FACULTAD DE CIENCIAS ECONÓMICAS

CURSO: ECONOMETRÍA 2

TEMA:
LA RELACIÓN ENTRE LOS PRECIOS Y EL PBI EN EL
MEDIANO Y LARGO PLAZO

PROFESORA: Mg. Beatriz Castañeda Saldaña

AÑO: 2017-2
Índice
Resumen........................................................................................................................................ 3
Planteamiento del problema ........................................................................................................ 4
Problema General ..................................................................................................................... 4
Problemas Específicos ............................................................................................................... 4
Objetivos ....................................................................................................................................... 4
Objetivo General ....................................................................................................................... 4
Objetivos Específicos ................................................................................................................. 4
Hipótesis ........................................................................................................................................ 4
Hipótesis General ...................................................................................................................... 4
Hipótesis específicas ................................................................................................................. 5
Marco teórico ................................................................................................................................ 5
Marco teórico ............................................................................................................................ 5
Enfoques de la inflación ........................................................................................................ 6
Comportamiento del Producto Bruto Interno (PBI) desde 2000 hasta 2016 en el Perú ...... 8
METODOLOGÍA............................................................................................................................ 10
ESPECIFICACIÓN DEL MODELO................................................................................................ 11
Metodología ........................................................................................................................ 11
Tipos de Datos ..................................................................................................................... 11
Especificación Teórica del Modelo ...................................................................................... 12
Especificación Econométrica del Modelo ........................................................................... 12
Modelo ................................................................................................................................ 12
Definición de Variables............................................................................................................ 12
Variable dependiente .......................................................................................................... 12
Variable independiente ....................................................................................................... 13
Ficha Técnica ....................................................................................................................... 13
RESULTADOS ............................................................................................................................... 14
Análisis de Las Series de Tiempo ............................................................................................. 14
PBI real (PBIK) ...................................................................................................................... 14
Índice de Precios al Consumidor (IPC)................................................................................. 18
Análisis de cointegración......................................................................................................... 23
Prueba de causalidad de Granger ....................................................................................... 23
Prueba de cointegración de Johansen ................................................................................ 23
Función Impulso – Respuesta ................................................................................................. 26
Respuesta de la variable IPC ............................................................................................... 26
Respuesta de la variable PBI real ........................................................................................ 27

1
PREDICCIONES ......................................................................................................................... 29
PREDICCIONES DEL PBI ........................................................................................................ 29
Predicciones del IPC ............................................................................................................ 31
Conclusiones ............................................................................................................................... 34
Bibliografía .................................................................................................................................. 35
Anexos ......................................................................................................................................... 36

2
Resumen
El tema a tratar en el presente trabajo es “La relación entre los precios y el PBI en el
mediano y largo plazo.”

En el trabajo se aplicará la técnica elaborada por Quah y Vahey (1995) para medir la
inflación básica a partir de la hipótesis de neutralidad del dinero en el largo plazo. Para
tal efecto, partimos de la idea de que la simple observación del crecimiento del IPC puede
no ser el verdadero reflejo de la inflación en una economía. Además, tenemos en cuenta
a la llamada ‘inflación básica’, la cual se define como aquella parte de la inflación
observada que no tiene efectos sobre el PBI real, en el mediano y largo plazo; y la
consideramos precisamente porque guarda mucha relación con el hecho de que existe
una curva de Phillips vertical en el largo plazo. Las hipótesis acerca de este tema se
pueden plasmar sobre un modelo de vectores autorregresivos (VAR), dentro del cual
intervienen las variables precios y producción; de modo que se puede obtener una
medida de inflación básica que elimina la ambigüedad de escoger entre diferentes
alternativas para calcularla, como lo proponen diversas investigaciones respaldadas por
la teoría económica.

Para el presente trabajo se utilizará data del periodo 2000 – 2016 extraída del BCRP y el
INEI.

3
ESTUDIO DE LA RELACIÓN ENTRE LOS PRECIOS Y EL PBI EN EL
MEDIANO Y LARGO PLAZO

Planteamiento del problema

Problema General

¿Hay relación entre los precios y el PBI real en el mediano y largo plazo?

Problemas Específicos

i. ¿Cuál es el grado de relación existente entre los precios y el PBI real entre los
años 2000 y 2016?
ii. ¿Existe entre las variables una relación de causalidad?
iii. ¿Cuál es el comportamiento de las variables ante el contexto económico
mundial?

Objetivos

Objetivo General

Estimar la inflación básica a partir de la metodología propuesta por Quah y Vahey , de
modo que se pueda exponer la metodología a través de un modelo VAR.

Objetivos Específicos

i. Determinar el grado de relación que existe entre el IPC y el PBI entre los años
2000-2016.
ii. Demostrar la existencia de una relación de causalidad entre las variables
iii. Conocer el impacto del contexto económico internacional en el
comportamiento de las variables, tomando a la economía peruana como
independiente.

Hipótesis

Hipótesis General

4
La relación que existe entre los precios y el PBI real es de mediano y largo plazo

Hipótesis específicas

i. Basándonos en la teoría económica, existen razones económicas suficientes
para asegurar que el grado de relación entre IPC y PBI real es directa y además
significativa.
ii. Si existe una relación de causalidad entre las variables.
iii. El contexto económico internacional si afecto el comportamiento del IPC y el
PBI real.

