Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Analisis de La Evolucion Del Dolar Informal en Argentina
Analisis de La Evolucion Del Dolar Informal en Argentina
[ANLISIS SOBRE LA
VARIACIN DEL
DLAR INFORMAL EN
ARGENTINA]
Autores:
Garmendia, Agustn.
Ramos, Franciane.
Turnes, Patricio.
INDICE
Secciones:
1. Objetivo del
trabajo
..pg.2
2. Introduccin
pg.2
2.1.
Variables
analizadas
..pg.3
2.2.
Descripcin de los
datos.pg
.4
3. Desarrollo del
Modelo..
.pg.5
3.1.
Anlisis de
Autocorrelacin
.pg.6
3.2.
Anlisis de
Multicolinealidad
..pg.10
3.3.
Anlisis de
Heterocedasticidad
..pg.11
3.4.
Modelo final Anlisis de bondad del
Modelo..pg.14
4. Modelo definitivo Anlisis de la bondad del
Modelopg.16
5. Conclusiones
..pg.17
2.1.
Variables analizadas
Consideramos que cuatro variables pueden tener poder explicativo respecto del
dlar blue, a saber:
Dlar oficial: siendo el valor
importante considerarlo como
Parecera lgico suponer que el
parmetro para fijar el valor del
Salida de turistas: se considera que los turistas que viajan al extranjero realizan
gastos en moneda extranjera, sea con el uso de dlares billete o pago de tarjetas de
crdito utilizadas en el exterior, eso llevara a la disminucin de la disponibilidad de
dlares en el mercado argentino. Incluiremos esta variable en nuestro anlisis a fin
de conocer su influencia con relacin al dlar blue.
|
2.2.
Coefficient
Std. Error
t-Statistic
Prob.
C
B1
B2
B3
B4
-0.867942
0.009367
1.94E-06
0.273947
0.847654
0.399418
0.164967
0.000238
0.086985
0.073766
-2.173018
0.056778
0.008146
3.149339
11.49109
0.0381
0.9551
0.9936
0.0038
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.988157
0.986523
0.318193
2.936152
-6.606481
604.9266
0.000000
9.927338
2.740954
0.682734
0.907199
0.759283
1.088842
Anlisis de Autocorrelacin.
Coefficient
Std. Error
t-Statistic
Prob.
C
B1
B2
B3
B4
-0.003395
0.118361
0.008404
0.333694
0.666602
0.008735
0.237445
0.006018
0.183210
0.090914
-0.388706
0.498479
1.396396
1.821371
7.332251
0.7004
0.6220
0.1736
0.0793
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.751042
0.715477
0.032722
0.029980
68.73638
21.11724
0.000000
0.025570
0.061345
-3.862811
-3.636068
-3.786519
2.014253
Para poder superar este inconveniente, incluiremos una variable dummy dentro del
modelo que tome como valor cero en todos los meses, excepto en los outliers ms
significativos, donde tomara los valores -0,25 o 0,25 dependiendo del signo del
residuo anmalo.
Coefficient
Std. Error
t-Statistic
Prob.
C
B1
B2
B3
B4
DUMMY
-0.004854
0.159966
0.009332
0.371335
0.627777
0.243917
0.007782
0.211584
0.005360
0.163396
0.081925
0.084031
-0.623790
0.756042
1.741045
2.272607
7.662833
2.902700
0.5380
0.4562
0.0931
0.0312
0.0000
0.0073
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.810255
0.775117
0.029091
0.022850
73.21778
23.05920
0.000000
0.025570
0.061345
-4.073805
-3.801713
-3.982254
2.280203
10
3.2.
Anlisis de Multicolinealidad.
El siguiente paso ser analizar si existe correlacin entre las variables explicativas
del modelo final estimado, problema conocido como multicolinealidad. En caso de
presentarse de forma significativa, podramos tener un modelo con estimadores
poco eficientes, lo que nos llevara a valores poco significativos del estadstico t,
que nos podran llevar a desechar variables con buen poder explicativo.
Para estudiar la presencia de multicolinealidad en primer lugar, estudiamos la
matriz de coeficientes de Correlacin entre las variables explicativas.
