t dólar UF Month

1 524.61 23312.57 1
2 529.55 23315.57 2
3 528.8 23318.57 3
4 531.14 23321.57 4
5 531.65 23324.58 5
6 532.14 23327.58 6
7 533.97 23330.58 7
8 531.17 23333.59 8
9 527.53 23336.59 9
10 527.76 23341.09 10
11 529.51 23345.6 11
12 531.68 23350.1 12
13 537 23354.61 1
14 541.59 23359.12 2
15 543.93 23363.63 3
16 544.24 23368.13 4
17 546.42 23372.64 5
18 550.53 23377.15 6
19 548.34 23381.67 7
20 547.07 23386.18 8
21 548.8 23390.69 9
22 547.22 23395.21 10
23 553.84 23399.72 11
24 556.52 23404.24 12
25 557.55 23408.75 1
26 559.24 23413.27 2
27 556.14 23417.79 3
28 553.16 23422.31 4
29 555.35 23426.83 5
30 554.56 23431.35 6
31 552.91 23435.87 7
32 549.44 23440.4 8
33 546.94 23444.92 9
34 546.99 23449.44 10
35 548.11 23453.97 11
36 552.43 23458.5 12
37 555.37 23463.02 1
38 555.51 23467.55 2
39 555.1 23472.08 3
40 556.67 23476.61 4
41 559.02 23478.29 5
42 563.32 23479.96 6
43 559.38 23481.64 7
44 561.52 23483.31 8
45 558.28 23484.99 9
46 562.7 23486.66 10
47 559.54 23488.34 11
48 561.55 23490.02 12
49 569.64 23491.69 1
50 570.69 23493.37 2
51 573.24 23495.04 3
52 570.84 23496.72 4
53 572.03 23498.4 5
54 570.35 23500.07 6
55 570.91 23501.75 7
56 569.66 23503.43 8
57 568.49 23505.11 9
58 561.91 23506.78 10
59 562.7 23508.46 11
60 559.57 23510.14 12
61 555.75 23511.82 1
62 551.43 23513.49 2
63 550.53 23515.17 3
64 551.18 23516.85 4
65 550.62 23518.53 5
66 553.6 23520.21 6
67 555.97 23521.88 7
68 555.08 23523.56 8
69 553.59 23527.34 9
70 546.72 23531.13 10
71 548.13 23534.92 11
72 544.96 23538.7 12
73 548.31 23542.49 1
74 549.04 23546.28 2
75 554.22 23550.07 3
76 555.84 23553.86 4
77 557.63 23557.65 5
78 557.02 23561.44 6
79 561.7 23565.23 7
80 563.76 23569.02 8
81 559.67 23572.81 9
82 560.36 23576.61 10
83 559.5 23580.4 11
84 560.56 23584.19 12
85 564.59 23587.99 1
86 563.39 23591.78 2
87 565.09 23595.58 3
88 566.88 23599.38 4
89 566.11 23603.17 5
 90 555.74 23606.97 6
91 555.77 23610.77 7
92 551.36 23614.57 8
93 549.05 23618.37 9
94 550.22 23622.17 10
95 553.62 23625.97 11
96 550.46 23629.77 12
97 548.61 23633.57 1
98 551.45 23637.37 2
99 550.7 23641.18 3
100 553.95 23647.46 4
101 554.04 23653.74 5
102 555.99 23660.03 6
103 552.98 23666.31 7
104 548.04 23672.6 8
105 550.72 23678.89 9
106 550.23 23685.18 10
107 550.68 23691.47 11
108 552.62 23697.76 12
109 551.63 23704.06 1
110 549.59 23710.35 2
111 549.89 23716.65 3
112 553.12 23722.95 4
113 554.41 23729.25 5
114 553.43 23735.56 6
115 554.8 23741.86 7
116 556.76 23748.17 8
117 559.03 23754.48 9
118 559.12 23760.79 10
119 556.69 23767.1 11
120 557.14 23773.41 12
121 553.12 23779.73 1
122 550.64 23786.04 2
123 550.09 23792.36 3
124 550.02 23798.68 4
125 550.6 23805.01 5
126 552.72 23811.33 6
127 552.09 23817.65 7
128 552.18 23823.98 8
