AO DE LA INTEGRACIN NACIONAL Y EL RECONOCIMIENTO DE NUESTRA

DIVERSIDAD


FACULTAD DE CIENCIAS ECONMICAS

TEMA: MODELO ECONMETRICO DEL CONSUMO PRIVADO ENTRE LOS AOS 1995
Y 2011 EN EL PER
*ALUMNOS:
DELGADO ARAGN, RODRIGO 10120132
IBAEZ CAMPOS, MARCIA 10120151
PAMPAS OGOSI, LILIANA ELIZABETH 10120174
QUERHUAYO HUAMAN, JESSICA 10120181


*PROFESORA: CASTAEDA SALDAA, BEATRIZ


*CURSO: ECONOMETRA I

*CICLO: 5

*AULA: 214

*TURNO: MAANA


2012









Pgina 2

INDICE

I.-INDICE ............................................................................................................................................................... 2
II.-RESUMEN ......................................................................................................................................................... 3
III.- PLANTEAMIENTO DEL PROBLEMA ................................................................................................................. 3
3.1.-Formulaci del problema
IV.-OBJETIVOS ....................................................................................................................................................... 4
4.1.-Objetivos generales
4.2.- Objetivos especficos
V.- MARCO TEORICO Y CONCEPTUAL ................................................................................................................... 4
5.1. Consumo privado, producto bruto interno e impuesto
VI.-METODOLOGIA ............................................................................................................................................... 5
VII.- RESULTADOS ................................................................................................................................................. 6
7.1.-Estimacin por MCO y anlisis del modelo ..................................................................................... 6
7.2.-Cumplimiento de los supuestos ...................................................................................................... 7
7.2.1.- No normalidad de las perturbaciones .......................................................................... 7
a. Test Jarque Bera
b. Prueba de Kolgomorov-Smirnov
7.2.1.-Multicolinealidad ........................................................................................................... 8
7.2.2.1.-Pruebas para la deteccin ............................................................................ 8
a. Anlisis de la Matriz de correlaciones
b. Test Farrar - Glauber
c. Regresiones auxiliares
7.2.3.- Heterocedasticidad ...................................................................................................... 9
7.2.3.1.- Predicciones de la Variable Dependiente .................................................... 9
7.2.3.2.- Anlisis del Grfico de los residuos (Errores/ Exgenas) ............................. 9
7.2.3.3.- Pruebas para la deteccin .......................................................................... 10
a. Prueba de White
b. Test de Breusch Pagan
c. Prueba de ARCH
7.2.4.- Autocorrelacin ........................................................................................................... 11
7.2.4.1.- Anlisis grfico de los residuos .................................................................. 12
7.2.4.2.- Pruebas para la deteccin .......................................................................... 12
a. Prueba de Durbin Watson
b. Prueba de Q de Ljung y Box
c. Prueba de Breush y Godfrey
7.2.4.3.- Corrigiendo la autocorrelacin .................................................................. 13
7.2.4.4.- Contrastes individuales sobre los coeficientes .......................................... 16
7.2.5.- Quiebre estructural - Anlisis recursivos ................................................................... 17
7.2.5.1.- Pruebas para la deteccin .......................................................................... 17
a. Test de coeficientes recursivos
b. Prueba Cusum
c. Prueba Cusum Cuadrado
d. Test predictivo de un periodo
e. Test predictivo de n periodos
f. Test de chow
7.2.5.2.- Correccin del quiebre estructural y anlisis de la causa del quiebre. ...... 21
7.3.- Modelo completo ......................................................................................................................... 25
7.4.- Pronstico .................................................................................................................................... 26
VIII.- CONCLUSIONES .......................................................................................................................................... 27
IX.-BIBLIOGRAFA ................................................................................................................................................ 28
X.-ANEXOS .......................................................................................................................................................... 29

Pgina 3

I. RESUMEN

El siguiente trabajo tiene como objetivo presentar un modelo que permita estimar el
comportamiento de la funcin consumo privado en el Per. Para ello, se ha utilizado las
variables producto bruto interno e impuestos con datos trimestrales de los aos 1995 y
2011 sustentados en la teora econmica.
En la primera parte de este estudio se encuentran el marco terico del consumo, as como
una formulacin del modelo.
En la segunda parte, utilizamos contrastes para analizar la presencia de multicolinealidad;
apreciar si hay normalidad de las perturbaciones gracias a los test de JARQUER-BERA y la
prueba de Kolmogorov-Smirnov. As como tambin analizar si el modelo presenta
heterocedasticidad, para ello utilizamos los diferentes test y pruebas. Adems, analizamos
si hay presencia de autocorrelacin con diferentes contrastes como por ejemplo la prueba
de Durbin-Watson. Por otro lado, el test de Chow, la prueba de Cusum, entre otros, nos
servirn para saber si hay evidencia de un quiebre estructural.
Finalmente, se hace un anlisis de todas estas pruebas y se da breves conclusiones.


II. PLANTEAMIENTO DEL PROBLEMA

Cuando se desarrolla una estimacin de funcin consumo privado para nuestro pas,
primero debemos elegir las variables que afectaran esta funcin y en qu modo, nuestra
teora econmica por ejemplo nos dice que el ingreso de los peruanos adems de los
impuestos serian las variables que afectan el consumo privado. Como bien sabemos el
aumento del ingreso para los peruanos har que el consumo en bienes y servicios
aumente, pero el pago de impuestos (sean directos e indirectos) tendrn un efecto
negativo, porque si recordamos, el pago de impuestos que deben realizar los peruanos
disminuye su ingreso y evita que pueda consumir ms.

Hemos recurrido a estas dos variables, que para nosotros son las principales y con el cual
desarrollaremos nuestro modelo economtrico, sin embargo, debemos precisar que no
son las nicas variables que afectan el consumo privado de los peruanos, pero que
tomamos como prioritarias para nuestra estimacin.

Prosiguiendo con nuestra base de datos obtenidas de los cuadros estadsticos del BCR
(Banco central de Reserva del Per) empezaremos a estimar nuestro modelo, luego
analizarlo y verificar si no cumple los supuestos como por ejemplo no autocorrelacin, no
multicolinealidad, no heterocedasticidad, etc.

