luisbenavidesblog.files.wordpress.com€¦ · web viewtrabajo prÁctico de econometrÍa . ar (1)...
TRANSCRIPT
![Page 1: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/1.jpg)
TRABAJO PRÁCTICO DE ECONOMETRÍA
AR (1) Población
Coeficiente
Según la constante y el resultado del AR (1) como se observa en el cuadro que es de 0,999778 la variable si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo con un 111,2629.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,57% casi perfecto.
Fisher
Como su valor es de 12.430 se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El único problema con este modelo es que tiene auto correlación.
![Page 2: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/2.jpg)
AR (2) Población
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1) y AR(2) en esta variable no es óptima.
AR (3) Población
Coeficiente
Según la constante y el resultado del AR (1),AR (2) y AR (3) como se observa en el cuadro si cumple la estacionariedad.
![Page 3: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/3.jpg)
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,99% casi perfecto.
Fisher
Como su valor es de 850.829,6se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó AR (3) es óptima y según el test es no autocorrelativa.
AR (4) Población
Coeficiente
Según la constante y el resultado del AR (1),AR (2), AR (3) y AR (4) como se observa en el cuadro si cumple la estacionariedad.
![Page 4: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/4.jpg)
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,99% casi perfecto.
Fisher
Como su valor es de601.091,6 se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó AR (4) es óptima encontrándose en el rango perfecto de no autocorrelación.
AR (5) Población
Coeficiente
Según la constante y el resultado del AR (1),AR (2), AR (3) AR (4) y AR(5) como se observa en el cuadro si cumple la estacionariedad.
![Page 5: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/5.jpg)
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,99% casi perfecto.
Fisher
Como su valor es de 454.954,3 se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó AR (5) es óptima encontrándose en el rango de no autocorrelación.
AR (1) Población Urbana
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1) en esta variable no es óptima.
![Page 6: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/6.jpg)
AR (2) Población Urbana
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1) y AR(2) en esta variable no es óptima.
AR (3) Población Urbana
Coeficiente
Según la constante y el resultado del AR (1),AR (2) y AR (3) como se observa en el cuadro si cumple la estacionariedad.
![Page 7: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/7.jpg)
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,99% casi perfecto.
Fisher
Como su valor es de 653436,7 se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó AR (3) es óptima encontrándose en el rango de no autocorrelación.
AR (4) Población Urbana
Coeficiente
Según la constante y el resultado del AR (1),AR (2), AR (3) y AR (4) como se observa en el cuadro si cumple la estacionariedad.
![Page 8: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/8.jpg)
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,99% casi perfecto.
Fisher
Como su valor es de 450.270,6 se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó AR (4) es óptima encontrándose en el rango de no autocorrelación.
AR (5) Población Urbana
Coeficiente
Según la constante y el resultado del AR (1),AR (2), AR (3) AR (4) y AR(5) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
![Page 9: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/9.jpg)
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,99% casi perfecto.
Fisher
Como su valor es de 336.995,5 se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó AR (5) es óptima encontrándose en el rango de no autocorrelación.
AR (1) Población Rural
Coeficiente
Según la constante y el resultado del AR (1) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que el valor es distinto de cero.
![Page 10: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/10.jpg)
R-Cuadrado
El modelo se ajusta a la variación total en un 98,71% casi perfecto.
Fisher
Como su valor es de 3.984,19 se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El único problema con este modelo es que tiene autocorrelación.
AR (2) Población Rural
Coeficiente
Según la constante y el resultado del AR (1) y AR(2) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que el valor es distinto de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,76% casi perfecto.
Fisher
![Page 11: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/11.jpg)
Como su valor es de 10.594,33 se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El único problema con este modelo es que tiene autocorrelación pero se encuentra muy cerca de no tenerla.
AR (3) Población Rural
Coeficiente
Según la constante y el resultado del AR (1),AR (2) y AR (3) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,77% casi perfecto.
Fisher
Como su valor es de 7.053,13 se puede decir que si es significativo.
Probabilidad F-stadistic
![Page 12: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/12.jpg)
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó AR (3) es óptima encontrándose en el rango de no autocorrelación.
AR (4) Población Rural
Coeficiente
Según la constante y el resultado del AR (1),AR (2), AR (3) y AR (4) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,76% casi perfecto.
Fisher
Como su valor es de 4.919,60 se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 13: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/13.jpg)
La variable a la cual se le aplicó AR (4) es óptima encontrándose en el rango de no autocorrelación.
