UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES

ESCUELA DE ECONOMA
ECONOMETRA II
PROF. ECON. GABRIEL SANGUINO

PRCTICA N 3
METODOLOGA BOX - JENKINS
La Metodologa Box- Jenkins se aplica a los modelos autorregresivos de media mvil
(ARMA) o a los Modelos Autorregresivos integrados de media mvil (ARIMA) para
encontrar el mejor ajuste de una serie temporal de valores, a fin de que los pronsticos
sean ms acertados.
Para construir un modelo ARIMA, es necesario slo una variable. Para sta prctica se
considerar la variable ndice de Precios al Consumidor de un determinado pas, para el
periodo 1862 1988. Se utiliza la nomenclatura CPI para la variable, por sus siglas en
ingls Consumer Price Index.
Pasos de la Metodologa:
I. IDENTIFICACIN: El primer paso es la identificacin del modelo, aqu buscamos
determinar si la serie es estacionaria, es decir si la serie de tiempo aparenta variar
alrededor de un nivel fijo. Si la serie no es estacionaria con frecuencia puede convertirse
en una serie estacionaria al tomar sus diferencias
Prueba de Estacionariedad (mediante un test de raz de unitaria)
6.0
5.5
5.0
4.5
4.0
3.5
3.0
1875

1900

1925

1950

1975

CPI

Contraste de Hiptesis
Ho:
1,
0
Hay Raz Unitaria.
Serie No Estacionaria
H1:
1,
0
No Hay Raz Unitaria.
Serie Estacionaria

Nivel de
Significancia

5% (0,05)

Regla de Decisin
|Tau| < |Valor Crtico|
Acepto Ho
Serie No Estacionaria
|Tau| > |Valor Crtico|
Rechazo Ho
Serie Estacionaria
1

14-03-2016 04:22 p.m.

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES
ESCUELA DE ECONOMA
ECONOMETRA II
PROF. ECON. GABRIEL SANGUINO

CPI En Nivel
Null Hypothesis: CPI has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level

t-Statistic

Prob.*

1.760248
-3.482879
-2.884477
-2.579080

0.9997

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CPI)
Method: Least Squares
Date: 03/14/16 Time: 13:12
Sample(adjusted): 1863 1988
Included observations: 126 after adjusting endpoints
Variable

Coefficient

Std. Error

t-Statistic

Prob.

CPI(-1)
D(CPI(-1))
D(CPI(-2))
C

0.010538
0.761088
-0.282600
-0.032094

0.005986
0.085703
0.087436
0.023557

1.760248
8.880562
-3.232092
-1.362404

0.0809
0.0000
0.0016
0.1756

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.453111
0.439663
0.042539
0.220769
221.0697
1.990257

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

0.019598
0.056828
-3.445551
-3.355510
33.69334
0.000000

Decisin:
|1.760248|

| 2.884477| Acepto Ho Serie No Estacionaria

Conclusin:
Existen evidencias estadsticas suficientes como para afirmar que la variable CPI no es
estacionaria en nivel, por lo que debemos diferenciarla.

2
14-03-2016 04:22 p.m.

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES
ESCUELA DE ECONOMA
ECONOMETRA II
PROF. ECON. GABRIEL SANGUINO

CPI En Primera Diferencia

Null Hypothesis: D(CPI) has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level

t-Statistic

Prob.*

-5.382584
-3.482453
-2.884291
-2.578981

0.0000

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CPI,2)
Method: Least Squares
Date: 03/14/16 Time: 13:13
Sample(adjusted): 1862 1988
Included observations: 127 after adjusting endpoints
Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(CPI(-1))
C

-0.376346
0.007829

0.069919
0.004215

-5.382584
1.857411

0.0000
0.0656

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.188165
0.181670
0.044823
0.251136
215.1426
1.645613

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

0.000319
0.049549
-3.356576
-3.311785
28.97221
0.000000

Decisin:
| 5.382584|

| 2.884491| Rechazo Ho Serie Estacionaria

Conclusin:
Existen evidencias estadsticas suficientes como para afirmar que la variable CPI es
estacionaria en primera diferencia, por lo que decimos que la misma es Integrada de
orden 1 I(1)

3
14-03-2016 04:22 p.m.