129 550.84 23830.31 9
130 548.72 23834.91 10
131 550.49 23839.51 11
132 552.37 23844.11 12
133 553.54 23848.71 1
134 553.29 23853.31 2
135 554.05 23857.92 3
136 553.93 23862.52 4
137 556.39 23867.13 5
138 562.92 23871.73 6
139 566.86 23876.34 7
140 565.86 23880.95 8
141 563.71 23885.56 9
142 563.88 23890.17 10
143 563.3 23894.78 11
144 563.48 23899.39 12
145 563.57 23904 1
146 565.88 23908.61 2
147 570.51 23913.23 3
148 573.14 23917.84 4
149 572.61 23922.46 5
150 571.75 23927.08 6
151 576.66 23931.69 7
152 577.36 23936.31 8
153 576.19 23940.93 9
154 576.14 23945.55 10
155 574.3 23950.17 11
156 576.23 23954.79 12
157 576.49 23959.42 1
158 576.49 23964.04 2
159 576.15 23968.67 3
160 578.54 23973.29 4
161 583.09 23975.68 5
162 582.76 23978.08 6
163 583.19 23980.47 7
164 583.13 23982.87 8
165 584.87 23985.26 9
166 588.67 23987.66 10
167 593.28 23990.05 11
168 590.91 23992.45 12
169 589.03 23994.84 1
170 591.55 23997.24 2
171 588.52 23999.64 3
172 591.43 24002.03 4
173 586.41 24004.43 5
174 585.29 24006.83 6
175 592.34 24009.22 7
176 590.82 24011.62 8
177 590.14 24014.02 9
178 590.6 24016.42 10
179 594.71 24018.81 11
180 593.76 24021.21 12
181 594.09 24023.61 1
182 600.36 24026.01 2
183 600.3 24028.41 3
184 598.87 24030.81 4
185 598.91 24033.21 5
186 599.66 24035.61 6
187 601.66 24038.01 7
188 599.22 24040.41 8
189 597.26 24042.81 9
190 596.08 24045.21 10
191 598.64 24045.99 11
192 597.72 24046.76 12
193 596.95 24047.54 1
194 594.71 24048.31 2
195 592.13 24049.09 3
196 594.3 24049.86 4
197 590.01 24050.64 5
198 588.4 24051.41 6
199 588.22 24052.19 7
200 591.16 24052.96 8
201 587.61 24053.74 9
202 587.12 24054.51 10
203 583.92 24055.29 11
204 584.14 24056.07 12
205 584.4 24056.84 1
206 584.2 24057.62 2
207 585.1 24058.39 3
208 581.62 24059.17 4
209 576.65 24059.94 5
210 576.5 24060.72 6
211 580.62 24061.5 7
212 585.97 24062.27 8
213 588.48 24063.05 9
214 590.44 24063.82 10
215 589.72 24064.6 11
216 588.33 24065.38 12
217 590.58 24066.15 1
218 592.48 24066.93 2
219 594.14 24067.7 3
 Utilice el set de datos UF-Dólar
1. Desarrolle los siguientes modelos para explicar la UF en función delEl modelo UF , USD , T tiene una bondad de ajuste
dólar: del 98,28%
a. Modelo considerando solo las series de tiempo UF y dólar
b. Modelo con las series sin tendencia Los Beta para Dolar son de .4183571 lo que explica
c. Modelo incluyendo explícitamente el tiempo que por cada unidad que sube el usd , sube .4183571
Interprete y compare el estimador del β1 obtenido en cada modelo. unidades la UF
2. Evalúe la autocorrelación de los residuales de cada uno de los
modelos. Utilice el tiene un significancia baja es justo 0.05
estadístico Durbin-Watson.
3. Sugiera métodos para lidiar con la autocorrelación

