EXAMEN DE ECONOMETRÍA 08/07/99-1

Transcripción

1 EXAMEN DE ECONOMETRÍA 08/07/99 - TEORÍA (2p) T- Metodología Box-Jenkins. CUESTIONES (2p) C- Tratar de formular al menos dos modelos ARIMA para la serie CONSUMO DE ENERGÍA ELÉCTRICA, de la cual conocemos su FAS y FAP, obtenida después de aplicar una diferencia regular y una estacional de periodo 2 meses. FAS ( diferencia regular, estacional) FAP ( diferencia regular, estacional) Retardo Retardo C-2 Para determinar si el sector SERVICIOS es menos sensible a las fluctuaciones económicas que la INDUSTRIA, se plantean el modelo: T.V.PIB.SECT 0 SECTOR 2 T.V.PIB 3 SECTORxT.V.PIBU Con la variable SECTOR que indica si se trata de la Industria () o de los Servicios (0). Ajustandolo con datos correspondientes al periodo , se obtiene: Model fitting results for: T.V.PIB.SECTORIAL CONSTANT SECTOR T.V.PIB SECTOR*T.V.PIB R-SQ. (ADJ.) = SE= MAE= DurbWat= observations fitted, forecast(s) computed for 0 missing val. of dep. var. Analysis of Variance for the Full Regression

2 EXAMEN DE ECONOMETRÍA 08/07/99-2 Source Sum of Squares DF Mean Square F-Ratio P-value Model Error Total (Corr.) R-squared = Stnd. error of est. =.6229 R-squared (Adj. for d.f.) = Durbin-Watson statistic = Para verificar que el sector SERVICIOS es menos sensible a las fases de crisis y expansión de la economía, basta con comprobar que la pendiente del sector INDUSTRIAL es superior a la pendiente del sector SERVICIOS. (p) Se cumple que el sector servicios es menos sensible que el industrial? P- Se dispone de una secuencia de una realización de un proceso estocástico: 0, , ,0454 -,4203-0,33 0, ,3909-0,5405, ,2006,6803-0,8366 (.0p) a) Estimar las funciones de valor medio, de varianzas, de autocovarianza y autocorrelación simple para los valores disponibles. (0.5p) b) Si se sospecha que se trata de un proceso MA(q), Cuál es el orden q de dicho proceso? (.5p) c) Los datos de la tabla han sido generados mediante el modelo Z t t 0 8 t 0 t 2 calcular las funciones de valor medio, de varianzas, de autocovarianza y autocorrelación simple del mismo, y comparar (comentar) los resultados con los obtenidos en el apartado a).

3 EXAMEN DE ECONOMETRÍA 08/07/99-3 P-2 Disponemos de los valores de PIB (medidos en miles de millones) y el TRÁFICO DE MERCANCÍAS mediante TRANSPORTE AÉREO (medidos en toneladas) correspondientes a España, medidos de forma trimestral desde el año 970 hasta el segundo trimestre de 996, y estamos interesados en predecir el volumen de dichas exportaciones a partir del pib. Adicionalmente vamos a tener en cuenta el efecto de la 2ª crisis del petróleo definiendo la variable PRECRISIS que toma el valor en el periodo anterior a la fecha de la crisis (978-79), y valor 0 en los años posteriores. LOG MERCANCÍAS = 0 + PRECRISIS + 2 LOG PIB PRECRISIS*LOG PIB + U (0.6p) a) (0.6p) b) (0.6p) c) (.2p) d) Verificar si son significativos los parámetros del modelo, tanto a nivel individual como conjunto. Comprobar si existen problemas de heteroscedasticidad en el modelo mediante un test adecuado. Comprobar si existen problemas de autocorrelación en el modelo mediante un test adecuado. Formular un modelo que evite los problemas que aparecen. Model fitting results for: LOG MERCANCÍAS CONSTANT PRECRISIS LOG PIB LOG PIB*PRECRISIS R-SQ. (ADJ.) = SE= MAE= DurbWat= 06 observations fitted, forecast(s) computed for 0 missing val. of dep. var. Analysis of Variance for the Full Regression Source Sum of Squares DF Mean Square F-Ratio P-value Model Error Total (Corr.) R-squared = Stnd. error of est. = R-squared (Adj. for d.f.) = Durbin-Watson statistic = Further ANOVA for Variables in the Order Fitted Source Sum of Squares DF Mean Sq. F-Ratio P-value PRECRISIS LOG PIB LOG PIB*PRECRISIS

4 EXAMEN DE ECONOMETRÍA 08/07/99-4 Residual Summary Number of observations = 06 (0 missing values excluded) Residual average = E-5 Residual variance = Residual standard error = Coeff. of skewness = standardized value = Coeff. of kurtosis = standardized value = Durbin-Watson statistic =

5 EXAMEN DE ECONOMETRÍA 08/07/99-5 Flagged Observations for LOG PIB Obs. Number Stnd. Residual Leverage Mahalanobis Dist. DFITS Number of flagged observations (residual, leverage or DFITS) = 8 Model fitting results for: PIB_RESIDUOS RAISE 2 CONSTANT PRECRISIS LOG PIB LOG PIB*PRECRISIS R-SQ. (ADJ.) = SE= MAE= DurbWat= observations fitted, forecast(s) computed for 0 missing val. of dep. var.