Intentaremos luego corregir nuestro modelo si en caso presentara algo como lo
anteriormente nombrado y luego haremos una prediccin hasta el ao 2020 para el
consumo privado.


Pgina 4

IV. OBJETIVOS

4.1.- GENERAL:

Analizar por medio de la teora econmica y de algunas herramientas de econometra
bsicas la dinmica del consumo privado en la historia peruana de manera trimestral
comprendida entre los aos de 1995-2011, esto es, despus del gran fenmeno que
gener la hiperinflacin y que present niveles tan bajos llegando incluso a cero en el
consumo privado y el PBI, esta ltima variable que nos servir para explicar esta dinmica
junto a la otra variable exgena de los impuestos tomados como los ingresos tributarios
del gobierno central.

4.2.- ESPECFICOS:

Formular un modelo economtrico sobre el consumo privado peruano.
Analizar el impacto de las variables PBI e impuestos sobre el nivel del consumo privado.
Pronosticar el comportamiento del consumo privado en el Per.
Estimar economtricamente los parmetros de la teora, es decir, la del PBI y la de los
impuestos.
V. MARCO TERICO
- CONSUMO PRIVADO (Cp)

Consumo privado es el valor de todas las compras de bienes y servicios realizados por las
unidades familiares, las empresas privadas y las instituciones privadas sin nimo de lucro.
Se incluye en su clculo las remuneraciones en especie recibidas por los asalariados,
la produccin de bienes para autoconsumo y el valor imputado por las viviendas ocupadas
por sus propietarios. Se excluyen las compras de tierra y edificios para viviendas.

- PRODUCTO BRUTO INTERNO (PBI)

El PIB es el valor monetario de los bienes y servicios finales producidos por una economa
en un perodo determinado, ya sea por nacionales o por extranjeros residentes. En este
caso la informacin que se utiliza es en periodos trimestrales para todas las variables.
- IMPUESTO (T)
Es considerado como uno de los ingresos tributarios del Gobierno central, se encuentran
aqu los impuestos directos e indirectos, los cuales son cargas obligatorias que se les da a
la poblacin para poder financiar los gatos que realizar el Estado.

Pgina 5

VI. METODOLOGA

- Modelo macroeconmico:
(

)
Donde:
CP = Consumo privado.
Y = es el ingreso o el Producto Bruto Interno (PBI).
T = impuesto o los ingresos tributarios del gobierno central.


- Formulacin del modelo:

Contrastando el modelo con la teora econmica, esperamos que finalmente nos lleven a
concluir una relacin positiva entre el nivel de consumo privado y el PBI as como una
relacin inversa con los ingresos tributarios que genera el gobierno ya que esta representa
la retribucin obtenida por los impuestos (directos e indirectos). As mismo el modelo de
consumo privado que pretendemos formular tratara de evidenciar el efecto conjunto
medido en trminos de crecimiento porcentual del PBI y el ingreso tributario sobre el nivel
de consumo privado; en este sentido la forma funcional que adopta nuestro modelo es
log - log, el cual mide el cambio porcentual en nuestra variable endgena ante un
cambio porcentual en nuestras variables exgenas.
Nuestro modelo seria el siguiente:

Linealizado equivale a:

Donde:
- CP: Consumo privado nominal (mill. S/.)
- PBI: Producto Bruto interno o Ingreso nominal (mill. S/.)
- T: Ingresos tributarios del GC (mill. S/.) (Sumatoria de impuestos directos e
indirectos)




Pgina 6

VII. RESULTADOS
7.1. Estimacin por MCO y anlisis del modelo












Interpretacin del modelo:

Sustituyendo los valores obtenidos en el modelo:

Nuestro modelo estimado muestra concordancia con la teora econmica que evidencia
una relacin positiva con la variable del PBI y una relacin negativa con los ingresos
tributarios del gobierno que representan los impuestos. Adems podemos notar que en el
modelo todas las variables se presentan como significativas a un nivel del 5% que a su vez
conjuntamente tambin lo son.

Interpretacin de los coeficientes:
-

: Es la constante de intercepto o autnomo. Representa que para un caso

hipottico de ausencia de variables explicativas, es decir, no tener la participacin del
PBI y los impuestos la variacin porcentual del consumo privado seria 0.694%.

-

: Representa la elasticidad del consumo privado respecto al PBI. Nos dice que para
un cambio de 1% en el PBI el consumo privado aumenta en 1.02%.

-

: Representa la elasticidad del consumo privado respecto al ingreso tributario que

mide los impuestos. Nos dice que ante un aumento en un punto porcentual de T el
consumo privado caer en una tasa de 0.145%.

Pgina 7

Por ltimo dado el coeficiente de determinacin lineal de 0.990207 se entiende que el
99.02% de la variabilidad del consumo privado es explicado por el modelo en anlisis.

7.2. CUMPLIMIENTO DE LOS SUPUESTOS

7.2.1 Prueba de Normalidad de los errores

a) Test de JARQUE - BERA
Para contrastar la hiptesis nula de que la serie residual se distribuye como una Normal ya
que esta expresin (JB) se distribuye como una

con dos grados de libertad.

Prueba de hiptesis:
H0: Las perturbaciones tienen una distribucin normal.
H1: Las perturbaciones no tienen una distribucin normal.

