exemplificare procedura box
TRANSCRIPT
-
7/25/2019 Exemplificare Procedura Box
1/7
Exemplificare procedura Box-Jenkins
Pentru exemplificare vom utiliza seria PIB, date trimestriale nregistrate pentru Romnia, perioada2000 Q12014 Q4.
Etape
a). Staionarizarea seriei de timp, dac este cazul (dac aceasta nu este staionar).
Pentru a testa staionaritatea seriei de timp, vom utiliza analiza corelogramei i testele rdcin
unitate:
Figura 1Corelograma seriei PIB
Null Hypothesis: PIB has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=10)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.670856 0.7515
Test critical values: 1% level -4.124265
5% level -3.489228
10% level -3.173114
*MacKinnon (1996) one-sided p-values.
-
7/25/2019 Exemplificare Procedura Box
2/7
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PIB)
Method: Least Squares
Sample (adjusted): 2000Q3 2014Q4
Included observations: 58 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
PIB(-1) -0.053392 0.031955 -1.670856 0.1005
D(PIB(-1)) 0.480345 0.119738 4.011645 0.0002
C 1322.430 679.9923 1.944772 0.0570
@TREND(2000Q1) 10.22333 8.289910 1.233225 0.2228
R-squared 0.263830 Mean dependent var 231.6052
Adjusted R-squared 0.222931 S.D. dependent var 464.3450
S.E. of regression 409.3271 Akaike info criterion 14.93338
Sum squared resid 9047628. Schwarz criterion 15.07548
Log likelihood -429.0680 Hannan-Quinn criter. 14.98873
F-statistic 6.450866 Durbin-Watson stat 1.824513
Prob(F-statistic) 0.000819
Figura 2Testul rdcin unitate (ADF) pentru seria PIB, forma cu trend linear i termen liber
Avnd n vedere : Prob > 0.05, rezult nu avem suficiente informaii pentru a respinge ipotezanul, deci seria PIB prezint rdcin unitate. Cu alte cuvinte seria PIB este nestaionar.Pentruc seria nu prezint trend liniar determinist (de ce?), staionarizarease va face prin difereniere.
In Eviews:
series dpib=d(pib)
Seria difereniat este staionar ( se reia testul unit-root pentru seria difereniat).
b). Determinarea ordinelor p i q ale procesului.
Ordinele p i q se determin aproximativ pe baza formei corelogramei seriei staionare.
-
7/25/2019 Exemplificare Procedura Box
3/7
Figura 3Corelograma seriei staionare (DPIB)
Pe baza corelogramei identificm un singur vrf,deci vom testa AR(1), MA(1). ntruct pentrulag-ul 5, avem valoarea funciei de autocorelaie aproape semnificativ diferit de zero, vom testai un process AR(5).
c). Estimarea coeficienilor modelului ARMA .- se face prin MCMMP (LS)
Vom testa mai multe modele, dup cum am stabilit la punctul anterior:
I). AR(1)
In Eviews scriem comanda:
ls dpib c ar(1)sau:ls dpib c dpib(-1)
Se obine output-ul din Figura 4. Ecuaia este salvat sub denumirea de ar_1. Observm c atttermenul liber, ct i parametrul estimate aferent variabilei DPIB(-1) sau AR(1) sunt semnificativdiferii de zero.
-
7/25/2019 Exemplificare Procedura Box
4/7
Variable Coefficient Std. Error t-Statistic Prob.
C 232.2294 101.9933 2.276909 0.0266
AR(1) 0.466540 0.118200 3.947034 0.0002
R-squared 0.217648 Mean dependent var 231.6052
Adjusted R-squared 0.203678 S.D. dependent var 464.3450
S.E. of regression 414.3670 Akaike info criterion 14.92526
Sum squared resid 9615202. Schwarz criterion 14.99631
Log likelihood -430.8324 Hannan-Quinn criter. 14.95293
F-statistic 15.57908 Durbin-Watson stat 1.798291
Prob(F-statistic) 0.000223
Inverted AR Roots .47
Figura 4Estimarea modelului AR(1) pentru seria staionar (DPIB)
II). AR(5)
In Eviews scriem comanda:
ls dpib ar(1) ar(5)sau:ls dpib dpib(-1) dpib(-5)
Variable Coefficient Std. Error t-Statistic Prob.
