Download 1 Introducción al Análisis de Series de Tiempo en STATA Profr

Introducción al Análisis de Series de Tiempo en STATA
Profr. Juan Francisco Islas Aguirre
UAM-Xochimilco
Ejercicio 1: Operadores de retraso y operadores de diferencia
Ejercicio 2: Series de ruido blanco
Ejercicio 3: Función de autocorrelación muestral (FAC) del IPC
Ejercicio 4: Análisis de la serie del PIB de EEUU
i) Secuencia de comandos Stata para el Ejercicio 1
clear
log using "C:\Ejercicio 1.log", replace
* Operadores de retraso y de diferencia
input año str3 mes z
1997 Ene 518
1997 Feb 572
1997 Mar 599
1997 Abr 652
1997 May 692
1997 Jun 759
1997 Jul 705
1997 Ago 643
1997 Sep 600
1997 Oct 546
1997 Nov 518
1997 Dic 426
1998 Ene 554
1998 Feb 585
1998 Mar 633
1998 Abr 688
1998 May 731
1998 Jun 794
1998 Jul 805
1998 Ago 726
1998 Sep 717
1998 Oct 651
1998 Nov 605
1998 Dic 550
end
list
describe
compress
describe
gen str6 periodo=string(año)+"01" if mes=="Ene"
replace periodo=string(año)+"02" if mes=="Feb"
replace periodo=string(año)+"03" if mes=="Mar"
replace periodo=string(año)+"04" if mes=="Abr"
replace periodo=string(año)+"05" if mes=="May"
replace periodo=string(año)+"06" if mes=="Jun"
replace periodo=string(año)+"07" if mes=="Jul"
replace periodo=string(año)+"08" if mes=="Ago"
replace periodo=string(año)+"09" if mes=="Sep"
replace periodo=string(año)+"10" if mes=="Oct"
replace periodo=string(año)+"11" if mes=="Nov"
replace periodo=string(año)+"12" if mes=="Dic"
1
gen t=ym(int(real(substr(periodo,1,4))),int(real(substr(periodo,5,2))))
format %tm t
tsset t
gen rz=L.z
gen r12z=L12.z
gen m=D.z
list
log close
ii) Secuencia de comandos Stata para el Ejercicio 2
clear
log using "C:\Ejercicio 2.log", replace
* Serie ruido blanco
set obs 100
gen obs=_n
tsset obs
gen e=invnorm(uniform())
tsline e, saving("C:\ruidob.gph",replace)
ac e, saving("C:\acf.gph",replace)
graph combine "C:\ruidob.gph" "C:\acf.gph", saving("C:\comb_rb.gph",replace)
log close
iii) Secuencia de comandos Stata para el Ejercicio 3
clear
log using "C:\Ejercicio 3.log", replace
* Función de autocorrelación muestral (FAC) del IPC
* Datos tomados de Víctor Guerrero (2003), página 19
input str3 mes ipc
Ene 30.21
Feb 30.32
Mar 30.35
Abr 30.43
May 30.43
Jun 30.54
Jul 30.66
Ago 30.69
Sep 30.98
Oct 31.3
Nov 31.31
Dic 31.54
end
gen periodo=_n
gen t=ym(1969,periodo)
format %tm t
tsset t
tsline ipc, saving("C:\ipc.gph",replace)
sum ipc
scalar media_ipc=_result(3)
gen ipc0sq=(ipc-media_ipc)^2
gen ipc1sq=(F.ipc-media_ipc)*(ipc-media_ipc)
gen ipc2sq=(FF.ipc-media_ipc)*(ipc-media_ipc)
gen ipc3sq=(FFF.ipc-media_ipc)*(ipc-media_ipc)
gen ipc4sq=(F4.ipc-media_ipc)*(ipc-media_ipc)
list, sum(ipc*)
sum ipc0sq
scalar c0=(_result(2)*_result(3))/12
sum ipc1sq
scalar c1=(_result(2)*_result(3))/12
sum ipc2sq
scalar c2=(_result(2)*_result(3))/12
sum ipc3sq
scalar c3=(_result(2)*_result(3))/12
sum ipc4sq
scalar c4=(_result(2)*_result(3))/12
for num 0/4:scalar gammaX=cX/c0
for num 0/4: display "cX=",cX, "gammaX=",gammaX
corrgram ipc
2
ac ipc, saving("C:\acf_ipc.gph",replace)
graph combine "C:\ipc.gph" "C:\acf_ipc.gph", saving("C:\comb_ipc.gph",replace)
log close
iv) Secuencia de comandos Stata para el Ejercicio 4
clear
log using "C:\Ejercicio 4.log", replace
