Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ECONOMETRIA I
TRABAJO
LIMA-PERU
2014
Alumnos:
Profesor:
-
Seccin:
Aula:
Turno: Tarde
El modelo terico que se desarrollara es para analizar el efecto de las variaciones del PBI
real, tasa de inflacin, respecto al consumo privado. Es bsico y para efectos del anlisis
economtrico, se formul bajo el enfoque de modelos macroeconmicos. En consumo se
divide en privado y pblico, en este caso se escogi el privado debido a que tiene mayor
porcentaje debido al nacional, por lo tanto es el que nos brinda mayor informacin de
cmo se comporta el consumo global. Tambin se sabe que el consumo est vinculado
con el PBI nominal, debido a que un aumento del PBI nominal esto genera mayor
consumo privado nominal, y otro punto importante es la relacin de la inflacin con el
consumo privado nominal.
Ingreso de datos:
Lo primero es hacer clic en File luego ir a New y despus clic en Workfile, como se puede
apreciar en el grafico 1.
Luego nos aparecer una ventana donde nos muestra las opciones de tiempo para los
datos de inflacin, PBI nominal y consumo privado nominal que vamos a insertar. En este
caso escogeremos datos anuales, luego en las siguientes ventanas se agregan el rango
de los aos, en este caso desde 1991 hasta el 2013.
Luego se puede apreciar que aparecer una ventana con el nombre de Workfile, luego
vamos al icono Quick en el cual damos clic, luego vamos donde dice Empty group, luego
damos clic y aparecer una ventana donde podemos colocar los datos de la variables
tanto independiente como e independiente. En este caso el consumo privado, PBI real y la
inflacin.
Luego procedemos a poner todos
los datos desde 1991 hasta 2013,
tanto del consumo privado, inflacin
y PBI nominal.
Esto es importante para poder realizar nuestro modelo de estimacin de la funcin
consumo, en relacin a la inflacin y el PBI nominal.
.
1. Estimacin de la regresin:
Primero vamos a quick, luego estimate equation, en ese recuadro colocaremos lo
siguiente:
CONSUMOP C PBI INFLAC, luego nos aparecer este recuadro
Lo primero es ir a la ficha Quick, luego ir al comando Generate Series. Nos aparecer una
ventana en donde introduciremos tanto para la inflacin LNINFLAC=LOG (INFLAC), para
el consumo privado LNCONSUMOP=LOG (CONSUMOP), PBI nominal LNPBI=LOG
(PBI). Una vez hecho esto damos ok y tendremos los logaritmos calculados, esto se hace
para poder estimar la funcin, pero utilizando como herramientas los logaritmos del PBI
real, inflacin y el consumo privado.
.
Luego de realizar los pasos anteriores,
tendremos los logaritmos del consumo privado
nominal, inflacin y PBI nominal, los cuales se
muestran a continuacin.
LNCONSUMOP
LNPBI
LNINFLAC
Procedemos a estimar la
regresin LOG-LOG
Obtenemos nuestro
cuadro de regresin LOG-LOG:
Cuando
calculamos nuestra estimacin con valores logartmicos nos refleja valores ya conocidos,
cuando se trabaja con logaritmos los modelos se estiman en trminos porcentuales,
tenemos un coeficiente de determinacin o R al cuadrado que tiene el valor de 99.74%,
tambin contamos con valores de los criterios Schwarz de -3.49. Y un Akaike de -4.64.
La mejor estimacin es cuando se establece la funcin logartmica porque determina la
variacin porcentual del tanto por uno. Da la mejor variacin de la elasticidad. Conlleva a
que un logaritmo es un cambio por una de las variables, por esto se acerca a la variacin
porcentual.
Podemos observar que los coeficientes de la constante del consumo privado, inflacin y
PBI real en forma individual son altamente significativos para la estimacin del modelo
LOG-LOG, debido a que son menores del 5%, ahora tambin podemos ver que la
probabilidad F nos indica que en forma global tomando la inflacin y el PBI nominal para
estimar el consumo privado nos indicara una informacin adecuada en la estimacin.
Ahora procedemos a
encontrar la correlacin entre las variables independientes
Primero vamos a Quick, luego a Group Statistics, y por ultimo damos clic a correlations.
Luego nos aparecer una
ventana en la cual debemos poner lo siguiente:
LNPBI LNINFLAC
Es importante aclarar que solo se pone en el cuadro las variables independientes, debido
a que la multicolinealidad solo mide si hay relaciones entre ellas.
Y nos aparecer este cuadro
En este cuadro podemos ver las correlaciones que existen entre las variables
independientes, si la correlacin es menor al 5% es una baja correlacin de la variable, y
si es mayor al 5% es una correlacin moderada. En este caso observamos que todas son
bajas, ninguna pasa del 8% la cual generara una alta correlacin.