Marco teórico

Marco teórico

Inflación es el crecimiento y generalizado de los precios de los bienes y servicios y factores
productivos de una economía a lo largo del tiempo. otras definiciones la explican como
el movimiento persistente al alza del nivel general de precios o disminución del poder
adquisitivo del dinero.

Inflación es el crecimiento continuo generalizado de los precios de los bienes y servicios
y factores productivos de una economía a lo largo del tiempo.

En la práctica, la evolución de la inflación se mide por la variación del índice de precios al
consumidor (ipc). Para comprender el fenómeno de la inflación, se debe distinguir entre
aumentos generalizados de precios, que se producen de una vez y para siempre, de
aquellos aumentos de precios que son persistentes en el tiempo. Dentro de estos últimos
también podemos hacer una distinción respecto al grado de aumento. Hay países donde
la inflación se encuentra controlada por debajo del 10% anual, otros con inflación a
medias que no superan el 20% anual y países en los que el crecimiento sostenido de
precios ha superado el 100% anual. Cuando la variación de precios alcanza el 50%
mensual se denomina hiperinflación.

5
Centrándonos en el PBI, hay teorías que propugnan que el origen de la inflación se debe
a un exceso de demanda (inflación de demanda), y las que consideran que los problemas
se originan por el lado de la oferta (inflación de costos).

Que haya una mayor producción no significa necesariamente que los precios tengan que
subir, sino hay demanda, se produce todo lo contrario.

ENFOQUES DE LA INFLACIÓN

Keynesianos
El modelo triangular está basado, pues, en tres pilares que explican el fenómeno
inflacionario:

 El tirón de la demanda: esto sucede cuando la demanda agregada – es decir, la
sumatoria del gasto público, de las inversiones privadas, del gasto del consumidor y
de la diferencia entre exportaciones e importaciones- supera a la oferta disponible
en el mercado y ocasiona una fuerte suba de los precios. Esta situación podría
deberse al veloz incremento de la oferta monetaria, a una mayor confianza por parte
de los consumidores, o bien a una caída del tipo de cambio legal en curso.

 El aumento de los costes de producción: en este caso, la inflación deviene del alza de
los precios con que los empresarios ofrecen su producción en respuesta, a su vez, al
incremento de sus costes; esto, con el objeto de transferir el mismo a los
consumidores.

 La inflación estructural: cuando se habla de esta clase de inflación es porque ya se ha
entrado, por cualquiera de sus causas, en una viciosa espiral inflacionaria
caracterizada por una suba indiscriminada de los precios de la cual, en adelante,
resultará muy difícil desligarse.

Monetaristas
Esta teoría encuentra como principal causa de la inflación, en una economía cerrada, la
tasa de crecimiento del dinero. Según las palabras de Friedman "La inflación es en todo
lugar y en todo momento un fenómeno monetario".

6
La proposición básica de este enfoque señala que un aumento de la tasa de crecimiento
de la oferta monetaria conducirá a un crecimiento igual en la tasa crecimiento de los
precios. Este enfoque se basa en la teoría cuantitativa del dinero que se deriva de la
ecuación clásica de cambio: MV=PQ=Y

Precios y PBI
De otro lado, el análisis de la evolución del PBI siempre se hace quitando el efecto de los
precios (inflación) presentando los valores monetarios a precios de un determinado año
base, por lo tanto su crecimiento o caída está expresado más en las cantidades
producidas que en los precios, porque estos se mantienen fijos. El PBI nominal o corriente
(que si es afectado por los precios) por el contrario, solo se usa para presentar estructuras
económicas en un determinado año.

La inflación es negativa para la generación de los bienes y servicios del PBI, porque resta
poder adquisitivo a la población causando una disminución del ahorro en virtud de que
se destina más dinero para comprar los productos alimenticios y otros artículos
necesarios para el bienestar de la familia, entonces disminuye la demanda y los
productores deben disminuir su producción.

IPC, PBI y el costo de vida
Cuando el IPC incrementa los salarios tienen que aumentar eventualmente, debido a que
el IPC se usa para ajustar los ingresos. La Oficina de Trabajo y Estadísticas (BLS, Bureau of
Labor and Statistic en inglés) usa el IPC para ajustar los salarios, beneficios de jubilación,
categorías de impuestos y otros indicadores económicos importantes.

Sin embargo el gobierno es más lento que los mercados, y si el PIB crece demasiado
rápido el gobierno no puede mantenerse al día para realizar todos los ajustes necesarios
en el salario para que las personas mantengan una buena calidad de vida, ya que su costo
de vida incrementó demasiado rápido.