11
3.3.
Anlisis de Heterocedasticidad.
12
13
Coefficient
Std. Error
t-Statistic
Prob.
C
B1
B2
B3
B4
DUMMY
-0.004854
0.159966
0.009332
0.371335
0.627777
0.243917
0.007782
0.211584
0.005360
0.163396
0.081925
0.084031
-0.623790
0.756042
1.741045
2.272607
7.662833
2.902700
0.5380
0.4562
0.0931
0.0312
0.0000
0.0073
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.810255
0.775117
0.029091
0.022850
73.21778
23.05920
0.000000
0.025570
0.061345
-4.073805
-3.801713
-3.982254
2.280203
Dependent Variable: DB
Method: Least Squares
Date: 06/08/15 Time: 10:49
Sample: 1 14
Included observations: 14
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
B1
B2
B3
B4
DUMMY
-0.005349
-0.049874
0.021468
0.153221
0.665520
0.254432
0.010819
0.307163
0.026525
0.435553
0.115738
0.135779
-0.494371
-0.162369
0.809342
0.351786
5.750244
1.873866
0.6343
0.8750
0.4417
0.7341
0.0004
0.0978
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.848687
0.754117
0.030571
0.007477
32.88017
8.974135
0.003899
0.010318
0.061651
-3.840025
-3.566143
-3.865378
1.812902
14
3.4.
15
Coefficient
Std. Error
t-Statistic
Prob.
C
B1
B2
B3
B4
DUMMY
-0.004854
0.159966
0.009332
0.371335
0.627777
0.243917
0.007782
0.211584
0.005360
0.163396
0.081925
0.084031
-0.623790
0.756042
1.741045
2.272607
7.662833
2.902700
0.5380
0.4562
0.0931
0.0312
0.0000
0.0073
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.810255
0.775117
0.029091
0.022850
73.21778
23.05920
0.000000
0.025570
0.061345
-4.073805
-3.801713
-3.982254
2.280203
Test F.
El valor elevado del estadstico F lleva a rechazar la hiptesis de que todos los
coeficientes del modelo son iguales a cero, lo que implica que al menos uno no lo es
y que se tiene por lo menos una variable con buen poder explicativo sobre las
variaciones mensuales del dlar blue.
Queda por analizar si alguna de las variables consideradas no aporta suficiente
poder explicativo sobre las variaciones mensuales del Dlar Blue y puede ser
eliminada para simplificar el modelo. Para ello recurrimos a los test t de
significacin para cada variable.
Tests t
16
Coefficient
Std. Error
t-Statistic
Prob.
C
B1
B2
B3
B4
DUMMY
-0.004854
0.159966
0.009332
0.371335
0.627777
0.243917
0.007782
0.211584
0.005360
0.163396
0.081925
0.084031
-0.623790
0.756042
1.741045
2.272607
7.662833
2.902700
0.5380
0.4562
0.0931
0.0312
0.0000
0.0073
17
Coefficient
Std. Error
t-Statistic
Prob.
C
B3
B4
DUMMY
-0.002505
0.420855
0.687792
0.231256
0.006744
0.145548
0.071648
0.083911
-0.371423
2.891528
9.599596
2.755971
0.7128
0.0069
0.0000
0.0097
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.785376
0.764605
0.029175
0.026386
76.16655
37.81278
0.000000
0.023586
0.060133
-4.123803
-3.946049
-4.062442
2.248570
El modelo definitivo que consta de slo dos variables explicativas, presenta un valor
de R2 menor (0,78) pero que an resulta aceptable e indica que la mayor parte de la
variacin del Dlar Blue es explicada por el modelo. A su vez el test F tambin
indica que el modelo explica la mayor parte de la variacin del Dlar blue al
rechazar la hiptesis de que todos los coeficientes son cero.
Los Test t por su parte tambin resultan significativos y permiten rechazar la
hiptesis nula de que los coeficientes del modelo son cero.
Por lo que obtenemos finalmente el siguiente modelo:
18
5. Conclusiones:
El anlisis de la versin definitiva del modelo estimado, nos permite arribar a las
siguientes conclusiones:
19