EC-4301 Tarea 2

Luis Campos Mendez b11387

1.

Parte 1

El archivo adaptive.dat contiene observaciones trimestrales del consumo real

per c
apita Ct y el ingreso disponible real per c
apita Yt desde el primer trimestre
de 1947 hasta el cuarto trimestre de 1980. El modelo de rezagos finito de la
P
especificaci
on anterior es el siguiente: Ct = + ni=0 i yti + et .

1.1.

Pregunta 1

Utilice MCO para estimar el modelo de rezagos finito, asumiendo que n=8. Grafique los
coeficientes de rezago estimados. Interprete los principales resultados derivados (tanto de la
estimacion como de la representacion grafica).

Figura 1: Cuadro de regresion del modelo de rezagos finito

.7
.6
.5

BETA

.4
.3
.2
.1
.0
-.1
-.2
0

REZAGOS

Figura 2: Coeficientes de rezago estimados

En la figura 1 se observa que ninguno de los rezagos resultan significativos a un nivel de
confianza del 95 % . Un aumento de una unidad en el ingreso para el periodo t genera un
1

EC-4301 Tarea 2
Luis Campos Mendez b11387

incremento de 0.65 unidades en el consumo del periodo t. El primer rezago no es estadisticamente distinto de cero (p > 0,05), al igual que los siete rezagos consiguientes. Esto es
se
nal de que es necesario realizar un replanteamiento del modelo, pues si bien las medidas
de bondad de ajuste (como el R2 ) muestran que este se ajusta perfecto a los datos, notamos
que la mayora de las variables no son significativas de manera individual.
Esto es un posible indicativo para problemas de multicolinealidad, la cual claramente va
a llevar a inferencia no valida con los datos obtenidos. La Figura 2 muestar el comportamiento de los ponderadores de rezago, los cuales van decreciendo en el tiempo; condicion
que vara abruptamente en el rezago 5. Al los u
ltimos rezagos presentar este comportamiento, es evidente la necesidad de imponer restricciones que permitan corregir los efectos de la
multicolinealidad.

1.2.

Pregunta 2

Figura 3: Cuadro de regresion para pregunta 2

Figura 4: Cuadro resumen del estadstico ponderado

La figura 4 muestra un comportamiento interesante, los ponderadores de rezago B0,B1
y B2 son significativos, al igual que el ponderador B8. Se observa que los ponderadores de
rezago de los modelos no restringido y el que ajusta una polinomial se comportan de manera
dismil, teniendo el segundo un aparente mejor ajuste.
2

EC-4301 Tarea 2
Luis Campos Mendez b11387

Esto se observa al realizar un analisis comparativo con el modelo estimado en la pregunta

anterior (ver figura 1) y el modelo restringido (ver figura 4). Los t estadsticos son mayores
en el caso restringido, por lo que la estimacion es mas precisa. En la estimacion restringida
el maximo impacto de un cambio en el ingreso disponible real per capita sobre el consumo
real se da en el momento contemporaneo.
Si se observa el n
umero de ponderadores que son significativos, notamos que de igual
forma, el modelo restringido cuenta con una mayor cantidad de ponderadores de rezago
individualmente significativos.

1.3.

Pregunta 3

Cree un grafico con nombre comparacion que muestre los ponderadores de rezago restringidos y no restringidos; y comente los resultados obtenidos.

Figura 5: Cuadro de regresion para la pregunta 3

El analisis grafico permite confirmar las sospechas que se tenan acerca de el modelo
estimado en la pregunta 1. Los rezagos del modelo no restringido ( en azul) decrecen entre
el t y t 5, no obstante, a partir de ese momento empiezan a crecer, lo que impide que se
lleguen a desvanecer en el tiempo.
Si se imponen restricciones al modelo, como en la pregunta anterior lo que se observa es
que el efecto no es el esperado; esto porque no se genera el patron de efecto en forma de