AR (5) Población Rural
Coeficiente
Según la constante y el resultado del AR (1),AR (2), AR (3) AR (4) y AR(5) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,75% casi perfecto.
Fisher
Como su valor es de 3.587,47se puede decir que si es significativo.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó AR (5) es óptima encontrándose en el rango de no autocorrelación.
![Page 14: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/14.jpg)
AR (1) Importación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1) en esta variable no es óptima.
AR (2) Importación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1) y AR(2) en esta variable no es óptima.
![Page 15: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/15.jpg)
AR (3) Importación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1), AR(2) y AR(3) en esta variable no es óptima.
AR (4) Importación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1), AR(2), AR(3) Y AR(4)en esta variable no es óptima.
![Page 16: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/16.jpg)
AR (5) Importación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1), AR(2), AR(3), AR(4) y AR(5) en esta variable no es óptima.
AR (1) Exportación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1) en esta variable no es óptima.
![Page 17: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/17.jpg)
AR (2) Exportación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1) y AR(2) en esta variable no es óptima.
AR (3) Exportación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1), AR(2) y AR(3) en esta variable no es óptima.
![Page 18: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/18.jpg)
AR (4) Exportación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1), AR(2), AR(3) y AR(4) en esta variable no es óptima.
AR (5) Exportación de Bienes y Servicios
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de AR(1), AR(2), AR(3), AR(4) y AR(5)en esta variable no es óptima.
![Page 19: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/19.jpg)
MA (1) Importación de Armas
Coeficiente
Según la constante y el resultado del MA (1) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que el valor es distinto de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 30,04% .
Fisher
Como su valor es de 22,76.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El único problema con este modelo es que tiene autocorrelación pero se encuentra muy cerca de no tenerla.
![Page 20: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/20.jpg)
MA (2) Importación de Armas
Coeficiente
Según la constante y el resultado del MA (1) y MA(2) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que el valor es distinto de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 64,31% .
Fisher
Como su valor es de 46,85.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó MA (2) es óptima encontrándose en el rango perfecto de no autocorrelación.
![Page 21: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/21.jpg)
MA (3) Importación de Armas
Coeficiente
Según la constante y el resultado del MA (1), MA(2) y MA(3) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que el valor es distinto de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 64,82% .
Fisher
Como su valor es de 31,33.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó MA (2) es óptima encontrándose en el rango perfecto de no autocorrelación.
![Page 22: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/22.jpg)
MA (4) Importación de Armas
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de MA(1), MA(2), MA(3) y MA(4) en esta variable no es óptima.
MA (5) Importación de Armas
Coeficiente
![Page 23: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/23.jpg)
Según la constante y el resultado del MA (1), MA (2), MA (3) , MA (4) y MA (5) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 67,03%.
Fisher
Como su valor es de 19,93.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó MA (5) es óptima encontrándose en el rango de no autocorrelación.
MA (1) Exportación de Armas
Coeficiente
Según la constante y el resultado del MA (1) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
![Page 24: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/24.jpg)
t-student el cual nos confirma que es significativo ya que el valor es distinto de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 51,15% casi perfecto.
Fisher
Como su valor es de 55,51.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El único problema con este modelo es que tiene autocorrelación.
MA (2) Exportación de Armas
Coeficiente
Según la constante y el resultado del MA (1) y MA (2) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
![Page 25: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/25.jpg)
El modelo se ajusta a la variación total en un 63,65%.
Fisher
Como su valor es de 45,53.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó MA (2) es óptima encontrándose en el rango de no autocorrelación.
MA (3) Exportación de Armas
Coeficiente
Según la constante y el resultado del MA (1), MA (2) y MA (3) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 66,53%.
![Page 26: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/26.jpg)
Fisher
Como su valor es de 33,79.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó MA (3) es óptima encontrándose en el rango de no autocorrelación.
MA (4) Exportación de Armas
Coeficiente
Según la constante y el resultado del MA (1), MA (2), MA (3) y MA (4) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 66,95%.
Fisher
Como su valor es de 25,33.
![Page 27: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/27.jpg)
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó MA (4) es óptima encontrándose en el rango de no autocorrelación.
MA (5) Exportación de Armas
Coeficiente
Según la constante y el resultado del MA (1), MA (2), MA (3) , MA (4) y MA (5) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 67,02%.
Fisher
Como su valor es de 19,92.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 28: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/28.jpg)
La variable a la cual se le aplicó MA (5) es óptima encontrándose en el rango de no autocorrelación.
MA (1) Formación Bruta de Capital
Coeficiente
Según la constante y el resultado del MA (1) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que el valore es distinto de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 70,62%.
