Pib Eviews

INTRODUCCIÓN

El objetivo del siguiente trabajo es aplicar los conocimientos adquiridos en clase para modelar una serie real de la economía colombiana, en este caso: el PIB real. La serie comprende un periodo de 85 años, desde 1949 hasta 2010. Los modelos de serie de tiempo a aplicar son: autorregresivos (AR), medias móviles (MA) y mixtos (ARMA).

OBJETIVO
Modelar el PIB real basados en losmodelos de series de tiempo AR, MA y ARMA.

Metodología
Se cuenta con serie temporal de 85 datos, desde 1925 hasta el 2010 del Producto Interno Bruto a precios constantes, en primera instancia tenemos que garantizar mediante las pruebas de hipótesis que la serie sea estacionaria, para esto utilizaremos las pruebas de raíces unitarias Augmented Dickey-Fuller, Phillips-Perron y KPSS.

Lavariable Y es el PIB real desde 1925 hasta el año 2010, le fuente de la serie fue el Departamento Administrativo Nacional de Estadística (DANE).
El correlograma de esta serie nos muestra a priori que el proceso que sigue esta serie posiblemente es un AR(1).
El resumen de los estadísticos de las pruebas de hipótesis para corroborar la estacionariedad de la serie:
Augmented Dickey-Fuller
Ho: Noestacionario
P_ Value: 1>0.05 No se rechaza Hipótesis, el proceso es no estacionario

Phillips-Perron
Ho: No estacionario
P_ Value: 1>0.05 No se rechaza Hipótesis, el proceso es no estacionario

KPSS.
Ho.: Estacionario

Kwiatkowski-Phillips-Schmidt-Shin test statistic |  1.095246 |
Asymptotic critical values*: | 1% level | |  0.739000 |
| | 5% level | |  0.463000 |
| |10% level | |  0.347000 |

Estadistico KPSS> 5% level por lo tanto Se rechaza la Hipótesis nula
Por lo tanto las tres pruebas ratifican que el proceso no es estacionario, por lo tanto se procede a realizarle transformaciones a la variable que nos permitan garantizar que el PIB real estacionario para poder modelar la serie mediante un proceso AR, MA o ARMA.
En primera instancia, se crearauna transformación de la serie, logy = log(y), y realizar los contraste de hipótesis, en resumen los resultados de los test fueron:
Augmented Dickey-Fuller
Ho: No estacionario
P_ Value: 0.9234>0.05 No se rechaza Hipótesis, el proceso es no estacionario.
Phillips-Perron
Ho: No estacionario
P_ Value: 0.8445>0.05 No se rechaza Hipótesis, el proceso es no estacionario
KPSS.
Ho.:Estacionario

Kwiatkowski-Phillips-Schmidt-Shin test statistic |  1.181891 |
Asymptotic critical values*: | 1% level | |  0.739000 |
| | 5% level | |  0.463000 |
| | 10% level | |  0.347000 |

Estadistico KPSS> 5% level por lo tanto Se rechaza la Hipótesis nula
Dado que el proceso no es estacionario con la transformación realizada, se procede a realizar la segunda transformación dela serie, la cual se nombró en el Workfile como PIB=log(y) – log(y-1), y se realizaron los test para analizar si ya serie con esta transformación es estacionaria, los resultados fueron los siguientes:
Augmented Dickey-Fuller
Ho: No estacionario
P_ Value: 0.00<0.05 Se rechaza Hipótesis nula por lo cual el proceso es Estacionario.
Phillips-Perron
Ho: No estacionario
P_ Value:0.00<0.05 Se rechaza Hipótesis por lo cual el proceso es Estacionario
KPSS.
Ho.: Estacionario

Augmented Dickey-Fuller
Ho: No estacionario
P_ Value: 0.9234>0.05 No se rechaza Hipótesis, el proceso es no estacionario.
Phillips-Perron
Ho: No estacionario
P_ Value: 0.8445>0.05 No se rechaza Hipótesis, el proceso es no estacionario
KPSS.
Ho.: EstacionarioKwiatkowski-Phillips-Schmidt-Shin test statistic |  0.110719 |
Asymptotic critical values*: | 1% level | |  0.739000 |
| | 5% level | |  0.463000 |
| | 10% level | |  0.347000 |

Estadístico KPSS< 5% level por lo tanto No se rechaza la Hipótesis nula y el proceso es estacionario.
Así, con los tres contrastes garantizamos la condición de que la serie es estacionaria y procedemos a realizar el modelo que...