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES
ESCUELA DE ECONOMA
ECONOMETRA II
PROF. ECON. GABRIEL SANGUINO

Identificar la forma del modelo

Correlograma
A continuacin, se presentan los patrones tericos de la FAC y FAP segn el tipo de
modelo, los cuales son tiles en la identificacin de p y q del modelo ARIMA:

Tipo de Modelo

AR(p)

MA(q)
ARMA (p,q)

Patrn tpico de la FAS

Decrecimiento rpido de tipo
geomtrico puro, geomtrico
con alternacin de signos o
mezcla de ambos tipos
Picos grandes en los q rezagos
o corta abruptamente a partir
del rezago q, es decir la FAP
se anula luego del rezago q.
Decrecimiento exponencial

Patrn tpico de la FAP

Picos grandes en los p
rezagos o corta abruptamente
a partir del rezago p, es decir
la FAP se anula luego del
rezago p
Decrecimiento rpido de tipo
exponencial
Decrecimiento exponencial

4
14-03-2016 04:22 p.m.

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES
ESCUELA DE ECONOMA
ECONOMETRA II
PROF. ECON. GABRIEL SANGUINO

Para nuestro caso

Date: 03/14/16 Time: 14:01
Sample: 1860 1988
Included observations: 128
Autocorrelation
.|***** |
.|** |
.|*
|
.|*
|
.|*
|
.|*
|
.|*
|
.|*
|
.|*
|
.|.
|
.|.
|
*|.
|
*|.
|
*|.
|
*|.
|
.|.
|
.|*
|
.|.
|
*|.
|
*|.
|
*|.
|
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|
.|*
|
.|*
|
.|*
|
.|.
|
.|.
|
.|.
|
.|*
|
.|.
|
.|.
|
.|.
|

Partial Correlation
.|***** |
*|.
|
.|*
|
.|.
|
.|*
|
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|
*|.
|
.|.
|
.|.
|
*|.
|
.|.
|
.|*
|
.|.
|
*|.
|
.|.
|
.|.
|
.|.
|
.|*
|
.|.
|
.|.
|
.|.
|
.|.
|
.|*
|
.|.
|
.|.
|
.|.
|
.|*
|
.|.
|
.|.
|
.|.
|
.|.
|
.|.
|

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

AC

PAC

Q-Stat

Prob

0.623
0.241
0.118
0.103
0.145
0.126
0.088
0.090
0.083
0.061
-0.029
-0.104
-0.084
-0.134
-0.162
-0.041
0.069
0.027
-0.062
-0.095
-0.068
0.016
0.062
0.035
-0.012
0.017
0.138
0.153
0.100
0.042
0.028
0.046
0.069
0.045
-0.007
-0.027

0.623
-0.240
0.141
0.007
0.117
-0.047
0.045
0.038
-0.001
-0.005
-0.125
-0.033
0.012
-0.179
0.007
0.155
0.044
-0.111
-0.002
0.015
-0.003
0.083
0.002
-0.006
-0.046
0.041
0.159
-0.024
-0.003
-0.057
0.092
-0.031
-0.009
-0.043
-0.029
0.001

50.856
58.531
60.382
61.799
64.644
66.800
67.877
69.001
69.962
70.485
70.608
72.166
73.177
75.782
79.668
79.916
80.628
80.738
81.316
82.714
83.443
83.486
84.086
84.285
84.309
84.359
87.481
91.351
93.036
93.334
93.465
93.832
94.668
95.023
95.032
95.162

0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000

Planteamos entonces un modelo con AR(1) y MA(1), es decir:

Modelo ARIMA (1,1,1)

Lo llamamos ARIMA, porque contiene los tres componentes, a saber: integrado,
autorregresivo y media mvil
5
14-03-2016 04:22 p.m.

