Técnicas de Predicción

Técnicas de Predicción
Curso 2005/2006
Práctica 2
Datos a emplear tomados de la base EcowinPro:
a)
Serie anual Gasto en Consumo de los hogares en EEUU para el periodo de 1948
a 2005.
b)
Serie mensual Índice de Producción industrial (IPI) español para el periodo 1975
a 2005.
Pasos a dar:
Abrir Excel y seleccionar TIME SERIES de EcowinPro y apretar en el según botón que
está su derecha después del nombre de la series.
a) Para el caso del gasto, en source elija IMF IFS y seleccione el país de interés (United
States). Después seleccione NATIONAL ACCOUNTS OR POPULATION y elija
HOUSEH.CONS.EXPEND.,INCL.NPISHS, SA, USD. y escoja la que dice Year que
empieza en 1948.
b) En el caso del IPI, en source elija EcoWin Economic y seleccione el país de interes
(Spain). Después seleccione Industry, luego Production y al final By Industry y elija
hasta el final la serie que dice Total industry index que empieza en 1975. esp02005
Después sólo hace falta dar a EXPORT TO EXCEL para la hoja de cálculo y
automáticamente tendrá los datos listos para trabajar. Guarden el archivo con el nombre
IPI.xls
Para trabajar los datos en EViews se realiza lo siguiente:
Pasos a dar:
a) Creamos un Workfile en Eviews.
En el MENÚ PRINCIPAL
File/New/Workfile
Workfile structure ty/Dated-regular frequency
Frequency/Monthly
Start date 1975:01
End date 2005:12
b) Cargamos los datos de la serie IPI
En el MENÚ PRINCIPAL
File/Import/Read Text-Lotus-Excel
Ficheros a recuperar: a:\IPI.xls
Donde dice Upper left data poner la celda de excel en
donde empiezan los datos de la serie.
En Names for series escriban IPI
1. Predecir el modelo IMA(1,1) para la serie Gasto en el consumo de
EUA y compararlo con el modelo de tendencia determinista
Trabajaremos con la serie en logaritmos así que calcularemos el logaritmo del
consumo
En GENR
Lconsumo=log(consumo)
Primero estimaremos el modelo de tendencia determinista
Pasos a dar:
a) Generamos una variable t Tendencia
En GENR
Tendencia=@trend + 1
b) Estimar el modelo y representar ajuste del modelo y los residuos.
En el MENÚ PRINCIPAL
Quick/Estimate equation/
En Equation Specification, escribir en este orden:
Lconsumo C Tendencia
Se obtiene lo siguiente
Dependent Variable: LCONSUMO
Method: Least Squares
Date: 03/09/06 Time: 00:05
Sample: 1948 2005
Included observations: 58
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
TENDENCIA
4.913827
0.074400
0.030566
0.000901
160.7627
82.56223
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.991852
0.991706
0.114889
0.739169
44.21903
0.039445
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
7.108626
1.261533
-1.455829
-1.384779
6816.522
0.000000
10
9
8
7
6
5
0.2
4
0.1
0.0
-0.1
-0.2
50
55
60
65
70
75
Residual
80
85
Actual
90
95
00
05
Fitted
EL PROCESO IMA(1,1)
Vamos analizar el proceso IMA(1,1). Se denomina proceso IMA(1,1) a un proceso
tipo:
y t    y t1  t   1 t1
con | 1 |  1 y t proceso ruido blanco.
o
y t    t   1 t1 con | 1 |  1.