AR(1) 0.555742 0.110580 5.025709 0.0000
AR(5) 0.188894 0.110229 1.713651 0.0925
R-squared 0.218375 Mean dependent var 233.7000
Adjusted R-squared 0.203344 S.D. dependent var 473.8264
S.E. of regression 422.9165 Akaike info criterion 14.96856
Sum squared resid 9300636. Schwarz criterion 15.04223
Log likelihood -402.1511 Hannan-Quinn criter. 14.99697
Durbin-Watson stat 1.876611
Inverted AR Roots .88 .33+.64i .33-.64i -.49-.41i
-.49+.41i
Figura 5Estimarea modelului AR(5) pentru seria staionar (DPIB)
Parametrul aferent lui DPIB(-1) este semnificativ de zero, iar parametrul aferent lui DPIB(-5) estesemnificativ diferit de zero cu un nivel de ncredere de 90% (modelul a fost reestimat frtermenliber, deoarece acesta era nesemnificativ diferit de zero). Ecuaia a fost salvat sub numele ar_5.
III). MA(1)
In Eviews scriem comanda:
ls dpib ma(1)
-
7/25/2019 Exemplificare Procedura Box
5/7
Variable Coefficient Std. Error t-Statistic Prob.
C 230.3125 81.24003 2.834963 0.0063
MA(1) 0.560423 0.109613 5.112724 0.0000
R-squared 0.253330 Mean dependent var 231.3814
Adjusted R-squared 0.240231 S.D. dependent var 460.3279
S.E. of regression 401.2436 Akaike info criterion 14.86033
Sum squared resid 9176798. Schwarz criterion 14.93075
Log likelihood -436.3796 Hannan-Quinn criter. 14.88782
F-statistic 19.33896 Durbin-Watson stat 1.950413
Prob(F-statistic) 0.000048
Inverted MA Roots -.56
Figura 6Estimarea modelului MA(1) pentru seria staionar (DPIB)
OBS: Estimarea unui model ARMA (2,2) se va face in EViews astfel:
ls y c ar(1) ar(2) ma(1) ma(2)
ARMA (1,1): ls y c ar(1) ma(1) etc
d). Alegerea celui mai bun model i validarea modelului.
Alegerea celui mai bun model se face prin compararea criteriilor privind informaia coninut. Cele
mai utilizate criterii sunt : Akaike Info Criterion, Schwarz criterion, Hannan- Quinn criterion. Setesteaz mai multe modele i se alege perechea (p,q) pentru care criteriul ales are valoarea cea maimic.
Din analiza comparativa modelelor estimate anterior, ar rezulta c modelele cele mai bune suntMA(1) i AR(1). Deoarece modelul AR(1) permite efectuarea previziunilor pentru mai mult de o
perioad nainte, l vom alege pe acesta.
Validarea modelului se face prin testarea reziduurilor modelului ales. Daca acestea ndeplinesc
proprietile Zgomotului Alb, atunci modelul este correct specificat. Pentru acestea vom studiacorelograma reziduurilor modelului alesAR(1) - a se vedea Figurile 7 i 8.
-
7/25/2019 Exemplificare Procedura Box
6/7
Figura 7Validarea modelului / verificarea proprietilor reziduurilor din modelul alesvizualizarea corelogramei reziduurilor
Figura 8Corelograma reziduurilor
-
7/25/2019 Exemplificare Procedura Box
7/7
f). Previzionare
Exemplu de previziune punctual.
Modelul ales este AR(1). Ecuaia estimat este(A se vedea Figura 4)::
DPIB = 232.23 + 0.4665* DPIB(-1)Atlfel spus
PIB(t)PIB(t-1) = 232.23 + 0.4665*[PIB(t-1)PIB(t-2)]
De unde:
PIB(t)=232.23 + 1.4665*PIB(t-1)0.4665*PIB(t-2)
Astfel, dac ne propunem s determinm PIB pentru Q1anul 2015, vom avea:
PIB_Q1/2015 = 232.23 + 1.4665*PIB_Q4/20140.4665*PIB_Q3/2014
PIB_Q4/2014 = 33889.8
PIB_Q3/2014 = 33630
Rezult:
PIB_Q1/2015 = 34243.23 mil RONpreviziunea pentru Q1 2015
Not: valoarea real nregistrat pentru PIB_Q1/2015 = 34359.5 mil RON.