En el presente informe se desarrolla un análisis sobre el Crecimiento del PIB de Argentina del año 1960 a 2021.Como primer punto se cargan las librerías con el Excel que contiene los datos.

library(forecast)
## Warning: package 'forecast' was built under R version 4.2.2
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo
library(seasonal)
## Warning: package 'seasonal' was built under R version 4.2.2
library(tseries)
## Warning: package 'tseries' was built under R version 4.2.2
library(readxl)

library(readr)
## Warning: package 'readr' was built under R version 4.2.2
argentina_lab_4 <- read_delim("C:/Users/elias/OneDrive/Escritorio/9vo ciclo/Econometria II/argentina lab 4.csv", 
                              delim = ";", escape_double = FALSE, trim_ws = TRUE)
## Rows: 62 Columns: 2
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ";"
## dbl (2): Año, C.PIB
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

Por consiguiente, se evalúan los datos permitiendo conocer si es necesaria una modificación para la serie de datos.

data<-ts(argentina_lab_4$C.PIB, frequency = 1)
plot(data)

tseries::adf.test(data)
## 
##  Augmented Dickey-Fuller Test
## 
## data:  data
## Dickey-Fuller = -3.9943, Lag order = 3, p-value = 0.01578
## alternative hypothesis: stationary
diff_ts<-diff(data)
tseries::adf.test(data)
## 
##  Augmented Dickey-Fuller Test
## 
## data:  data
## Dickey-Fuller = -3.9943, Lag order = 3, p-value = 0.01578
## alternative hypothesis: stationary
plot(diff_ts)

acf(diff_ts)

pacf(diff_ts)

# 2 1 2
# 2 1 1

Al realizar el análisis de las gráficas, se estableció los sets de parámetros que permitan modificar y evaluar los datos de tal manera poder ser representados gráficamente junto a sus modificaciones.

modelo1 = Arima(data, order=c(2,1,2))
modelo2 = Arima(data, order=c(2,1,1))

summary(modelo1)
## Series: data 
## ARIMA(2,1,2) 
## 
## Coefficients:
##           ar1      ar2      ma1      ma2
##       -0.0781  -0.0943  -0.8082  -0.1918
## s.e.   0.9042   0.1710   0.9075   0.9059
## 
## sigma^2 = 31.83:  log likelihood = -192.1
## AIC=394.19   AICc=395.28   BIC=404.75
## 
## Training set error measures:
##                      ME    RMSE      MAE      MPE     MAPE      MASE       ACF1
## Training set -0.2459356 5.40982 4.561612 324.3017 343.1349 0.7768266 -0.0113129
summary(modelo2)
## Series: data 
## ARIMA(2,1,1) 
## 
## Coefficients:
##          ar1      ar2      ma1
##       0.1105  -0.1113  -1.0000
## s.e.  0.1305   0.1353   0.0546
## 
## sigma^2 = 31.29:  log likelihood = -192.12
## AIC=392.24   AICc=392.95   BIC=400.68
## 
## Training set error measures:
##                      ME     RMSE      MAE      MPE     MAPE      MASE
## Training set -0.2516286 5.410293 4.569305 328.0454 346.6013 0.7781367
##                      ACF1
## Training set -0.008552405
modelo1$aic
## [1] 394.1925
modelo2$aic
## [1] 392.2353

Se puede mencionar que ante la modificación de los datos se obtuvo el resultado esperado debido a que los cambios en el set de parámetro mostró una nueva representación de los rangos sobre la serie de datos de Argentina.

checkresiduals(modelo2$residuals)
## Warning in modeldf.default(object): Could not find appropriate degrees of
## freedom for this model.

Box.test(modelo2$residuals, type="Ljung-Box")
## 
##  Box-Ljung test
## 
## data:  modelo2$residuals
## X-squared = 0.0047579, df = 1, p-value = 0.945
a<-forecast::forecast(modelo2)
plot(a)

Conclusión:

Como se observa en las gráficas, existen variaciones con el paso de los años sobre el crecimiento del PIB de Argentina, demostrando que han existido momentos en su economía al alza y de igual manera a la baja. Así mismo, se observa que existen rangos de tolerancia sobre las series de datos. Con base al modelo ARIMA el cual permite pronosticar, se observa que para el caso de Argentina se puede mencionar que continuara con cambios sobre su PIB.