Está en la página 1de 44

TRABAJO FINAL SOBRE MODELOS ECONOMETRICOS

PRESENTADO POR: ANGLICA SNCHEZ LIZETH FRANCO

PRESENTADO A: ANDY BARRETO

UNIVERSIDAD AUTNOMA DE COLOMBIA RELACIONES ECONMICAS INTERNACIONALES ECONOMETRA GRUPO 1656 BOGOT D.C 2011

INTRODUCCIN

Por medio de la econometra se puede suministrar mtodos, bases tericas y procedimientos para facilitar la formulacin y estimacin de modelos econmicos que sirvan para explicar la variable en estudio durante un perodo en referencia, as como hacer pronsticos sobre su comportamiento, con base a sus variables explicativas. Todo este proceso contemplado en la econometra, igualmente nos lleva a un paso muy importante, luego de haber formulado y estimado el modelo, y es a la validacin estadstica, mediante la cual nos aseguramos de que el modelo pasa de manera satisfactoria una serie de pruebas que nos van a permitir la utilizacin del modelo no solo para tratar de explicar el comportamiento de la variable independiente en estudio, sino que adems servir para hacer pronsticos con base a escenarios de ocurrencia sobre aquellas variables explicativas incluidas en el modelo, todo lo cual en su conjunto puede servir de soporte terico-prctico para formular polticas relacionadas con el fenmeno en estudio.

TABLA DE CONTENIDO Modelo sobre las ramas de la actividad economa que influyen en el producto interno bruto (pib) a precios constantes de 1994 1. Objetivos 1.1. objetivo general 1.2. objetivos especficos 2. Marco terico 3. Modelo original variable dependiente y variables explicativas 4. Desarrollo e interpretacin del modelo economtrico de regresin mltiple con verificacin de Supuestos y Pruebas 4.1 Normalidad 4.2 Cambio Estructural 4.3 Autocorrelacin 4.4 Multicolinealidad. 4.5 Heteroscedasticidad. 5. Pruebas sobre los parmetros. 5.1Pruebas individuales sobre los parmetros. 5.2 Pruebas simultaneas sobre los parmetros. 6. Etapas del estudio Economtrico 6.1 Hiptesis 6.2 Modelo Matemtico 6.3 Modelo Economtrico 6.4 Diagrama de Dispersin 6.5 Estimacin 6.6 Prueba de Hiptesis 6.7 Pronstico o Prediccin 7. CONCLUSIONES

Modelo, ndice de desarrollo humano 2011

1. Objetivos 2.1. objetivo general 2.2. objetivos especficos 3. Marco terico 3. Modelo original variable dependiente y variables explicativas 4. Desarrollo e interpretacin del modelo economtrico de regresin mltiple con verificacin de Supuestos y Pruebas 4.1 Normalidad 4.2 Heteroscedasticidad. 4.3 Multicolinealidad. 4.4 Autocorrelacin 5. Pruebas sobre los parmetros. 5.1Pruebas individuales sobre los parmetros. 5.2 Pruebas simultaneas sobre los parmetros. 6. Etapas del estudio Economtrico 6.1 Hiptesis 6.2 Modelo Matemtico 6.3 Modelo Economtrico 6.4 Diagrama de Dispersin 6.5 Estimacin 6.6 Prueba de Hiptesis 6.7 Pronstico o Prediccin 7. CONCLUSIONES

MODELO SOBRE LAS RAMAS DE LA ACTIVIDAD ECONOMA QUE INFLUYEN EN EL PRODUCTO INTERNO BRUTO (PIB) A PRECIOS CONSTANTES DE 1994

1. OBJETIVOS

1.1 Objetivo general En este trabajo vamos a mostrar el estudio de la influencia de las ramas de la economa en el producto interno bruto en Colombia en el periodo de 1993 a 2007, teniendo en cuenta como ramas del sector agropecuario, silvicultura, caza y pesca, la industria manufacturera, establecimientos financieros, seguros, inmuebles y servicios a las empresas estn relacionadas en el PIB, para poder lograr una explicacin de la variacin del PIB, siendo ests variables directamente proporcionales. Para ejecutar el siguiente trabajo se han tomado los datos del Banco de la Repblica, los cuales estn a precios constantes del 1994 y con una periodicidad trimestral.

1.2 Objetivos Especfico Analizar el siguiente modelo aplicando los temas vistos durante el recorrido del semestre, desarrollando su respectivo procedimiento. Explicar el Producto Interno Bruto respecto a sus variables explicativas que son las ramas de la economa Identificar los problemas que presenta el modelo durante su desarrollo y corregirle aquellos errores que lo constituyen Comprender la importancia de estas variables para el crecimiento de la economa en un pas.

