Analisis del paro

2010

2010

Análisis del paro registrado en el País Vasco

Informe econométrico realizado con Eviews 5



Análisis del paro registrado en el País Vasco

Informe econométrico realizado con Eviews 5




Miguel Quintana Marco
CUNEF
Grupo B-4
Miguel Quintana Marco
CUNEF
Grupo B-4

ANALISIS UNIVARIANTE
Introducción: La serie mide el número de paradosregistrados en el país vasco en el periodo (2001:1-2010:4). El objetivo de nuestro análisis será prever el número de parados que aumentara o disminuirá a final del año 2010.
A diferencia del resto de comunidades autónomas el país vasco muestra unos índices sensiblemente inferiores al resto de comunidades. Esto se debe a la configuración económica de la comunidad. El país vasco ha sido tradicionalmenteuna comunidad fuerte y ha resistido mejor que el resto del país los efectos negativos de la crisis.
1. Identificación del proceso: Una vez obtenida la serie nos preguntamos si es estacionaria. Viendo la serie observamos que no es estacionaria por qué:
a) Muestra una clara tendencia
b) No fluctúa entorno a una media
c) Parece presentar una estacionalidad.

Serie mensual normalAl no tener una media constante aplicaremos una diferencia regular a la serie para hacer que la media sea constante. Aplicar una diferencia supone:

Yt = (1-B)Yt = Yt – Yt-1

Una vez aplicada la diferencia observamos el grafico para comprobar si existe estacionareidad.

1ª diferencia regular

Al observar el gráfico volvemos a preguntarnos si es estacionaria o no. Parece que si porquevemos como fluctúa entorno a una media, pero si observamos detenidamente vemos unos picos y valles que se repiten de una forma sistemática a lo largo del gráfico (puede ser un indicio de estacionalidad). Esto es característico de este tipo de series: la falsa apariencia de estacionareidad.
Empíricamente comprobamos si la serie tiene estacionalidad regresando DPPV respecto de una constante para asítener un gráfico con fechas (Puesto que Eviews no nos proporciona esta información).
Una vez regresado DPPV comprobaremos el “residual plot” y veremos si algún mes esta sistemáticamente por encima o por debajo de la media. Esto nos confirma, observando por ejemplo el mes de agosto, que tenemos estacionalidad puesto que esta sistemáticamente por encima.
Luego en conclusión no podemos decir quenuestra serie es estacionaria.

Residual plot:

Para corregirla tendremos que meter una diferencia estacional a la serie DPPV.
Serie desestacionalizada.

Aplicar una diferencia estacional supone:
12 Yt = (1-B12)(1-B)Yt
Nuestra serie es ahora estacionaria. Habiendo obtenido la transformación estacionaria de la serie el siguiente paso en nuestro análisis seria proponer el proceso ARMA con elque medir la dependencia de esta trasformación.
2. Estimación: Para identificar el proceso generador de los datos vamos a regresar DD12PPV respecto de una constante y vamos a comprobar su correlograma:

Observando el correlograma sacamos dos conclusiones:
1ª La parte regular parece mostrar un proceso auto regresivo de orden 1, AR(1), puesto que: por un lado el PACF en la AC(1) se corta ypara el resto de ordenes se anula, y por otro el ACF parece mostrar una estructura exponencial decreciente.
2º En la parte estacional el ACF parece mostrar una estructura exponencial en la AC(12) y el PACF estacional cortarse en PAC(12). (la opción contraria también sería factible)
Primeramente modelizamos un AR(1)
Correlograma del AR(1)

Nos preguntamos a continuación: ¿Es ruido blanco?.Como vemos en el correlograma nuestra modelización no consigue que nuestros residuos sean ruido blanco. Por ello tendremos que identificar un modelo que lo consiga.
Tenemos que incluir la identificación de la parte estacional del modelo. Así formularíamos el siguiente modelo:
DD12PPV C AR(1) SAR(12)
El correlograma sería el siguiente:
Correlograma AR(1) SAR(12)

Viendo el correlograma...