relación
de cointegracion entre la EPI y la JPI porque al determinar si tenían raíz unitaria o no, vimos
que no tienen tendencia determinística e intercepto, lo que no lleva a elegir algún modelo
posible que nos da la prueba de cointegración resumida de Johannsen.
2. SOLUCION PRACTICA 7 PREGUNTA 1

Con el objeto de analizar el comportamiento del precio del diesel 2, dada la
relevancia que este commodity tiene a nivel internacional, se ha colectado
información desde marzo 1994 hasta octubre 2012, la cual se presenta en el
archivo diesel_2.wf1. Analice el comportamiento dinámico del precio de
diesel y estime el modelo para la media y la varianza.
(Nota. Aplique los análisis pertinentes, para determinar si corresponde incluir
una tendencia lineal, aplicar la transformación en logaritmo o aplicar la
transformación en diferencia)
Se tiene la serie del precio
del diesel y lo que se
procede es realizar la
grafica del diesel,
notándose que tiene una
tendencia lineal, no es
estacionario en media, y
presenta fluctuaciones de
gran variabilidad en los
últimos años.
Por lo cual se realiza la

transformación a su logaritmo para
suavizar esas dispersiones, viéndose
que no es estacionario en media, es
entonces que se procedera a realizar
las diferencias para alcanzar la
estacionariedad en media en la serie
de precio del diesel.
Al tener la primera
diferencia del
logaritmo del precio
de diesel se puede
inferir que es
estacionario en media
y que hay una
variabilidad en
varianza que es
constante en los
primeros años pero
una fuerte variabilidad
entre los años 2006 y
el 2008
Para ver mejor el desemvolvimiento del modelo se tiene en la grafica de abajo la

segunda diferencia por lo cual se visualiza que es estacionaria en media, que tiene
fluctuaciones constantes en los primeros años pero una variabilidad muy dispersa
en los últimos años.
Teniendo en claro en
modelo a postular se
considerara a la primera
diferencia del logaritmo
del precio del diesel que
depende de un valor
constante, ya que los
criterios de Akaike, de
Schwarz, de Hannan-
Quinn ofrecen un menor
valor. Establecido ello
entonces el modelo es:
DLDIESEL =Ct +Et

DLDIESEL= 0.005865t
Para verificar la
presencia del modelo de la
heterocedasticidad, si
presencia varianza no
constante se procedera a
verificar el correlograma de
los residuos al cuadrado,
notándose que en la
autocorrelación y en la
correlación parcial los
valores se desprenden de
la unidad sobre todo los
primeros, nos indica la
existencia de una
estructura de
autocorrelación para la
varianza de la varianza, lo
que se corrobora con la
prueba ARCH-LM
el test de heterocedasticidad ARCH confirma la existencia de la
heterocedasticidad de la varianza del modelo ya que rechaza la hipotesis nula de
homocedasticidad por lo cual se acepta la hipotesis alternativa, de lo cual se tiene
un modelo para la varianza
𝜎𝑡2 = 𝛼0 + 𝛼1 𝑒𝑡−1
2
𝜎𝑡2 = 0.00130 + 0.3940 𝑒𝑡−1

2
Dependent Variable: D(LOG(DIESEL))
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 11/24/19 Time: 14:52
Sample (adjusted): 1994M05 2012M10
Convergence achieved after 12 iterations
Presample variance: unconditional
GARCH = C(2) + C(3)*RESID(-1)^2 Ahora se procedera
a elaborar el
Variable Coefficient Std. Error z-Statistic Prob.
modelo para la
AR(1) 0.324323 0.048564 6.678189 0.0000 media
Variance Equation D(log(diesel)) =
1
C 0.001343 0.000142 9.439070 0.0000
0.324𝑒𝑡−1
RESID(-1)^2 0.390901 0.121055 3.229118 0.0012

S.E. of regression 0.043968 Akaike info criterion -3.436959
Sum squared resid 0.427242 Schwarz criterion -3.390976
Log likelihood 384.5024 Hannan-Quinn criter. -3.418394
Inverted AR Roots .32
Y para la varianza será
𝜎𝑡2 = 0.00130 + 0.3940 𝑒𝑡−1

2
Ahora se realizara el pronostico del precio del diesel

3. SOLUCION PRACTICA 7 PREGUNTA 2
Con las estimaciones hechas el modelo planteado se ha determinado que no es
un buen modelo para incluirle variabilidad, debido a que por más que en el
comando por LS se agregaba una estructura autorregresiva no dejaba de ver
autocorrelacion en los residuos.