En la grfica 1 (anexo), el JB es 3.662240 que es menor a 5.99 (

()
) no se rechaza la
hiptesis nula. Adems la probabilidad asociada al rechazo de la hiptesis nula: valores
pequeos para esa probabilidad (inferiores a 0.05) indicaran, por tanto, ausencia de
normalidad en la distribucin de valores de la variable analizada. Decimos entonces que
existe una probabilidad de 16.02% (mayor a 5%) de no rechazar la hiptesis nula de
normalidad. Por lo tanto aceptamos que los errores se distribuyen normalmente.

b) Prueba de kolmogorov Smirnov

Es una prueba no paramtrica que se utiliza para determinar la bondad de ajuste de dos
distribuciones de probabilidad entre s; siendo ms sensible a los valores cercanos a la
mediana que a los extremos de la distribucin. Aqu analizamos el valor absoluto de la
mxima discrepancia entre la probabilidad acumulada terica y la frecuencia relativa
acumulada (probabilidad acumulada estimada) de la serie residual.
Prueba de hiptesis:
H0: Las perturbaciones tienen una distribucin normal.
H1: Las perturbaciones no tienen una distribucin normal.
En el cuadro1 (anexo) se observan los siguientes resultados y analizamos:


Regla de Decisin:


Con esta prueba afirmamos con una de probabilidad de 43.79% de no rechazar la
hiptesis nula y la distribucin normal que presentan los residuos.
Pgina 8

7.2.2 Multicolinealidad

La multicolinealidad es un grado de relacin lineal existente entre las observaciones de las
variables explicativas. Se da cuando algunas de ellas estn correlacionadas, incumpliendo
uno de los supuestos de partida. Si observamos una alta correlacin podra ser seal de
multicolinealidad aproximada.

7.2.2.1 Pruebas para la deteccin

a) Anlisis de la Matriz de correlaciones:





Se puede observar que hay una fuerte correlacin entre las variables regresoras LPBI Y LT
lo cual nos da indicio de multicolinealidad aproximada ahora pasamos a ver la
determinante de la matriz de correlacin entre las variables endgenas:

Determinante c = 0 multicolinealidad
Determinante c =1 no multicolinealidad

El valor que se muestra en Eviews es de 0.030207 que es muy
cercano a cero lo que es indicativo que existe multicolinealidad
imperfecta.

b) Test de FARRAR-GLAUBER: Test de Ortogonalidad

H0: Las Xi son ortogonales entre si
H1: Las Xi no son ortogonales entre si ( multicolinealidad)

Analizando el p valor ofrecido por Eviews podemos decir que se acepta la hiptesis
alternativa de que existe multicolinealidad aproximada.











Pgina 9

c) Regresiones auxiliares

Al realizar estas regresiones tendremos una regresin de una de las variables explicativas
en funcin de las otras. As se muestran en la siguiente tabla los coeficientes de
determinacin que se obtienen en estas estimaciones:

Teniendo en cuenta el alto valor de R2 en las regresiones auxiliares, sigue evidenciando
una fuerte presencia de multicolinealidad. Sin embargo si aplicamos la regla practica de
Klein la cual nos dice que no debe haber duda de la presencia de multicolinealidad
cuando los valores R2 obtenidos en las regresiones auxiliares exceden el valor general de
R2, es decir, el que se obtuvo de la regresin del modelo completo y siendo que en
ninguna de las regresiones auxiliares el R2 supera al general R2 de 0.99, entonces
suponemos para nuestro caso practico que no hay suficiente evidencia estadstica para
afirmar que existe grave presencia de multicolinealidad entre las variables explicativas de
nuestro modelo.

7.2.3 Heterocedasticidad

Se dice que un modelo de regresin lineal presenta heterocedasticidad cuando la varianza
de sus perturbaciones no es constante a lo largo de las observaciones. Esto implica el
incumplimiento de una de las hiptesis bsicas sobre las que se asienta el modelo de
regresin lineal.

La presencia de heterocedasticidad no destruye las propiedades de insesgamiento y
consistencia de los estimadores de MCO; pero si los estimadores dejan de ser eficientes.

7.2.3.1.-Predicciones de la Variable Dependiente

En la grfica 2 (anexo) es una representacin de una prediccin dinmica desde el periodo
1995 hasta el 2011, sin embargo, debemos verificar el valor del coeficiente de Theil que
debe ser cercano a O, en este caso es 0.001646, esto nos da indicaciones de una buena
prediccin.


7.2.3.2.-Anlisis del Grfico de los residuos (Errores/ Exgenas):

Para detectar qu variables son responsables de la posible heterocedasticidad
realizaremos los grficos de residuos:

- Grfica de LCPF y Resid (anexo: Grfica3) Parece que LCPF presenta una estructura
aleatoria.
Pgina 10


- Grfica de LPBI y Resid (anexo: Grfica4): Parece que LPBI presenta una estructura
aleatoria.

- Grfica de LT y Resid(anexo: Grfica5): Parece que LT presenta una estructura
aleatoria.


7.2.3.3.-Pruebas para la deteccin:

Prueba de hiptesis:
H0: El modelo es homocedstico
H1: El modelo presenta problemas de heterocedasticidad

a. Prueba de White

La regresin de White, efectuada para los residuos cuadrticos en funcin de las variables
exgenas, sus cuadrados y sus productos cruzados resulta ser:

Como vemos en el (anexo: cuadro 2):



En este caso aceptamos la hiptesis de homocedasticidad, ya que la probabilidad del F -
contraste es 0,1641. Se encontrara en la regin de rechazo a nivel de significancia de 5% .


b. Contraste de Breusch-Pagan

La regresin estndar propuesta por BP es:

De modo que en nuestro caso, dado que los residuos estn almacenados en la variable
RESID, observamos el cuadro 3 (de anexos) y analizamos:

El valor del estadstico de contraste para la hiptesis nula de homocedasticidad resulta:

El valor crtico de una Chi cuadrado con k-1 (2) grados de libertad para la nula de
homocedasticidad est en torno a 6, de modo que aceptamos la hiptesis nula y
rechazamos la hiptesis alternativa de heterocedasticidad.

Pgina 11

7.2.3.4.-Prueba de heterocedasticidad autorregresiva:

a. Test de ARCH:

Se trata de un test para heterocedasticidad autorregresiva condicionada. Se debe de
proveer el nmero de rezagos. El test es basado en:

Prueba de hiptesis:

Observamos el cuadro 4 (de anexos)

El valor del estadstico de contraste para la hiptesis nula de ausencia de ARCH resulta:

0.653116
()

El valor critico de una Chi cuadrado con grados de libertad igual al nmero de residuos al
cuadrado rezagados, est en torno a 3.84, de modo que aceptamos la hiptesis nula y
rechazamos la hiptesis alternativa. Por lo tanto, el modelo no tiene ARCH, es decir los
coeficientes de los errores rezagados al cuadrado son todos iguales a cero.


