Pronósticos en los negocios

Introducción

Se eligió un modelo con 6 variables trimestrales, que muestran el PIB del país de México, con la finalidad de obtener resultados de un modelo correctamente o de la mejor manera posible.

• Primero sacamos la variable del tiempo

[pic 1]

• Dfuller

Debe ser mayor a .90 para que nuestra hipótesis nula se rechace. Si nos muestra que hay raíz unitaria indica que es malo.

Se sacó dfuller de cada variable individualmente.

[pic 2][pic 3]

Nuestro modelo nos indica que dfuller en inversión y en exportaciones nos da menor a .90, por lo tanto nos indica que nuestra hipótesis nula no se rechazó, lo cual no es bueno.

Mientras tanto las otras variables nos indica valor mayor a .90

• Regresión

[pic 4]

Esto nos indica la relación entre las variables con las anteriores.

• Destring

Con esto cambiamos las letras a modelos numéricos.

[pic 5]

• Regresión numérica

Aquí se muestra la regresión con variables cambiadas de letras a números

[pic 6]

• Prob f= 1 – x= El resultado debe ser mayor a 90 para que sea estadísticamente significativo, por lo tanto si es significativo, porque el resultado fue 0 por lo tanto es           1 - 0=1 y 1 es mayor a .90
• R square= 1 explica perfectamente el modelo, en nuestro caso es .9967 por lo tanto explica casi el modelo completamente.

• P> (t)= es la significancia individual de la variable. 1- resultado si es mayor a .90 es muy significativa. En nuestro caso la tasa del consumo privado es la única que no tiene ninguna significancia, las demás si presentan significancia.

• Coef= son los valores promedio que cada variable explica el modelo. Ejemplo, la tasa de crecimiento del consumo privado debe aumentar puntos para que nuestra tasa de crecimiento de inversión aumente en una unidad porcentual.

• Prueba de homocedasticidad

[pic 7]

Haciendo el calculo, nos muestra que el resultado de la homocedasticidad da mayor a .90, lo cual nos indica que no es homocedastica.

• Ovtest

[pic 8]

En nuestra prueba nos arrojó H0 lo cual nos indica que no estamos omitiendo variables

• Histogram

[pic 9] En esta grafica debió darme en forma de campanita, lo que me indicaría que los errores de la regresión están normalmente distribuidos. Como se puede ver no sale en campanita perfectamente, por lo cual no están bien distribuidos.

• Sktest

[pic 10]

En prob>chi2 los rangos normales deben ser de 1.5 a 2.5, si sale de aquí no hay normalidad, lo cual en nuestro caso nos muestra que no hay normalidad.

• Pnorm

[pic 11]

Esta también es una prueba de normalidad y también nos indica que tan dispersos están nuestros resultados de los valores aceptables para nuestro modelo.

...