“Modelos de Series de Tiempo en R”

Se usará la información de las Compras Internacionales en Torreón de la bas de datos de Data México.

library(readxl)
## Warning: package 'readxl' was built under R version 4.3.2
Comercio_internacional_neto_de_Torreon <- read_excel("C:/DATA/MI_DISCO/matriz_2023/1_UADEC/TERCER_SEMESTRE/CIENCIA_DATOS/r_markdown/Comercio-internacional-neto-de-Torreon.xlsx")

View(Comercio_internacional_neto_de_Torreon)

#Se convierte la base de datos a una serie

compras_ts=ts(Comercio_internacional_neto_de_Torreon$`Trade Value`,freq=12,start=c(2006,1))

plot(compras_ts, main = "Compras Internacionales de Torreón")

#Se puede descomponer la serie.

plot(decompose(compras_ts))

Ahora se va a instalar los paquetes “urca” y ” tseries” para utilizar el test de Dickey - Fuller.Deben instalar install.packages(“urca”) y install.packages(“tseries”)

library(urca)
## Warning: package 'urca' was built under R version 4.3.2
library(tseries)
## Warning: package 'tseries' was built under R version 4.3.2
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo

El test de de Dickey-Fuller tiene como hipótesis nula la No Estacionariedad

df_test = adf.test (compras_ts)
print(df_test)
## 
##  Augmented Dickey-Fuller Test
## 
## data:  compras_ts
## Dickey-Fuller = -2.4594, Lag order = 5, p-value = 0.3833
## alternative hypothesis: stationary

El test muestra que No Se Rechaza la Hipótesis Nula, lo que supone transformar la serie.

Aplicando logaritmos naturales

ln_compras_ts = log(compras_ts)

plot(ln_compras_ts, main = "logaritmo natural de la serie")

Al paracer no se aprecian cambios significativos. Se aplicará la primera diferencia

diferencia=diff(compras_ts)
print(diferencia)
##            Jan       Feb       Mar       Apr       May       Jun       Jul
## 2006           -24326828  10594183 -16056787  20893865 -31907556   -118273
## 2007 -42435901   7964236  12008276  -6174026  16590493 -27576979  -7838887
## 2008  18034423  -1180886   7336748   6263975  10191905 -42396607  -4468906
## 2009 -14202408 -19340988  -5030221 -10805421   2491957  18715827   -157007
## 2010 -19255407 -11674561  51134900 -16430367  39249136  -7613278 -12887542
## 2011  -1850335   5617960  56560061 -36193584  61089896 -33539373  14706995
## 2012   3906194  50501362 -20342069 -13518004  23186160 -25666580   1888681
## 2013  25967313  -8731663   9906415  57814986 -28251879 -34456422  11555863
## 2014    915101   4849979  -2780516  14318949  14383197 -27932551  18246949
## 2015  -7131538   7538324   9107466  10864258  -8615067 -13566418   8117422
## 2016 -28831278  16327060  -2331375   5966598   5551338   1039504   2692936
## 2017 -32401662  17339790  48310142 -34578488  34417793 -16155728 -15699784
## 2018   6566190  24125724    -64589 -13257813  11669697   9656145 -29896599
## 2019  14619098 -20671085   8635847   2991468  37801694 -61090801  20100137
## 2020  16864574 -21130486  13838956 -48481147 -24197749  10787639  36399880
## 2021 -19114743   9552094  82632203 -74164174   7173122   5598904  26570220
## 2022 -54027990  39487152  45345238 -26192729 -14680853  -5248960  -5070519
## 2023  -4930145   6101270  52995783 -34187782    252906 -33069387    591364
##            Aug       Sep       Oct       Nov       Dec
## 2006  11065543 -15344661  33298529 -26233925  41362781
## 2007  22792005 -23768566  47744772   -738373 -27047000
## 2008  13109135 -13235010   9755748  -5986695 -23299355
## 2009  -8671351  27939590 -20194330  43970638  -4915202
## 2010 -17324745  -3244463  18480419   2018275 -22508691
## 2011  17682070 -42149804 -31681612  23698123 -12869834
## 2012  17298471 -28191540  21859369  -7072701 -37071763
## 2013   6469369 -15824073  11644427  -7045645 -17561678
## 2014 -14403202   -977445  31676329 -32279318    711426
## 2015 -22590523  20290931  -9201077 -16826184  23813646
## 2016  24207312 -20759587  -9116832  23947647  -2364690
## 2017  22451914    157367  15092742  -8957343 -21967212
## 2018  33603484 -32364257  39126070 -21736599 -17705957
## 2019  15493188 -26576845   1512165 -11218925 -11754311
## 2020  -9106738  28123537  11710600 -17518688  30222992
## 2021  31991902 -14254436   6031266  36587950   3147288
## 2022   3612540  -2457439   6039451  -7921530 -16691173
## 2023  30422421 -29049539  27790108  -3676382
plot(diferencia, main = "Primeras Diferencias")

#Una vez más se aplica el test de Dickey Fuller
df_test_2 = adf.test (diferencia)
## Warning in adf.test(diferencia): p-value smaller than printed p-value
print(df_test_2)
## 
##  Augmented Dickey-Fuller Test
## 
## data:  diferencia
## Dickey-Fuller = -6.8021, Lag order = 5, p-value = 0.01
## alternative hypothesis: stationary
#Se muestra que se puede rechazar la Hipótesis Nula, por lo tanto la serie "diferencia" se puede modelar

Continuará con el análisis de los lags y los correlogramas totales y parciales.