7.2.4 Autocorrelacin

La autocorrelacin es un problema que se presenta en una regresin cuando existe
relacin entre los errores de las diferentes observaciones. Simblicamente se presenta de
la siguiente manera:


El primer paso para detectar algn tipo de problema, es el anlisis grfico de los residuos.
En el grfico de los residuos, puede verse como los residuos muestran un comportamiento
sistemtico (lnea azul). Se observa un comportamiento de rachas tanto positivas como
negativas. Este comportamiento es tpico de unos residuos correlacionados.





Pgina 12

A continuacin mostramos el grfico de los residuos pertenecientes al modelo 1:

















7.2.4.1. Anlisis grfico de los residuos:

Se puede apreciar que los residuos no se comportan de forma totalmente aleatoria,
aunque no se observa una senda de signos continuamente alternada.
En el panel superior del grfico, los valores estimadores de la variable dependiente y sus
correspondientes valores observados. En el panel inferior se encuentra el grfico de
residuos estimados

versus el tiempo.

En este grfico se ven claros sntomas de autocorrelacin positiva, pues los residuos
parecen tener una fuerte persistencia. En otras palabras, cuando la serie alcanza valores
positivos estos tienden a persistir, el mismo ocurre con los valores negativos.


7.2.4.2. Contrastes de Autocorrelacin

a. Prueba de DURBIN-WATSON

El estadstico de Durbin-Watson es 1.2181 prximo a dos lo que puede indicar carencia de
autocorrelacin de orden 1.

b. Prueba de BREUSCH-GODFREY

H0 = Los coeficientes de RESID (-1), RESID (-2) son iguales a cero (NO AUTOCORRELACIN
DE ORDEN 2)
H1 = Los coeficiente de RESID (-1), RESID (-2) no son iguales a cero (AUTOCORRELACIN
DE ORDEN 2)
Pgina 13


Lo vemos en el cuadro 5 (de anexos):

Con un 95% de confianza podemos decir que existe autocorrelacin de orden 2, por lo que
podemos concluir que nuestro modelo 1, presenta problemas de autocorrelacin.
Podemos concluir basndonos en los test anteriores, con un = 0.05 que existe suficiente
evidencia emprica como para afirmar la existencia de autocorrelacin.
Para confirmarlo, podemos hacer una breve inspeccin grfica con el correlograma de los
residuos y se observa cmo claramente el primer retardo se sale de las bandas de
confianza. Es decir, presentan estructura autorregresiva.

c. Correlograma de los residuos

Esto nos servir para identificar la autocorrelacin de orden (p). As s el valor estimado se
encuentra dentro del lmite, este no es significativamente distinto de cero para un nivel de
confianza del 95%. (Grfica 6 de anexos)

Las bandas del correlograma estn representada por:

= 0.2425 los valores que sean iguales o mayor ha este valor nos indicara el orden de AR
(p), por eso escogemos AR(1), AR(4) y AR(5)
Una vez visto los contrastes, podemos concluir que nuestro modelo presenta
autocorrelacin. Por lo tanto lleva consigo las principales consecuencias tericas de que
los estadsticos t y F, quedan invalidados, no podemos hacer contrastes de significatividad
sobre los coeficientes. Con el fin de describir lo mejor posible nuestro modelo, trataremos
de corregir nuestro modelo 1 introduciendo retardos.

7.2.4.3 Corrigiendo la Autocorrelacin:

Con el fin de conseguir la mejor descripcin de nuestra modelo de consumo privado en
funcin del resto de variables. Introduciremos los 3 retardos AR (1), AR (4) y AR (5) para
los datos que se salen de la banda de confianza.










Pgina 14

Por lo tanto, del Modelo 2 obtenemos la siguiente salida de Eviews:





















Como vimos anteriormente, el estadstico de Durbin- Watson es prximo a dos lo que
puede indicar carencia de autocorrelacin de orden 1.
Al igual que anteriormente, podemos hacer un anlisis grfico de los residuos del modelo:

















En este caso, se observa cmo los residuos dejan de presentar rachas, y muestra
afinidad en cuanto a su media; parece indicar que no existe autocorrelacin.
Pgina 15

Para verificar que se ha corregido la autocorrelacin primero veremos si los residuos dejan
de presentar algn tipo de estructura autorregresiva. Utilizamos el correlograma de los
residuos y parece indicar que no existe autocorrelacin, sin embargo lo contrastaremos
mediante los utilizados en el modelo 1(modelo original).





























- Contraste de la autocorrelacin de orden 1 usando la Prueba de BREUSCH-
GODFREY para el modelo 2.

Se observa claramente en el cuadro6 (de anexos) cmo se acerca la hiptesis de no
autocorrelacin en el modelo 2 con un 95% de confianza. Ya que el valor del estadstico de
contraste es mayor a 0.05.Podemos decir que no existe autocorrelacin en el modelo 2,
por lo que podemos hacer contrastes de hiptesis acerca de los coeficientes de las
variables de nuestro modelo 2.



Pgina 16

7.2.4.4 Contrastes de significancia para los coeficientes del modelo 2

Significancia Individual:

H0 = i = 0, donde i = 0,..,5 Los coeficientes individualmente no son significativos
H1 = i 0, donde i = 0,,5 Los coeficientes individualmente son significativos

Lo que podemos observar, parece indicar que individualmente todos los coeficientes son
iguales a cero con un nivel de un 95% de confianza. Todos presentan la probabilidad del
estadstico t mayor al 0.05, a excepcin de los coeficientes AR (1), AR (4) y AR (5).
No parece que sea un problema muy grave, porque si hacemos un contraste de los
coeficientes del modelo con el estadstico F, obtenemos que las variables del modelo sean
explicativas. Es decir, plantearamos:

Significancia Conjunta:

H0 = Los coeficientes conjuntamente no son significativo. El modelo NO explica
nada
H1 = Los coeficientes conjuntamente son significativos. El modelo SI explica a la
variable endgena

Si vemos la probabilidad del estadstico F, es igual a cero. Por lo que con un 95% de
confianza los coeficientes de las variables explicativas del modelo 3 aceptamos la hiptesis
alternativa, es decir, son significativamente distintos de cero conjuntamente.
Podemos concluir que nuestro modelo 2 si es explicativo, y que las conclusiones de los
contrastes individuales pueden haberse a la transformacin del modelo original. No
obstante, cabe destacar que el contraste conjunto indica que el modelo SI es explicativo.