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES
ESCUELA DE ECONOMA
ECONOMETRA II
PROF. ECON. GABRIEL SANGUINO

II. ESTIMACIN: Una vez que se ha seleccionado un modelo tentativo, debern

estimarse los parmetros para dicho modelo. As, se emplear una estimacin de
Mnimos Cuadrados Ordinarios. Adems, se calcula el error cuadrado medio de los
residuos, un estimado de la varianza del error.
Estimamos por MCO el modelo ARIMA (1,1,1)
D(CPI) C AR(1) MA(1)
Dependent Variable: D(CPI)
Method: Least Squares
Date: 03/14/16 Time: 13:30
Sample(adjusted): 1862 1988
Included observations: 127 after adjusting endpoints
Convergence achieved after 11 iterations
Backcast: 1861
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AR(1)
MA(1)

0.020478
0.284905
0.570411

0.008323
0.113507
0.095461

2.460524
2.510022
5.975356

0.0153
0.0134
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Inverted AR Roots
Inverted MA Roots

0.448204
0.439304
0.042765
0.226776
221.6214
2.024230

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

0.020274
0.057112
-3.442856
-3.375671
50.36036
0.000000

.28
-.57

Forma de Escribir el Modelo Economtrico:

0.020

0.2849

T-Statistic

2.46

P-value

0.0153

R2: 44,82%

DW: 2.02

0.5704

2.51

5.97

0.0134

0.0000

Prob. F: 0.0000

El modelo finalmente nos muestra las probabilidades individuales estadsticamente

significativas; posteriormente debemos realizar la verificacin de autocorrelacin y
heterocedasticidad

6
14-03-2016 04:22 p.m.

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES
ESCUELA DE ECONOMA
ECONOMETRA II
PROF. ECON. GABRIEL SANGUINO

III. VALIDACIN:
Anlisis de los Residuos
Contraste de Hiptesis

Nivel de
Significancia

Regla de Decisin
P-valor < Nivel de Significancia
Rechazo Ho

Ho: Ruido Blanco

5% (0,05)
H1: No existe Ruido Blanco

P-valor > Nivel de Significancia

Acepto Ho

Decisin:
P-valor > 0.05 (5%)
Conclusin: El correlograma de los residuos nos muestra que las probabilidades son
mayores al nivel de significancia, por lo tanto, no se rechaza la Ho de ruido blanco; es
decir, no son estadsticamente significativos. La serie es Ruido Blanco.
Date: 03/14/16 Time: 14:27
Sample: 1862 1988
Included observations: 127
Q-statistic probabilities adjusted for 2 ARMA term(s)
Autocorrelation

Partial Correlation

.|.
.|.
.|.
.|.
.|*
.|.
.|.
.|*
.|.
.|*
.|.
*|.
.|.
*|.
*|.
.|.
.|*
.|.
.|.
.|.
*|.
.|.
.|.
.|.
.|.
*|.

.|.
.|.
.|.
.|.
.|*
.|.
.|.
.|.
.|.
.|.
.|.
*|.
.|.
.|.
*|.
.|.
.|*
.|.
*|.
.|.
.|.
.|.
.|.
.|.
.|.
*|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

AC

PAC

Q-Stat

Prob

-0.023
0.057
0.043
-0.015
0.104
0.058
-0.012
0.075
0.002
0.069
0.000
-0.126
0.049
-0.060
-0.148
0.004
0.098
0.011
-0.046
-0.043
-0.064
0.034
0.047
0.017
-0.007
-0.089

-0.023
0.056
0.046
-0.017
0.099
0.064
-0.019
0.060
0.006
0.056
-0.015
-0.135
0.029
-0.053
-0.165
-0.016
0.157
0.027
-0.069
-0.001
-0.034
0.035
0.051
0.027
0.014
-0.119

0.0660
0.4861
0.7328
0.7641
2.2187
2.6764
2.6945
3.4590
3.4597
4.1347
4.1347
6.3904
6.7370
7.2550
10.440
10.442
11.880
11.897
12.219
12.498
13.126
13.309
13.656
13.700
13.709
15.000

0.392
0.682
0.528
0.613
0.747
0.749
0.839
0.845
0.902
0.781
0.820
0.840
0.658
0.729
0.688
0.751
0.787
0.820
0.832
0.864
0.884
0.912
0.935
0.921

7
14-03-2016 04:22 p.m.