Fisher
Como su valor es de 127,43.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 29: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/29.jpg)
La variable a la cual se le aplicó MA (1) es óptima encontrándose en el rango de no autocorrelación.
MA (2) Formación Bruta de Capital
Coeficiente
Según la constante y el resultado del MA (1) y MA (2)como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 89,95%.
Fisher
Como su valor es de 232,74.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 30: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/30.jpg)
La variable a la cual se le aplicó MA (2) es óptima encontrándose en el rango de no autocorrelación.
MA (3) Formación Bruta de Capital
Coeficiente
Según la constante y el resultado del MA (1), MA (2) y MA (3) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 94,41%.
Fisher
Como su valor es de 287,49.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
![Page 31: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/31.jpg)
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
MA (4) Formación Bruta de Capital
Coeficiente
Según la constante y el resultado del MA (1), MA (2), MA (3) y MA (4) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 96,55%.
Fisher
Como su valor es de 349,99.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
![Page 32: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/32.jpg)
Durbin – Watson
El problema con este modelo es que tiene aitocorrelación.
MA (5) Formación Bruta de Capital
Coeficiente
Según la constante y el resultado del MA (1), MA (2), MA (3) , MA (4) y MA (5) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 97,43%.
Fisher
Como su valor es de 371,98.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
![Page 33: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/33.jpg)
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
MA (1) Importación de mercancías
El modelo es no estacionario por lo tanto se puede afirmar que la aplicación de MA(1) en esta variable no es óptima.
MA (2) Importación de mercancías
Coeficiente
Según la constante y el resultado del MA (1) y MA (2) como se observa en el cuadro si cumple la estacionariedad.
t-Student
![Page 34: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/34.jpg)
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 86,95%.
Fisher
Como su valor es de 173,35.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
MA (3) Importación de mercancías
Coeficiente
Según la constante y el resultado del MA (1), MA (2) y MA (3) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
![Page 35: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/35.jpg)
R-Cuadrado
El modelo se ajusta a la variación total en un 91,20%.
Fisher
Como su valor es de 176,25.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
MA (4) Importación de mercancías
Coeficiente
Según la constante y el resultado del MA (1), MA (2), MA (3) y MA (4) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
![Page 36: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/36.jpg)
El modelo se ajusta a la variación total en un 94,87%.
Fisher
Como su valor es de 231,17.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
MA (5) Importación de mercancías
Coeficiente
Según la constante y el resultado del MA (1), MA (2), MA (3) , MA (4) y MA (5) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 95,22%.
Fisher
![Page 37: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/37.jpg)
Como su valor es de 195,37.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó MA (5) es óptima encontrándose en el rango de no autocorrelación.
MA (1) Exportación de mercancías
Coeficiente
Según la constante y el resultado del MA (1) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que el valor es distinto de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 69%.
Fisher
Como su valor es de 117,97.
![Page 38: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/38.jpg)
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
MA (2) Exportación de mercancías
Coeficiente
Según la constante y el resultado del MA (1), MA (2), MA (3) , MA (4) y MA (5) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 67,03%.
Fisher
Como su valor es de 19,93.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 39: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/39.jpg)
La variable a la cual se le aplicó MA (5) es óptima encontrándose en el rango de no autocorrelación.
MA (3) Exportación de mercancías
Coeficiente
Según la constante y el resultado del MA (1), MA (2) y MA (3)como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 92,75%.
Fisher
Como su valor es de 217,61.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
![Page 40: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/40.jpg)
MA (4) Exportación de mercancías
Coeficiente
Según la constante y el resultado del MA (1), MA (2), MA (3) y MA (4) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 95,53%.
Fisher
Como su valor es de 19,93.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El problema con este modelo es que tiene autocorrelación
![Page 41: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/41.jpg)
MA (5) Exportación de mercancías
Coeficiente
Según la constante y el resultado del MA (1), MA (2), MA (3) , MA (4) y MA (5) como se observa en el cuadro si cumple la estacionariedad.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 96,15%.
Fisher
Como su valor es de 245,19.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
![Page 42: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/42.jpg)
ARMA (1,1) Gasto de Consumo Final
Coeficiente
Según la constante y el resultado del AR(1) y MA (1), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,80%.
Fisher
Como su valor es de 13.093,44.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
![Page 43: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/43.jpg)
ARMA (1,2) Gasto de Consumo Final
Coeficiente
Según la constante y el resultado del AR(1), MA (1) y MA(2), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,94%.