TEST DE NORMALIDAD DE LOS RESIDUOS
Para contrastar normalidad en los residuos, utilizamos el test de JARQUE-BERA disponible
en Eviews (Grfica7 de anexos).

Las hiptesis de contraste son las siguientes:

Los resultados obtenidos del contraste indican que aceptamos la hiptesis nula con un =
0.05 de que los residuos se distribuyen como una Normal.

Por otro lado, hay que resaltar que para que se distribuyeran como una Normal el
coeficiente de Asimetra debera ser prximo a cero (Skewness = 0.273467) y el de
apuntamiento debera ser prximo a 3 (Kurtosis = 4.072470) lo cual cumple.

Pgina 17

7.2.5.-Quiebre estructural

Queremos observar si nuestro modelo presenta en algn ao quiebre estructural, ya que
sabemos que por las polticas econmicas, el cambio tecnolgico u otros evento de
impacto social, ocurridos en el tiempo pueden ocasionar un cambio en la estructura de la
relacin entre la variable dependiente y la variable independiente, ocasionando as que
los parmetros no sern constantes para todo el periodo muestral.

7.2.5.1. Pruebas para el Anlisis del modelo de CONSUMO PRIVADO:

a. Test de RESIDUOS RECURSIVOS












El grfico que es reportado por Eviews considera la evolucin de los residuos recursivos
normalizados. Entonces debemos recordar que la varianza del error de prediccin esta
dado por:
(

)
Por lo que el residuo recursivo vendra dado por:

El error normalizado se distribuye como una normal con media cero y varianza constante
(

) y es independiente de

s t, el Eviews reporta su evolucin alrededor de cero.

Incluye tambin una banda de confianza calculada como 2 veces la desviacin estndar
en cada observacin. Podemos esperar que los valores que se encuentren dentro de la
banda de confianza, tengan su valor medio igual a cero.
- Anlisis del Grfico:

Observamos que tenemos 3 puntos posibles de quiebre que estn entre los aos 04, 05 y
06 que corresponden a los aos 2004, 2005 y 2006, ya que se encuentran fuera de la
banda de confianza. Pero daremos cuenta que un rompimiento de banda no asociado a
quiebres persistentes o un ensanchamiento de banda nos dar un testimonio dbil acerca
de presencia de un quiebre estructural, por lo que no estamos en posicin de definir an
si existe o no quiebre en esos aos o en alguno de esos aos observados, pero podra
existir inestabilidad en los parmetros. En todo caso debemos desarrollar los dems test.
Pgina 18

b. Prueba CUSUM (cumulative sum of residuals)

Consideremos la siguiente expresin:

Esta prueba se basa en la suma
acumulada de los residuos normalizados
como observamos las variables
permanecen estables en el tiempo ya que
la grfica permanece dentro de las bandas
de confianza, pero el rompimiento de
bandas provee, por s solo, evidencia
bastante dbil acerca de la presencia y
perodo de un quiebre.
Si vemos cambios decrecientes y crecientes es porque existen en los errores recursivos
algunos valores negativos y tambin hay positivos.


c. Prueba CUSUM CUADRADO (cumulative sum of square residuals)

La construccin de este estadstico es:

- Anlisis del grfico:

El estadstico CUSUM cuadrado hace
referencia a la suma acumulada de los
residuos normalizados al cuadrado, es por
eso que aqu no hay los errores con signo
contrario, como vemos en nuestra grfica
se presenta una tendencia ascendente,
pero adems observamos que hay aos
donde la grfica se escapa de la banda de
confianza, por lo que podramos decir que
existe la posibilidad de quiebre e inestabilidad de parmetros. Vemos que existe un
quiebre ms marcado en el ao 05 es decir en el 2005, pero igual no podramos definir
con certeza si es ah donde existe el quiebre.




Pgina 19

d. Test PREDICTIVO DE UNA ETAPA (one-step forecast Test)

Este test se basa en los residuos
recursivos y el nivel de significancia de la
prueba T para la hiptesis de estabilidad
con el pronstico de la observacin t,
dada la informacin hasta t-1. Para esta
prueba cada residuo recursivo es el
error de una prediccin de una etapa.
Por ello este error puede ser comparado
con su desviacin estndar con el
propsito de evaluar si el valor de la
variable dependiente en el periodo t ha
provenido del modelo estimado
empleando todas las observaciones
hasta ese punto.

- Anlisis del Grfico:

Observamos los puntos que tienen asociados el nivel de significancia ms bajo (para as
rechazar la hiptesis nula de estabilidad) en este caso observamos dos puntos cercanos a
cero que son los aos 2005 y 2006, pero observamos que el ms bajo es 05, es decir 2005,
por lo que podramos pensar que es en ese ao en que se realizo el quiebre.

e. Test PREDICTIVO DE N ETAPAS (N-step forecast test)

El anlisis de esta grafica obtendremos
puntos cercanos a cero hasta el
momento de quiebre, entonces nos
percatamos claramente que sera en el
momento 05 (2005), es decir, que sera
ese el ao probable de quiebre, ya que a
partir de ah se empiezan alejar del cero
y ya estar en una probabilidad de 0.25,
antes de ello vemos todo constante. Por
lo que podremos concluir que es en el
ao 2005, la fecha probable de quiebre.