RELACIÓN DIRECTA ENTRE EL PBI Y EL IPC

7
El producto interno bruto y el índice de precios al consumidor son dos de los aspectos
más importantes de una economía saludable. Estos se afectan directamente entre ellos,
y solamente el crecimiento estable puede compensar los efectos negativos que pueden
tener entre sí

COMPORTAMIENTO DEL PRODUCTO BRUTO INTERNO (PBI) DESDE 2000 HASTA
2016 EN EL PERÚ

PBI Decenio 2001-2010:

En esta década el PBI creció 5,6% promedio anual, la tasa más alta en los decenios
transcurridos desde 1950. El PBI por habitante creció a una tasa media anual de 4,3%,
pasando de 8 mil 552 nuevos soles por persona en el año 2000 a 12 mil 969 nuevos soles
en el año 2010. En el decenio se consolidaron e impulsaron las reformas estructurales
iniciadas en la década anterior. Incidieron en los favorables resultados obtenidos en esta
década, el impresionante crecimiento de la economía China y posteriormente de la India,
que impactó positivamente en los mercados mundiales, elevando los precios de las
materias primas que exportaba el Perú; la suscripción de Tratados bilaterales de Libre
Comercio (TLC); la afluencia de inversión extranjera y el superávit de la balanza comercial
que mantuvieron estable el tipo de cambio de la moneda nacional; una disciplina fiscal e
implementación de metas de inflación que permitió tener bajas tasas de crecimiento de
los precios. Los términos de intercambio mejoraron al pasar de un índice promedio de
69,2 en la década anterior a 83,9 en este decenio, en tanto que el promedio de la inflación
pasó de 29,3%, registrada en el último decenio del siglo XX, a 2,3% en este decenio.

PIB Periodo 2011-2016:

Durante este periodo el Perú se mantuvo en el bloque de la Alianza del Pacifico. Los
Tratados de Libre Comercio con los principales socios comerciales fueron ratificados, se
promovió la inversión extranjera, y se continuó con los lineamientos de política
económica aplicados en el quinquenio anterior, con énfasis en la redistribución.

Es importante mencionar que entre el 2011 y 2016 el PBI por habitante creció a una tasa
media anual de 3,5%, pasando de 13 mil 634 soles por persona en el año 2011 a 15 mil
914 soles en el año 2016, el valor más alto registrado desde 1950.

8
En el año 2011 la economía peruana creció 6,3%, debido al impulso de la mayor demanda
interna, alentada por el consumo privado y la mayor inversión privada. Las exportaciones
crecieron en 5,5% favorecidas por los mejores términos de intercambio, en tanto que las
importaciones crecieron en 13,6%.

En el año 2012, la producción creció en 6,1%, incidió en ello el mayor consumo e inversión
tanto privada como pública; en la inversión privada, destacaron los nuevos proyectos
mineros de Chinalco Perú y Xstrata, en hidrocarburos de Pluspetrol Camisea, por la
continuación de los proyectos de expansión de las plantas de producción de Malvinas y
Pisco, y el desarrollo de proyectos habitacionales y de centros comerciales. En el 2013 el
PBI creció 5,9%, alentado principalmente por el consumo privado y público, y la mayor
inversión pública en proyectos de inversión del sector transportes, mejora de la
infraestructura educativa, y equipamiento de hospitales; la inversión privada registró un
menor dinamismo en su crecimiento (creció en 3,6%), en tanto que las exportaciones se
redujeron en -0,6%.

En los años 2014, 2015 y 2016, el PBI creció en 2,4%, 3,3% y 3,9% respectivamente, en
un entorno internacional poco favorable, el producto mundial registró un menor ritmo
de crecimiento y la economía China se desaceleró, lo que se reflejó en un mayor deterioro
de los términos de intercambio, cuyo índice pasó de 111,8 en el año 2013 a 100,8 en el
año 2016. También crecieron a tasas mayores que el PBI promedio anual las actividades
telecomunicaciones y otros servicios de información, así como los servicios financieros.

9
INFLACION Periodo 2000-2015:

METODOLOGÍA

10
ESPECIFICACIÓN DEL MODELO

METODOLOGÍA

El método que se usará en el presente trabajo será principalmente como una
investigación descriptiva y exploratoria.
Este trabajo está basado en la metodología de Quah que utilizando un modelo VAR con
restricciones estructurales que ya han sido mencionadas anteriormente, la inflación
básica es estimada por la parte de la inflación observada que llega a ser independiente
de la producción en un periodo de largo plazo.
Así, la inflación subyacente es calculada como el componente de la inflación observada
que no tiene impacto de mediano y largo plazo en el producto.
El sistema no restringe el número de periodos en que desaparece el efecto de un shock
neutral sobre el producto. Es así que, no se impone restricciones sobre el ajuste de las
variables en el corto plazo.
En efecto, el hecho que la metodología permita que los datos revelen la rapidez de
ajuste de la economía ante un shock neutral, se considera como una característica del
modelo, permitiendo evaluar así la validez del proceso de identificación.
Si el producto falla en su ajuste ante un shock neutral, entonces no sería posible
reconocer la inflación subyacente como la aquella que es neutral al producto en el largo
plazo.
El modelo solamente pone una restricción que viene a ser el ajuste del producto ante
un shock neutral en el largo plazo, sin embargo, no impone ninguna restricción sobre el
ajuste de las variables ante un shock no neutral. Esto permite profundizar más en la
evaluación del proceso identificación, por ejemplo, si los shocks no neutrales al producto
tienen un efecto significativo o no sobre el nivel general de precios.
La metodología no considera los determinantes de la inflación subyacente y no es
estricta en la definición de los tipos de shocks en la economía, clasificándolos
simplemente en neutrales y no neutrales al producto en un periodo de largo plazo. Quah
y Vahey mencionan que es más plausible imaginar que existe un conjunto mayor de
perturbaciones, cada una con distintos efectos sobre la economía.