2. MARCO TERICO Para poder realizar el modelo tenemos que tener en cuenta, las principales definiciones del producto interno bruto y las ramas de la economa que lo componen, para poder interpretar sus resultados. PRODUCTO INTERNO BRUTO (PIB): Es el valor total de los bienes y servicios producidos en el territorio de un pas en un periodo determinado, libre de duplicaciones. Se puede obtener mediante la diferencia entre el valor bruto de produccin y los bienes y servicios consumidos durante el propio proceso productivo, a precios comprador (consumo intermedio). Esta variable se puede obtener tambin en trminos netos al deducirle al PIB el valor agregado y el consumo de capital fijo de los bienes de capital utilizados en la produccin. PRODUCTO INTERNO BRUTO A PRECIOS CONSTANTES: Es el valor del producto interno bruto medido a precios de un ao base. Se le define como el producto que se obtiene en cada ejercicio eliminando las variaciones de los precios al evaluarse cada uno de los productos y servicios prestados, por el precio de un ao de referencia al que se le denomina ao base. El producto a precios constantes es conocido tambin como "producto real" y resulta de tanta utilidad como su medicin a precios corrientes, pues mientras que el primero permite el anlisis de la evolucin real de la produccin y de los flujos de bienes y servicios, el producto a precios corrientes aporta informacin sobre flujos de tipo monetario. La agricultura colombiana ha contribuido al total del Producto Interno Bruto (PIB) del pas con un porcentaje que oscila entre 10 y 14% desde 1994. El sector satisface gran parte de la demanda alimentaria de la nacin, provee materias primas para una diversidad de industrias (harinas, chocolates, confitera, concentrados, pulpas, aceites, tabaco, textil, lcteos), tiene una importante participacin en los mercados internacionales de caf, banano, azcar y aceite de palmiste, genera el 21% del empleo del pas y ocupa el 44.8% del total de rea planimetra nacional. En esta circunstancia en un pas como Colombia, el sector industrial es parte esencial de su estructura econmica, ya que la participacin porcentual del PIB manufacturero en el PIB total el crecimiento industrial se vio afectado por el aumento de los costos laborales como consecuencia de la nueva ley de seguridad social y de reformas tributarias. Tambin, el elevado grado de exposicin de nuestra economa permiti el aumento de las importaciones de bienes manufacturados en condiciones anticompetitivas para algunos sectores industriales, y que grandes sectores, industriales se convirtieran en comercializadores. Para este proceso de apertura se debe tener en cuenta la reconversin tecnolgica.

Est no slo es el cambio de activos fijos por otros nuevos, sino que induce un cambio en la cultura corporativa de las diferentes empresas que integran la industria, significa por tanto un cambio en el desarrollo general, en la gestin, en el mercado, la comercializacin y en investigacin y desarrollo. Significa comprometerse con el concepto de calidad total. El sector financiero colombiano est conformado por entidades pblicas y privadas que desarrollan actividades relacionadas con el manejo, aprovechamiento e inversin de los recursos de captacin del pas.

Fuente: Departamento Administrativo Nacional de Estadstica (DANE) Programa de las Naciones Unidas para el Desarrollo en Colombia www.wikipedia.com

3. Modelo original variable dependiente y variables explicativas Las variables explicativas seleccionadas para este modelo son: ASCP: Agricultura, Silvicultura, Caza, Pesca EF: Establecimientos Financieros, Seguros, Inmuebles Y Servicios a Las Empresas IM: Industria Manufacturera VARIABLE DEPENDIENTE: PIB: Producto Interno Bruto

Y = 1 + 2 ASCP + 3 M + 4 EF + u

4. Desarrollo e interpretacin del modelo economtrico de regresin mltiple con su verificacin de supuestos y pruebas 4.1 Normalidad 1. Prueba Jarque Bera Ho: ui ~ N, los errores se distribuyen normalmente H1: ui ~ N, los errores no se distribuyen normalmente

El coeficiente de asimetra tiende a cero, nos da indicios de normalidad. La kurtosis es cercana a tres, lo que nos da aun ms pistas de que el error tiende a una distribucin normal. El JB es de 1.22, que es menor a 5,99 por lo que no se rechaza la hiptesis nula de que hay normalidad. Existe una probabilidad de 0,54 (mayor a 0,05) de que no se rechaza la Hiptesis nula de normalidad. Adems en el histograma se puede observar que es semejante a la forma de una distribucin normal.

2. Prueba de Normalidad (Quantile - Quantile) Para que exista normalidad en los residuos los puntos deber estar a lo largo de la recta, pero si los puntos estn muy dispersos y la mayora est fuera de la recta no existe normalidad.

Como se puede apreciar los puntos estn sobre la recta entonces podemos decir que la variable Resid (Error) tiene una distribucin normal.

