INDICE

1. MARCO TEORICO

02

2. OBJETIVOS
03
3. DATOS ESTADSTICOS

04

4. ESTIMACIN POR MNIMOS CUADRADOS ORDINARIOS (M.C.O.) 04

5. INFERENCIA ESTADSTICA

05

6. MULTICOLINEALIDAD

10

7. HETEROSCEDASTICIDAD

13

8. AUTOCORRELACION

14

9. ANEXOS

17

10. BIBLIOGRAFA

19

Econometra

Pgina 1

MODELO ECONOMETRICO DE LAS EXPORTACIONES

DE

PRODUCTOS TRADICIONALES EN EL PER

11.
Al

Marco Terico.-

ser las exportaciones tradicionales nuestra variable de inters,

ser sta la variable endgena, por lo que

nos centraremos en

determinar cules han de ser los signos que afectan tanto a la

constante como a los coeficientes que ponderan a las variables
explicativas.
Con esto intentaremos predecir cmo se vern afectadas (positiva o
negativamente) las variables exgenas

y como estas repercuten

sobre el resultado de la variable endgena de nuestro modelo ha

realizar.

PBI Mundial, es sin duda la macro magnitud econmica ms

importante para la estimacin de la capacidad productiva de
una economa. Es la suma de todos los bienes y servicios que
produce un pas o una economa en un periodo determinado
(Aproximadamente de un ao).

Tipo de cambio real, son las variaciones en las estructuras de

precios de las exportaciones en relacin a las importaciones. Es
necesario distinguir los efectos de un choque de los tipos de
cambios. Aqullos que ocasionan que los agentes econmicos
ajusten sus ahorros con el fin de suavizar el consumo en el
tiempo.

Econometra

Pgina 2

1.1.

Modelo terico.-

Para el presente anlisis de las exportaciones tradicionales, centrada

en la economa peruana, consideraremos en nuestra ecuacin al
Producto Bruto Interno (PBI) y a los incentivos tributarios

como

variables explicativas.
Entonces, tenemos la siguiente ecuacin:
XTRAD t = 1+ 2 PBI t + 3 TCt + t
Donde:
-

XTRADt :

Exportaciones Tradicionales para el periodo t en

millones
de dlares.
-

PBIt*

Producto Bruto Interno del periodo corriente en

variacin
porcentual (Promedio de PBI de E.E.U.U. y China).
-

TCt :

Tipo de cambio del gobierno central para el periodo

t
en millones de soles .
Nuestro trabajo utilizara series de tiempo. La estimacin est basada
en periodos trimestrales que van desde el ao 1990 hasta el 2008.
Econometra

Pgina 3

2. OBJETIVOS:
Los objetivos en esta primera parte se centrara en el mtodo de
estimacin que utilizaremos para regresionar nuestro modelo lineal
clsico con dos variables explicativas ser el de mnimos cuadrados
ordinarios (MCO). La estimacin por MCO est sujeta al cumplimiento
de los supuestos del modelo clsico, que son los siguientes:
o Ausencia de multicolinealidad: las variables explicativas no
estn correlacionadas.
o Homoscedasticidad: la varianza de las perturbaciones es
constante.
o No autocorrelacin: las perturbaciones son independientes unas
de otras.
o El valor esperado de las perturbaciones es cero.
3. DATOS ESTADSTICOS
El modelo puramente matemtico de la Exportaciones Tradicionales
dado es de inters limitado para el econometrista ya que supone que
existe una relacin

entre el Producto Bruto Interno mundial

(promedio de P.B.I.de Estados Unidos y China) y el tipo de cambio;

estas variables

ejercern probablemente influencias sobre nuestra

variable endgena a estimar.

Teniendo as la siguiente funcin de regresin:
XTRAD t = 1+ 2 PBI t + 3 TCt + t

t
Donde el termino

conocido como el termino de perturbacin

puede representar a todas aquellas variables que afectan a las

Exportaciones Tradicionales pero que no son considerados en el
modelo de manera explicita.
Econometra

Pgina 4

4. ESTIMACIN

POR

MNIMOS

CUADRADOS

ORDINARIOS

(M.C.O.)
Asi tenemos con ayuda del programa Eviews lo siguiente:
Dependent Variable: EXPTRAD
Method: Least Squares
Date: 02/28/09 Time: 19:32
Sample: 1990Q1 2008Q3
Included observations: 75
Coefficie
nt

Variable
C
PBIMUNDIAL
TC
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

Std. Error

t-Statistic

Prob.