TIPOS DE DATOS

La información de las variables utilizadas en este modelo son series de tiempo con
frecuencia trimestral desde enero del 2000 hasta diciembre del 2016.

11
ESPECIFICACIÓN TEÓRICA DEL MODELO

Este trabajo de investigación se enfoca en analizar si es que el Índice de Precios al
Consumidor (IPC) y el Producto Bruto Interno (PBI) son estables en el largo plazo. Por
este motivo, es necesario simplificar la realidad, por lo tanto, solamente se hará uso de
un modelo de cointegración.
El modelo teórico que presentamos está basado en el modelo keynesiano para destacar
los efectos de obtener una mayor demanda que oferta, entre otros, que repercutirán en
los precios.

ESPECIFICACIÓN ECONOMÉTRICA DEL MODELO

Este es el modelo expresado en forma econométrica que resalta la diferencia con el
modelo teórico, debido a que este muestra las perturbaciones estocásticas que
normalmente se hallan en un modelo econométrico.

MODELO

𝐼𝑃𝐶 = 𝐹(𝑃𝐵𝐼𝐾)

Donde:

- IPC: Es el nivel de precios por periodos trimestrales.
- PBIK: Es el Producto Bruto Interno real de una economía, que estará expresado
por periodos trimestrales.

Definición de Variables

VARIABLE DEPENDIENTE

12
El Índice de Precios al Consumidor (IPC) mide la evolución de los precios de una
canasta de bienes y servicios consumidos habitualmente por los hogares. Los precios
de los componentes de esta canasta de bienes y servicios son ponderados con base a
la estructura de consumo de los hogares. Cuando las variaciones de este índice son
positivas, generalizadas y permanentes las economías encaran un proceso
inflacionario. En caso de caídas permanentes y generalizadas de precios, se enfrenta
un proceso deflacionario.

VARIABLE INDEPENDIENTE

El PIB real mide la producción de bienes y servicios destinados a la demanda final a
precios constantes; es decir, elimina la distorsión de las variaciones en los precios
(tantos de la inflación como de la deflación), tomando los precios del año que se toma
como base. Sabiendo el valor del PIB a precios corrientes, y el PIB a precios constantes
podemos calcular el deflactor del PIB, es una medida del nivel de precios de los bienes
y servicios producidos. Éste se calcula dividiendo el PIB nominal por el PIB real y
multiplicando el resultado por 100.

FICHA TÉCNICA

UN MODELO ECONOMÉTRICO PARA IDENTIFICAR LA
TÍTULO
RELACIÓN ENTRE PRECIOS Y PBI.

MODELO SERIES DE TIEMPO

MÉTODO COINTEGRACIÓN

PERIODO TRIMESTRAL

DELIMITACIÓN TEMPORAL 2000 AL 2016

DELIMITACIÓN GEOGRÁFICA PERÚ

TAMAÑO DE MUESTRA 68

FUENTE BCRP, INEI

La relación entre los precios (IPC) y el producto bruto
HIPÓTESIS
interno (PBI) es una relación de mediano y largo plazo.

13
RESULTADOS

Análisis de Las Series de Tiempo

PBI REAL (PBIK)

Análisis Gráfico:
Para comenzar, evaluaremos la gráfica de la serie de tiempo para ver si es que esta es
estacionaria.

PBIK
160,000

140,000

120,000

100,000

80,000

60,000

40,000
2000 2002 2004 2006 2008 2010 2012 2014 2016

Como se puede observar, claramente la serie de tiempo no es estacionario en media.
Por lo tanto, a continuación, se analizará el gráfico de la serie, pero en su primera
diferencia para poder observar si es que se corrige su falta de estacionariedad.

14
DPBIK
12,000

8,000

4,000

0

-4,000

-8,000

-12,000
2000 2002 2004 2006 2008 2010 2012 2014 2016

Como se puede observar, la serie de tiempo de la variable PBI real es aparentemente
estacionaria en su primera diferencia. Para poder corroborar el análisis gráfico
proseguiremos con el Test de Dickey – Fuller Aumentado.

Test de Dickey – Fuller Aumentado
 En su nivel
- Se inicia el análisis de la serie de tiempo con tendencia e intercepto.

Null Hypothesis: PBIK has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 4 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.212097 0.0914
Test critical values: 1% level -4.110440
5% level -3.482763
10% level -3.169372

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBIK)
Method: Least Squares
Date: 11/16/17 Time: 15:41
Sample (adjusted): 2001Q2 2016Q4
Included observations: 63 after adjustments

15
Variable Coefficient Std. Error t-Statistic Prob.

PBIK(-1) -0.320361 0.099736 -3.212097 0.0022
D(PBIK(-1)) -0.000669 0.109810 -0.006088 0.9952
D(PBIK(-2)) -0.067433 0.094646 -0.712474 0.4791
D(PBIK(-3)) -0.216523 0.087516 -2.474097 0.0164
D(PBIK(-4)) 0.689636 0.090293 7.637767 0.0000
C 14620.99 4161.571 3.513335 0.0009
@TREND("2000Q1") 440.6814 138.4375 3.183252 0.0024