* Pruebas de Estacionariedad: Correlograma, Q, Ljung-Box y Raíz Unitaria Dickey-Fuller
* Datos de Damodar Gujarati (2004), página 769
infile str9 fecha pib ipd gcp ganancias dividendos using "http://www.angelfire.com/ab5/get5/gujarati.txt"
gen tiempo=yq(int(real(substr(fecha,6,4))), (real(substr(fecha,3,2))+2)/3)
format %tq tiempo
tsset tiempo
tsline pib, saving("C:\pib.gph",replace)
ac pib, saving("C:\acf_pib.gph",replace)
graph combine "C:\pib.gph" "C:\acf_pib.gph", saving("C:\comb_pib.gph",replace)
* Véase correlograma con 25 rezagos pág 786 y estadístico LB en pág 788
corrgram pib, lags(25)
wntestq pib, lags(25)
* Pruebas Dickey-Fuller, véase resultados en la pág 790
* Caminata Aleatoria
dfuller pib, reg noconstant
* Caminata Aleatoria con Variaciones
dfuller pib, reg
* Caminata Aleatoria con Variaciones alrededor de una Tendencia Estocástica
dfuller pib, reg trend
* Prueba Dickey-Fuller Aumentada, véase resultados en pág 792
dfuller pib, reg trend lags(1)
log close
Anexo 1 : Instrucciones para la ejecución de las Secuencias de Comandos
A continuación se ilustra el procedimiento para ejecutar en bloque los comandos
correspondientes en Stata para la realización de cada uno de los ejercicios considerados en
esta sesión. Debe tener abierto el documento en formato Word de la sesión del Laboratorio
3
de Aprendizaje que contiene las secuencias de comandos Stata para cada ejercicio, así
como el paquete estadístico Stata.
1.- Con base en el ejercicio que desea realizar, seleccione y copie únicamente la secuencia
de comandos a ejecutar para el ejercicio correspondiente. Por ejemplo, si deseamos hacer el
ejercicio 2, seleccionamos y copiamos las líneas que se marcan enseguida
2.- En Stata, pulse click sobre el botón
que se encuentra en la barra de herramientas
3.- Una vez abierta la ventana del Stata Do-File Editor, pulse click sobre el menú Edit y
luego seleccione la opción Paste para pegar la secuencia de comandos que copió del
documento Word, se observa lo siguiente
4
4.- Pulse click sobre el último botón Do que se encuentra a la derecha de la barra de
herramientas, que señalamos en la figura anterior. Vaya de inmediato a la ventana principal
del ambiente Stata, observe cómo se está ejecutando la secuencia de comandos:
5
5.- Espere a que concluya el programa (o secuencia de comandos Stata) hasta que se
despliega en la ventana de Resultados la instrucción log close y el mensaje end of
do-file.
6
6.- Una vez concluída la ejecución de la secuencia de comandos, puede proceder a localizar
y visualizar los productos de salida generados: archivo de resultados (*.log), gráficas (*.gph)
y base de datos final (*.dta). Asimismo, la secuencia de comandos recién ejecutada puede
salvarla en disco (*.do) desde la ventana del Stata Do-File-Editor.
7.- Para visualizar un archivo de resultados (generado mediante el comando log using
y cerrado mediante log close), por ejemplo para el Ejercicio 1 se generó el que se
encuentra en C:\Ejercicio 1.log, pulsamos el botón
de herramientas de la ventana principal de Stata
que se encuentra en la barra
7
8.- Pulsamos click en el formato Log (*.log)
9.- Localizamos el archivo de resultados producido, en este caso C:\Ejercicio 1.log,
y pulsamos Enter, enseguida seleccionar la opción View existing file (read-only).