Pero de todas formas vamos a realizar estimaciones para comprobar que no hay
multicolinealidad
Lo primero que se hace es modificar las variables, en este caso modificaremos las
variables LNPBI y LNINFLAC, la cual tienen una correlacin de -0.783819.
Tenemos el R-cuadrado = 99.74% (ndice de correlacin general).
Como se puede observar que los R-cuadrado auxiliares son menores al R-cuadrado
general, entonces se determina que no existe problema de multicolinealidad entre las
variables independientes o explicativas.
Ahora procedemos a
encontrar la
correlacin entre las variables independientes.
Primero vamos a Quick, luego a Group Statistics, y por ultimo damos clic a correlations.
En este cuadro podemos ver las correlaciones que existen entre las variables
independientes, si la correlacin es menor al 5% es una baja correlacin de la variable, y
si es mayor al 5% es una correlacin moderada. En este caso observamos que todas son
bajas, ninguna pasa del 8% la cual generara una alta correlacin.
Pero de todas formas vamos a realizar estimaciones para comprobar que no hay
multicolinealidad.
Lo primero que se hace es modificar las variables, en este caso modificaremos las
variables PBI e INFLAC, la cual tienen una correlacin de -0.407695.
Tenemos el R-cuadrado = 99.59% (ndice de correlacin general).
Este modelo nos brinda el coeficiente auxiliar, en este caso se estima la relacin de la
variable PBI respecto a INFLAC.
SEGUNDO INFLAC RESPECTO A PBI
4 De la ecuacin nos dirigimos a Estimate (modifica la ecuacin estimada)
Este modelo nos brinda el coeficiente auxiliar, en este caso se estima la relacin de la
variable INFLAC respecto a PBI.
Como se puede observar que los R-cuadrado auxiliares son menores al R-cuadrado
general, entonces se determina que no existe problema de multicolinealidad entre las
variables independientes o explicativas.
1 LA PRUEBA DE PARK
Lo primero es hacer clic en Quick, luego vamos a Generate series y damos clic.
ABSEC=@ABS (RESID^2)
Luego de dar ok nos aparecern los valores absolutos de los errores al cuadrado.
Luego procedemos a realizar la estimacin
LOG-LOG de la siguiente manera:
ABSEC C LNPBI LNINFLAC
Nos aparecer el siguiente cuadro de estimacin
REGLA DE DECISIN
5 Hp: existe
homocedasticidad
en la funcin
logartmica del consumo privado.
6 Ha: existe heterocedasticidad en la funcin logartmica del consumo privado.
A un nivel de significancia del 5% podemos ver que la probabilidad de LNINFLAC como
de LNPBI es mayor al 5%, en consecuencia se acepta la hiptesis planteada, que la
funcin logartmica del consumo privado presenta homocedasticidad.
REGLA DE DECISIN
7 Hp: existe homocedasticidad en la funcin normal de consumo privado.
8 Ha: existe heterocedasticidad en la funcin normal de consumo privado.
A un nivel de significancia del 5%, podemos ver que la probabilidad para INFLAC y la
constante son menores al 5%, por lo tanto se acepta la hiptesis alternativa, la cual indica
que si se presenta heterocedasticidad en la funcin normal del consumo privado.
2 PRUEBA DE GLEJSER
Lo primero es hacer clic en Quick, luego vamos a Generate series, en ese cuadro
colocaremos:
ABSE=@ABS (RESID)
Valores del ABSE
Observamos que
las probabilidades
de la constante y del
PBI son menores al 5%,
esto indica que la regresin
normal del consumo
privado presenta Heterocedasticidad.
Test de Durbin-Watson
Tambin hay 2 zonas de indecisin, y esas zonas estn delimitadas en la tabla de D-W
como lmite inferior (DL) y el lmite superior (DU) y tambin la otra zona de indecisin es el
lmite inferior 4-DU, hasta el lmite superior 4-DL, en donde no se puede determinar si
existe autocorrelacion de los errores o no existe autocorrelacion de los errores tanto
positivo como negativo.
Luego de corregir
las
autocorrelaciones aparecer nuestra nueva estimacin LOG-LOG
Luego nos dirigimos a
View luego a Residual
Tests, luego vamos a Correlogram Q-statistics y damos clic.
Observaremos la
grfica final la cual nos
indica que no hay
autocorrelacion en el
modelo LOG-LOG.
CORRELACION PARA EL MODELO NORMAL
Modelo de regresin NORMAL, a simple vista hay necesidad de corregir de
autocorrelacion, debido a que el Durbin-Watson no tiende a 2.
Primero nos dirigimos a View
luego a Residual Tests, luego
vamos a Correlogram Q-statistics y damos clic.