Sin tendencìa el modelo tiene un bondad de ajuste

de 68.64%

el beta para el dolar es de 11.16627 quiere decir que

por cada unidad que sube el dolar, la uf sube
11.16627 unidades

este modelo tiene significancia para la variable Dolar

El Modelo donde se incluye el tiempo explicitamente

tiene Bondad de ajuste de 98,39%
Tenemos que le beta para el dolar es .4156 lo que
explica que por cada unidad que sube el dolar sube
la uf .4156 unidades

para este caso el dolar ya no es una variable

significativa.

y podemos ver como no es significativa para ninguno

de los 12 meses analizados.

Definimos la variable T como estacional o temporal

realizamos una prueba de durbin's

Definimos la variable T como estacional o temporal

realizamos una prueba de durbin's

En ambos casos y para ambos modelos existe un

prob de Chi2 muy pequeño asi que rechazamos la
hipotesis.

Indicando que tenemos problemas de

autocorrelaciòn

haciendo el test de Prais - Wisnten podemos

observar que el modelo Tiene un Correlación
altisima .96762
Y el transformado es 1.7702 le quito correlación pero
sigue estando presente.
Para corregir esto se corre un modelo con "ajuste de
correlación".
Eliminamos la correlaciòn del modelo pero tambìen
la significancìa aunque esta muy cerca de ser
significante .0502.
 Modelo considerando las series de tiempo UF y Dólar (UF (y), USD (X)
una bondad de ajuste . regress uf dlar t

Source SS df MS Number of obs = 219

183571 lo que explica F( 2, 216) = 6224.25
Model 13218883.5 2 6609441.76 Prob > F = 0.0000
e el usd , sube .4183571 Residual 229367.417 216 1061.88619 R-squared = 0.9829
Adj R-squared = 0.9828
Total 13448250.9 218 61689.2244 Root MSE = 32.587
usto 0.05
uf Coef. Std. Err. t P>|t| [95% Conf. Interval]

dlar .4183571 .2123825 1.97 0.050 -.0002503 .8369646

t 3.785119 .0617699 61.28 0.000 3.66337 3.906868
_cons 23072.81 114.4372 201.62 0.000 22847.25 23298.36

Modelo sin tendencia

un bondad de ajuste
. regress uf dlar

16627 quiere decir que Source SS df MS Number of obs = 219

dolar, la uf sube F( 1, 217) = 475.07
Model 9231545.05 1 9231545.05 Prob > F = 0.0000
Residual 4216705.88 217 19431.8243 R-squared = 0.6864
a para la variable Dolar Adj R-squared = 0.6850
Total 13448250.9 218 61689.2244 Root MSE = 139.4

uf Coef. Std. Err. t P>|t| [95% Conf. Interval]

dlar 11.16627 .5123037 21.80 0.000 10.15654 12.17599

_cons 17418.26 289.5257 60.16 0.000 16847.62 17988.91
tiempo explicitamente
39%
dolar es .4156 lo que
que sube el dolar sube Modelo incluyendo explícitamente el tiempo
. regress uf dlar t i.month

Source SS df MS Number of obs = 219

es una variable
F( 13, 205) = 910.02
Model 13219184 13 1016860.31 Prob > F = 0.0000
Residual 229066.936 205 1117.39969 R-squared = 0.9830
Adj R-squared = 0.9819
gnificativa para ninguno
Total 13448250.9 218 61689.2244 Root MSE = 33.428

uf Coef. Std. Err. t P>|t| [95% Conf. Interval]

dlar .4156446 .2183542 1.90 0.058 -.0148634 .8461525

t 3.786221 .063517 59.61 0.000 3.660991 3.911451

month
2 -.7288762 10.84621 -0.07 0.946 -22.11331 20.65555
3 -1.26363 10.84687 -0.12 0.907 -22.64935 20.12209
estacional o temporal 4 2.79829 10.99838 0.25 0.799 -18.88616 24.48274
5 2.360002 10.99775 0.21 0.830 -19.32321 24.04321
6 1.882963 10.99769 0.17 0.864 -19.80011 23.56604
7 1.013534 11.00432 0.09 0.927 -20.68261 22.70968
8 .8512126 10.99894 0.08 0.938 -20.83434 22.53677
9 1.026271 10.99517 0.09 0.926 -20.65185 22.70439
10 .9104072 10.99598 0.08 0.934 -20.76931 22.59013
11 .1949941 10.99589 0.02 0.986 -21.48454 21.87453
rbin's 12 -.2424897 10.9964 -0.02 0.982 -21.92303 21.43805

_cons 23073.5 117.7306 195.99 0.000 22841.39 23305.62

estacional o temporal 4 2.79829 10.99838 0.25 0.799 -18.88616 24.48274
5 2.360002 10.99775 0.21 0.830 -19.32321 24.04321
6 1.882963 10.99769 0.17 0.864 -19.80011 23.56604
7 1.013534 11.00432 0.09 0.927 -20.68261 22.70968
8 .8512126 10.99894 0.08 0.938 -20.83434 22.53677
9 1.026271 10.99517 0.09 0.926 -20.65185 22.70439
10 .9104072 10.99598 0.08 0.934 -20.76931 22.59013
11 .1949941 10.99589 0.02 0.986 -21.48454 21.87453
rbin's 12 -.2424897 10.9964 -0.02 0.982 -21.92303 21.43805