R-squared 0.891868 Mean dependent var 1411.538
Adjusted R-squared 0.880282 S.D. dependent var 6045.605
S.E. of regression 2091.795 Akaike info criterion 18.23387
Sum squared resid 2.45E+08 Schwarz criterion 18.47200
Log likelihood -567.3670 Hannan-Quinn criter. 18.32753
F-statistic 76.98072 Durbin-Watson stat 1.844113
Prob(F-statistic) 0.000000

La prueba de raíz unitaria de Dickey – Fuller Aumentada indica que la variable PBI real
presenta raíz unitaria en su nivel, además, tanto la tendencia como el intercepto son
significativos, por consiguiente, se puede afirmar que la serie de tiempo es no
estacionaria en su nivel. Por lo tanto, se hará La prueba de raíz unitaria de Dickey – Fuller
Aumentada para su primera diferencia.

 Primera Diferencia
- Se inicia el análisis de la serie de tiempo con tendencia e intercepto.

Null Hypothesis: D(PBIK) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 8 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.231444 0.0885
Test critical values: 1% level -4.124265
5% level -3.489228
10% level -3.173114

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBIK,2)
Method: Least Squares
Date: 11/16/17 Time: 15:52
Sample (adjusted): 2002Q3 2016Q4
Included observations: 58 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

16
D(PBIK(-1)) -1.610545 0.498398 -3.231444 0.0023
D(PBIK(-1),2) 0.537409 0.465421 1.154671 0.2541
D(PBIK(-2),2) 0.536556 0.415563 1.291154 0.2030
D(PBIK(-3),2) 0.207103 0.367627 0.563351 0.5759
D(PBIK(-4),2) 0.557079 0.334016 1.667820 0.1020
D(PBIK(-5),2) 0.540138 0.308135 1.752926 0.0861
D(PBIK(-6),2) 0.126133 0.251994 0.500541 0.6190
D(PBIK(-7),2) 0.011290 0.207978 0.054286 0.9569
D(PBIK(-8),2) 0.286857 0.144021 1.991765 0.0522
C 1805.067 848.4074 2.127595 0.0386
@TREND("2000Q1") 7.073494 17.14684 0.412525 0.6818

R-squared 0.972031 Mean dependent var -15.58237
Adjusted R-squared 0.966080 S.D. dependent var 11346.64
S.E. of regression 2089.745 Akaike info criterion 18.29649
Sum squared resid 2.05E+08 Schwarz criterion 18.68726
Log likelihood -519.5981 Hannan-Quinn criter. 18.44870
F-statistic 163.3441 Durbin-Watson stat 1.879855
Prob(F-statistic) 0.000000

Dado el Test de Dickey – Fuller Aumentado, se obtiene que la serie en su primera
diferencia presenta raíz unitaria, sin embargo, la tendencia resulta ser no significativa,
por lo tanto, procederemos a continuar con el test.

- Se analiza la serie de tiempo solo con intercepto.

Null Hypothesis: D(PBIK) has a unit root
Exogenous: Constant
Lag Length: 8 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.252263 0.0219
Test critical values: 1% level -3.548208
5% level -2.912631
10% level -2.594027

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBIK,2)
Method: Least Squares
Date: 11/16/17 Time: 15:59
Sample (adjusted): 2002Q3 2016Q4
Included observations: 58 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(PBIK(-1)) -1.562659 0.480484 -3.252263 0.0021
D(PBIK(-1),2) 0.491456 0.447971 1.097071 0.2781
D(PBIK(-2),2) 0.494996 0.399666 1.238523 0.2215
D(PBIK(-3),2) 0.170088 0.353414 0.481272 0.6325
D(PBIK(-4),2) 0.522973 0.320813 1.630150 0.1096

17
D(PBIK(-5),2) 0.505649 0.294001 1.719886 0.0919
D(PBIK(-6),2) 0.098410 0.240758 0.408748 0.6845
D(PBIK(-7),2) -0.010517 0.199402 -0.052742 0.9582
D(PBIK(-8),2) 0.275043 0.139920 1.965715 0.0551
C 2017.843 667.7667 3.021779 0.0040

R-squared 0.971930 Mean dependent var -15.58237
Adjusted R-squared 0.966667 S.D. dependent var 11346.64
S.E. of regression 2071.602 Akaike info criterion 18.26562
Sum squared resid 2.06E+08 Schwarz criterion 18.62087
Log likelihood -519.7029 Hannan-Quinn criter. 18.40399
F-statistic 184.6670 Durbin-Watson stat 1.880475
Prob(F-statistic) 0.000000

Dado el test de raíz unitaria de Dickey – Fuller Aumentado, se obtiene que la serie de
tiempo del PBI real en su primera diferencia no posee raíz unitaria, por lo tanto, se
concluye que la serie es estacionaria en su primera diferencia.
Estos resultados indican que la serie PBI real es integrada de orden uno, es decir, I(1),
que significa que es estacionaria en su primera diferencia.

ÍNDICE DE PRECIOS AL CONSUMIDOR (IPC)

Análisis Gráfico:
Para comenzar, se analizará la gráfica de la serie de tiempo para poder observar si es o
no estacionaria.

