7.1. EJEMPLO

uu <- "https://raw.githubusercontent.com/vmoprojs/DataLectures/master/CAEMP.DAT"
datos <- read.csv(url(uu),sep=",",header=T)
d2s<- ts(datos,st=1962,fr=4)
plot(d2s)

INTERPRETAR… Observamos en el grafici que las serie mo es estacionaria,

7.1.1. ESTACIONARIEDAD

acf(d2s)

library(tseries)
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo
library(writexl)
library(ggplot2)
adf.test(d2s)
## 
##  Augmented Dickey-Fuller Test
## 
## data:  d2s
## Dickey-Fuller = -2.6391, Lag order = 5, p-value = 0.3106
## alternative hypothesis: stationary

INTERPRETAR… Basado en la prueba Dickey Fuller la serie no es estacionario, ademas la funcion de autocorrelacion muestra un desenso suabe en los 12 primeros rezagos.

d2sd=diff(d2s)
acf(d2sd)

adf.test(d2sd)
## Warning in adf.test(d2sd): p-value smaller than printed p-value
## 
##  Augmented Dickey-Fuller Test
## 
## data:  d2sd
## Dickey-Fuller = -4.0972, Lag order = 5, p-value = 0.01
## alternative hypothesis: stationary

INTERPRETAR… El p-valor de la prueba de Dickey Fuller indica que la serie es estacionario, por que este es menor a alfa = 5%.

7.1.3. MODELO ARIMA

acf(d2sd)

pacf(d2sd)

m1=arima(d2s,order = c(0,1,2))
m1$aic
## [1] 488.5535
m2=arima(d2s,order = c(1,1,0))
m2$aic
## [1] 485.4119
m3=arima(d2s,order = c(1,1,2))
m3$aic
## [1] 489.1799

De los tres modelos presentes se escoge aquel que presente el valos mas bajo del indicador de ACI en este caso en MODELO=2 (aic=485.41)

7.1.4 PRONOSTICO

d2sp=predict(m2,3)
d2sp
## $pred
##          Qtr1     Qtr2     Qtr3
## 1996 92.17202 92.24426 92.27748
## 
## $se
##          Qtr1     Qtr2     Qtr3
## 1996 1.437907 2.544385 3.499883

7.1.5 EXPORTACION DE DATOS

start(d2s)
## [1] 1962    1
end(d2s)
## [1] 1995    4
start(d2sp)
## [1] 1 1
end(d2sp)
## [1] 2 1
inicio=1962.
final=1996.5

fecha=seq(inicio,final,by=0.25)
length(fecha)
## [1] 139
desempleo=c(d2s,d2sp$pred)
length(desempleo)
## [1] 139
data=c(rep("real",136),rep("pronostico",3))
length(data)
## [1] 139
datos=data.frame(fecha,desempleo,data)
write_xlsx(datos,"datos_desempleo.xlsx")

ggplot(datos,aes(x=fecha,y=desempleo,col=data))+geom_line()+theme_bw()