ARTEAGA DIAZ KRIZIA FERNANDA

Cuestionario 1

1.- Explique que son los datos en series de tiempo

R:
son los antecedentes que nos otorgan variables aleatorias, en las cuales
claramente influye el corte transversal debido al orden de tiempo, en el cual es de
suma importancia el pasado en influencia al futuro.

2.- Explique un ejemplo donde se pueda aplicar un modelo estático

R:
la curva de Phillips porque representa una relación contemporánea entre el
desempleo y la inflación, la cual establece que un aumento del desempleo reduce
la inflación y viceversa, la disminución del desempleo se asocia con una mayor
inflación. Es decir, la curva de Phillips pone de manifiesto que no se puede
conseguir al mismo tiempo baja inflación y alta tasa de empleo, porque cuanto
mayor sea la demanda agregada, mayor será la tensión de los precios, por lo que
estos subirán, mientras disminuye el desempleo, incluso se recomienda que este
indicador este en cierto nivel de inflación para minimizar el desempleo, ya que una
política dirigida exclusivamente hacia la estabilidad de precios puede promover el
desempleo.

yt =β0 + β1 zt + ut, t = 1, 2,…, n.

3.- Explique un ejemplo donde se pueda aplicar un modelo RDF

R:
tasa de fertilidad debido a la asociación entre la decisión de tener hijos, asociada
con el valor impuesto de tenerlos y como explica el modelo, su característica
principal es la de permitir que una o más variables influyan sobre “y”, en forma
rezagada. Éste contiene el modelo estático como un caso especial, al establecer
que δ1, δ2,…, δq son iguales a cero y en ocasiones, el propósito primordial de la
estimación de un modelo de rezagos distribuidos es probar si z ejerce un efecto
rezagado sobre “y”. El multiplicador de impacto siempre es el coeficiente de la z
actual, δ0, también es posible tener más de una variable explicativa que aparezca
con rezagos o agregar variables contemporáneas a un modelo de RDF. Por
ejemplo, el nivel de educación promedio para las mujeres en edad fértil se podría
sumar a (10.4), lo que permite dar cuenta de los cambios en los grados de
escolaridad de las mujeres.

gfrt = α0 + δ0 pet + δ1 pet-1 + δ2 pet-2 + ut

4.- Explique que es la propensión de largo plazo

R:
Cuando las series de variables son estacionarias, el marco natural de análisis es
de COINTEGRACIÓN: se específica un modelo VAR sin restricciones de acuerdo
con el procedimiento de Johansen. Estos vectores se interpretan como relaciones
de equilibrio de largo plazo entre el conjunto de variables bajo estudio. Las
 ARTEAGA DIAZ KRIZIA FERNANDA

principales pruebas estadísticas en el VAR son: La Correlación serial (LM),

heterocedasticidad (ARCH), F, la prueba de normalidad Jarque-bera X y la de
White. X, al igual que el análisis de correlación entre los valores actuales y
estimados.

5.- Explique en que consiste la estacionalidad

R:
Una serie de tiempo de intervalos mensuales, trimestrales o incluso semanales y
diarios, por ejemplo, la venta mensual de viviendas en la región central de Estados
Unidos se ve influida sobremanera por el clima. Si bien los patrones climáticos en
cierto modo son aleatorios, es seguro que el clima durante enero por lo general es
más inclemente que en junio y, por tanto, la construcción de viviendas nuevas es
mayor en junio que en enero.