IPC
130

120

110

100

90

80

70
2000 2002 2004 2006 2008 2010 2012 2014 2016

18
Dado el gráfico de la serie de tiempo, se puede observar que la serie no es estacionaria
en media, por consiguiente, analizaremos la gráfica de la variable IPC en su primera
diferencia y ver si se corrige la no estacionariedad en media.

DIPC
2.0

1.6

1.2

0.8

0.4

0.0

-0.4

-0.8
2000 2002 2004 2006 2008 2010 2012 2014 2016

Como se puede observar, la serie de tiempo en su primera diferencia corrige la no
estacionariedad, sin embargo, para poder corroborar de mejor manera estos resultados
proseguiremos con realizar el Test de Dickey – Fuller Aumentado.

Test de Dickey – Fuller Aumentado
 En su nivel
- Se inicia el análisis de la serie de tiempo con tendencia e intercepto.

Null Hypothesis: IPC has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.603346 0.7812
Test critical values: 1% level -4.103198
5% level -3.479367
10% level -3.167404

*MacKinnon (1996) one-sided p-values.

19
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IPC)
Method: Least Squares
Date: 11/16/17 Time: 16:28
Sample (adjusted): 2000Q3 2016Q4
Included observations: 66 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

IPC(-1) -0.043143 0.026908 -1.603346 0.1139
D(IPC(-1)) 0.418788 0.114117 3.669820 0.0005
C 3.365304 2.002517 1.680537 0.0979
@TREND("2000Q1") 0.036725 0.018538 1.981058 0.0520

R-squared 0.330541 Mean dependent var 0.686820
Adjusted R-squared 0.298148 S.D. dependent var 0.543127
S.E. of regression 0.455013 Akaike info criterion 1.321711
Sum squared resid 12.83630 Schwarz criterion 1.454418
Log likelihood -39.61647 Hannan-Quinn criter. 1.374150
F-statistic 10.20405 Durbin-Watson stat 1.885922
Prob(F-statistic) 0.000015

Dado la prueba de raíz unitaria de Dickey – Fuller Aumentado, se observa que la serie
en su nivel con tendencia e intercepto presenta raíz unitaria, por lo que se puede
concluir que la serie es no estacionaria, sin embargo, la tendencia en el modelo no es
significativa, por consiguiente, se continuará realizando las pruebas en su nivel.

- Se analiza la serie de tiempo solo con intercepto.

Null Hypothesis: IPC has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 1.983954 0.9998
Test critical values: 1% level -3.533204
5% level -2.906210
10% level -2.590628

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IPC)
Method: Least Squares
Date: 11/16/17 Time: 16:33
Sample (adjusted): 2000Q3 2016Q4
Included observations: 66 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

20
IPC(-1) 0.009373 0.004724 1.983954 0.0516
D(IPC(-1)) 0.405443 0.116532 3.479250 0.0009
C -0.508484 0.441685 -1.151237 0.2540

R-squared 0.288165 Mean dependent var 0.686820
Adjusted R-squared 0.265567 S.D. dependent var 0.543127
S.E. of regression 0.465455 Akaike info criterion 1.352785
Sum squared resid 13.64883 Schwarz criterion 1.452315
Log likelihood -41.64192 Hannan-Quinn criter. 1.392114
F-statistic 12.75181 Durbin-Watson stat 1.853187
Prob(F-statistic) 0.000022

Nuevamente se obtiene que la serie presenta raíz unitaria, sin embargo, el intercepto
resulta ser no significativo, por lo tanto, se continuará con lo última prueba en su nivel
para determinar si la serie es estacionaria o no.

- Se analiza la serie sin tendencia ni intercepto.

Null Hypothesis: IPC has a unit root
Exogenous: None
Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 4.078675 1.0000
Test critical values: 1% level -2.600471
5% level -1.945823
10% level -1.613589

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IPC)
Method: Least Squares
Date: 11/16/17 Time: 16:36
Sample (adjusted): 2000Q3 2016Q4
Included observations: 66 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

IPC(-1) 0.004055 0.000994 4.078675 0.0001
D(IPC(-1)) 0.437037 0.113542 3.849133 0.0003

R-squared 0.273190 Mean dependent var 0.686820
Adjusted R-squared 0.261833 S.D. dependent var 0.543127
S.E. of regression 0.466636 Akaike info criterion 1.343301
Sum squared resid 13.93597 Schwarz criterion 1.409655
Log likelihood -42.32895 Hannan-Quinn criter. 1.369521
Durbin-Watson stat 1.855954

21
Dado esta última prueba, se obtiene que definitivamente la serie presenta raíz unitaria,
por lo que podemos concluir que la serie es no estacionaria y, por consiguiente, se tiene
que corregir diferenciándolo para que se pueda observar en qué orden es que está
integrada la serie de tiempo IPC.

 Primera Diferencia
- Se inicia el análisis de la serie de tiempo con tendencia e intercepto.