8
10.- El archivo de resultados ha sido abierto mediante el visor de Stata (Viewer) y lo
observamos así:
Visualizando un Archivo de Resultados (*.log)
Otras acciones
Salvando la Secuencia de Comandos (*.do)
9
Salvando la Base de Datos Final (*.dta)
Visualizando una gráfica (*.gph)
Anexo 2 : Contenido de los Archivos de Resultados *.log y Gráficas *.gph
10
Los archivos de resultados *.log pueden ser abiertos y visualizados, además del Viewer de
Stata, en cualquier procesador de texto, como Word o WordPad, e inclusive en la hoja de
cálculo de Excel.
Ejercicio 1: Operadores de retraso y operadores de diferencia
----------------------------------------------------------------------------------------log: C:\Ejercicio 1.log
log type: text
opened on: 19 Nov 2009, 02:43:41
. * Operadores de retraso y de diferencia
. input año str3 mes z
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
1997
1997
1997
1997
1997
1997
1997
1997
1997
1997
1997
1997
1998
1998
1998
1998
1998
1998
1998
1998
1998
1998
1998
1998
end
año
Ene 518
Feb 572
Mar 599
Abr 652
May 692
Jun 759
Jul 705
Ago 643
Sep 600
Oct 546
Nov 518
Dic 426
Ene 554
Feb 585
Mar 633
Abr 688
May 731
Jun 794
Jul 805
Ago 726
Sep 717
Oct 651
Nov 605
Dic 550
mes
z
. list
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
+------------------+
| año
mes
z |
|------------------|
| 1997
Ene
518 |
| 1997
Feb
572 |
| 1997
Mar
599 |
| 1997
Abr
652 |
| 1997
May
692 |
|------------------|
| 1997
Jun
759 |
| 1997
Jul
705 |
| 1997
Ago
643 |
| 1997
Sep
600 |
| 1997
Oct
546 |
|------------------|
| 1997
Nov
518 |
| 1997
Dic
426 |
| 1998
Ene
554 |
| 1998
Feb
585 |
| 1998
Mar
633 |
|------------------|
| 1998
Abr
688 |
| 1998
May
731 |
| 1998
Jun
794 |
| 1998
Jul
805 |
11
20. | 1998
Ago
726 |
|------------------|
21. | 1998
Sep
717 |
22. | 1998
Oct
651 |
23. | 1998
Nov
605 |
24. | 1998
Dic
550 |
+------------------+
. describe
Contains data
obs:
24
vars:
3
size:
360 (99.9% of memory free)
----------------------------------------------------------------------------------------storage display
value
variable name
type
format
label
variable label
----------------------------------------------------------------------------------------año
float %9.0g
mes
str3
%9s
z
float %9.0g
----------------------------------------------------------------------------------------Sorted by:
Note: dataset has changed since last saved
. compress
año was float now int
z was float now int
. describe
Contains data
obs:
24
vars:
3
size:
264 (99.9% of memory free)
----------------------------------------------------------------------------------------storage display
value
variable name
type
format
label
variable label
----------------------------------------------------------------------------------------año
int
%9.0g
mes
str3
%9s
z
int
%9.0g
----------------------------------------------------------------------------------------Sorted by:
Note: dataset has changed since last saved
. gen str6 periodo=string(año)+"01" if mes=="Ene"
(22 missing values generated)
. replace periodo=string(año)+"02" if mes=="Feb"
(2 real changes made)
. replace periodo=string(año)+"03" if mes=="Mar"
(2 real changes made)
. replace periodo=string(año)+"04" if mes=="Abr"
(2 real changes made)
. replace periodo=string(año)+"05" if mes=="May"
(2 real changes made)
. replace periodo=string(año)+"06" if mes=="Jun"
(2 real changes made)
. replace periodo=string(año)+"07" if mes=="Jul"
(2 real changes made)
. replace periodo=string(año)+"08" if mes=="Ago"
(2 real changes made)
. replace periodo=string(año)+"09" if mes=="Sep"
12
(2 real changes made)
. replace periodo=string(año)+"10" if mes=="Oct"
(2 real changes made)
. replace periodo=string(año)+"11" if mes=="Nov"
(2 real changes made)
. replace periodo=string(año)+"12" if mes=="Dic"
(2 real changes made)
. gen t=ym(int(real(substr(periodo,1,4))),int(real(substr(periodo,5,2))))
. format %tm t
. tsset t
time variable:
delta:
t, 1997m1 to 1998m12
1 month
. gen rz=L.z
(1 missing value generated)
. gen r12z=L12.z
(12 missing values generated)
. gen m=D.z
(1 missing value generated)
. list
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
+---------------------------------------------------------+
| año
mes
z
periodo
t
rz
r12z
m |
|---------------------------------------------------------|
| 1997
Ene
518
199701
1997m1
.