4.2 Cambio Estructural

En este grafico podemos observar que obviamente hubo un cambio estructural en el periodo de 1998Q2 a 1999Q2, por lo tanto decidimos agregarle una variable dicotmica para este periodo, lo que a la vez nos generaba un grande problema de autocorrelacin, ya que el Durbin-Watson stat nos daba lejano de dos que es el ideal. En el caso de Colombia, la crisis hipotecaria y financiera de 1998 coincidi con la crisis asitica y la moratoria rusa, fenmenos que reversaron los flujos de capitales a Colombia y el mundo en desarrollo y aumento de la tasa de inters en estos pases. Esto dificult grandemente la posibilidad de poner en marcha una poltica anticclica en Colombia. Ante la reversin en los flujos de capitales, aumentaron fuertemente las expectativas de devaluacin y las tasas de inters para el riesgo Colombia en los mercados de capitales. En estas circunstancias la poltica monetaria no est en capacidad de bajar las tasas de inters reales, aun si lo desea. La otra crtica que se puede hacer al manejo de la crisis es por qu no se flot la tasa de cambio en 1998 en lugar de esperar hasta 1999. La respuesta es que en 1998 se consideraba que una flotacin llevara a una devaluacin abrupta y mayor a lo que justificaban las condiciones fundamentales de la economa. Por eso se hicieron dos devaluaciones controladas de la banda cambiaria y se prepar una estrategia de apoyo financiero internacional para que una flotacin no fuera traumtica. Estaba presente el desastre econmico ocurrido en Mxico con la devaluacin abrupta en lo que se llam la crisis Tequila y las maxidevaluaciones en algunos pases asiticos en 1997. Tambin estaba presente el golpe a las principales industrias colombianas en la crisis de los aos ochenta en que el Banco de la Repblica tuvo que financiarles el pago de la deuda externa por la devaluacin. En los aos noventa, la deuda externa del sector privado se haba triplicado. Una devaluacin abrupta habra puesto muchas empresas en serias dificultades.

4.3 Auto correlacin Ho= El modelo no tiene auto-correlacin. H1= El modelo tiene auto-correlacin. El valor del DW se puede apreciar en la ventana de resultados. Si el DW 2 no existe autocorrelacin positiva, DW > 2 existe sospechas de una autocorrelacin negativa y si DW < 2 existe sospechas de una autocorrelacin positiva. Por lo tanto se puede observar que en el grafico el DW es mucho menor a 2, por ende tiene autocorrelacin positiva.

En esta grafica podemos observar que existe Autocorrelacin

Al aplicar la correccin del modelo relacionndolo con los periodos hacia atrs en la variable PIB, lo podemos observar a continuacin

Con esto concluimos que se mejoro el modelo ya que el DW aumento de 1,00 a 1,60. Se empleo este tipo de variables para corregir el problema porque se relaciona el primer periodo con el cuarto trimestre de aos atrs, en este periodo siempre ha habido un aumento en el PIB por la gran demanda de bienes y servicios en estas pocas del ao.

Con esta grafica comparndola con la anterior podemos finiquitar que se mejoro bastante el problema de auto-correlacin.

1. Prueba de Breusch - Godfrey En un contraste ms general que el DW al permitir que la hiptesis alternativa procesos estocsticos ms generales de orden p (AR(p)) o medias mviles de orden q (MA(q)), y se puede utilizar en variables endgenas retardadas.

Por tener una probabilidad muy baja de 0,0003 menor de 0.05, se rechaza la hiptesis nula de correlacin, por lo que el modelo presenta auto-correlacin de segundo orden.

Ac podemos ver que despus de corregido el modelo la probabilidad es de 0,12 por lo tanto se acepta la hiptesis nula de que el modelo no tiene autocorrelacin. Adems de que el Durbin Watson aumento a 2.07

2. Prueba Correlograma Al corregir la auto-correlacin podemos ver el cambio en las graficas.

ANTES 4.4 Multicolinealidad.

DESPUS

La multicolinealidad en el Modelo Lineal General se presenta cuando las variables independientes presentan alto nivel de correlacin. Por lo que en trminos empricos hay que definir los lmites de tolerancia de colinealidad. En nuestro modelo se puede observar que si tiene un alto grado de multicolinealidad porque el esta en 0,997 a continuacin se muestra:

El coeficiente de determinacin el alto ( ) y en los contrastes individuales se observa que la variables ASCP no es significativa para explicar la variabilidad del PIB (Producto Interno Bruto) en Colombia. Por lo anterior es decir un coeficiente de determinacin alto, variables no significativas individualmente, puede presentarse multicolinealidad. 1. Prueba Mtodo de la Matriz de Correlacin La matriz de correlacin de las variables explicativas es:

El valor del determinante de la matriz de correlacin es 1.024526470851191e-05, que est muy lejos del valor 1, lo que lleva a pensar que posiblemente existe multicolinealidad en el modelo. Adems, la matriz de correlacin muestra que existen correlaciones en la variable explicativa del modelo (ascp) Mtodo de la prueba f Se hizo las regresiones con cada una de las variables explicativas, y analizamos el de cada una de ellas, sacando como conclusin que la que tenia mayor era la variable ASCP, la cul nos generaba el problema de multicolinealidad, sacamos el FC (F calculado) y lo comparamos con el F de la tabla excediendo el FC al F de la tabla con un nivel de significancia de 0,05, se dice entonces que la variable ASCP en particular es colineal con las dems, por lo tanto esta variable se debe eliminar. 2 Prueba de Mtodo de los valores propios Si K esta entre 100 y 1000, existe multicolinealidad que va desde moderada a fuerte, mientras que si excede a 1000, existe multicolinealidad severa. De otro lado, si el ndice de condicin esta entre 10 y 30, existe multicolinealidad entre moderada y fuerte y si excede 30, existe multicolinealidad severa. IC: 245.4627121706399 K: 60251.94306616644 Por consiguiente el modelo despus de corregirlo sigue teniendo multicolinealidad, pero ya las variables que quedan son significativas.

4.5 Heteroscedasticidad 1 Prueba TEST WHITE Ho: El modelo tiene heterosceasticidad H1: El modelo no tiene heterosceasticidad

Segn la prueba de White podemos inferir que no existe heterosceasticidad porque si tenemos en cuenta el observado se rechaza la hiptesis nula de que el modelo tenga heterosceasticidad por tanto es homosceastico

2 Prueba TEST BREUSCH PAGAN GODFREY

Con esta prueba de igual modo se rechaza la hiptesis nula de que el modelo tenga heterosceasticidad por tanto es homosceastico.

5. Pruebas sobre los parmetros. 5.1 PRUEBAS INDIVIDUALES SOBRE LOS PARMETROS Ho: La suma entre los aportes al PIB por parte de las entidades financieras y las industrias manufactureras equivalgan a 3 millones de pesos. H1: que la suma entre los aportes al PIB por parte de las entidades financieras y las industrias manufactureras no equivalgan a 3 millones de pesos.

No se rechaza la hiptesis nula de que la suma entre los aportes al PIB por parte de las entidades financieras y las industrias manufactureras equivalgan a 3 millones de pesos.

Ho: 4 veces el valor aportado al PIB de las entidades financieras sea igual a las de las industrias manufactureras. H1: 4 veces el valor aportado al PIB de las entidades financieras NO sea igual a las de las industrias manufactureras.

Se rechaza la hiptesis nula de que 4 veces el valor aportado al PIB de las entidades financieras sea igual a las de las industrias manufactureras. 5.2 PRUEBAS SIMULTNEAS SOBRE LOS PARMETROS Ho: : La suma entre los aportes al PIB por parte de las entidades financieras y las industrias manufactureras equivalgan a 3 millones de pesos y que 4 veces el valor aportado al PIB de las entidades financieras sea iguale a las de las industrias manufactureras. H1: La suma entre los aportes al PIB por parte de las entidades financieras y las industrias manufactureras no equivalgan a 3 millones de pesos y que 4 veces el valor aportado al PIB de las entidades financieras no sea igual a las de las industrias manufactureras.

No se rechaza la hiptesis Nula de que La suma entre los aportes al PIB por parte de las entidades financieras y las industrias manufactureras equivalgan a 3 millones de pesos y que 4 veces el valor aportado al PIB de las entidades financieras sea igual a las de las industrias manufactureras.

6. Etapas del estudio Economtrico 6.1 Hiptesis A mayor produccin en los sectores econmicos, Agricultura, silvicultura, caza y pesca; Industria Manufacturera, Establecimientos Financieros, Seguros, Inmuebles Y Servicios a Las Empresas mayor ser el Producto Interno Bruto en Colombia. Por lo tanto es directamente proporcional. 6.2 Modelo Matemtico Y = 1 + 2IM+ 3 EF+ 4 D1+ 5 PIB (-1) + 5 PIB (-4) 6.3 Modelo Economtrico Y = 1 + 2IM+ 3 EF+ 4 D1+ 5 PIB (-1) + 5 PIB (-4)+ Ui 6.4 Diagrama de Dispersin

6.5 Estimacin LINLIN B2: Se estima que por cada milln de pesos que aumente el ASCP el PIB aumentara en 1.46 millones de pesos, manteniendo todo lo dems constante B3: Se estima que por cada milln de pesos que aumente el IM el PIB aumentara en 3.42 millones de pesos, manteniendo todo lo dems constantes B4: Se estima que por cada milln de pesos que aumente el EF el PIB aumentara en 1.71 millones de pesos, manteniendo todo lo dems constante