Luego nos aparecer un recuadro donde nos encontramos con la autocorrelacin y auto
correlacin parcial.
Hay necesidad de
corregir el durbin-
watson. Como observamos hay periodos en los cuales se salen fuera de los parmetros.
Si sucede el caso de que aparezca correlacin se debe modificar la estimacin del
modelo agregando vectores autorregresivos o medias mviles. En este caso agregaremos
el vector y la media mvil del periodo 1, los cuales no estn dentro de los parmetros.
Luego nos dirigimos a realizar la estimacin logartmica agregando ar (1) y ma (1), los
cuales vienen a representar los vectores autorregresivos y media mvil del periodo 1 para
corregir la correlacin.
Observaremos la
grfica final la cual nos indica que no hay autocorrelacion en el modelo NORMAL.
2 QUIEBRE ESTRUCTURAL MODELO LOG-LOG
Luego de realizar la regresin procedemos a formar nuestra funcin, con los datos del
intercepto y de las pendientes que se han proporcionado.
2003-2013 regresin:
Ahora el siguiente paso consta en realizar la prueba de CHOW para el ao 2003, tambin
lo que se realizara es verificar si en verdad existe un punto de quiebre, esto se
comprobara con los datos que calcule el programa de EVIEW.
1 Grfico de los pasos para la prueba de CHOW
Lo que se realiza es que de le ecuacin inicial LOG-LOG nos dirigimos a view, luego
damos clic en Stability Diagnostics y luego vamos a CHOW breakpoint test y despus nos
aparecer un cuadro.
ZR ZA
Luego aparece una grfica donde los crculos de color azul indican los puntos de quiebre
del periodo 1991-2013.
En el modelo LOG-LOG se logr observar que hay puntos de quiebre, esto se debe a que
las causas se deben a variables a exgenas que no estn dentro del modelo, por lo tanto
para poder tomarla en cuentas se procede a realizar la variable dummi.
Lo primero es que en nuestra base datos agregamos una variable ms, en este caso la
variable dummi, se pondr uno donde empieza el punto de quiebre, en este caso desde
2004 en adelante, antes de ese ao se colocara 0.
Luego nos aparecer nuestro modelo de regresin normal con la variable DUMMI.
Se puede apreciar que
mediante la variable
dummi ya no hay punto
de quiebre.
2003-2013 regresin:
Lo que se realiza es que de le ecuacin inicial LOG-LOG nos dirigimos a view, luego
damos clic en Stability Diagnostics y luego vamos a CHOW breakpoint test y despus nos
aparecer un cuadro.
ZR ZA
Luego aparece una grfica donde los crculos de color azul indican los puntos de quiebre
del periodo 1991-2013.
En el modelo NORMAL se logr observar que hay puntos de quiebre, esto se debe a que
las causas se deben a variables a exgenas que no estn dentro del modelo, por lo tanto
para poder tomarla en cuentas se procede a realizar la variable dummi.
Lo primero es que en nuestra base datos agregamos una variable ms, en este caso la
variable dummi, se pondr uno donde empieza el punto de quiebre, en este caso desde
2003 en adelante, antes de ese ao se colocara 0.
COMPARACION DE MODELOS
En el aspecto de los criterios Akaike observamos que en el modelo inicial siempre va ser
mayor al modelo logartmico, ahora referente al criterio Schwarz observamos que en el
modelo logartmico es menor al modelo normal, conclusin en el modelo inicial el criterio
Schwarz es mayor respecto al logartmico. Entonces el modelo que nos brinda una mejor
regresin de las variables que estamos utilizando sera el logartmico, porque sus criterios
son menores, esto se efecta en variables DUMMI, multicolinealidad, heterocedasticidad y
aurocorrelacion. Hay que tener en cuenta que cuando se compara los modelos se hace
con AKAIKE AKAIKE y SCHWARZ SCHWARZ, se escoge el que tenga menor criterio.
BIBLIOGRAFIA
1 Ttulo del libro: Econometra
Autor: Gujarati Damodar
Los datos estadsticos fueron recopilados de las pginas de internet del BCRP.
ANEXOS
CONSUMO PBI INFLACI
PRIVADO NOMINAL ON
20635 26256 409.5
34766 43990 73.5
53216 68079 48.6
71308 95965 23.7
85519 117279 11.1
97738 132473 11.5
109188 151406 8.5
116023 159753 7.3
119244 166967 3.5
128075 177918 3.8
131392 180991 2
137902 191492 0.2
144193 205379 2.3
154995 227684 3.7
162815 247081 1.6
174582 287713 2
192316 319693 1.8
220107 355708 5.8
232368 365056 2.9
256465 419694 1.5
281718 469855 3.4
310040 508191 3.7
335904 546890 2.8
La inflacin son tasas porcentuales, el consumo privado es nominal. Base de datos BCRP