Download - EJERCICIO
![Page 1: EJERCICIO](https://reader035.vdocuments.pub/reader035/viewer/2022062421/55cf9208550346f57b92eeed/html5/thumbnails/1.jpg)
EJERCICIO
Utilizando el modelo de regresión lineal multiple obtenemos un modelo significativo en sus variables y en conjunto, aunque observando los coeficientes de kurtosis y asimetria en los errores vemos que la distribución es asimétrica y leptocurtica por lo que no se cumple la normalidad en los errores.
![Page 2: EJERCICIO](https://reader035.vdocuments.pub/reader035/viewer/2022062421/55cf9208550346f57b92eeed/html5/thumbnails/2.jpg)
Aunque se cumple el supuesto de no linealidad en las variables (ortogonalidad), el modelo tiene variables no lineales omitidas y es heterocedastico.
Finalmente vemos que los errores estan autocorrelacionados, lo que confrma un error en la especificacion de la forma funcional del modelo. No se puede tener confianza en la significancia, intervalos o predicciones del modelo.
![Page 3: EJERCICIO](https://reader035.vdocuments.pub/reader035/viewer/2022062421/55cf9208550346f57b92eeed/html5/thumbnails/3.jpg)
Con la prueba de raiz unitaria confirmamos la tendencia y solucionamos esta mediante la primera diferenciacion de la variable dependiente, logrando una variable estacionaria que nos permite trabajar un modelo ARIMA donde los movimientos autorregresivos (autocorrelacion) no son un problema y donde podemos mejorar las opciones predictivas y explicativas.
![Page 4: EJERCICIO](https://reader035.vdocuments.pub/reader035/viewer/2022062421/55cf9208550346f57b92eeed/html5/thumbnails/4.jpg)
Vemos que hay varios resagos que se encuentran fuera de las bandas d confianza; en las autocorrelaciones podríamos tener hasta 6 rezagos, y en la correlacion parcial podrían ser alrededor de 5. Probamos varios modelos para ver cual se ajusta mejor según los criterios AIC y BIC.
P Q AIC BIC5 6 1318.9 1358.625 5 1307 13435 4 1322 13594 5 1330 13674 4 1319 1349
El modelo con mejores criterios de ajuste de los que se probaron corresponde al que tiene 5 rezagos para ambas correlaciones.
![Page 5: EJERCICIO](https://reader035.vdocuments.pub/reader035/viewer/2022062421/55cf9208550346f57b92eeed/html5/thumbnails/5.jpg)
Este es un modelo con 5 variables autoregresivas (AR) y 5 errores de predicción rezagados en la ecuación, y una mejor opción para la predicción de la variable M1 en el tiempo. La ecuación de este modelo seria:
y t=∝0+μ t+εt
DONDE: ∝0=0.0368 μt=1.343Y t−1−0.8372Y t−2+1.25379Y t−3−0.9260Y t−4+0.00023Y t−5
ε t=−2.3214 εt−1+2.0714 εt−2−2.0673 εt−3+2.3216 ε t−4−1.05082 εt−5