Tema 6 Econometria

La función de autocorrelación parcial (pacf) mide: La correlación que existe entre la varianza de una variable y sus restardos. Las autocovarianzas de la variable para distintos retardos. La correclación entre una variable y sus retardos. La relación directa que hay entre una variable y sus retardos.

Si una serie temporal tiene varianza constante. Podemos asegurar que es estacionaria. No podemos asegurar que es estacionaria. Las desviaciones respecto a cero no son iguales a lo largo de toda la muestra. Podemos asegurar que la serie no presenta autocorrelación.

La condición de invertibilidad en el proceso MA(3) permite: Nunca se va a poder invertir un proceso de medias móviles. Pasarlo a un proceso AR de orden infinito. Pasarlo a un proceso AR de orden finito. Pasarlo a un proceso ARMA de orden finito.

La siguiente transformación se hace para: wt= yt - yt-1. Asegurarnos que la serie se convierta en estacionaria. Que su covarianza no depende del tiempo. Que la serie deje de tener tendencia. Convertirla en estacionaria respecto varianza.

La función de autocorrelación de un proceso MA(5) será: Hasta el retardo 5 tendrá valores decrecientes que se repiten secuencialmente. Valores que nunca se hacen cero y crecientes. Valores distintos de cero hasta el periodo 5. Valores que nunca se hacen cero y decrecientes.

¿Existe algún valor que coincida en la función acf y pacf?. .Solamente en los procesos AR(1). Solamente coinciden en el primer retardo de cualquier proceso. Solamente en los procesos MA(1). No pueden coincidir ya que miden cosas diferentes.

El proceso AR(1) tiene memoria finita porque: Solamente tienen memoria infinita los que son estacionarios. Al tener una perturbación autocorrelacionada van estar relacionada con todos sus retardos. Los procesos autorregresivos tienen memoria finita. Siempre van a depender de forma directa o indirecta de sus retardos.

La interpretación de la serie con la siguiente transformación: wt= ln yt - ln y t-s. Tasa logarítmica de variación en s periodos. Indica el crecimiento absoluto.. Tasa de variación acumulada en s periodos. Indica el crecimiento acumulado en un ciclo estacional. Tasa logarítmica de variación absoluta en s periodos. Indica el crecimiento absoluto en un ciclo estacional. Tasa logarítmica de variación acumulada en s periodos. Indica el crecimiento acumulado en un ciclo estacional.

La interpretación de la serie con la siguiente transformación: wt= ln yt - ln yt-1. Es una tasa logarítmica (en porcentaje) de variación entre un periodo y el siguiente. Indica crecimiento/decrecimiento en términos relativos. Es una tasa logarítmica (en tanto por uno) de variación entre un periodo y el siguiente. Indica crecimiento/decrecimiento en términos absolutos. Es una tasa logarítmica (en tanto por uno) de variación entre un periodo y el siguiente. Indica crecimiento/decrecimiento en términos relativos. Es una tasa logarítmica (en porcentaje) de variación entre un periodo y el siguiente. Indica crecimiento/decrecimiento en términos absolutos.

Si la media de una serie temporal es nula: Antes de pasar a la etapa de identificación hay que comprobar si la serie es estacionaria. La serie no tiene tendencia y es estacionaria. Podemos asegurar que las desviaciones respecto a la media son iguales a lo largo de la muestra. Al tener media cero, los valores de los coeficientes de correlación son también nulos.

¿Podríamos saber el valor del coeficiente de correlación de orden 2 en el siguiente modelo? yt= at- /theta/at-1 + con at-> N..... No podemos calcular el valor ya que necesitamos conocer el valor de los parámetros del modelo. Alcanzaría el valor 0. Alcanzaría el valor \theta^{2\ }1. No podemos calcular el valor ya que necesitamos los valores muestrales de la variable.

La interpretación de la serie con la siguiente transformación: wt= zt - zt-1 zt= ln yt - ln yt-1. Indica cambio en la tasa logarítmica de variación entre un periodo y el siguiente. Indica la aceleración del crecimiento relativo. Indica cambio en la tasa de variación entre un periodo y el siguiente. Indica la aceleración del crecimiento relativo. Indica cambio en la tasa logarítmica de variación entre un periodo y el siguiente. Indica la aceleración del crecimiento absoluto. Indica cambio en la tasa de variación entre un periodo y el siguiente. Indica la aceleración del crecimiento absoluto.

Si la media de una serie temporal es nula: La serie no tiene tendencia y es estacionaria. Podemos asegurar que las desviaciones respecto a la media son iguales a lo largo de la muestra. Al tener media cero, los valores de los coeficientes de correlación son también nulos. Antes de pasar a la etapa de identificación hay que comprobar si la serie es estacionaria.

En un proceso AR(3), no podemos asegurar que: Sea estacionario e invertible. Sea invertible. Sea estacionario. El coeficiente de correlación parcial de orden 4 sea nulo.

La condición de invertibilidad en el proceso MA(3) permite: Pasarlo a un proceso ARMA de orden finito. Pasarlo a un proceso AR de orden infinito. Nunca se va a poder invertir un proceso de medias móviles. Pasarlo a un proceso AR de orden finito.