695.5375
0.529865
755.3840

142.6921
0.017383

4.874394
30.48123

0.0000
0.0000

68.60754

-11.01022

0.0000

0.939037
0.937343
414.6019
1237642
4
556.9385
1.455065

Mean dependent var

S.D. dependent var
Akaike info criterion

1810.825
1656.332
14.93169

Schwarz criterion

15.02439

F-statistic
Prob(F-statistic)

554.5187
0.000000

Interpretacin del modelo:

XTRAD t = 1+ 2 PBI t + 3 TCt + t
Sustituyendo los valores del grafico tenemos:
EXPTRAD = 695.53751 + 0.5298648111*PBIMUNDIAL 755.3839779*TC

1: Es conocida tambin como la constante de intercepto o

autnoma, esta nos esta indicando que al no tener la
participacin del PBI mundial como tampoco la participacin de

Econometra

Pgina 5

los incentivos tributarios, las exportaciones tradicionales seria

igual a

695.53751el cual esta medido en miles de nuevos

soles.

2: Es conocida como el coeficiente de regresin de la variable

explicativa. Este 2 nos indica que si el PBI mundial se
incrementa en una unidad en promedio, las exportaciones
tradicionales se incrementa en casi 0.5298648111miles de
nuevos soles.

3: Es conocida como el coeficiente de regresin de la variable

explicativa,

este mide la elasticidad de las exportaciones

tradicionales con respecto a los tipos de cambio. Este 3 nos

indica que si los los incentivos tributarios se incrementara en
una unidad en promedio, las exportaciones tradicionales
disminuir en casi 755.3839779.

5. INFERENCIA ESTADSTICA:
4.1

Coeficiente de Determinacin.-

R2=0.939071

El 93.9071% de las exportaciones tradicionales

esta siendo explicada por el Producto Bruto Interno mundial y

por los Incentivos Tributarios.
4.2 Coeficiente de Determinacin Corregido.~2
R =0.937343

~2 2
R <R

4.3 Prueba t estadstico.-

Econometra

Pgina 6

 Para 1:
-

H0:

1 = 0

H1:

1 0

t cal=

t cal=

tcrit.

1.994

^ 1
ee( ^1 )

695.5375
=4.874394
142.6921

g.l.=

72;

comparando

para

cada

uno

respectivamente tenemos:
Por

lo

tanto:

4.874394 >1.994

Nuestro t calculado se

encuentra en la zona de rechazo por lo cual se rechaza el H o, es

decir, el 1 es significativo de manera individual para el modelo.

Para 2:
-

H0:

2 = 0

H1:

2 0

t cal=

t cal=

Econometra

^ 2
ee( ^2 )

0.529865
=30.48123
0.017383

Pgina 7

tcrit.

1.994

g.l.=

72;

comparando

para

cada

uno

respectivamente tenemos:
Por

lo

30.48123>1.994

tanto:

Nuestro t

calculado

se

encuentra en la zona de rechazo por lo cual se rechaza la H o, es

decir, el 2 es significativo de manera individual para el modelo.
Para 3:
-

H0:

3 = 0

H1:

3 0

t cal=

t cal=

tcrit.

1.994

^ 3
ee( ^3 )

755.3840
=11.01022
68.60754

g.l.=

72;

comparando

para

cada

uno

respectivamente tenemos:
Por lo tanto:

|11.01022|>1.994

Nuestro t calculado se

encuentra en la zona de rechazo por lo cual se rechaza la H o, es

decir, el 3 es significativo de manera individual para el modelo.
Conclusin:
Podemos concluir que la significancia individual de cada una de las
variables explicativas se realiza contrastando la igualdad a cero del
coeficiente de regresin que lo acompaa.

Los resultados en este

anlisis se realizan bajo las columnas t-statistic. Suponiendo un nivel

de significancia de 0.05 (5%) para todas las variables explicativas son

Econometra

Pgina 8

individualmente significativas; es decir, todas las variables son

significativas al 5 %.