Fisher
Como su valor es de 30.352,64.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
La variable a la cual se le aplicó ARMA (1,2) es óptima encontrándose en el rango de no autocorrelación.
![Page 44: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/44.jpg)
ARMA (2,1) Gasto de Consumo Final
Coeficiente
Según la constante y el resultado del AR(1), AR(2) y MA (1), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,94%.
Fisher
Como su valor es de 29.799,14.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
El problema con este modelo es que tiene autocorrelación.
![Page 45: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/45.jpg)
ARMA (2,2) Gasto de Consumo Final
Coeficiente
Según la constante y el resultado del AR(1), AR(2), MA (1) y MA(2), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,95%.
Fisher
Como su valor es de 24.530,60.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 46: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/46.jpg)
La variable a la cual se le aplicó ARMA (2,2) es óptima encontrándose en el rango de no autocorrelación.
Basándose en el criterio Hannan-Quinn el mejor modelo es el ARMA (2,2)
ARMA (1,1) Gasto Nacional Bruto
Coeficiente
Según la constante y el resultado del AR(1), MA (1) y MA(2), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,69%.
Fisher
Como su valor es de8.269,32.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 47: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/47.jpg)
El problema con este modelo es que tiene autocorrelación.
ARMA (1,2) Gasto Nacional Bruto
Coeficiente
Según la constante y el resultado del AR(1), MA (1) y MA(2), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,76%.
Fisher
Como su valor es de 7.048,42.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 48: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/48.jpg)
La variable a la cual se le aplicó ARMA (1,2) es óptima encontrándose en el rango de no autocorrelación.
ARMA (2,1) Gasto Nacional Bruto
Coeficiente
Según la constante y el resultado del AR(1), AR(2) y MA (1) como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,90%.
Fisher
Como su valor es de 16.349,78.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 49: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/49.jpg)
La variable a la cual se le aplicó ARMA (2,1) es óptima encontrándose en el rango de no autocorrelación.
ARMA (2,2) Gasto Nacional Bruto
Coeficiente
Según la constante y el resultado del AR(1), AR(2), MA (1) y MA(2), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,90%.
Fisher
Como su valor es de12.423,22.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 50: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/50.jpg)
La variable a la cual se le aplicó ARMA (2,2) es óptima encontrándose en el rango de no autocorrelación.
Basándose en el criterio Akaike el mejor modelo es el ARMA (2,1)
ARMA (1,1) Ahorro Interno Bruto
Coeficiente
Según la constante y el resultado del AR(1) y MA (1) como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,12%.
Fisher
Como su valor es de2.905,107.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 51: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/51.jpg)
La variable a la cual se le aplicó ARMA (1,1) es óptima encontrándose en el rango de no autocorrelación.
ARMA (1,2) Ahorro Interno Bruto
Coeficiente
Según la constante y el resultado del AR(1), MA (1) y MA(2), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,32%.
Fisher
Como su valor es de 2.452,075.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 52: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/52.jpg)
La variable a la cual se le aplicó ARMA (1,2) es óptima encontrándose en el rango de no autocorrelación.
ARMA (2,1) Ahorro Interno Bruto
Coeficiente
Según la constante y el resultado del AR(1), AR(2) y MA (1), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,90%.
Fisher
Como su valor es de12.423,22.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
![Page 53: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/53.jpg)
Durbin – Watson
La variable a la cual se le aplicó ARMA (2,2) es óptima encontrándose en el rango de no autocorrelación.
ARMA (2,2) Ahorro Interno Bruto
Coeficiente
Según la constante y el resultado del AR(1), AR(2), MA (1) y MA(2), como se observa en el cuadro es no estacionario.
t-Student
Para respaldar la afirmación anterior del coeficiente vemos el resultado de la
t-student el cual nos confirma que es significativo ya que los valores son distintos de cero.
R-Cuadrado
El modelo se ajusta a la variación total en un 99,20%.
Fisher
Como su valor es de1.500,283.
Probabilidad F-stadistic
La probabilidad de que este modelo está en la hipótesis nula es del 0%.
Durbin – Watson
![Page 54: luisbenavidesblog.files.wordpress.com€¦ · Web viewTRABAJO PRÁCTICO DE ECONOMETRÍA . AR (1) Población. Coeficiente](https://reader036.vdocuments.site/reader036/viewer/2022071213/604072a966a9505d7b41604e/html5/thumbnails/54.jpg)
La variable a la cual se le aplicó ARMA (2,2) es óptima encontrándose en el rango de no autocorrelación.
Basándose en el criterio schwartz el mejor modelo es el ARMA (1,2)