_cons 23073.5 117.7306 195.99 0.000 22841.39 23305.62

Prueba de D para modelos donde se define el tiempo explicito

. tsset t
time variable: t, 1 to 219
modelos existe un delta: 1 unit
si que rechazamos la

Durbin's alternative test for autocorrelation

emas de
lags(p) chi2 df Prob > chi2

1 82034.880 1 0.0000

H0: no serial correlation

Prueba de Durbin's para modelo serie de Tiempo, UF y USD

. tsset t
time variable: t, 1 to 219
delta: 1 unit

Durbin's alternative test for autocorrelation

lags(p) chi2 df Prob > chi2

1 90666.955 1 0.0000

snten podemos
H0: no serial correlation
un Correlación
e quito correlación pero
En ambos caso existe un prob de Chi2 muy pequeño asi que rechazamos la hipotesis
modelo con "ajuste de nula y tenemos autocorrelación

Prais-Winsten AR(1) regression -- iterated estimates

Source SS df MS Number of obs = 219

F( 2, 216) = 888.83
Model 12918.046 2 6459.02301 Prob > F = 0.0000
Residual 1569.65537 216 7.26692302 R-squared = 0.8917
Adj R-squared = 0.8907
Total 14487.7014 218 66.4573458 Root MSE = 2.6957

dlar Coef. Std. Err. t P>|t| [95% Conf. Interval]

uf .0501478 .0842518 0.60 0.552 -.1159132 .2162088

t .0963005 .3154562 0.31 0.760 -.525466 .718067
_cons -636.3207 1964.278 -0.32 0.746 -4507.927 3235.286

rho .9676253
 Total 14487.7014 218 66.4573458 Root MSE = 2.6957

dlar Coef. Std. Err. t P>|t| [95% Conf. Interval]

uf .0501478 .0842518 0.60 0.552 -.1159132 .2162088

t .0963005 .3154562 0.31 0.760 -.525466 .718067
_cons -636.3207 1964.278 -0.32 0.746 -4507.927 3235.286

rho .9676253

Durbin-Watson statistic (original) 0.068922

Durbin-Watson statistic (transformed) 1.770295

modelo pero tambìen

muy cerca de ser

Prais-Winsten AR(1) regression -- iterated estimates

Source SS df MS Number of obs = 218

F( 13, 204) = 92.68
Model 3210.46238 13 246.958644 Prob > F = 0.0000
Residual 543.569998 204 2.66455881 R-squared = 0.8552
Adj R-squared = 0.8460
Total 3754.03237 217 17.2996884 Root MSE = 1.6323

uf Coef. Std. Err. t P>|t| [95% Conf. Interval]

dlar .0280584 .0417046 0.67 0.502 -.0541689 .1102857

t 4.55867 .1325301 34.40 0.000 4.297365 4.819974

month
2 -.0521159 .3575965 -0.15 0.884 -.7571749 .6529431
3 -.0726644 .4831168 -0.15 0.881 -1.025207 .8798781
4 .0789008 .5674283 0.14 0.890 -1.039875 1.197677
5 -.0173034 .6197862 -0.03 0.978 -1.239312 1.204705
6 -.1027421 .6497323 -0.16 0.875 -1.383794 1.17831
7 -.201202 .6633064 -0.30 0.762 -1.509017 1.106613
8 -.234933 .6520405 -0.36 0.719 -1.520536 1.05067
9 -.1223594 .623025 -0.20 0.844 -1.350753 1.106035
10 -.0267149 .5741325 -0.05 0.963 -1.15871 1.10528
11 -.039363 .4934321 -0.08 0.936 -1.012244 .9335178
12 -.018406 .3665726 -0.05 0.960 -.7411628 .7043508

_cons 23291.64 23.99369 970.74 0.000 23244.33 23338.94

rho 1.013345

Durbin-Watson statistic (original) 0.005461

Durbin-Watson statistic (transformed) 0.059018

Eliminamos la correlaciòn del modelo pero tambìen la significancìa

9
7
0
4
0
4

9
1

219
910.02
0.0000
0.9830
0.9819
33.428

erval]

461525
911451

.65555
.12209
.48274
.04321
.56604
.70968
.53677
.70439
.59013
.87453
.43805

305.62
.48274
.04321
.56604
.70968
.53677
.70439
.59013
.87453
.43805

305.62
8
8
0
2
0
3

7
4

1
1
7
5
1
3
7
5
8
8
8