solución tarea 1 - · pdf filetarea 1. ejercicio 2.1 * ejercicio 2.1 insheet temp using...
TRANSCRIPT
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=.
replace t=ym(1956,1) in 1
for num 2/439: replace t=t[X-1]+1 in X
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=.
replace t=ym(1973,1) in 1
for num 2/72: replace t=t[X-1]+1 in X
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=.
replace t=ym(1956,3) in 1
for num 2/155: replace t=t[X-1]+1 in X
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
Bartlett's formula for MA(q) 95% confidence bands
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
Bartlett's formula for MA(q) 95% confidence bands
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
Bartlett's formula for MA(q) 95% confidence bands
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=.
replace t=ym(1973,1) in 1
for num 2/72: replace t=t[X-1]+1 in X
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=.
replace t=ym(1949,1) in 1
for num 2/96: replace t=t[X-1]+1 in X
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.
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)