ESTIMACION CON CAMBIO ESTRUCTURAL (MODELO FINAL) B2: Se estima que por cada milln de pesos que aumente el EF el PIB aumentara en 0,48 millones de pesos, manteniendo todo lo dems constante B3: Se estima que por cada milln de pesos que aumente el IM el PIB aumentara en 1.85 millones de pesos, manteniendo todo lo dems constantes D1: Cambio estructural en el periodo de 1998 trimestre 2 hasta 1999 trimestre 2. PIB (-1): Se estima que en un 0.37 el PIB se encuentra correlacionado con el primer trimestre de cada ao. PIB (-4): Se estima que en un 0.28 el PIB se encuentra correlacionado con el cuarto trimestre de cada ao. R-squared: El 99% de la variacin del PIB es explicada por las variaciones de las variables explicativas Adjusted R-squared: El 99,6 % es el incremento neto del de R cuadrado, cuando se incluye un nuevo regresor. S.E. of regression: 126789 es la capacidad explicativa del modelo, pues est recogiendo la funcin objetivo ponderado por sus grados de libertad Sum squared resid: 803773517305 es el valor de la funcin objetivo en el mnimo, cuando estimamos por mnimos cuadrados ordinarios Log likelihood: -734 es el valor de la funcin objetivo cuando estimamos por mxima verosimilitud

F-statistic: 3600 Es el estadstico que est asociado a la hiptesis conjunta de que los parmetros asociados son iguales a cero ( excepto el intercepto). Prob(F-statistic): 1.161581014608323e-62 es la probabilidad de cometer el erro tipo I, es decir, de rechazar la hiptesis nula siendo cierta. Mean dependent var: 19756862.03571429 es la media tpica de la variable dependiente. S.D. dependent var: 2296941.501480262 es la desviacin tpica de la variable dependiente de la muestra Akaike info criterion: 26.44 es la capacidad explicativa del modelo Schwarz criterion: 26.66 es la comparacin del modelo analizado. Durbin-Watson stat: 1.64 Sirve para contrastar la hiptesis de incorrelacin entre perturbaciones aleatorias frente a la presencia de autocorrelacin. 6.6 Prueba de Hiptesis Ho: El valor dentro del PIB de los Establecimientos Financieros, Seguros, Inmuebles y Servicios a las Empresas sea de 2 millones de pesos. H1: El valor dentro del PIB de los Establecimientos Financieros, Seguros, Inmuebles y Servicios a las Empresas no sea de 2 millones de pesos.

0.47 2.05 0.17 2 0.47 + 2.05 0.17 -0,38 2 1,31

Se rechaza la hiptesis nula de que el valor dentro del PIB de los Establecimientos Financieros, Seguros, Inmuebles y Servicios a las Empresas sea de 2 millones de pesos. PRONSTICO En cunto aumentara el PIB si las variables explicativas aumentan en 2 millones de pesos cada una? PIB: 0.48 (2.000.000)+1.85 (2.000.000) PIB: 4.660.000 El PIB aumentara en 4.660.000 millones de pesos si las variables explicativas aumentan en 2 millones de pesos cada una.

CONCLUSIONES

Se pudo observar que estas ramas de le economa son importantes para el crecimiento de la economa en Colombia porque si alguna de las variables explicativas aumenta o disminuye afecta directamente al PIB. El modelo tiene una distribucin normal Al tomar los datos se pudo observar que el modelo presentaba auto correlacin, por lo tanto se hizo un cambio estructural en el periodo de 1998 al 1999.

Por otro lado el modelo no present heterosceasticidad. El modelo tiene multicolinealidad por ende se hicieron las pruebas respectivas y el resultado de la correccin fue eliminar la variable ASCP (Agropecuario, Silvicultura, Caza Y Pesca) lo que mejoro bastante el modelo.

R-squared: El 99% de la variacin del PIB es explicada por las variaciones de las variables explicativas

MODELO NMERO 2 VARIABLES DUMMY MODELO INDICE DE DESARROLLO HUMANO 2011 1. OBJETIVOS 1.1 OBJETIVO GENERAL: Observar el ndice de Desarrollo Humano por pases teniendo en cuenta aquellos que estn ubicados en muy alto, alto, medio y bajo nivel de IDH, analizndolo con respecto a las variables Esperanza de vida al nacer (aos), Aos promedio de escolaridad (aos), Ingreso nacional bruto (INB) per cpita (PPA en US$ constantes de 2005). Todo esto para determinar cuanta incidencia tiene estas variables para el desarrollo de cada uno de los pases escogidos para realizar este modelo. 1.2 OBJETIVOS ESPECIFICOS Analizar el IDH de cada uno de los pases escogidos para saber cules son los factores del xito de aquellos que tienen un IDH muy alto, para as tener en cuenta estas variables y poder aplicarlas en los pases de menor IDH. Comparar el IDH entre los pases seleccionados para realizar el modelo economtrico.