Practica 6 y 7

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Practica 6 y 7

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS ECONOMICAS

1. SOLUCIÓN PRACTICA 6 PREGUNTA 1

Evaluación gráfica de las series

Analizando el orden de integración de las series

t-Statistic Prob.* t-Statistic Prob.*

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

PRUEBA DE CAUSALIDAD DE GRANGER

Null Hypothesis: Obs F-Statistic Prob.

LOGEMISIONP does not Granger Cause LOGPBI 235 25.0861 1.E-10

Unres tricted Cointegration Rank Tes t (Trace)

Hypothes ized Trace 0.05

None * 0.132176 39.87602 20.26184 0.0000

Trace tes t indicates 1 cointegrating eqn(s ) at the 0.05 level

Unres tricted Cointegration Rank Tes t (Maxim um Eigenvalue)

Hypothes ized Max-Eigen 0.05

None * 0.132176 32.32265 15.89210 0.0001

Max-eigenvalue tes t indicates 1 cointegrating eqn(s ) at the 0.05 level

Unres tricted Cointegrating Coefficients (norm alized by b'*S11*b=I):

Unres tricted Adjus tm ent Coefficients (alpha):

D(LOGPBI) 0.001941 -0.005842

1 Cointegrating Equation(s ): Log likelihood 897.9589

Norm alized cointegrating coefficients (s tandard error in parenthes es )

Adjus tm ent coefficients (s tandard error in parenthes es )

RESUMEN DE PRUEBA DE COINTEGRACION DE JOHANSEN

Selected (0.05 level*) Num ber of Cointegrating Relations by Model

Data Trend: None None Linear Linear Quadratic

*Critical values bas ed on MacKinnon-Haug-Michelis (1999)

Inform ation Criteria by Rank and Model

Data Trend: None None Linear Linear Quadratic

Log Likelihood by Rank (rows ) and Model (colum ns )

Akaike Inform ation Criteria by Rank (rows ) and Model (colum ns )

Schwarz Criteria by Rank (rows ) and Model (colum ns )

SOLUCION PRACTICA 6 PREGUNTA 2

Formule estime y analice un modelo VAR irrestricto o restringido para el

Periodo JPI EPI Periodo JPI EPI

1978:1 58.62 76.73 1988:1 88.78 97.15

1978:2 59.56 80.19 1988:2 90.27 97.93

1978:3 60.93 81.30 1988:3 91.37 98.87

1978:4 62.03 82.46 1988:4 92.71 99.75

1979:2 64.13 83.15 1989:2 96.34 100.79

1979:3 65.49 82.67 1989:3 96.11 99.65

1979:4 66.79 82.61 1989:4 96.44 99.65

1980:1 68.46 82.77 1990:1 97.31 100.15

1980:2 68.66 79.49 1990:2 99.37 100.29

1980:3 66.96 78.64 1990:3 100.98 100.52

1980:4 67.13 82.19 1990:4 102.34 99.04

1981:1 67.46 81.67 1991:1 102.74 96.88

1981:2 67.43 82.13 1991:2 102.14 97.25

1981:3 68.96 82.96 1991:3 101.78 98.74

1981:4 69.96 80.69 1991:4 100.51 99.01

1982:1 69.33 79.36 1992:1 98.17 99.38

1982:2 68.53 78.31 1992:2 95.84 100.89

1982:3 68.90 76.84 1992:3 95.44 101.33

1982:4 68.03 75.35 1992:4 92.77 102.68

1983:1 68.66 76.60 1993:1 93.14 103.79

1983:2 69.73 78.79 1993:2 91.54 104.06

1983:3 71.43 82.00 1993:3 91.77 104.60

1983:4 73.10 84.04 1993:4 88.40 106.11

1984:1 75.43 86.27 1994:1 89.94 107.70

1984:2 76.70 87.79 1994:2 90.94 109.55

1984:3 77.83 88.35 1994:3 92.47 111.03

Unres tricted Cointegrating Coefficients (norm alized by b'S11b=I):