4.4 Prueba F. Hiptesis:

-

Ho:

1 = 2 = 3 = 0

H1:

1 2 3 0 (si es significativo)

Fcal =554.5187

Fcrit

[ ]
0 .05
2 72

= 3.15 donde:

Fcrit. = 3.15 y g.l.= 72; comparando para cada uno respectivamente

tenemos:
Por lo tanto:

554.5187>3.15

Nuestro F calculado se encuentra

en la zona de rechazo por lo cual se rechaza la H o, es decir, 1, 2 y 3

son estadsticamente significativos en forma conjunta para el modelo.
4.5 Estabilidad de parmetros. Hiptesis:

- H0:
-

H1:

Econometra

Pgina 9

[ SRR( SR1=SR2 ) ]
K
( SR1=SR2 )

FChow
cal =

( T 2 K )

Con ayuda del programa Eviews calculamos la:

Chow Breakpoint Test: 1999Q1

F-statistic
Log likelihood
ratio

13.06745

Prob. F(3,69)
Prob. Chi33.74224 Square(3)

0.000001
0.000000

FChow
cal =13.06745

Fcrit

[ ]
0 .05
2 72

= 3.15

Fcrit. = 3.15 y g.l.= 72; comparando la hiptesis inicial tenemos:

Por lo tanto:

13.06745>3.15

Nuestro F calculado se encuentra

en la zona de rechazo por lo cual se rechaza la H o, es decir, que

existen cambios de la tendencia o patrn de la informacin.

Econometra

Pgina 10

4.6 Prueba de Normalidad.La Kurtosis es el grado de apuntamiento de una distribucin. La

Kurtosis se analiza comparando la distribucin con la forma de una
curva normal o simtrica, con igual media aritmtica y desviacin
estndar que la distribucin que se estudia.
Si

una

distribucin

tiene

relativamente

un

elevado

pico

apuntamiento, se llama LEPTOKURTICA; mientras si es achatada se

denomina PLATIKURTICA. La distribucin normal constituye una
distribucin MESOKURTICA.
Coeficiente de Kurtosis = 3
Coeficiente de Kurtosis > 3

Coeficiente de Kurtosis < 3

Mesokurtica (Distribucin Normal)

Leptokurtica (Distribucin apuntada)

Platikurtica (Distribucin achatada)

16

Series: Residuals
Sample 1990Q1 2008Q3
Observations 75

14
12
10
8
6
4
2
0
-1200

-800

-400

Por lo tanto:

400

Del

800

grafico

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

3.36e-13
22.05923
1198.774
-1211.222
408.9608
0.053418
4.357243

Jarque-Bera
Probability

5.792255
0.055237

1200

podemos

apreciar

que

nuestro modelo tiene no tiene una distribucin normal, es decir; que

el modelo tiene

un elevado apuntamiento

LEPTOKURTICA

Econometra

Pgina 11

que se denomina

6. MULTICOLINEALIDAD:
La multicolinealidad es el grado de relacin lineal existente entre las
observaciones de las variables explicativas. Se da cuando algunas de
las

variables

regresoras

(explicativas)

estn

correlacionadas,

incumpliendo una de las hiptesis de partida. Si observamos una alta

correlacin nos estara indicando la presencia de multicolinealidad.
5.1 Deteccin.-

Sndrome de Multicolinealidad

Cuando el coeficiente de determinacin (R2), tiende a ser elevado,

por

lo

cual

la

prueba

resultan

estadsticamente

no

significativas, con lo que se demuestra que no se puede separar el

efecto individual de cada variable predeterminada hacia la variable
endgena.
Procedemos a utilizar el programa Eviews:
Estableciendo

la

funcin

del

modelo

detectar

la

multicolinealidad:
EXPTRAD=f ( PBIMUNDIAL ,TC )

Calculando el coeficiente de determinacin (R2):

Por lo que vemos el coeficiente de
determinacin (R2) tiende a uno, es decir; es elevado.

Prueba de FARRA GLAUBER

Se emplea una regresin auxiliar; es decir;

Econometra

Pgina 12

PBIMUNDIAL=f ( TC )

Dependent Variable: PBIMUNDIAL

Method: Least Squares
Date: 03/01/09 Time: 07:55
Sample: 1990Q1 2008Q3
Included observations: 75
Variable
TC
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

Coefficie
nt

Std. Error

t-Statistic

Prob.