6.- Resuelva el siguiente ejercicio:

Ri:
Como podemos observar la tendencia del desempleo, respecto del tiempo es que
conforme van pasando los meses, en este caso, los promedios para medir el
desempleo aumentan de manera negativa, lo que significa que el tiempo es
. reg uclms feb mar apr may jun jul aug sep oct nov dec significativo para la obtención
Source SS df MS Number of obs = 107 de empleo, sin embargo, no
F(11, 95) = 1.23
Model 335015792 11 30455981 Prob > F = 0.2765 aunque no explique la razón,
Residual 2.3471e+09 95 24705817.2 R-squared
Adj R-squared
=
=
0.1249
0.0236 señala una considerada
Total 2.6821e+09 106 25302532.4 Root MSE = 4970.5
tendencia de estacionalidad,
pues a finales de año los
uclms Coef. Std. Err. t P>|t| [95% Conf. Interval]
promedios bajan, lo cual
feb -165.4444 2343.114 -0.07 0.944 -4817.113 4486.224
mar -256.5556 2343.114 -0.11 0.913 -4908.224 4395.113 indica que la actividad tanto
apr
may
-2409.222
-3236.111
2343.114
2343.114
-1.03
-1.38
0.306
0.170
-7060.891
-7887.78
2242.447
1415.558
laboral como económica
jun
jul
-3564
-3824.444
2343.114
2343.114
-1.52
-1.63
0.132
0.106
-8215.669
-8476.113
1087.669
827.2243
colaboran dentro de la
aug -3068.111 2343.114 -1.31 0.194 -7719.78 1583.558 temporada navideña, gracias
sep -5015.444 2343.114 -2.14 0.035 -9667.113 -363.7757
oct -5187.667 2343.114 -2.21 0.029 -9839.335 -535.9979 al reparto de utilidades, bonos
nov -4484.667 2343.114 -1.91 0.059 -9136.335 167.0021
dec -2062.264 2415.226 -0.85 0.395 -6857.094 2732.566
_cons 9494.889 1656.832 5.73 0.000 6205.662 12784.12
 ARTEAGA DIAZ KRIZIA FERNANDA

etc., que permiten adquirir bienes y estos a su ves otorgan empleos debido a la
. reg uclms feb mar apr may jun jul aug sep oct nov dec ez demanda.
Source SS df MS Number of obs = 107
Rii:
F(12, 94) = 8.81
Model 1.4197e+09 12 118311451 Prob > F = 0.0000
Residual 1.2623e+09 94 13429053.3 R-squared = 0.5293 Una vez incorporada la variable
Adj R-squared = 0.4693
Total 2.6821e+09 106 25302532.4 Root MSE = 3664.6 ez (zona empresarial), podemos
observar que las tendencias en
uclms Coef. Std. Err. t P>|t| [95% Conf. Interval] el tiempo disminuyen respecto al
feb -165.4444 1727.494 -0.10 0.924 -3595.423 3264.535 empleo, es decir que este
mar -256.5556 1727.494 -0.15 0.882 -3686.535 3173.423
apr -2409.222 1727.494 -1.39 0.166 -5839.201 1020.757 aumenta, notoriamente pues se
may
jun
-3236.111
-3564
1727.494
1727.494
-1.87
-2.06
0.064
0.042
-6666.09
-6993.979
193.8679
-134.021
evidencian mejores temporadas,
jul
aug
-3824.444
-3068.111
1727.494
1727.494
-2.21
-1.78
0.029
0.079
-7254.423
-6498.09
-394.4654
361.8679
como, por ejemplo, a principios
sep -5015.444 1727.494 -2.90 0.005 -8445.423 -1585.465 de año, agosto y diciembre.
oct -5187.667 1727.494 -3.00 0.003 -8617.646 -1757.688
nov -4484.667 1727.494 -2.60 0.011 -7914.646 -1054.688
dec -2418.075 1781.1 -1.36 0.178 -5954.49 1118.34
ez -6404.599 712.6158 -8.99 0.000 -7819.514 -4989.683
_cons 13053 1284.076 10.17 0.000 10503.44 15602.56

Riii: como ya lo había mencionado anteriormente, podemos basarnos en las

suposición de que son las mejores temporadas, y por ende hay mas efectivo, lo
cual genera mas compras por parte del consumidor, lo que a su vez crea carga de
trabajo dentro de las zonas empresariales, y estas a su vez requieren de mas
personal para solventar ese volumen de demanda, lo cual repercute de manera
positiva en el empleo, dando la razón a la anterior evaluación.