Identificar el IDH por medio de la Esperanza de vida al nacer (aos), Aos promedio de escolaridad (aos), Ingreso nacional bruto (INB) per cpita (PPA en US$ constantes de 2005)

Concluir con el anlisis economtrico como las variables independientes inciden en el comportamiento de la variable dependiente

2. MARCO TEORICO El ndice de desarrollo humano (IDH) es un indicador del desarrollo humano por pas, elaborado por el Programa de las Naciones Unidas para el Desarrollo (PNUD). Se basa en un indicador social estadstico compuesto por tres parmetros: vida larga y saludable, educacin y nivel de vida digno. Proceso por el que una sociedad mejora las condiciones de vida de sus ciudadanos a travs de un incremento de los bienes con los que puede cubrir sus necesidades bsicas y complementarias, y de la creacin de un entorno en el que se respeten los derechos humanos de todos ellos. Es la cantidad de opciones que tiene un ser humano en su propio medio, para ser o hacer lo que l desea ser o hacer. A mayor cantidad de opciones mayor desarrollo humano, a menor cantidad de opciones, menor desarrollo humano. El Desarrollo Humano podra definirse tambin como una forma de medir la calidad de vida del ente humano en el medio en que se desenvuelve, y una variable fundamental para la calificacin de un pas o regin.

Educacin: medida por la tasa de alfabetizacin de adultos y la tasa bruta combinada de matriculacin en educacin primaria, secundaria y superior, as como los aos de duracin de la educacin obligatoria. La esperanza de vida es la media de la cantidad de aos que vive una determinada poblacin en un cierto periodo de tiempo. Se suele dividir en masculina y femenina, y se ve influenciada por factores como la calidad de la medicina, la higiene, las guerras, etc, si bien actualmente se suele referir nicamente a las personas que tienen una muerte no violenta. Ingreso nacional: Suma de los ingresos percibidos por los factores productivos de los residentes de un pas, en un perodo de tiempo.. Todos los ingresos, tales como salarios, intereses, utilidades no distribuidas de las empresas, etc., estn incluidos en el ingreso nacional. Se incluyen tambin los intereses y dividendos de inversiones en el extranjero de propiedad de residentes, y se excluyen los ingresos pagados a factores que, estando en el pas, son propiedad de extranjeros. Tambin se excluyen todos los pagos de transferencias, tales como pensiones de vejez, subsidios de cesanta y de seguridad social, asignaciones familiares, etc. El Ingreso Nacional es igual al valor de todos los bienes y servicios producidos en el pas; es decir, es equivalente al Producto Nacional

Informes sobre Desarrollo Humano del Programa de las Naciones Unidas para el Desarrollo (2011), http://hdr.undp.org/

3. Modelo original variable dependiente y variables explicativas Las variables explicativas seleccionadas para este modelo son: VARIABLES EXPLICATIVAS: APE: Esperanza de vida al nacer (aos) EVN: Aos promedio de escolaridad (aos) INB: Ingreso nacional bruto (INB) per cpita (PPA en US$ constantes de 2005) VARIABLE DEPENDIENTE: IDH: ndice de Desarrollo Humano (IDH) Valor

IDH = 1 + 2APE + 3EVN+ 4INB + u

4. Desarrollo e interpretacin del modelo economtrico de regresin mltiple con verificacin de Supuestos y Pruebas 4.4 NORMALIDAD 1 PRUEBA JARQUE BERA

Ho: ui ~ N, los errores se distribuyen normalmente H1: ui ~ N, los errores no se distribuyen normalmente

El coeficiente de asimetra tiende a cero, nos da indicios de normalidad. La kurtosis es cercana a tres, lo que nos da aun ms pistas de que el error tiende a una distribucin normal. El JB es de 2.60 que es menor a 5,99 por lo que no se rechaza la hiptesis nula de que hay normalidad. Existe una probabilidad de 0,27 (mayor a 0,05) de que no se rechaza la Hiptesis nula de normalidad. Adems en el histograma se puede observar que es semejante a la forma de una distribucin normal.

Prueba de Normalidad (Quantile - Quantile) Para que exista normalidad en los residuos los puntos deber estar a lo largo de la recta, pero si los puntos estn muy dispersos y la mayora est fuera de la recta no existe normalidad.

Como se puede apreciar los puntos estn sobre la recta entonces podemos decir que la variable Resid (Error) tiene una distribucin normal.