Null Hypothesis: D(IPC) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -5.339327 0.0002
Test critical values: 1% level -4.105534
5% level -3.480463
10% level -3.168039

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IPC,2)
Method: Least Squares
Date: 11/16/17 Time: 16:38
Sample (adjusted): 2000Q4 2016Q4
Included observations: 65 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(IPC(-1)) -0.729493 0.136626 -5.339327 0.0000
D(IPC(-1),2) 0.191043 0.124865 1.529993 0.1312
C 0.174587 0.126081 1.384720 0.1712
@TREND("2000Q1") 0.009330 0.003398 2.745655 0.0079

R-squared 0.338900 Mean dependent var 0.005560
Adjusted R-squared 0.306387 S.D. dependent var 0.548988
S.E. of regression 0.457216 Akaike info criterion 1.332241
Sum squared resid 12.75182 Schwarz criterion 1.466049
Log likelihood -39.29783 Hannan-Quinn criter. 1.385037
F-statistic 10.42351 Durbin-Watson stat 2.005391
Prob(F-statistic) 0.000012

Como se puede observar la serie de tiempo no presenta raíz unitaria en su primera
diferencia, por lo que se puede concluir, dado todas las pruebas realizadas a esta
variable, que es integrada de orden uno, es decir, I(1) (estacionario en primera
diferencia).

22
Análisis de cointegración

PRUEBA DE CAUSALIDAD DE GRANGER

Pairwise Granger Causality Tests
Date: 11/13/17 Time: 16:03
Sample: 2000Q1 2016Q4
Lags: 2

Null Hypothesis: Obs F-Statistic Prob.

PBIK does not Granger Cause IPC 66 3.99655 0.0234
IPC does not Granger Cause PBIK 1.91619 0.1559

La prueba de causalidad de Granger indica que el IPC no es el factor que causa el PBIK
real. Es decir, que el PBIK real es lo que causa el IPC, que es lo que conocemos por la
teoría económica, en este caso, el producto bruto interno al que se le ha aislado el efecto
de los precios (PBI real).
Se presentan casos en los que esta prueba da como resultado enunciados que
contradicen a la teoría económica sin embargo para este caso en particular la prueba ha
mostrado que sí es efectiva ya que según la hipótesis nula de que el IPC es causado por
el PIBK tiene una probabilidad mayor al 0.05 con lo cual se acepta la hipótesis nula.

PRUEBA DE COINTEGRACIÓN DE JOHANSEN

En la prueba de cointegración de Johansen, hemos considerado los resultados que se
obtuvieron de las anteriores pruebas de Dickey – Fuller, las cuales indicaban que ambas
series no poseían tendencia ni intercepto. Como sabemos, en esta prueba de Johansen
lo ideal es que los coeficientes de ambas variables (que se ubican en la parte inferior de
la tabla) deben ser negativos, o en el peor de los casos, que sean los más pequeños
posibles. Es así que hemos ido evaluando qué resultado obteníamos para dichos
coeficientes considerando diferentes números de rezagos, y luego de haber considerado
más de 10 rezagos, llegamos a la conclusión de que con 3 rezagos, los mencionados
coeficientes son ambos negativos, por lo que a continuación mostramos los resultados
de las pruebas con esos rezagos. No consideramos más rezagos que esos porque o bien
de las dos coeficientes uno es positivo y el otro no, o también ocurría que en vez de
reducirse, los coeficientes más bien crecían
23
- Con 3 rezagos:
-
-
Trend assumption: Linear deterministic trend
Series: IPC PBIK
Lags interval (in first differences): 1 to 3

Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.308784 24.26902 15.49471 0.0019
At most 1 0.009852 0.633632 3.841466 0.4260

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.308784 23.63539 14.26460 0.0013
At most 1 0.009852 0.633632 3.841466 0.4260

Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

IPC PBIK
0.206327 -0.000150
0.492255 -0.000232

Unrestricted Adjustment Coefficients (alpha):

D(IPC) -0.178038 -0.030510
D(PBIK) -1180.147 154.0266

1 Cointegrating Equation(s): Log likelihood -620.8486

Normalized cointegrating coefficients (standard error in parentheses)
IPC PBIK
1.000000 -0.000726
(4.7E-05)

Adjustment coefficients (standard error in parentheses)
D(IPC) -0.036734
(0.01121)
D(PBIK) -243.4962
(64.8127)

-

24
Los resultados de la prueba de cointegración de Johansen indican que con un nivel de
significancia de 5% y considerando 3 rezagos para el modelo, existe una ecuación de
cointegración entre la variable IPC y la variable PBI real. Así, podemos plantear la ecuación
de cointegración de la siguiente manera:

𝑰𝑷𝑪 = 𝟎. 𝟎𝟎𝟎𝟕𝟐𝟔𝑷𝑩𝑰𝑲
De modo que nos encontramos con este modelo que, a nuestro parecer, es adecuado a
partir de la prueba de cointegración de Johansen.

Dado los resultados obtenidos, se procederá a desarrollar el modelo propuesto que
vendría a ser un VEC (3), debido a que las variables son integradas de grado uno y están
cointegradas.