.
. |
| 1997
Feb
572
199702
1997m2
518
.
54 |
| 1997
Mar
599
199703
1997m3
572
.
27 |
| 1997
Abr
652
199704
1997m4
599
.
53 |
| 1997
May
692
199705
1997m5
652
.
40 |
|---------------------------------------------------------|
| 1997
Jun
759
199706
1997m6
692
.
67 |
| 1997
Jul
705
199707
1997m7
759
.
-54 |
| 1997
Ago
643
199708
1997m8
705
.
-62 |
| 1997
Sep
600
199709
1997m9
643
.
-43 |
| 1997
Oct
546
199710
1997m10
600
.
-54 |
|---------------------------------------------------------|
| 1997
Nov
518
199711
1997m11
546
.
-28 |
| 1997
Dic
426
199712
1997m12
518
.
-92 |
| 1998
Ene
554
199801
1998m1
426
518
128 |
| 1998
Feb
585
199802
1998m2
554
572
31 |
| 1998
Mar
633
199803
1998m3
585
599
48 |
|---------------------------------------------------------|
| 1998
Abr
688
199804
1998m4
633
652
55 |
| 1998
May
731
199805
1998m5
688
692
43 |
| 1998
Jun
794
199806
1998m6
731
759
63 |
| 1998
Jul
805
199807
1998m7
794
705
11 |
| 1998
Ago
726
199808
1998m8
805
643
-79 |
|---------------------------------------------------------|
| 1998
Sep
717
199809
1998m9
726
600
-9 |
| 1998
Oct
651
199810
1998m10
717
546
-66 |
| 1998
Nov
605
199811
1998m11
651
518
-46 |
| 1998
Dic
550
199812
1998m12
605
426
-55 |
+---------------------------------------------------------+
. log close
log: C:\Ejercicio 1.log
log type: text
closed on: 19 Nov 2009, 02:43:44
-----------------------------------------------------------------------------------------
Ejercicio 2: Series de ruido blanco
13
-------------------------------------------------------------------------------------------log: C:\Ejercicio 2.log
log type: text
opened on: 19 Nov 2009, 01:54:13
. * Serie ruido blanco
. set obs 100
obs was 0, now 100
. gen obs=_n
. tsset obs
time variable:
delta:
obs, 1 to 100
1 unit
. gen e=invnorm(uniform())
. tsline e, saving("C:\ruidob.gph",replace)
(file C:\ruidob.gph saved)
. ac e, saving("C:\acf.gph",replace)
(file C:\acf.gph saved)
. graph combine "C:\ruidob.gph" "C:\acf.gph", saving("C:\comb_rb.gph",replace)
(file C:\comb_rb.gph saved)
-3
-0.20
-2
-1
e
0
Autocorrelations of e
0.00
1
0.20
2
. log close
log: C:\Ejercicio 2.log
log type: text
closed on: 19 Nov 2009, 01:54:31
-----------------------------------------------------------------------------------------
0
0
20
40
obs
60
80
100
10
20
Lag
30
40
Bartlett's formula for MA(q) 95% confidence bands
Ejercicio 3: Función de autocorrelación muestral (FAC) del IPC
14
----------------------------------------------------------------------------------------log: C:\Ejercicio 3.log
log type: text
opened on: 19 Nov 2009, 02:50:02
. * Función de autocorrelación muestral (FAC) del IPC
. * Datos tomados de Víctor Guerrero (2003), página 19
. input str3 mes ipc
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
Ene
Feb
Mar
Abr
May
Jun
Jul
Ago
Sep
Oct
Nov
Dic
end
mes
30.21
30.32
30.35
30.43
30.43
30.54
30.66
30.69
30.98
31.3
31.31
31.54
ipc
. gen periodo=_n
. gen t=ym(1969,periodo)
. format %tm t
. tsset t
time variable:
delta:
t, 1969m1 to 1969m12
1 month
. tsline ipc, saving("C:\ipc.gph",replace)
(file C:\ipc.gph saved)
. sum ipc
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------ipc |
12
30.73
.4457272
30.21
31.54
. scalar media_ipc=_result(3)
. gen ipc0sq=(ipc-media_ipc)^2
