solución tarea 1 - · pdf filetarea 1. ejercicio 2.1 * ejercicio 2.1 insheet temp using...

$: Solución Tarea 1 - · PDF fileTarea 1. Ejercicio 2.1 * Ejercicio 2.1 insheet temp using "C:\mwhdata\paris.csv" , clear list, mean gen t=. replace t=ym(1994,1) in 1 for num 2/17: replace$
Curso de Econometría de Series de Tiempo

Facultad de Economía

Universidad Nacional Autónoma de México

Profesor: Juan Francisco Islas

Ciudad Universitaria, Sept.2013

Solución

Tarea 1

Ejercicio 2.1

* Ejercicio 2.1

insheet temp using "C:\mwhdata\paris.csv" , clear

list, mean

gen t=.

replace t=ym(1994,1) in 1

for num 2/17: replace t=t[X-1]+1 in X

format t %tm

label var t "Month"

list

line temp t

set obs 18

gen tempf=.

replace t=t[17]+1 in 18

replace tempf=temp[17] in 17

replace tempf=temp[6] in 18

twoway (line temp t) (line tempf t), title("Temperatura Mensual

en París Enero 1994 a Mayo 1995") subtitle("Pronóstico para

Junio 1995") saving("C:\mwhdata\paris.gph", replace)

510

15

20

1994m1 1994m7 1995m1 1995m7Month

temp tempf

Pronóstico para Junio 1995

Temperatura Mensual en París Enero 1994 a Mayo 1995

Ejercicio 2.1

paris.csv

a) 17.2 °C

b) patrón cíclico

Ejercicio 2.2

a) Tendencia y estacionalidad

b) Horizontalidad

c) Tendencia, ciclo y estacionalidad

d) Tendencia y estacionalidad

Ejercicio 2.3 a)

* Ejercicio 2.3

* inciso a)

insheet using "C:\mwhdata\dole.csv" , clear

rename v1 unempl

drop v2

gen t=.



format t %tm

label var t "Month"

list

line unempl t, title("Beneficiarios de Seguro de Desempleo en

Australia") subtitle("Datos mensuales Enero 1956-Julio 1992")

saving("C:\mwhdata\dole.gph", replace)

0

20

0000

40

0000

60

0000

80

0000

un

em

pl

1955m1 1960m1 1965m1 1970m1 1975m1 1980m1 1985m1 1990m1Month

Datos mensuales Enero 1956-Julio 1992

Beneficiarios de Seguro de Desempleo en Australia

Ejercicio 2.3 a)

dole.csv

Ejercicio 2.3 b)

* Ejercicio 2.3

* inciso b)

insheet temp using "C:\mwhdata\cow.csv" , clear

gen t=_n

label var t "Día"

list

line temp t, title("Temperatura matutina de una vaca")

subtitle("Datos diarios para 75 días")

saving("C:\mwhdata\cow.gph", replace)

40

60

80

10

0

tem

p

0 20 40 60 80Día

Datos diarios para 75 días

Temperatura matutina de una vaca

Ejercicio 2.3 b)

cow.csv

Ejercicio 2.3 c)

* Ejercicio 2.3

* inciso c)

insheet using "C:\mwhdata\lynx.csv" , clear

rename v1 linces

drop v2

gen t=_n+1820

label var t "Año"

list

line linces t, title("Linces cazados en el distrito Río

McKenzie") subtitle("Datos anuales 1821-1934")

saving("C:\mwhdata\lynx.gph", replace)

0

20

00

40

00

60

00

80

00

linces

1800 1850 1900 1950Año

Datos anuales 1821-1934

Linces cazados en el distrito Río McKenzie

Ejercicio 2.3 c)

lynx.csv

Ejercicio 2.3 d)

* Ejercicio 2.3

* inciso d)

insheet deaths using "C:\mwhdata\deaths.csv" , clear

gen t=.



format t %tm

label var t "Month"

list

line deaths t, title("Muertes accidentales en EUA")

subtitle("Datos mensuales Enero 1973-Diciembre 1978")

saving("C:\mwhdata\deaths.gph", replace)

70

00

80

00

90

00

10

000

11

000

de

ath

s

1973m1 1974m1 1975m1 1976m1 1977m1 1978m1Month

Datos mensuales Enero 1973-Diciembre 1978

Muertes accidentales en EUA

Ejercicio 2.3 d)

deaths.csv

Ejercicio 2.3 e)