Pasos a dar:
En el MENÚ PRINCIPAL
Quick/Estimate equation/
En Equation Specification, escribir en este orden:
D(CONSUMO) C MA(1)
Obteniendo lo siguiente:
Dependent Variable: D(LCONSUMO)
Method: Least Squares
Date: 03/21/06 Time: 17:16
Sample(adjusted): 1949 2005
Included observations: 57 after adjusting endpoints
Convergence achieved after 12 iterations
Backcast: 1948
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
MA(1)
0.068435
0.411524
0.003646
0.119395
18.77119
3.446746
0.0000
0.0011
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.227662
0.213620
0.019563
0.021049
144.3836
1.696797
Inverted MA Roots
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
0.068621
0.022060
-4.995916
-4.924230
16.21235
0.000175
-.41
0.12
0.10
0.08
0.06
0.04
0.04
0.02
0.02
0.00
0.00
-0.02
-0.04
-0.06
50
55
60
65
70
75
Residual
80
85
Actual
Estimar ahora el modelo IMA(1,2)
Pasos a dar:
En el MENÚ PRINCIPAL
90
95
00
Fitted
05
Quick/Estimate equation/
En Equation Specification, escribir en este orden:
D(CONSUMO) C MA(1) MA(2)
Obteniendo lo siguiente:
Dependent Variable: D(LCONSUMO)
Method: Least Squares
Date: 03/21/06 Time: 17:38
Sample(adjusted): 1949 2005
Included observations: 57 after adjusting endpoints
Convergence achieved after 11 iterations
Backcast: 1947 1948
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
MA(1)
MA(2)
0.069634
0.650778
0.435630
0.004781
0.079862
0.096354
14.56619
8.148754
4.521150
0.0000
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.409373
0.387498
0.017265
0.016096
152.0284
2.208507
Inverted MA Roots
-.33+.57i
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
0.068621
0.022060
-5.229065
-5.121536
18.71411
0.000001
-.33 -.57i
0.12
0.10
0.08
0.06
0.04
0.04
0.02
0.02
0.00
0.00
-0.02
-0.04
50
55
60
65
70
Residual
75
80
85
Actual
90
95
00
Fitted
05
PREDECIR LOS MODELOS
Se tomarán en cuenta solo los datos hasta 1994 y se predecirán a partir de 1995
hasta 2005
a) Para el modelo IMA(1,1)
En el MENÚ de la ecuación del modelo para consumo
Pulsar Forecast/
En Forecast sample escribir 1995 hasta 2005
Se genera la serie lconsumof
Obteniendo lo siguiente
9.6
Forecast: LCONS UMOF
A ctual: LCONS UMO
S ample: 1995 2005
Include observations: 11
9.4
9.2
Root Mean S quared E rror0.087910
Mean A bsolute E rror
0.078059
Mean A bs. P ercent E rror0.878974
Theil Inequality Coefficient
0.004974
B ias P roportion
0.788450
V ariance P roportion 0.199118
Covariance P roportion0.012432
9.0
8.8
8.6
8.4
95
96
97
98
99
00
LCONS UMOF
01
02
03
04
05
± 2 S .E .
En el Workfile se seleccionan las series lconsumof y lconsumo dando al botón
derecho del ratón se selecciona Open/ as Group
En el MENU View seleccionar Graph/line
10
9
8
7
6
5
50
55
60
65
70
75
80
LCONS UMO
85
90
95
00
05
LCONS UMOF
b) Para el modelo con tendencia determinística
En el MENÚ de la ecuación del modelo para consumo
Pulsar Forecast/
En Forecast sample escribir 1995 hasta 2005
En forecast name escribir lconsumof2
Se genera la serie lconsumof2
Obteniendo lo siguiente
9.6
Forecast: LCONS UMOF2
A ctual: LCONS UMO
S ample: 1995 2005
Include observations: 11
9.4
9.2
Root Mean S quared E rror0.085562
Mean A bsolute E rror
0.068377
Mean A bs. P ercent E rror0.766802
Theil Inequality Coefficient
0.004846
B ias P roportion
0.524786
V ariance P roportion 0.460946
Covariance P roportion0.014268
9.0
8.8
8.6
8.4
8.2
95
96
97
98
99
00
01
LCONS UMOF2
02
03
04
05
± 2 S .E .
En el Workfile se seleccionan las series lconsumof2 y lconsumo dando al botón
derecho del ratón se selecciona Open/ as Group
En el MENU View seleccionar Graph/line
10
9
8
7
6
5
50 55 60 65 70 75 80 85 90 95 00 05
LCONS UMO
LCONS UMOF2
c) Para el modelo IMA(1,2)
En el MENÚ de la ecuación del modelo para consumo
Pulsar Forecast/
En Forecast sample escribir 1995 hasta 2005
En forecast name escribir lconsumof3
Obteniendo lo siguiente
9.6
Forecast: LCONS UMOF3
A ctual: LCONS UMO
S ample: 1995 2005
Include observations: 11
9.4
9.2
Root Mean S quared E rror0.084318
Mean Absolute E rror
0.072210
Mean Abs. P ercent Error0.811734
Theil Inequality Coefficient
0.004773
B ias P roportion
0.733428
V ariance P roportion 0.252369
Covariance P roportion0.014203
9.0
8.8
8.6
8.4
95
96
97
98
99
00
01
LCONS UMOF3
02
03
04
05
± 2 S .E.
En el Workfile se seleccionan las series lconsumof3 y lconsumo dando al botón
derecho del ratón se selecciona Open/ as Group
En el MENU View seleccionar Graph/line
10
9
8
7
6
5
50 55 60 65 70 75 80 85 90 95 00 05
LCONS UMO
LCONSUMOF3