. gen ipc1sq=(F.ipc-media_ipc)*(ipc-media_ipc)
(1 missing value generated)
. gen ipc2sq=(FF.ipc-media_ipc)*(ipc-media_ipc)
(2 missing values generated)
. gen ipc3sq=(FFF.ipc-media_ipc)*(ipc-media_ipc)
(3 missing values generated)
. gen ipc4sq=(F4.ipc-media_ipc)*(ipc-media_ipc)
(4 missing values generated)
. list, sum(ipc*)
+---------------------------------------------------------------------------------+
1. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Ene | 30.21 |
1 | 1969m1 | .270401 | .2132006 | .1976002 | .1560001 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
.1560001
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
15
2. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Feb | 30.32 |
2 | 1969m2 | .1681003 |
.1558 |
.123 |
.123 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
.0778997
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
3. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Mar | 30.35 |
3 | 1969m3 | .1443997 | .1139998 | .1139998 | .0721996 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
.0266
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
4. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Abr | 30.43 |
4 | 1969m4 | .0899998 | .0899998 | .0569997 |
.021 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
.0119998
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
5. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| May | 30.43 |
5 | 1969m5 | .0899998 | .0569997 |
.021 | .0119998 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
-.0749998
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
6. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Jun | 30.54 |
6 | 1969m6 | .0360997 |
.0133 | .0075999 | -.0474997 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
-.1082993
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
7. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Jul | 30.66 |
7 | 1969m7 |
.0049 |
.0028 |
-.0175 |
-.0399 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
-.0406001
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
8. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Ago | 30.69 |
8 | 1969m8 |
.0016 | -.0099999 | -.0227997 | -.0231997 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
-.0323996
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
9. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Sep | 30.98 |
9 | 1969m9 | .0624998 | .1424995 | .1449996 | .2024998 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
.
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
10. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Oct |
31.3 |
10 | 1969m10 | .3248991 | .3305992 | .4616999 |
. |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
.
|
+---------------------------------------------------------------------------------+
16
+---------------------------------------------------------------------------------+
11. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Nov | 31.31 |
11 | 1969m11 | .3363993 | .4698001 |
. |
. |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
.
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
12. | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
| Dic | 31.54 |
12 | 1969m12 | .6561015 |
. |
. |
. |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
.