* Ejercicio 2.3

* inciso e)

insheet using "C:\mwhdata\bricksq.csv" , clear

rename v1 bricks

drop v2

gen t=.



format t %tq

label var t "Trimestre"

list

line bricks t, title("Producción trimestral de ladrillo en

Portland, Australia") subtitle("(millones de unidades) Marzo

1956-Septiembre 1994") saving("C:\mwhdata\bricks.gph", replace)

20

030

040

050

060

0

bri

cks

1950q1 1960q1 1970q1 1980q1 1990q1Trimestre

(millones de unidades) Marzo 1956-Septiembre 1994

Producción trimestral de ladrillo en Portland, Australia

Ejercicio 2.3 e)

bricksq.csv

Ejercicio 2.4 40

60

80

10

0te

mp

0 20 40 60 80t

Datos diarios para 75 días

Temperatura matutina de una vaca

-0.4

0-0

.20

0.0

00.2

00.4

0

Auto

corr

ela

tions o

f te

mp

0 5 10 15 20Lag

Bartlett's formula for MA(q) 95% confidence bands

Función de Autocorrelación1B

70

00

80

00

90

00

10

00

011

00

0de

ath

s

1973m11974m11975m11976m11977m11978m1Month

Datos mensuales Enero 1973-Diciembre 1978

Muertes accidentales en EUA

-0.5

00.0

00.5

01.0

0

Auto

corr

ela

tions o

f dea

ths

0 5 10 15 20Lag


Función de Autocorrelación2A

Ejercicio 2.4

10

020

030

040

0

pa

ssen

ge

rs

1949m1 1950m7 1952m1 1953m7 1955m1 1956m7Month

(Miles de pasajeros). Ene.1949-Dic.1957

Atención en línea aérea internacional

-1.0

0-0

.50

0.0

00.5

01.0

0

Auto

corr

ela

tions o

f passe

ng

ers

0 5 10 15 20Lag


Función de Autocorrelación3D

Ejercicio 2.4

Ejercicio 2.4

20

00

040

00

060

00

080

00

010

00

00

12

00

00

min

ks

1840 1860 1880 1900 1920Año

(Miles de visones). Ene.1949-Dic.1957

Caza anual de visones en Canadá

-0.5

00.0

00.5

0

Auto

corr

ela

tions o

f m

inks

0 5 10 15 20Lag


Función de Autocorrelación4C

Ejercicio 2.4 * Ejercicio 2.4 Gráficas de Series de Tiempo y Correlogramas

* Gráfica 1

insheet temp using "C:\mwhdata\cow.csv", clear

gen t=_n

tsset t

twoway (scatter temp t, msize(small)) (line temp t), title("Temperatura matutina de una vaca") subtitle("Datos diarios para 75

días") legend(off) saving("C:\mwhdata\cow.gph", replace)

ac temp, lags(20) title("Función de Autocorrelación") saving("C:\mwhdata\accow.gph",replace)

graph combine "C:\mwhdata\cow.gph" "C:\mwhdata\accow.gph", saving("C:\mwhdata\g21.gph",replace)

* Gráfica 2

insheet deaths using "C:\mwhdata\deaths.csv" ,clear

gen t=.



format t %tm

label var t "Month"

tsset t

twoway (scatter deaths t, msize(small)) (line deaths t), title("Muertes accidentales en EUA") subtitle("Datos mensuales Enero 1973-

Diciembre 1978") legend(off) saving("C:\mwhdata\deaths.gph", replace)

ac deaths, lags(20) title("Función de Autocorrelación") saving("C:\mwhdata\acdeaths.gph",replace)

graph combine "C:\mwhdata\deaths.gph" "C:\mwhdata\acdeaths.gph", saving("C:\mwhdata\g22.gph",replace)

* Gráfica 3

insheet passengers using "C:\mwhdata\airline.csv" ,clear

gen t=.



format t %tm

label var t "Month"

tsset t

twoway (scatter passengers t, msize(small)) (line passengers t), title("Atención en línea aérea internacional") subtitle("(Miles de

pasajeros). Ene.1949-Dic.1957") legend(off) saving("C:\mwhdata\airline.gph", replace)

ac passengers, lags(20) title("Función de Autocorrelación") saving("C:\mwhdata\acairline.gph",replace)

graph combine "C:\mwhdata\airline.gph" "C:\mwhdata\acairline.gph", saving("C:\mwhdata\g23.gph",replace)

* Gráfica 4

insheet minks using "C:\mwhdata\mink.csv" ,clear

gen t=_n+1847

label var t "Año"

tsset t

twoway (scatter minks t, msize(small)) (line minks t), title("Caza anual de visones en Canadá") subtitle("(Miles de visones).