EC-4301 Tarea 2
Luis Campos Mendez b11387

.7
.6
.5
.4
.3
BETA
B_R

.2
.1
.0
-.1
-.2
0

REZAGOS

Figura 6: Comparacion de los ponderadores de rezagos restringidos y no restringidos

parabola, en la que inicialmente los efecto son fuertes, luego alcanzando un maximo global
par luego desvanecerse en el transcurso del tiempo.
Mediante la nueva especificacion se logra corregir parcialmente el problema de multicolinealidad, esto permite conocer el impacto maximo del consumo provocado debido a los
cambios en el ingreso luego de 4 rezagos, posteriormente el efecto se ve desvanecido.

1.4.

Pregunta 4

Estime y demuestre que sucede si el distribuidor de rezagos polinomial es de orden 3.

(Para lo anterior utilice los estadsticos asociados y grafique). Cual modelo escogera y por
que?
Lo primero a observar es que un analisis del error estandar de los coeficientes estimados
muestra que esos son mayores al utilizar un modelo polinomial de orden 3. Esto implica que
los estadsticos t son menores en el caso del modelo restringido de orden 2. Esto hace notar
que la correccion de un polinomio de tercer grado no es la indicada y al compararlos entre
ambios es mejor utilizar el modelo restringido de segundo grado.

EC-4301 Tarea 2
Luis Campos Mendez b11387

Figura 7: Cuadro de regresion pregunta 4

.6
.5
.4
.3
B_R
BETA_P4

.2
.1
.0
-.1
0

REZAGOS

Figura 8: Cuadro de regresion pregunta 4

1.5.

Pregunta 5

Estime la relacion entre consumo actual y el ingreso rezagado en un modelo ARDL (2,2)
Al asumir un modelo especificado de esta forma, se obtiene que el consumo actual es
explicado por el ingreso presente; este tiene un efecto directo y significativo. Ante un incre5

EC-4301 Tarea 2
Luis Campos Mendez b11387

Figura 9: Cuadro de regresion pregunta 5

mento de una unidad del ingreso en t, el consumo en ese periodo se ve incrementado en 0.37
unidades.
Los rezagos del ingreso solo son significativos para el segundo rezago (p < 0,05). De igual
forma el consumo presente solo depende del consumo del periodo anterior, en una magnitud
tal que ante un cambio de 1 unidad en el periodo anterior, el consumo en el periodo actual
vara en 0.79 unidades. Este el efecto mas importante observado al utilizar esta especificacion
del modelo.

2.

Parte 2

El archivo PIB,G,M1.xls contiene observaciones trimestrales del Producto Interno Bruto (PIB), el gasto de consumo final del gobierno (Gob) y el agregado
monetario M1 (M1) desde el primer trimestre de 1991 hasta el tercer trimestre
de 2013.

2.1.

Pregunta 1

Cree un grafico lineal m

ultiple con nombre grafico1 que contenga las series PIB, Gob y
M1; e indique los principales resultados.
Se puede observar que la serie del PIB sigue una tendencia similar a la del gasto del

EC-4301 Tarea 2
Luis Campos Mendez b11387

7,000,000
6,000,000
5,000,000
4,000,000
3,000,000
2,000,000
1,000,000
0
92

94

96

98

00
PIB

02
GOB

04

06

08

10

12

M1

Figura 10: PIB, gasto del gobierno y M1; para el periodo 1991q1:2013q3
gobierno. Esto se debe la medida del PIB por el lado del gasto es P IB = C + I + G + X M .
De igual forma, el crecimiento del M1 va a seguir una tendencia similar al crecimiento del
PIB,esto debido a que ante una mayor produccion, aumenta el volumen de transacciones,
con esto se empiezan a demandar mas NPP para realizar las transacciones. Esto hace que se
incremente el M1.

EC-4301 Tarea 2
Luis Campos Mendez b11387

2.2.