|
+---------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------+
Sum | mes |
ipc | periodo |
t |
ipc0sq |
ipc1sq |
ipc2sq |
ipc3sq |
|
| 368.76 |
|
|
2.1854 | 1.578999 | 1.086599 |
.4761 |
|---------------------------------------------------------------------------------|
|
ipc4sq
|
|
.0162009
|
+---------------------------------------------------------------------------------+
. sum ipc0sq
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------ipc0sq |
12
.1821167
.1894626
.0016
.6561015
. scalar c0=(_result(2)*_result(3))/12
. sum ipc1sq
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------ipc1sq |
11
.1435453
.1476529 -.0099999
.4698001
. scalar c1=(_result(2)*_result(3))/12
. sum ipc2sq
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------ipc2sq |
10
.1086599
.1444785 -.0227997
.4616999
. scalar c2=(_result(2)*_result(3))/12
. sum ipc3sq
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------ipc3sq |
9
.0529
.0904639 -.0474997
.2024998
. scalar c3=(_result(2)*_result(3))/12
. sum ipc4sq
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------ipc4sq |
8
.0020251
.0855862 -.1082993
.1560001
. scalar c4=(_result(2)*_result(3))/12
. for num 0/4:scalar gammaX=cX/c0
->
scalar gamma0=c0/c0
->
scalar gamma1=c1/c0
->
scalar gamma2=c2/c0
17
->
scalar gamma3=c3/c0
->
scalar gamma4=c4/c0
. for num 0/4: display "cX=",cX, "gammaX=",gammaX
-> display `"c0="' ,c0, `"gamma0="' ,gamma0
c0= .18211666 gamma0= 1
-> display `"c1="' ,c1, `"gamma1="' ,gamma1
c1= .13158323 gamma1= .72252164
-> display `"c2="' ,c2, `"gamma2="' ,gamma2
c2= .09054994 gamma2= .49720843
-> display `"c3="' ,c3, `"gamma3="' ,gamma3
c3= .039675 gamma3= .21785486
-> display `"c4="' ,c4, `"gamma4="' ,gamma4
c4= .00135008 gamma4= .00741324
. corrgram ipc
-1
0
1 -1
0
1
LAG
AC
PAC
Q
Prob>Q [Autocorrelation] [Partial Autocor]
------------------------------------------------------------------------------1
0.7225
1.1005
7.9729 0.0047
|----|-------2
0.4972
0.2948
12.126 0.0023
|--|-3
0.2179
1.4156
13.012 0.0046
||-------4
0.0074
0.9215
13.013 0.0112
|
|------. ac ipc, saving("C:\acf_ipc.gph",replace)
(file C:\acf_ipc.gph saved)
. graph combine "C:\ipc.gph" "C:\acf_ipc.gph", saving("C:\comb_ipc.gph",replace)
(file C:\comb_ipc.gph saved)
. log close
log: C:\Ejercicio 3.log
log type: text
closed on: 19 Nov 2009, 02:50:17
-----------------------------------------------------------------------------------------
18
1.00
Autocorrelations of ipc
0.00
0.50
31.5
31
ipc
-1.00
-0.50
30.5
30
1969m1
1
1969m4
1969m7 1969m10 1970m1
t
2
Lag
3
4
Bartlett's formula for MA(q) 95% confidence bands
Ejercicio 4: Análisis de la serie del PIB de EEUU
----------------------------------------------------------------------------------------log: C:\Ejercicio 4.log
log type: text
opened on: 19 Nov 2009, 02:51:28
. * Pruebas de Estacionariedad: Correlograma, Q, Ljung-Box y Raíz Unitaria Dickey-Fuller
. * Datos de Damodar Gujarati (2004), página 769
. infile str9 fecha pib ipd gcp ganancias dividendos using "http://www.angelfire.com/ab5/
> get5/gujarati.txt"
(88 observations read)
. gen tiempo=yq(int(real(substr(fecha,6,4))), (real(substr(fecha,3,2))+2)/3)
. format %tq tiempo
. tsset tiempo
time variable:
delta:
tiempo, 1970q1 to 1991q4
1 quarter
. tsline pib, saving("C:\pib.gph",replace)
(file C:\pib.gph saved)
. ac pib, saving("C:\acf_pib.gph",replace)
(file C:\acf_pib.gph saved)
. graph combine "C:\pib.gph" "C:\acf_pib.gph", saving("C:\comb_pib.gph",replace)
(file C:\comb_pib.gph saved)
. * Véase correlograma con 25 rezagos pág 786 y estadístico LB en pág 788
. corrgram pib, lags(25)
-1
0
1 -1
0
1
LAG
AC
PAC
Q
Prob>Q [Autocorrelation] [Partial Autocor]
------------------------------------------------------------------------------1
0.9689
0.9986
85.462 0.0000
|------|-------
19
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
0.9353
0.9014
0.8658
0.8298
0.7912
0.7519
0.7125
0.6749
0.6381
0.6014
0.5655
0.5322