Ene.1949-Dic.1957") legend(off) saving("C:\mwhdata\mink.gph", replace)

ac minks, lags(20) title("Función de Autocorrelación") saving("C:\mwhdata\acmink.gph",replace)

graph combine "C:\mwhdata\mink.gph" "C:\mwhdata\acmink.gph", saving("C:\mwhdata\g24.gph",replace)

Ejercicio 2.5

Ejercicio 2.5

X : Máxima capacidad aeróbica Y : Tiempo (minutos) en correr 10 kilómetros

Medidas de

tendencia central

Medidas de

dispersión

Ejercicio 2.5

(61.32,39.37)(55.29,39.8)

(52.83,40.03)

(57.94,41.32)

(53.31,42.03)(51.32,42.37)

(52.18,43.93)

(52.37,44.9) (57.91,44.9)(53.93,45.12)

(47.88,45.6)(47.41,46.03)

(47.17,47.83)

(51.05,48.55)

40

42

44

46

48

Y

45 50 55 60 65X

Y Fitted values

Relación tiempo 10k (Y) vs. máxima capacidad aeróbica (X)

Los datos son de corte transversal. El cálculo de la autocorrelación aplica a datos de series de tiempo.

Los datos muestran una relación inversa entre X y Y. A menor tiempo promedio realizado en la carrera de los 10 kilómetros, corresponde en promedio una mayor capacidad aeróbica.

Ejercicio 2.5

insheet using "C:\mwhdata\running.csv", clear

sum, d

gen double desvx=x-52.99357

gen double desvy=y-43.69857

gen double desvx2=(x-52.99357)^2

gen double desvy2=(y-43.69857)^2

gen double absdesvx=abs(x-52.99357)

gen double absdesvy=abs(y-43.69857)

list, sum mean

gen punto="("+string(x)+","+string(y)+")"

correlate y x

twoway (scatter y x,mlabel(punto)) (lfit y x),

title("Relación tiempo 10k (Y) vs. máxima capacidad aeróbica

(X)") ytitle("Y") saving("C:\mwhdata\running.gph",replace)

14

016

018

020

022

024

0

Un

idad

es d

e p

rod

ucto

0 5 10 15 20t

Actual F1

F2 Actual

F1 F2

durante 20 meses

Demanda observada y pronósticos para el producto E15

Ejercicio 2.6

Ejercicio 2.6

Bajo el criterio del mínimo Error Cuadrático Medio, el método de pronóstico F2 es mejor que el método de pronóstico F1.

Ejercicio 2.6

insheet using "http://robjhyndman.com/mwh3/data/ex2_6.csv",clear

* inciso a

gen t=_n

tsset t

twoway (scatter actual f1 f2 t) (line actual f1 f2 t), title("Demanda observada y

pronósticos para el producto E15") subtitle("durante 20 meses") ytitle("Unidades de

producto")

* incisos b y c

for num 1/2: gen double errfX=actual-fX

for num 1/2: gen double abserrfX=abs(actual-fX)

for num 1/2: gen double sqerrfX=(actual-fX)^2

for num 1/2: gen double perrfX=(actual-fX)*100/actual

for num 1/2: gen double absperrfX=abs((actual-fX)/actual)*100

list actual *f1, mean

list actual *f2, mean

Ejercicio 2.7

10

511

011

512

012

5

djin

de

x

0 20 40 60 80t

Nota: Las versiones anteriores a Stata 12 no admiten datos de semanas de 5 días (business daily data). Al respecto, véase Christopher F. Baum (2006) An introduction to modern econometrics using Stata, pág. 28 y la diapositiva 78 de la presentación Introduction to Stata que el mismo autor publicó el mes pasado en http://fmwww.bc.edu/GStat/docs/StataIntro.pdf

La gráfica muestra tendencia creciente sin componente estacional. La varianza es constante, por lo que no se requiere transformar la serie mediante función de potencia o logaritmo. La tendencia puede eliminarse tomando primera diferencia a la serie.

http://fmwww.bc.edu/GStat/docs/StataIntro.pdf

Ejercicio 2.7

La tendencia ha sido removida mediante la serie de primeras diferencias.