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES
ESCUELA DE ECONOMA
ECONOMETRA II
PROF. ECON. GABRIEL SANGUINO

.|*
.|.
.|*
.|.
.|.
.|.
.|.
*|.

|
|
|
|
|
|
|
|

.|*
.|*
.|*
*|.
.|.
.|.
.|.
*|.

|
|
|
|
|
|
|
|

27
28
29
30
31
32
33
34

0.161
0.034
0.068
-0.023
0.014
0.007
0.054
-0.063

0.117
0.067
0.084
-0.086
0.022
0.034
0.008
-0.065

19.247
19.443
20.207
20.297
20.329
20.338
20.845
21.611

0.785
0.817
0.822
0.853
0.882
0.907
0.916
0.951

Anlisis de Heterocedasticidad condicionada

Contraste de Hiptesis

Nivel de
Significancia

Regla de Decisin

Ho: No existe
heterocedasticidad
condicionada

P-valor < Nivel de Significancia

Rechazo Ho

5% (0,05)
H1: Existe
heterocedasticidad
condicionada

P-valor > Nivel de Significancia

Acepto Ho

Decisin:
P-valor > 0.05 (5%)
Conclusin: El correlograma de los residuos nos muestra que las probabilidades son
mayores al nivel de significancia, por lo tanto, no se rechaza la Ho; es decir, no existe
heterocedasticidad condicionada.
Date: 03/14/16 Time: 15:02
Sample: 1862 1988
Included observations: 127
Q-statistic probabilities adjusted for 2 ARMA term(s)
Autocorrelation

Partial Correlation

.|**
.|*
.|.
.|*
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.

.|**
.|*
.|.
.|.
.|.
*|.
.|.
.|.
.|.
.|.
.|.
.|.
.|*

|
|
|
|
|
|
|
|
|
|
|
|
|

|
|
|
|
|
|
|
|
|
|
|
|
|

1
2
3
4
5
6
7
8
9
10
11
12
13

AC

PAC

Q-Stat

Prob

0.265
0.141
0.034
0.070
0.064
-0.028
-0.037
-0.016
0.021
0.050
0.007
-0.046
0.062

0.265
0.077
-0.022
0.061
0.036
-0.070
-0.025
0.009
0.025
0.045
-0.013
-0.057
0.092

9.1220
11.739
11.893
12.552
13.095
13.203
13.385
13.419
13.478
13.825
13.832
14.127
14.685

0.001
0.002
0.004
0.010
0.020
0.037
0.061
0.086
0.128
0.167
0.197

8
14-03-2016 04:22 p.m.

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES
ESCUELA DE ECONOMA
ECONOMETRA II
PROF. ECON. GABRIEL SANGUINO

.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
*|.
*|.
*|.
*|.
*|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.
.|.

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

-0.013
-0.010
-0.022
-0.019
-0.031
-0.040
-0.028
-0.024
-0.055
-0.054
-0.057
-0.016
-0.005
0.027
-0.041
0.004
0.003
-0.016
-0.060
-0.059
-0.060
-0.067
-0.072

-0.053
-0.019
0.008
-0.012
-0.036
-0.015
-0.007
-0.009
-0.043
-0.034
-0.027
0.025
-0.006
0.043
-0.055
0.021
-0.001
-0.028
-0.048
-0.018
-0.040
-0.040
-0.038

14.711
14.726
14.794
14.846
14.988
15.225
15.343
15.433
15.904
16.360
16.875
16.915
16.918
17.042
17.322
17.325
17.326
17.370
17.991
18.606
19.236
20.027
20.949

0.258
0.325
0.392
0.463
0.526
0.579
0.638
0.695
0.723
0.749
0.770
0.813
0.852
0.880
0.899
0.923
0.942
0.956
0.959
0.961
0.963
0.963
0.961

NOTA: Si se plantean dos o ms modelos ARIMA, se debe realizar la comparacin de

los mismos a travs de los criterios de Akaike y Schwarz o Criterio Bayesiano.

IV. PRONSTICO: Despus de que se ha encontrado un modelo adecuado, se pueden

llevar a cabo los pronsticos para un perodo o varios en el futuro. Para nuestro caso,
pronosticamos del perodo 1988 a 1995, siendo CPIF la variable pronosticada

9
14-03-2016 04:22 p.m.