0.4998
0.4677
0.4370
0.4053
0.3748
0.3436
0.3127
0.2793
0.2459
0.2138
0.1820
0.1527
-0.3197
-0.0959
0.0297
-0.0398
0.0246
0.0074
0.0613
0.2970
-0.1468
-0.0969
-0.0035
0.3781
-0.0533
0.1405
0.0278
0.1068
-0.0388
-0.1511
0.0665
0.1352
-0.1130
0.0436
0.1300
0.1125
166.02
241.72
312.39
378.1
438.57
493.85
544.11
589.77
631.12
668.33
701.65
731.56
758.29
782.02
803.03
821.35
837.24
850.79
862.17
871.39
878.65
884.22
888.31
891.25
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
|------|------|-----|-----|-----|-----|----|----|----|---|---|---|--|--|--|--|-|-|-|-||||-
--|
|
|
|
|
|
|
|--|
|
|
|--|
||
|
|
-|
|
||
|
||
. wntestq pib, lags(25)
Portmanteau test for white noise
--------------------------------------Portmanteau (Q) statistic =
891.2455
Prob > chi2(25)
=
0.0000
. * Pruebas Dickey-Fuller, véase resultados en la pág 790
. * Caminata Aleatoria
. dfuller pib, reg noconstant
Dickey-Fuller test for unit root
Number of obs
=
87
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical
10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
5.798
-2.605
-1.950
-1.610
-----------------------------------------------------------------------------D.pib |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------pib |
L1. |
.0057654
.0009944
5.80
0.000
.0037887
.0077421
-----------------------------------------------------------------------------. * Caminata Aleatoria con Variaciones
. dfuller pib, reg
Dickey-Fuller test for unit root
Number of obs
=
87
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical
10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-0.219
-3.528
-2.900
-2.585
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.9362
-----------------------------------------------------------------------------D.pib |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------pib |
L1. | -.0013679
.0062415
-0.22
0.827
-.0137777
.0110419
_cons |
28.20542
24.36532
1.16
0.250
-20.23937
76.6502
------------------------------------------------------------------------------
20
. * Caminata Aleatoria con Variaciones alrededor de una Tendencia Estocástica
. dfuller pib, reg trend
Dickey-Fuller test for unit root
Number of obs
=
87
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical
10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-1.625
-4.069
-3.463
-3.158
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.7824
-----------------------------------------------------------------------------D.pib
|
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------pib |
L1. | -.0603169
.0371113
-1.63
0.108
-.1341169
.0134831
_trend |
1.477641
.9172438
1.61
0.111
-.346399
3.301681
_cons |
190.3836
103.5257
1.84
0.069
-15.48858
396.2559
-----------------------------------------------------------------------------. * Prueba Dickey-Fuller Aumentada, véase resultados en pág 792
. dfuller pib, reg trend lags(1)
Augmented Dickey-Fuller test for unit root
Number of obs
=
86
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical
10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-2.215
-4.071
-3.464
-3.158
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.4813
-----------------------------------------------------------------------------D.pib
|
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------pib |
L1. | -.0786608
.0355082
-2.22
0.030
-.1492979
-.0080237
LD. |
.355794
.102691
3.46
0.001
.1515089
.560079
_trend |
1.892198
.8791682
2.15
0.034
.1432524
3.641144
_cons |
234.9728
98.58764
2.38
0.019
38.85062
431.0951
-----------------------------------------------------------------------------. log close
log: C:\Ejercicio 4.log
log type: text
closed on: 19 Nov 2009, 02:51:46
-----------------------------------------------------------------------------------------
21
1.00
5000
Autocorrelations of pib
0.00
0.50
4500
pib
4000
-0.50
3500
-1.00
3000
0
1970q1
1975q1
1980q1 1985q1
tiempo
1990q1
10
20
Lag
30
40
Bartlett's formula for MA(q) 95% confidence bands
22