-1-.

50

.51

1.5

dd

j

0 20 40 60 80t

1)( ttt IDJIDJIDJD

-1-.

50

.51

1.5

dd

j

0 20 40 60 80 100t

10

511

011

512

012

5

djin

de

x

0 20 40 60 80 100t

Ejercicio 2.7 -1

-.5

0.5

11.5

dd

j

0 20 40 60 80 100t

10

511

011

512

012

5

djin

de

x

0 20 40 60 80 100t

Ejercicio 2.7

insheet using "C:\mwhdata\dowjones.csv", clear nonames

drop v2

rename v1 djindex

gen t=_n

tsset t

line djindex t

* Cálculo del cambio diario en el IDJ

gen double ddj=D.djindex

line ddj t

* Pronóstico del cambio diario en el IDJ para los siguientes 20 días como el promedio de cambios

históricos al periodo t-1

set obs 98

egen ddjf=mean(ddj)

for num 79/98:replace ddj=ddjf in X

* Pronóstico para el IDJ original a partir del cambio diario en el IDJ para los siguientes 20 días

for num 79/98:replace djindex=djindex[X-1]+ddjf[X] in X

replace t=_n

* Gráficas que muestran pronósticos idénticos visualizando la extensión de 20 observaciones en la gráfica

twoway (line djindex t in 1/78) (line djindex t in 78/98), legend(off)

saving("C:\mwhdata\djindex.gph",replace)

twoway (line ddj t in 1/78) (line ddj t in 78/98), legend(off) saving("C:\mwhdata\ddjindex.gph",replace)

0

50

00

10

00

015

00

0

y

1950 1960 1970 1980 1990t

Ejercicio 2.8

24

68

10

ly

1950 1960 1970 1980 1990t

Serie original

jcars.csv

Transformación

logarítmica

24

68

10

lyN

F1

1950 1960 1970 1980 1990t

lyNF1 lyNF1

Ejercicio 2.8

0

50

00

10

000

15

000

y

1950 1960 1970 1980 1990t

y y

MSE=0.059

MAPE=3.205

1989

1

1990 loglog YY NF

1

1990

1

1990 logexp NFNF YY

0

50

00

10

000

15

000

y

1950 1960 1970 1980 1990t

y y

y

24

68

10

lyN

F1

1950 1960 1970 1980 1990t

lyNF1 lyNF1

lyNF1

Ejercicio 2.8

insheet y using "C:\mwhdata\jcars.csv", clear

gen t=_n+1946

tsset t

line y t, saving("C:\mwhdata\jcars.gph",replace)

gen double ly=log(y)

line ly t, saving("C:\mwhdata\logjcars.gph",replace)

set obs 44

replace t=1990 in 44

tsset t

gen double lyNF1=L.ly

gen double error=ly-lyNF1

gen double sqerrf=(ly-lyNF1)^2

gen double absperrf=abs((ly-lyNF1)/ly)*100

list t y ly lyNF1 error sqerrf absperrf, mean

replace y=exp(lyNF1) in 44

twoway (line lyNF1 t in 1/43) (line lyNF1 t in 43/44), saving("C:\mwhdata\logjcarsf.gph",replace)

twoway (line y t in 1/43) (line y t in 43/44), saving("C:\mwhdata\jcarsf.gph",replace)

twoway (line lyNF1 t in 1/43) (line lyNF1 t in 43/44) (scatter lyNF1 t if t==1973 | t==1974),

saving("C:\mwhdata\logjcarsfoilc.gph",replace)

twoway (line y t in 1/43) (line y t in 43/44) (scatter y t if t==1973 | t==1974),

saving("C:\mwhdata\jcarsfoilc.gph",replace)

solución tarea 1 - · pdf filetarea 1. ejercicio 2.1 * ejercicio 2.1 insheet temp using...

Documents