Pgina 20

f. Test de COEFICIENTES RECURSIVOS (recursive Coefficients)


En este test se estiman los coeficientes del modelo de manera recursiva, si el modelo es
estable entonces los coeficientes deberan converger y la varianza del estimador debera
reducirse conforme aumente la muestra.
Podemos observar en nuestras grficas que el tamao de las bandas van variando en lo
que el tamao de muestra va creciendo lo que podremos concluir que podra existir
quiebre estructural, debemos ver las fluctuaciones abruptas de los coeficientes recursivos
y el ensanchamiento de bandas, es por ello que tambin podemos decir que el caso ms
preocupante es del C(3) ya que experimenta una fluctuacin abrupta y la convergencia se
desva hacia un valor menor.







Pgina 21

g. Test de CHOW

Ya que debemos escoger un ao para verificar el quiebre, seleccionaremos el 2005 ya que
ha sido el ao que ms cambios ha presentado en los test anteriores y aqu
comprobaremos si nuestra teora es correcta, que en ese ao hubo quiebre estructural.

El test consiste en dividir a la muestra en dos submuestras separadas por el punto en el
cual suponemos que existe quiebre. La hiptesis de la siguiente forma:

H0: Existe estabilidad estructural en el modelo.
H1: Existe un comportamiento distinto en cada grupo.

La hiptesis nula (estabilidad estructural) y alternativa (cambio estructural) se expresan en
trminos de parmetros:






Vemos que la hiptesis nula no hay cambio estructural, en cambio en la hiptesis
alternativa si lo hay, verificamos con el estadstico F:

' '
1 1 2 2
( , 2 ) ' '
1 1 2 2
[ ( )] / [ ( ) ( )] /
( ) / ( 2 ) ( ) / ( 2 )
k T k
e e e e e e k SCE MR SCE MSR K
es F
SCE MSR T k e e e e T k

+
=
+



La probabilidad asociada al estadstico F obtenido indica claramente (en el cuadro7 de
anexos) con un nivel de significancia del 5%, que se encuentra con la evidencia suficiente
para rechazar la hiptesis nula de estabilidad.

Fcalc F observado adems que 0.0138 < 0.025 entonces rechazamos hiptesis nula y
aceptamos que existe quiebre estructural en el ao 2005.


7.2.5.2. CORRECCIN DEL QUIEBRE ESTRUCTURAL

Para la correccin del quiebre estructural de la funcin de consumo privado se genera una
variable dicotmica (variable Dummy) con las siguientes caractersticas:

Dummy = 0 si primer trimestre del 2005
Dummy =1 si primer trimestre del 2005


|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
2
2
1
2
0
1
1
1
1
0
0
:
k k
H
|
|
|
|
|
|

|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
2
2
1
2
0
1
1
1
1
0
1
:
k k
H
|
|
|
|
|
|

Pgina 22

Nuestro modelo ahora estara representado por:

Estimacin por MCO e interpretacin del modelo:



















La funcin de regresin poblacional se puede expresar como:

-

Modelo estimado:

Donde se puede observar que a diferencia del modelo anterior solo los regresores LOG
(PBI) y la DUMMY son significativos para la explicacin del modelo y la estimacin del
promedio del consumo privado en el Per. Esto con una significancia del 5% y
constatndolo con las probabilidades de cada coeficiente que son menores.






Pgina 23

Interpretacin de los coeficientes:

-

: Es la constante de intercepto o autnomo. Representa que para un caso

hipottico de ausencia de variables explicativas, es decir, no tener la participacin del
PBI y los impuestos la variacin porcentual del consumo privado seria 0.066% para el
periodo de 2005Q2 hasta el 2011Q4.

-

Representa que para un caso hipottico de ausencia de variables explicativas, es

decir, no tener la participacin del PBI y los impuestos la variacin porcentual del
consumo privado seria 0.1436% para el periodo de 1995Q1 hasta el 2005Q1.

-

: Representa la elasticidad del consumo privado respecto al PBI. Nos dice que para
un cambio de 1% en el PBI el consumo privado aumenta en 0.9806%.

-

: Representa la elasticidad del consumo privado respecto al ingreso tributario que

mide los impuestos. Nos dice que ante un aumento en un punto porcentual de T el
consumo privado caer en una tasa de 0.0321%.

-

: Es el efecto diferencial en el consumo privado en el Per para el periodo del

segundo trimestre del 2005 hasta el ltimo trimestre del ao 2011. Se estima que la
variacin porcentual del consumo medio por ese periodo ser 0.08% menos que el
periodo anterior.

Por ultimo dado el coeficiente de determinacin lineal de 0.990581 se entiende que el
99.06% de la variabilidad del consumo privado es explicado por el modelo en anlisis.
Adems que hay significancia conjunta con una prueba F (F-statistic) de 2103.448.


- Anlisis del modelo corregido por quiebre estructural

Como observamos en la Grafica 8 (de anexos) en los test de CUSUM y CUSUM cuadrado la
grfica no se sale de la banda por lo que podemos decir que los errores recursivos son
normalizados y podemos observar que ya no hay quiebre. Adems en la Grfica 9 (anexos)
de los coeficientes recursivos se encuentran todos dentro de la banda, adems
observamos que no existen cambios bruscos en la grafica de cada coeficiente ni cambios
bruscos en la anchura de la banda, por lo que tambin podemos decir que no hay
presencia de quiebre estructural.







Pgina 24

- Normalidad de los residuos

Para contrastar normalidad en los residuos, utilizamos el test de JARQUE-BERA disponible
en Eviews (Grfica 10 de anexos)
Las hiptesis de contraste son las siguientes:

Los resultados obtenidos del contraste indican que aceptamos a hiptesis nula con un =
0.05 de que los residuos se distribuyen como una Normal.
Por otro lado, hay que resaltar que para que se distribuyeran como una Normal el
coeficiente de Asimetra debera ser prximo a cero (Skewness = -0.139061) y el de
apuntamiento debera ser prximo a 3 (Kurtosis =3.411432) lo cual cumple. Adems existe
una alta probabilidad de 71.98% (mayor al 5%) de no rechazar la hiptesis nula de
normalidad.

Por qu ocurri este cambio estructural en el Per?