4.2 HETEROSCEASTICIDAD 1 PRUEBA DE WHITE La heterosceasticidad significa que la varianza de las perturbaciones no es constante a lo largo de 2 las observaciones, violando un supuesto bsico del modelo E ( 2 ) i Ho: El modelo es Heterosceastico H1: El modelo no es heterosceastico

En la prueba de WHITE se puede observar que si hay heterosceasticidad ya que no se rechaza la Hiptesis Nula de que el modelo es heterosceastico. Entonces se hace el debido proceso multiplicando las variables dicotmicas por las variables explicativas y se ve si son redundantes o no.

Se eliminan las variables que son redundantes, osea que no son explicativas en el modelo.

De nuevo se realiza la prueba de WHITE dando como resultado que se rechaza la Hipotesis Nula por lo tanto el modelo no es heterosceastico si no que ya es homoceastico.

2 PRUEBA DE BREUSCH-PAGAN-GODFREY Para ratificar que el modelo ya no tiene heterosceasticidad comprobamos con el modelo seleccionado que realmente ya no tiene problemas de heterosceasticidad, porque de igual manera se rechaza la Hipotesis Nula por lo tanto es homoceastico.

4.3 MULTICOLINEALIDAD La multicolinealidad en el Modelo Lineal General se presenta cuando las variables independientes presentan alto nivel de correlacin. Por lo que en trminos empricos hay que definir los lmites de tolerancia de colinealidad. En nuestro modelo se puede observar que si tiene un alto grado de multicolinealidad porque el esta en 0,97 a continuacin se muestra:

Mtodo de la Matriz de Correlacin La matriz de correlacin de las variables explicativas es:

El valor del determinante de la matriz de correlacin es 0.00123 que est lejos de 1, lo que lleva a pensar que posiblemente existe multicolinealidad en el modelo. Adems, la matriz de correlacin muestra que existen correlaciones en la variable explicativa del modelo (INB)

Mtodo de la prueba f Se hizo las regresiones con cada una de las variables explicativas, y analizamos el de cada una de ellas, sacando como conclusin que la que tenia mayor era la variable D1, la cual nos generaba el problema de multicolinealidad, sacamos el FC (F calculado) y lo comparamos con el F de la tabla excediendo el FC al F de la tabla con un nivel de significancia de 0,05, se dice entonces que la variable D1 en particular es colineal con las dems, por lo tanto esta variable se debe eliminar.

Mtodo de los valores propios Si K est entre 100 y 1000, existe multicolinealidad que va desde moderada a fuerte, mientras que si excede a 1000, existe multicolinealidad severa. De otro lado, si el ndice de condicin esta entre 10 y 30, existe multicolinealidad entre moderada y fuerte y si excede 30, existe multicolinealidad severa. IC: 60.40526344546509 K: 3648.795851916041 Por consiguiente el modelo despus de corregirlo sigue teniendo multicolinealidad, entonces el modelo queda as porque segn el mtodo de Blanger si a un modelo se le aplica la correccin y sigue teniendo multicolinealidad este se deja as.

4.4 AUTOCORRELACIN Este supuesto nos muestra la relacin entre los errores Ho= El modelo no tiene autocorrelacin. H1= El modelo tiene autocorrelacin. Prueba de Breusch - Godfrey

Se rechaza la hiptesis nula de que haya autocorrelacin en el modelo, ya que 0,71 es mayor a 0.05

CORRELOGRAMA

En el anterior grafico se puede observar que el modelo no tiene autocorrelacin. 5. Pruebas sobre los parmetros.

5.1 Pruebas individuales sobre los parmetros. Ho: La suma entre el aumento en el porcentaje del IDH por parte de los aos promedio de escolaridad y la esperanza de vida al nacer equivalgan a 1 ao. H1 La suma entre el aumento en el porcentaje del IDH por parte de los aos promedio de escolaridad y la esperanza de vida al nacer no equivalgan a 1 ao.

No se rechaza la hiptesis nula de que La suma entre el aumento en el porcentaje del IDH por parte de los aos promedio de escolaridad y la esperanza de vida al nacer equivalgan a 1 ao.

Ho: 3 veces el porcentaje del IDH por parte de la esperanza de vida al nacer sea igual al de los aos promedio de escolaridad. H1: 3 veces el porcentaje del IDH por parte de la esperanza de vida al nacer no sea igual al de los aos promedio de escolaridad.

5.2 Pruebas simultaneas sobre los parmetros. Ho: : La suma entre el aumento en el porcentaje del IDH por parte de los aos promedio de escolaridad y la esperanza de vida al nacer equivalgan a 1 ao y que 3 veces el porcentaje del IDH por parte de la esperanza de vida al nacer sea igual al de los aos promedio de escolaridad. H1: La suma entre el aumento en el porcentaje del IDH por parte de los aos promedio de escolaridad y la esperanza de vida al nacer no equivalgan a 1 ao y que 3 veces el porcentaje del IDH por parte de la esperanza de vida al nacer no sea igual al de los aos promedio de escolaridad.

