Uso de un modelo univariado de series de tiempo para la predicción, en el corto plazo, del comportamiento de la producción de carne de bovino en Baja California, México / The use of a univariate time series model to short term forecast the behaviour of beef production in Baja California, Mexico

RESUMEN

Con el fin de pronosticar la producción de carne de bovino en Baja California, México, se utilizó el método de Box-Jenkins para seleccionar un modelo autorregresivo de promedios móviles (ARMA). Para ello se usó la información de canales de bovinos procesadas mensualmente en los rastros del estado durante el periodo de 2003 a 2010. Debido a que la inspección de la gráfica de la serie y el correlograma de la misma no permitieron establecer la estacionariedad, se aplicó la prueba de Dickey-Fuller aumentada, en la que se encontró que la serie era estacionaria. Como resultado del procedimiento de identificación se seleccionaron los modelos AR(1) y ARMA (2,1), los cuales se estimaron utilizando mínimos cuadrados; se compararon ambos modelos con base en la significancia de sus coeficientes de regresión y los estadísticos de Akaike y Schwartz. Se llevó a cabo una evaluación diagnóstica para revisar la bondad de ajuste de los modelos mediante la gráfica de los residuales; el valor de los estadísticos Q se utilizó para determinar la ausencia de autocorrelación en los modelos propuestos. Debido a que los resultados fueron similares, se llevó a cabo una evaluación de la eficiencia predictiva de ambos modelos utilizando una serie de estadísticos. Los resultados de estas pruebas indicaron que el modelo ARMA (2,1) presentaba una mejor capacidad predictiva, que fue corroborada mediante una gráfica conjunta de la serie actual y la pronosticada, y una predicción para el mes de enero de 2011. Los resultados respaldan el uso de modelos ARMA para obtener, a corto plazo, predicciones de la producción de carne en Baja California.

ABSTRACT

The Box-Jenkins methodology was used to select an ARMA model to forecast beef production in Baja California, Mexico. The series of bovine carcasses processed monthly in the state's slaughterhouses between 2003 and 2010 was used. Because the inspection of the series graph and correlogram did not determine a stationary behavior, an augmented Dickey-Fuller test was performed and it was found that the series was stationary. As a result of identification procedure, an AR (1) and an ARMA (2, 1) models were selected and estimated using ordinary least squares. The estimated models were compared using the significance of the regression coefficient and the Akaike information and Schwartz Bayesian criteria. A diagnostic check was done examining the goodness of fit of the models by plotting the residuals; the Q statistic was used to test for autocorrelation. Because the results were similar, a predictive efficacy evaluation of two models was carried out using a group of forecast error statistics. The result of these tests indicated that the ARMA (2,1) had a better forecasting capability, this was supported by plotting together a forecasted series with the actual series and the out-of sample prediction for January of 2011. The results support the use of ARMA models to obtain reliable short term forecasts of beef production in Baja California.