El ao del quiebre fue en el 2005 y es que en ese ao se produce un BOOM algunos
sectores lo llaman boom del consumo. El crecimiento econmico en el pas permiti que
los peruanos tengan mayor acceso a los bienes y servicios.
Revisando los datos tenemos que en algunas industrias tienen altas tasas de PBI y del
consumo privado.
La compra de automviles aument en un 37 % en el ao 2005, as que es ah en que se
basa en este aumento tan grande en el consumo privado.

Cmo se explicara este aumento del consumo?

- En primer lugar: La existencia del crecimiento econmico y del ingreso familiar, lo
que nos dar tambin un aumento en el ingreso disponible per cpita en
promedio 6.2% entren2005 y 2011, lo que se refleja en un aumento del consumo
privado de 4.6 %. La pobreza disminuy desde 48.6% en 2004 a 31.3% en 2010.
Esto logr que la clase media aumentara.

- En segundo lugar: La mayor competencia en los mercados mediante menores
precios e inversiones que aparecieron para satisfacer a los consumidores.
A pesar que existe un bajo nivel de penetracin a ciertas industrias, se tiene potencial para
desarrollar.

El ejemplo ms claro es el automovilstico que ha ido aumentando a travs de los aos
incluso ahora se espera que se vendan 185 mil unidades nuevos.
Vase ms en: Noticias (anexos)

Pgina 25

7.3 .MODELO COMPLETO:

En este modelo estamos eliminando la autocorrelacin y el quiebre estructural producido
en el 2005.




















En este ltimo modelo observamos que las variables se vuelven insignificantes pero a
pesar de ello nuestro modelo sigue siendo significativo y podemos comprobar que ya no
existe autocorrelacin por la siguiente grfica (grfica 11 de anexos) dems ya no hay
presencia de quiebre estructural porque se corrige por la variable Dummy.
















Pgina 26



7.4 PRONSTICO CON EL MODELO

Para finalizar el trabajo haremos una prediccin dinmica del escogeremos el modelo
corregido del Quiebre y construimos el pronstico hacia el periodo 2012Q1- 20120Q4.
El resultado grfico de la prediccin es:


La lnea azul es la prediccin de nuestro modelo y como vemos, grficamente nuestro
modelo es el mejor propuesto sobre la serie, ya que los datos ajustados a lo largo de la
serie son los que ms se aproximan a la serie real de LOG (cp).

Analticamente, podemos concluir que nuestro modelo es el que menor raz del error
cuadrtico medio presenta.


.








Pgina 27






CONCLUSIONES


A partir del modelo consumo privado podemos decir que vara de forma directa con el
PBI, pero de forma indirecta con los impuestos.

Nuestro modelo present homocedasticidad, adems no present multicolinealidad, los
problemas que ocurrieron fue el quiebre estructural producido en el ao 2005.
Lo cual pudimos arreglarlo en base al aumento de una variable Dummy, aquello fue
ocasionado por el aumento del consumo privado, ya que en esos aos el ingreso
disponible aument considerablemente, es por eso que ocasion aquel BOOM y se vio
reflejado en nuestro modelo.

El siguiente problema en cuestin fue la autocorrelacin que presentaron las variables, lo
cual pudimos corregir por nuestros Ar(1), Ar(4) y Ar(5) y al final pudimos crear un modelo
que ya no tuviera ni quiebre estructural, ni autocorrelacin, adems es homocedstico.
Este modelo ser significativo as que aqu podemos comprobar que tenemos un modelo
que puede representar la funcin del consumo privado en el Per entre los aos 1995 y
2011.
















Pgina 28






BIBLIOGRAFIA

LIBROS:

GUJARATI, DAMODAR (2010): Econometra. McGraw Hill, 5ra Edicin, Mxico.
NOVALES, ALFONSO (1998): Econometra, McGraw Hill 2da Edicin, Madrid.
Mankiw N. Gregory (2004): Principios de Economa. McGraw Hill. 3 Edicin. Espaa.
Castro, Juan Francisco Econometra aplicada. Lima: Universidad del Pacfico. Centro de
Investigacin, 2003.
Banco Central de Reserva del Per.
Castro, Juan Francisco y Rivas-Llosa Roddy, Econometra aplicada.
Casas Tragodara, Carlos Econometra Moderna

WEB:


- http://estadisticas.bcrp.gob.pe/index.asp?sFrecuencia=A

- http://www.bcrp.gob.pe/estadisticas/cuadros-anuales-historicos.html





Pgina 29

ANEXOS
1) Base de datos
Ao/Trim.
Consumo
privado
nominal (mill.
S/.)
PBI nominal
(mill. S/.)
Ingresos
tributarios
del GC (mill.
S/.)
DUMMY
95T1 19687 28094 3838 0
95T2 22193 31512 4137 0
95T3 21761 30475 4031 0
95T4 22362 30846 4452 0
96T1 22776 31112 4311 0
96T2 25614 36214 5341 0
96T3 24825 33925 4665 0
96T4 25535 35830 4939 0
97T1 25861 35683 5249 0
97T2 29349 41876 6015 0
97T3 27878 39336 5443 0
97T4 27952 40639 5597 0
98T1 28946 39247 5824 0
98T2 31893 43653 6006 0
98T3 29602 41315 5779 0
98T4 28228 42066 5534 0
99T1 29295 40522 5564 0
99T2 32324 45480 5496 0
99T3 30197 42702 5280 0
99T4 31011 45717 5731 0
00T1 31688 45316 5760 0
00T2 35112 49831 5970 0
00T3 32690 45305 5527 0
00T4 32970 45689 5655 0
01T1 33350 44842 5603 0
01T2 36339 50461 5971 0
01T3 33606 46371 5768 0
01T4 33527 47538 5842 0
02T1 34158 45494 5323 0
02T2 38396 53837 6315 0
02T3 35579 49263 6208 0
Pgina 30