Pregunta 2

Cree un correlograma para cada una de las series para diagnosticar el grado
de integraci
on de cada serie temporal (con hasta 10 rezagos). Adem
as realice un
test de Dickey-Fuller aumentado para PIB y gob y de Phillips-Perron para el
M1, utilizando el criterio de Akaike para determinar autom
aticamente el n
umero
de rezagos (en caso de no ser estacionario realice la prueba con la primera diferencia para pib y m1). Interprete los resultados de manera detallado (establecer
hip
otesis nula, regla de decisi
on y conclusi
on).

Figura 11: Correlograma para la serie de gasto de gobierno

Figura 12: Correlograma para la serie de M1

EC-4301 Tarea 2
Luis Campos Mendez b11387

Figura 13: Correlograma para la serie del PIB

Figura 14: Prueba de ADF para la serie GOB

Para las series PIB y GOB se usa la prueba ADF, la cual:
Contrasta H0 : = 0 vs. Ha : 0 en un modelo como:
Yt = 0 + yt1 + 1 yt1 + 2 yt2 + +p ytp
En este caso, como se observa una tendencia en los datos se toma como supuesto que
0 sigue la siguiente forma funcional: 0 = + t. Las pruebas en este caso son H0 : yt es
un random walk con drift y tendencia y Ha : yt es estacionaria alrededor de una tendencia
deterministica. La regla de desicion general para la prueba ADF:
Rechazo si: testadisticoADF tvalorcritico
Se presentan las pruebas de raiz unitaria para las series de PIB, GOB y M1. Podemos ver
en el caso del PIB que no es posible rechazar la hipotesis de que PIB es random walk con
drift y tendencia a ninguno de los niveles de significancia mostrados en la tabla. Por tanto, no
existe suficiente evidencia estadstica para rechazar la hipotesis de que la serie es un random
walk con drift y tendencia.
Se realiza a continuacion la prueba PP a la serie P IB = P IBt P IBt1 teniendo como
resultados los presentados en la figura 17.
9

EC-4301 Tarea 2
Luis Campos Mendez b11387

10

Figura 15: Prueba de ADF para la serie PIB

Figura 16: Prueba de Phillips-Perron para la serie M1

Figura 17: Prueba de PP para P IB

10

EC-4301 Tarea 2
Luis Campos Mendez b11387

11

Se observa entonces que en la serie P IB es I(1), analizando va p-value en este caso;

como p 0,05 es posible rechazar la hipotesis nula de que P IB es random walk. Pero al
realizar una prueba ADF a la primera diferencia, se encuentra que en realidad la serie PIB
no es I(1). Al plotear la serie de las primeras diferencias se presentan evidencias que apoyan
los resultados del test ADF.
DIFPIB
600,000
500,000
400,000
300,000
200,000
100,000
0
-100,000
-200,000
-300,000
92

94

96

98

00

02

04

06

08

10

12

Figura 18: Serie P IB

Para el caso de M 1 por observacion grafica se encuentra que al parecer la serie se hace
estacionaria en la primera diferencia, sin tendencia. Las pruebas de Phillips-Perron utilizan
la misma regresion de prueba que las ADF, con la diferencia de que se impone directamente
en la forma funcional el 0 = 0, 0 = o 0 = + t, dependiendo de si se considera que
la serie presenta estacionaridad sin intercepto, al rededor de un intercepto o alrededor de
tendencia e intercepto.
Entonces se corre la prueba de PP para demostrar que M 1 es I(1). Es entonces posible
afirmar a un nivel de significia del 1 % que la serie M1 es integrada de orden 1, esto al rechazar
la hipotesis de que la serie es un random walk. De igual al observar la serie de la primera
diferencia para M 1 quedan algunas dudas acerca de si en realidad esta variable es integrada
de orden 1.

11

EC-4301 Tarea 2
Luis Campos Mendez b11387

12

DIFM1
400,000
300,000
200,000
100,000
0
-100,000
-200,000
-300,000
92

94

96

98

00

02

04

06

08

Figura 19: Serie M 1

Figura 20: Prueba de PP para M 1

12

10

12