Practica 3 GRETL JavierGonzalez JoseIgnacioNavero

Alumnos: Javier González Garrido
José Ignacio Navero Bérchez
Grupo 1 MUIMF
Asignatura: Economía (Análisis del Entorno Económico)

PRÁCTICA 3 – AFILIADOS A LA SEGURIDAD SOCIAL

Previsión mensual del número de afiliados a la Seguridad Social hasta Diciembre de 2015. Incluyendo el dato real de Octubre de 2014.

Para realizar la previsión del número de afiliados a la Seguridad Social en losúltimos meses de 2014 y en todo el año 2015, hemos utilizado los datos de los afiliados desde enero de 1995 hasta octubre de 2014.
Para llevar a cabo el análisis descomponemos la variable en tendencia y componente irregular (perturbación). La predicción de ambos componentes la llevaremos a cabo de forma totalmente independiente, con un modelo MCO autorregresivo para cada uno de ellos.
En primer lugarhemos hecho la diferencia de logaritmos a la serie dada, y en segundo lugar un filtrado de Hodrick-Prescott de lambda 50.
Hemos decidido ese lambda por que uno mucho más alto eliminaría las perturbaciones de los últimos meses y uno por debajo del utilizado podría hacer que el componente irregular no tenga estructura y sea considerado ruido blanco.
Por último, para estimar el modelo hemosutilizado el método de Mínimos Cuadrados ordinarios (MCO) con 3 retardos para predecir la derivada de la tendencia del número de afiliados, y usando 4 retardos para predecir el componente irregular.


Modelo 4: MCO, usando las observaciones 1995:05-2014:10 (T = 234)
Variable dependiente: d_Tendencia_AFILIADOS


Coeficiente
Desv. Típica
Estadístico t
Valor p

const
2,73197e-06
2,93503e-06
0,9308
0,35292d_Tendencia_AFILIADOS_1
2,69111
0,0433761
62,0412
<0,00001
***
d_Tendencia_AFILIADOS_2
−2,4479
0,0857465
-28,5481
<0,00001
***
d_Tendencia_AFILIADOS_3
0,754987
0,0433868
17,4013
<0,00001
***

Media de la vble. dep.
0,001285

D.T. de la vble. dep.
0,002805
Suma de cuad. residuos
3,76e-07

D.T. de la regresión
0,000040
R-cuadrado
0,999795

R-cuadrado corregido
0,999792
F(3, 230)
373928,0Valor p (de F)
0,000000
Log-verosimilitud
2037,163

Criterio de Akaike
−4066,326
Criterio de Schwarz
−4052,505

Crit. de Hannan-Quinn
−4060,753
rho
0,019229

h de Durbin
0,393174


Observamos que el modelo es globalmente significativo F p-value < alfa (0,05) y que la calidad del modelo es alta, puesto que su coeficiente de determinación R-cuadrado es del 99,98%

Con este modelo, llevamos a cabolas predicciones para la derivada de la tendencia hasta Diciembre de 2015.

Para poder realizar la predicción del número de afiliados hay que tener en cuenta el componente irregular (perturbación) y para ello realizamos el modelo autorregresivo AR4:

Modelo 5: MCO, usando las observaciones 1995:05-2014:10 (T = 234)
Variable dependiente: Comp_Ciclico_AFILIADOS


Coeficiente
Desv. TípicaEstadístico t
Valor p

const
9,38778e-07
0,000141112
0,0067
0,99470

Comp_Ciclico_AFILIADOS_1
0,0824513
0,0628945
1,3109
0,19119

Comp_Ciclico_AFILIADOS_2
−0,146266
0,0615102
-2,3779
0,01823
**
Comp_Ciclico_AFILIADOS_3
0,22327
0,061543
3,6279
0,00035
***
Comp_Ciclico_AFILIADOS_4
−0,302932
0,0629913
-4,8091
<0,00001
***

Media de la vble. dep.
−1,54e-07

D.T. de la vble. dep.
0,002316
Suma de cuad.residuos
0,001067

D.T. de la regresión
0,002158
R-cuadrado
0,146003

R-cuadrado corregido
0,131086
F(4, 229)
9,787704

Valor p (de F)
2,51e-07
Log-verosimilitud
1106,872

Criterio de Akaike
−2203,744
Criterio de Schwarz
−2186,468

Crit. de Hannan-Quinn
−2196,778
rho
−0,050202

h de Durbin
−2,816122

En este caso, aunque vemos que el F p-value es inferior al nivel de significación, el coeficientede determinación es demasiado bajo, y esto muestra que el modelo es poco fiable. Teniendo en cuenta que es un modelo autorregresivo AR4 sobre las perturbaciones, esto nos indica que las perturbaciones son ruido blanco. Por tanto consideramos el componente irregular como 0.












Podemos verlo en las predicciones que realizaría este modelo:



Teniendo en cuenta estos dos componentes,...