02T4 35912 51056 6323 0
03T1 36541 49939 6454 0
03T2 40302 57273 7004 0
03T3 37156 52011 6767 0
03T4 37363 54201 7271 0
04T1 38956 55098 7298 0
04T2 43079 62467 8254 0
04T3 40316 58604 7724 0
04T4 40489 61732 7812 0
05T1 41456 59589 8297 1
05T2 45866 68526 9966 1
05T3 42740 64192 8267 1
05T4 42989 69346 9031 1
06T1 44396 67887 10329 1
06T2 49677 79304 13247 1
06T3 45972 75200 10793 1
06T4 46599 79864 11437 1
07T1 48405 76013 11455 1
07T2 54273 87027 15351 1
07T3 50990 83724 12886 1
07T4 52680 88765 12653 1
08T1 55013 87520 13433 1
08T2 62581 97484 16193 1
08T3 59056 93502 14773 1
08T4 60696 92566 13886 1
09T1 60441 89083 12993 1
09T2 66107 96626 13615 1
09T3 60794 94827 12321 1
09T4 62661 101782 13637 1
10T1 64124 100518 15482 1
10T2 70750 111031 17284 1
10T3 65978 108152 15469 1
10T4 68165 115037 16194 1
11T1 69841 113851 18501 1
11T2 77597 124301 20472 1
11T3 72547 122846 17933 1
11T4 75806 125547 18576 1
12T1 77168 125038 20861 1
Pgina 31

2) GRFICAS

GRFICA 1.
















GRFICA 2:


















0
2
4
6
8
10
12
14
-0.10 -0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 0.08
Series: Residuals
Sample 1995Q1 2011Q4
Observations 68
Mean 1.23e-15
Median 0.001671
Maximum 0.076411
Minimum -0.104222
Std. Dev. 0.035139
Skewness -0.551851
Kurtosis 3.272759
Jarque-Bera 3.662240
Probability 0.160234
Pgina 32


GRFICA 3 y GRFICA 4:

GRFICA 5:






















Pgina 33

GRFICA6:




















GRFICA7:






Pgina 34

GRFICA 8:



GRFICA 9:


Pgina 35

GRFICA 10:














GRFICA 11:



0
2
4
6
8
10
12
-0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 0.08
Series: Residuals
Sample 1995Q1 2010Q4
Observations 64
Mean -3.79e-15
Median 0.000504
Maximum 0.083206
Minimum -0.085267
Std. Dev. 0.031927
Skewness -0.139061
Kurtosis 3.411432
Jarque-Bera 0.657674
Probability 0.719760
Pgina 36

3) CUADROS

CUADRO 1













CUADRO 2:





















Pgina 37



CUADRO 3


















CUADRO 4:
















Pgina 38


CUADRO 5:


















CUADRO 6:

















Pgina 39

CUADRO 7:












4) NOTICIAS:

EL BOOM DEL CONSUMO EN EL PER
El modelo econmico ha permitido reducir la pobreza en el pas y engrosar
los segmentos de la clase media.
El crecimiento econmico de los ltimos aos ha permitido que los peruanos
tengan mayor acceso a bienes y servicios; incluso, en algunos sectores se puede
hablar de un boom de consumo.
Una forma de contrastar esta afirmacin es revisar el crecimiento de ciertas
industrias con tasas muy superiores al aumento del Producto Bruto Interno (PBI) y
del Consumo Privado. La estrella en el Per es la venta de automviles nuevos,
que ha crecido 37% anual desde 2005 y tiene an espacio para seguir hacindolo.
Un informe de Macroconsult analiza dos fundamentos del consumo en el Per y
las perspectivas del mercado de automviles nuevos y los servicios de transporte
domstico. Qu factores explican el boom de consumo?
De acuerdo a la consultora, en trminos macroeconmicos, existen tres grandes
factores que explican el boom de consumo. En primer lugar, se tiene al
crecimiento econmico y el crecimiento del ingreso familiar. En trminos
macroeconmicos, el ingreso nacional disponible per cpita ha crecido en
promedio 6.2% entre 2005 y 2011, lo que se refleja en un incremento del consumo
privado de 4.6%.
Parte del incremento del ingreso nacional disponible se debe al crecimiento de los
trminos de intercambio del comercio, lo que ha elevado la capacidad de compra
de la economa.
El crecimiento econmico tiene un espejo a nivel de los hogares, pues permiti
que la pobreza de los peruanos disminuya de manera significativa desde 48.6% en
2004 a 31.3% en 2010. As, en el periodo 2004 2010, el nmero de hogares que
se encontraba por debajo de lnea de la pobreza disminuy en ms de un cuarto
(790 mil hogares) y para los que se encontraban por encima de esta lnea, en el
mismo periodo, se triplic (se increment en dos millones de hogares). Esto ha
significado un ensanchamiento importante de la clase media en el Per.
Pgina 40

En segundo lugar se tiene la baja penetracin de ciertos mercados y la mayor
competencia generada en los mismos mediante menores precios e inversiones
surgidas para satisfacer a los consumidores.
En Per existe un bajo nivel de penetracin en ciertas industrias, pero con un
potencial para desarrollar. En el mercado automovilstico, se espera que este ao
se vendan 185 mil unidades nuevas (19% ms que en 2011) debido a los menores
precios ofertados por marcas asiticas, la apreciacin del tipo de cambio, la
introduccin de vehculos pequeos y el incremento del crdito vehicular.
Alza vuelo
Otro sector que ha crecido de forma importante es el transporte areo domstico.
Esto se debe a una expansin de rutas areas, una mayor oferta de promociones
y la disminucin de tarifas, que incluso llega a competir con el transporte terrestre.
Para 2012 proyectamos un crecimiento de 14% con respecto al ao pasado,
llegando a 14.5 millones de entradas y salidas domsticas este ao (1.8 millones
ms que en 2011).
El crecimiento del transporte areo domstico repercutir sobre el terrestre, que
en los dos ltimos aos ha crecido a tasas inferiores que las registradas entre
2005 y 2009. Sin embargo, proyectamos que este sector recibir 1.3 millones ms
de pasajeros en comparacin a 2011 (1.8% de crecimiento).

Fuente:http://www.expreso.pe/noticia/2012/03/18/el-boom-del-consumo-en-el-peru
El expreso