No se rechaza la hiptesis nula de que La suma entre el aumento en el porcentaje del IDH por parte de los aos promedio de escolaridad y la esperanza de vida al nacer equivalgan a 1 ao y que 3 veces el porcentaje del IDH por parte de la esperanza de vida al nacer sea igual al de los aos promedio de escolaridad.

6. ETAPAS DEL MODELO ECONOMETRICO

6.1 Hiptesis A mayor ndice de desarrollo humano de un pas mayor ser Esperanza de vida al nacer (aos), los aos promedio de escolaridad y el Ingreso nacional bruto (INB) per cpita (PPA en US$ constantes de 2005) 6.2 Modelo Matemtico IDH = 1 + 2APE + 3EVN + 4D1*EVN 6.3 Modelo Economtrico IDH = 1 + 2APE + 3EVN + 4D1*EVN+Ui 6.4 Diagrama de Dispersin

6.5 Estimacin B2: Se estima que por cada ao promedio de escolaridad que aumente, el IDH aumenta en 0,0328 puntos porcentuales, manteniendo todo lo dems constante. B3: Se estima que por cada ao que aumente la esperanza de vida al nacer, el IDH aumenta en 0.00668 puntos porcentuales, manteniendo todo lo dems constante D1*EVN: Se estima que por el aumento de 1 ao en la esperanza de vida al nacer el IDH alto disminuya en 0,0007, manteniendo todo lo dems constante D1: 1 si el pas tiene IDH alto y 0 en otros casos. D2: 1 si el pas tiene IDH bajo y 0 en otros casos R-squared: El 98% de la variacin del IDH es explicada por las variaciones de las variables explicativas Adjusted R-squared: El 97 % es el incremento neto del de R cuadrado, cuando se incluye un nuevo regresor. S.E. of regression: 0,026 es la capacidad explicativa del modelo, pues est recogiendo la funcin objetivo ponderado por sus grados de libertad Sum squared resid: 0,033 es el valor de la funcin objetivo en el mnimo, cuando estimamos por mnimos cuadrados ordinarios Log likelihood: 112 es el valor de la funcin objetivo cuando estimamos por mxima verosimilitud F-statistic: 618 Es el estadstico que est asociado a la hiptesis conjunta de que los parmetros asociados son iguales a cero ( excepto el intercepto). Prob(F-statistic): 0,000 es la probabilidad de cometer el erro tipo I, es decir, de rechazar la hiptesis nula siendo cierta. Mean dependent var: 0,711 es la media tpica de la variable dependiente. S.D. dependent var: 0,166 es la desviacin tpica de la variable dependiente de la muestra Akaike info criterion: -4,32 es la capacidad explicativa del modelo Schwarz criterion: -4,17 es la comparacin del modelo analizado. Durbin-Watson stat: 1,78 Sirve para contrastar la hiptesis de incorrelacin entre perturbaciones aleatorias frente a la presencia de autocorrelacin.

6.6 Prueba de Hiptesis Ho: los aos de la esperanza de vida de un pas este en 0.3% H1: los aos de la esperanza de vida de un pas no este en 0.3% 0.03 2.05 0.02 0.3 0.47 + 2.05 0.02 -0.260.3 0.32 No se rechaza la hiptesis nula de que los aos de la esperanza de vida de un pas este en 0.3%

6.7 PRONSTICO En cunto aumentara el IDH si las variables explicativas aumentan en 2 aos? IDH= 0,0328(2)+0,007(2)-0,0007(2) IDH= 0,0782

El IDH aumentara en 0,0782 % si las variables explicativas aumentan en 2 aos cada una.

7. CONCLUSIN

El grfico y el contraste Jarque Bera nos llevaron a la conclusin de que existe normalidad en la distribucin de los residuos. El 97,58% de la variacin en el ndice de desarrollo humano es explicado por las variaciones en los aos de la esperanza de vida al nacer y los aos promedio de escolaridad En el modelo se pudo observar que si hay heterosceasticidad ya que no se rechaza la Hiptesis Nula de que el modelo es heterosceastico, se corrigio mediante el proceso de multiplicar las variables dicotmicas por las variables explicativas y se vio que algunas de ellas eran redundantes y se eliminaron las que no eran explicativas en el modelo. En el modelo se pudo observar que si tenia un alto grado de multicolinealidad porque el estaba en 0,97 haciendo el proceso de correccin bajando este. El modelo no presento auto correlacin