2694.644
1253.128

337.5112

7.983865

0.0000

949.4790

-1.319806

0.1910

0.466148
0.458835
2791.498
5.69E+0
8
700.4819
0.114019

Mean dependent var

S.D. dependent var
Akaike info criterion

5877.187
3794.658
18.73285

Schwarz criterion

18.79465

F-statistic
Prob(F-statistic)

63.74210
0.000000

Luego procedemos a calcular con la prueba de FARRA

GLAUBER

Hiptesis:
-

H0:

H1:

Multicolinealidad

FG =

FG =

Econometra

2
R ( T K )

( 1R2 ) ( K1 )

0.466148 ( 752 )
(10.466148 ) ( 21 )

Pgina 13

FG =63.74210

Fcrit

[ ]
0 . 05
2 73

= 3.15

Fcrit. = 3.15 y g.l.= 73; comparando la hiptesis inicial tenemos:

Por lo tanto:

63.74210>3.15

Nuestro FG calculado se encuentra

en la zona de rechazo por lo cual se rechaza la Ho, es decir, que existe

Multicolinealidad en el modelo.
5.2 Correccin.

Eliminacin de la variable que ocasiona el problema:

EXPTRAD=f ( PBIMUNDIAL )

EXPTRAD=f ( TC )

Excluyendo la variable explicativa que ocasiona el problema de la

Multicolinealidad; en nuestro modelo se elimina el PBI MUNDIAL.
Entonces
EXPTRAD=f ( TC )

Dependent Variable: EXPTRAD

Method: Least Squares
Date: 03/01/09 Time: 08:34
Sample: 1990Q1 2008Q3
Included observations: 75

Econometra

Variable

Coefficie
nt

Std. Error

t-Statistic

Prob.

C
TC

31.54889
672.4130

522.2252
185.6353

0.060412
3.622225

0.9520
0.0005

Pgina 14

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.152351
0.140739
1535.359
1.72E+0
8
655.6458
0.034095

Mean dependent var

S.D. dependent var
Akaike info criterion

1810.825
1656.332
17.53722

Schwarz criterion

17.59902

F-statistic
Prob(F-statistic)

13.12051
0.000536

Conclusin:
Debido a que excluimos a la variable explicativa PBI MUNDIAL;
entonces como las EXPTRAD (Exportaciones Tradicionales) est en
funcin

del

TC

(Tipo

de

Cambio)

tendremos

que

no

existe

Multicolinealidad.
7. HETEROSCEDASTICIDAD:
6.1 Deteccin.-

Prueba de White. Hiptesis

-

H0:

H1:

Heterocedasticidad

Procedemos a utilizar el programa Eviews:

Calculamos la Heterocedasticidad, mediante la prueba de
White.
Econometra

Pgina 15

White Heteroskedasticity Test:

F-statistic
Obs*R-squared

8.113436
27.76870

Prob. F(5,69)
Prob. Chi-Square(5)

0.000005
0.000040

Conclusin:
Como la probabilidad (0.000005) es menor que el 5%, con concluimos
que se rechaza la H0 por lo tanto existe Heterocedasticidad en el
modelo.
8. Autocorrelacin:
7.1

Deteccin:
Prueba de Durbin Watson. Hiptesis:
Autocorrelacion

H0:

H1:

Dependent Variable: EXPTRAD

Method: Least Squares
Date: 02/28/09 Time: 19:32
Sample: 1990Q1 2008Q3
Included observations: 75
Variable
C
PBIMUNDIAL
TC
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

Econometra

Coefficie
nt

Std. Error

t-Statistic

Prob.

695.5375
0.529865
755.3840

142.6921
0.017383

4.874394
30.48123

0.0000
0.0000

68.60754

-11.01022

0.0000

0.939037
0.937343
414.6019
1237642
4
556.9385

Mean dependent var

S.D. dependent var
Akaike info criterion

1810.825
1656.332
14.93169

Schwarz criterion

15.02439

F-statistic

554.5187

Pgina 16

Durbin-Watson stat

1.455065

Prob(F-statistic)

0.000000

Del grafico tenemos:

Durbin-Watson = 1.455065
k = 2

n = 75 observaciones; dl = 1.57; du = 1.68 y

d=2 ( 1 ^p )
1.455065=2 ( 1 ^p )
^p =0.2724 Existe autocorrelacin positiva

7.2 Correccin.Dependent Variable: EXPTRAD

Method: Least Squares
Date: 03/01/09 Time: 10:55
Sample (adjusted): 1990Q2 2008Q3
Included observations: 74 after adjustments
Convergence achieved after 22 iterations
Variable

Coefficie
nt

Std. Error

t-Statistic

Prob.

