Analisis de series temporales con spss

UNIVESIDAD MINUTO DIOS
FORMULACION DE PROYECTOS
ANALISIS DE SERIES TEMPORALES CON SPSS

ALEXIS PINZON

MAGDA CATALINA MONTAÑEZ
PEDRO LUIS PATIÑO MARTINEZ
JUAN PABLO CERVANTES BLANCO
JOSE LUIS NEGRETE OLIVERA
ANDRES MUNEVAR MOLANO
ADRIAN CASTAÑO

ESPECIALIZACION GERENCIA DE PROYECTOS
OCTUBRE 05 DEL 2009

__

__

Se utiliza el valor 924.5

Se realiza estimación curvilíneapara encontrar el valor de r2


Resumen del modelo y estimaciones de los parámetros




Variable dependiente: Milk Production (lbs. per cow)
Ecuación | Resumen del modelo | Estimaciones de los parámetros |
| R cuadrado | F | gl1 | gl2 | Sig. | Constante | b1 | b2 | b3 |
Lineal | .650 | 307.672 | 1 | 166 | .000 | 611.998 | 1.685 | | |
Logarítmica | .534 | 190.386 | 1 |166 | .000 | 429.649 | 78.356 | | |
Inversa | .124 | 23.584 | 1 | 166 | .000 | 767.504 | -385.636 | | |
Cuadrático | .657 | 157.679 | 2 | 165 | .000 | 592.738 | 2.365 | -.004 | |
Cúbico | .664 | 108.092 | 3 | 164 | .000 | 617.007 | .667 | .021 | -9.88E-005 |
Compuesto | .655 | 314.713 | 1 | 166 | .000 | 616.444 | 1.002 | | |
Potencia | .557 | 208.805 | 1 | 166 | .000 |478.006 | .108 | | |
S | .137 | 26.264 | 1 | 166 | .000 | 6.635 | -.545 | | |
Crecimiento | .655 | 314.713 | 1 | 166 | .000 | 6.424 | .002 | | |
Exponencial | .655 | 314.713 | 1 | 166 | .000 | 616.444 | .002 | | |
Logística | .655 | 314.713 | 1 | 166 | .000 | .002 | .998 | | |

* El r más alto es el de el modelo cubico, sin embargo, no es lo suficientemente alto comopara escoger este modelo o algún otro modelo, sin embargo por simplicidad del modelo sería posible escoger el modelo lineal.
* De acuerdo a lo observado en la grafica la distribución de puntos es lineal.

Se verifica estacionalidad de la serie
Factores estacionales

Nombre de la serie: Milk Production (lbs. per cow)
Período | Factor estacional (%) |
1 | 97.6 |
2 | 92.2 |
3 |104.7 |
4 | 106.7 |
5 | 114.5 |
6 | 110.9 |
7 | 104.4 |
8 | 98.6 |
9 | 93.0 |
10 | 93.5 |
11 | 89.5 |
12 | 94.3 |

Grafico SAS

* La serie ajustada nos permite evidenciar que la grafica se puede ajustar a una línea recta, la cual aumenta con respecto al tiempo y a la producción.

* La grafica nos muestra que anualmente el crecimiento tiende al mismo periodo (Mayo).Grafico STC

* La grafica permite observar que los datos obtenidos no tienen un comportamiento cíclico.

SELECCIÓN DEL MODELO UTILIZANDO EL MODELIZADOR EXPERTO

Ajuste del modelo

Estadístico de ajuste | Media | ET | Mínimo | Máximo | Percentil |
| 5 | 10 | 25 | 50 | 75 | 90 | 95 | 5 | 10 | 25 | 50 |
R-cuadrado estacionaria | .492 | . | .492 | .492 | .492 | .492 | .492 | .492 |.492 | .492 | .492 |
R-cuadrado | .993 | . | .993 | .993 | .993 | .993 | .993 | .993 | .993 | .993 | .993 |
RMSE | 8.372 | . | 8.372 | 8.372 | 8.372 | 8.372 | 8.372 | 8.372 | 8.372 | 8.372 | 8.372 |
MAPE | .812 | . | .812 | .812 | .812 | .812 | .812 | .812 | .812 | .812 | .812 |
MaxAPE | 4.629 | . | 4.629 | 4.629 | 4.629 | 4.629 | 4.629 | 4.629 | 4.629 | 4.629 | 4.629 |
MAE | 6.048 | .| 6.048 | 6.048 | 6.048 | 6.048 | 6.048 | 6.048 | 6.048 | 6.048 | 6.048 |
MaxAE | 36.577 | . | 36.577 | 36.577 | 36.577 | 36.577 | 36.577 | 36.577 | 36.577 | 36.577 | 36.577 |
BIC normalizado | 4.341 | . | 4.341 | 4.341 | 4.341 | 4.341 | 4.341 | 4.341 | 4.341 | 4.341 | 4.341 |

Estadísticos del modelo

Modelo | Número de predictores | Estadísticos de ajuste del modelo | Ljung-Box Q(18)| Número de valores atípicos |
| R-cuadrado estacionaria | R-cuadrado | Estadísticos | GL | Sig. | R-cuadrado estacionaria | R-cuadrado |
Milk Production (lbs. per cow)-Modelo_1 | 0 | .492 | .993 | 14.611 | 15 | .480 | 0 |

* Utilizando el modelizador experto podemos concluir que hay confiabilidad 99,3% en los datos utilizando el modelo Ljung-Box.

Previsión

Modelo | | Ene...