<div dir="ltr"><div><div>Estoy analizando el efecto de la entrada en servicio de una linea de autobuses en los niveles de contaminantes atmosféricos mediante series temporales interrumpidas usando minimos cuadrados generalizados con la función gls del paquete nlme.<br><br></div><div>Las variables que parto son:<br>no concentracion media mesual de no<br></div><div>tiempo = variable numerica que va 1 a 48. tengo 48 datos mensuales.<br></div><div>nivel = 0 para el periodo anterior a la entrada de la linea de autobuses y 1 para el periodo de funcionamiento.<br></div><div>tendencia = 0 para periodo anterior a la entrada de la linea de autobuses; para el periodo de funcionamiento 1 para el primer mes, 2 para el segundo ....<br></div><div>Para la estacionalidad de los datos utilizo variables enero, febrero.... que valen 1 para cuando el valor medio es de ese mes y 0 par cuando el valor de la media es de cualquier otro mes.<br><br>
<p class="MsoNormal" style="text-align:left;background:white none repeat scroll 0% 0%;word-break:break-all" align="left"><span style="font-size:10pt;font-family:"lucida console";color:blue">La regresión lineal de la que parto es:<br></span></p><p class="MsoNormal" style="text-align:left;background:white none repeat scroll 0% 0%;word-break:break-all" align="left"><span style="font-size:10pt;font-family:"lucida console";color:blue">modelo_no=lm(log(no)
~ tiempo + nivel + tendencia+enero+febrero+marzo+abril+mayo+</span><span style="font-size:10pt;font-family:"lucida console";color:blue"><span></span>junio+julio+agosto+septiembre+octubre+noviembre, data=datos_no)</span><span style="font-size:10pt;font-family:"lucida console";color:black"></span>
</p></div><div><br></div><div>Tengo que hacer el neperiano de la variable dependiente porque sino no hay relación lineal. Test de <span style="color:rgb(0,0,0);font-family:sans-serif;font-size:13.0769px;font-style:normal;font-variant:normal;font-weight:normal;letter-spacing:normal;line-height:normal;text-align:start;text-indent:0px;text-transform:none;white-space:normal;word-spacing:0px;display:inline;float:none">Ramsey función resettest paquete lmtest.<br><br></span>Para ver el modelo ARMA a enmplear con la función gls estudio los ACF y PACF de los reriduos de la regresión. Según tengo entendido si el ACF muestra un decaimiento exponencial con es el caso, el valor de p sería el valor del ultimo retardo significativo en el PACF, en este caso 8.<br></div><div><br><img src="cid:ii_15aab901fec09f21" alt="Imágenes integradas 1" height="220" width="436"><br><span style="color:rgb(0,0,0)"><br></span></div><span style="color:rgb(0,0,0)">
</span><p class="MsoNormal" style="text-align:left;background:white none repeat scroll 0% 0%;word-break:break-all" align="left"><span style="font-size:10pt;font-family:"lucida console";color:blue"><span style="color:rgb(0,0,0)">El modelos de minimos cuadrados generalizado es:</span><br></span></p><p class="MsoNormal" style="text-align:left;background:white none repeat scroll 0% 0%;word-break:break-all" align="left"><span style="font-size:10pt;font-family:"lucida console";color:blue"><br></span></p><p class="MsoNormal" style="text-align:left;background:white none repeat scroll 0% 0%;word-break:break-all" align="left"><span style="font-size:10pt;font-family:"lucida console";color:blue">modelo_no_p0=gls(log(no)~tiempo+nivel+tendencia+enero+febrero+marzo+abril+mayo+junio+julio+agosto+septiembre+octubre+noviembre,datos_no</span></p>
<p class="MsoNormal" style="text-align:left;background:white none repeat scroll 0% 0%;word-break:break-all" align="left"><span style="font-size:10pt;font-family:"lucida console";color:blue">+,correlation=NULL,method="ML")</span><span style="font-size:10pt;font-family:"lucida console";color:black"></span></p>
<br><pre style="background:white none repeat scroll 0% 0%;word-break:break-all"><span class="gmail-gghfmyibcob"><span style="font-family:"lucida console";color:blue">modelo_no_p8 =update(modelo_no_p0,correlation=corARMA(p=8,form=~tiempo))</span></span><span style="font-family:"lucida console";color:black"></span></pre><br>Al emplear una anova para ver con cual modelo me quedo, según AIC tengo que escoger un modelo y según BIC el otro.<br><br></div>¿Qué debo utilizar AIC o BIC?<br><div><br><br><pre style="background:white none repeat scroll 0% 0%;word-break:break-all"><span class="gmail-gghfmyibcob"><span style="font-family:"lucida console";color:blue">anova(modelo_no_p0,modelo_no_p8)</span></span></pre><pre style="background:white none repeat scroll 0% 0%;word-break:break-all"><span style="font-family:"lucida console";color:black"><span> </span>Model df<span> </span>AIC<span> </span>BIC<span> </span>logLik<span> </span>Test</span></pre><pre style="background:white none repeat scroll 0% 0%;word-break:break-all"><span style="font-family:"lucida console";color:black">modelo_no_p0<span> </span>1 16 -11.17919 18.76003 21.58959<span> </span></span></pre><pre style="background:white none repeat scroll 0% 0%;word-break:break-all"><span style="font-family:"lucida console";color:black">modelo_no_p8<span> </span>2 24 -19.46527 25.44356 33.73263 1 vs 2</span></pre><pre style="background:white none repeat scroll 0% 0%;word-break:break-all"><span style="font-family:"lucida console";color:black"><span> </span>L.Ratio p-value</span></pre><pre style="background:white none repeat scroll 0% 0%;word-break:break-all"><span style="font-family:"lucida console";color:black">modelo_no_p0<span> </span></span></pre><pre style="background:white none repeat scroll 0% 0%;word-break:break-all"><span style="font-family:"lucida console";color:black">modelo_no_p8 24.28608<span> </span>0.0021</span></pre><br><br></div></div>