C
PBIMUNDIAL
TC
AR(1)

41.09119
0.043601
18.69943
1.049793

882.6261
0.033293
248.3663
0.023387

-0.046556
1.309599
0.075290
44.88862

0.9630
0.1946
0.9402
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Inverted AR Roots

Econometra

0.977329
0.976358
255.3560
4564467.
513.1021
2.142765

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion

1828.209
1660.735
13.97573
14.10028

F-statistic
Prob(F-statistic)

1005.891
0.000000

1.05
Estimated AR process is nonstationary

Pgina 17

Conclusin:
Durbin-Watson = 2.142765, como el resultado del Durbin - Watson
tiende a ser mayor que dos; entonces no existe autocorrelacin en
nuestro modelo
ANEXOS

Ao/Trim.
90T1
90T2
90T3
90T4
91T1
91T2
91T3
91T4
92T1
92T2
92T3
92T4
93T1
93T2
93T3
93T4
94T1
94T2
94T3
94T4
95T1
95T2
95T3
95T4
96T1
96T2
96T3
96T4

Econometra

Exp. de
productos
tradicionales
(mill. US$)
524.4
511.7
656.7
565.8
579.1
659.2
604.6
516.1
586.5
595.6
671.2
708.9
553.9
598.7
525.0
640.6
679.7
776.7
891.2
808.9
936.1
984.1
1078.8
984.9
1061.9
1077.6
1067.1
1007.0

PBI Mundial
(Promedio de
Tipo de Cambio
E.E.U.U. y China en Real (mill. S/.)
mill. US$)
7
0.0182
19
0.0698
155
0.43
413
0.53
500
0.57
659
0.85
850
0.80
968
1.01
1129
0.96
1314
1.19
1436
1.38
1628
1.64
1812
1.84
2094
2.00
2150
2.10
2532
2.16
2914
2.17
3189
2.19
3294
2.26
3582
2.14
3838
2.26
4137
2.25
4031
2.25
4452
2.33
4311
2.36
5341
2.44
4665
2.50
4939
2.59

Pgina 18

97T1
97T2
97T3
97T4
98T1
98T2
98T3
98T4
99T1
99T2
99T3
99T4
00T1
00T2
00T3
00T4
01T1
01T2
01T3
01T4
02T1
02T2
02T3
02T4
03T1
03T2
03T3
03T4
04T1
04T2
04T3
04T4
05T1
05T2
05T3
05T4
06T1
06T2
06T3
06T4
07T1
07T2
07T3

Econometra

1125.3
1329.8
1237.1
1012.4
701.5
802.9
1077.9
1129.6
972.3
957.1
1087.7
1124.7
1132.7
1156.7
1274.1
1241.0
1050.5
1214.0
1269.6
1196.2
1056.9
1412.1
1559.4
1340.1
1415.6
1590.9
1657.5
1692.2
1982.0
2050.0
2515.7
2650.9
2738.9
2961.2
3440.2
3809.3
3481.0
4547.1
5175.1
5170.6
4352.9
5234.3
5902.3

5249
6015
5443
5597
5824
6006
5779
5534
5564
5496
5280
5731
5634
5886
5483
5767
5816
6143
5757
5824
5348
6287
6020
6407
6469
6998
6735
7202
7288
8225
7679
7952
8233
9894
8368
9093
10326
13020
10825
11315
11350
15371
12717

Pgina 19

2.64
2.66
2.65
2.72
2.81
2.91
3.05
3.14
3.38
3.34
3.42
3.49
3.44
3.49
3.49
3.52
3.52
3.53
3.49
3.44
3.46
3.48
3.62
3.52
3.48
3.48
3.48
3.47
3.47
3.48
3.36
3.28
3.26
3.25
3.31
3.43
3.34
3.26
3.25
3.21
3.19
3.17
3.14

07T4
08T1
08T2
08T3

Econometra

6003.5
5888.2
6539.6
6699.3

13017
13523
16112
14828

Pgina 20

2.98
2.81
2.89
2.97

BIBLIOGRAFA:

Gujarati, Damodar. Econometra. Bogot: McGraw-Hill,

1990
Castro, Juan Francisco. Econometra aplicada. Lima:
Universidad del Pacfico.

Centro de Investigacin,

2003.
Banco Central de Reserva del Per
Hardy, Melissa. Regression with dummy variables.
California: Sage, 1993.
Banco Central de Reserva del Per
http://www.inei.gob.pe/
http://www.sbs.gob.pe/portalSBS/Homepage.htm

Econometra

Pgina 21