Vector Error Correction Estimates
Date: 11/20/17 Time: 09:56
Sample (adjusted): 2001Q1 2016Q4
Included observations: 64 after adjustments
Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1

IPC(-1) 1.000000

PBIK(-1) -0.000726
(4.7E-05)
[-15.4191]

C -31.91846

Error Correction: D(IPC) D(PBIK)

CointEq1 -0.036734 -243.4962
(0.01121) (64.8127)
[-3.27553] [-3.75692]

D(IPC(-1)) 0.409407 -242.1705
(0.12970) (749.592)
[ 3.15649] [-0.32307]

D(IPC(-2)) -0.117233 -1009.504
(0.13777) (796.195)
[-0.85095] [-1.26791]

D(IPC(-3)) -0.063977 -3050.679
(0.12401) (716.684)
[-0.51590] [-4.25666]

D(PBIK(-1)) -3.82E-05 -0.872059

25
(1.5E-05) (0.08822)
[-2.50472] [-9.88530]

D(PBIK(-2)) -1.13E-05 -0.643280
(1.7E-05) (0.10104)
[-0.64803] [-6.36665]

D(PBIK(-3)) 1.82E-05 -0.821685
(1.4E-05) (0.08007)
[ 1.31095] [-10.2626]

C 0.571857 7002.949
(0.14288) (825.718)
[ 4.00248] [ 8.48104]

R-squared 0.446973 0.844916
Adj. R-squared 0.377844 0.825531
Sum sq. resids 10.58835 3.54E+08
S.E. equation 0.434831 2513.010
F-statistic 6.465835 43.58505
Log likelihood -33.23994 -587.6102
Akaike AIC 1.288748 18.61282
Schwarz SC 1.558608 18.88268
Mean dependent 0.684167 1351.905
S.D. dependent 0.551278 6016.375

Determinant resid covariance (dof adj.) 1194009.
Determinant resid covariance 914162.9
Log likelihood -620.8486
Akaike information criterion 19.96402
Schwarz criterion 20.57120

Dado el modelo, se procederá con los siguientes desarrollos.

Función Impulso – Respuesta

Como sabemos, la función impulso respuesta evalúa la respuesta a los cambios o choques
en las innovaciones aleatorias de ambas variables, en este caso, IPC y PBI real, en los
cambios a corto plazo en el IPC y PBI real. En el análisis siguiente hemos optado por
considerar, con fines prácticos, los 10 primeros periodos para evaluar dichas respuestas
de las variables entre sí.

RESPUESTA DE LA VARIABLE IPC

Se puede observar las respuestas de la variable IPC en la siguiente tabla:

26
A continuación se presenta la explicación de los resultados de la función impulso
respuesta para la variable IPC:

Con respecto a la respuesta ante shocks del IPC, en el primer periodo la respuesta fue
positiva, e igual a 0.434831. Para el segundo periodo, la respuesta se incrementó, hasta
que en el tercer periodo empieza a decaer, siguiendo ese comportamiento en los
periodos siguientes. Con respecto a los shocks en el PBI real, inicialmente no hubo efecto
o respuesta alguna por parte del IPC, pero para el segundo periodo la respuesta fue
negativa, aunque a partir del tercer periodo empieza a crecer, haciéndose positiva.

Lo explicado se puede apreciar gráficamente:

RESPUESTA DE LA VARIABLE PBI REAL

Se puede observar las respuestas de la variable IPC en la siguiente tabla:

27
A continuación se presenta la explicación de los resultados de la función impulso
respuesta para la variable PBI real:

Con respecto a la respuesta ante shocks del IPC, en el primer periodo la respuesta fue
negativa, e igual a 17.54917. Para el segundo periodo, la respuesta aún negativa se
incrementó, siguiendo esa tendencia a incrementarse hasta el cuarto periodo, porque
para el quinto periodo, manteniéndose negativa, la magnitud se fue reduciendo, aunque
en el octavo periodo esa tendencia cambió, con lo cual podemos decir que tuvo un
comportamiento oscilante. Con respecto a los shocks en el PBI real, inicialmente el efecto
o respuesta fue muy grande, equivalente a 2512.949, pero para el segundo periodo la
respuesta, aunque positiva, se fue reduciendo, pero en el siguiente periodo empieza a
crecer, de modo que podríamos decir que también sigue un comportamiento oscilante.

Mostramos de esta manera los siguientes gráficos donde juntamos la información ya
mencionada, para ver la respuesta obtenida por ambas variables (IPC y PBI real) frente a
innovaciones que se dan entre ellas mismas.

28
PREDICCIONES

PREDICCIONES DEL PBI

En esta parte del trabajo, se mostrará el pronóstico de nuestro modelo con respecto al
PBI. Se pronosticará desde el primer trimestre del año 2017 hasta el último trimestre del
año 2020 que nos brindará, por lo tanto, dieciséis valores pronosticados del modelo.

Valores Pronosticados

29
Como se puede observar, nuestro modelo indica que los valores futuros tendrán una
tendencia ascendente con pequeñas caídas en ciertos trimestres que prácticamente
sigue el mismo patrón de los valores anteriores.

160,000

155,000

150,000

145,000

140,000

135,000

130,000
I II III IV I II III IV I II III IV I II III IV
2017 2018 2019 2020

PBIK_F

Con el grafico se corrobora lo dicho, la tendencia será ascendente con pequeñas bajas
en algunos trimestres.

30
160,000

140,000

120,000

100,000

80,000

60,000

40,000
00 02 04 06 08 10 12 14 16 18 20

PBIK (C PBIK) PBIK_F

Por último, tenemos que, al comparar la muestra con los pronósticos, si bien no parece
concordar con lo sucedido a inicios del periodo, se puede observar que en el pronóstico
sigue el patrón de los últimos trimestres.

PREDICCIONES DEL IPC

Como ya se había mencionado, pronosticaremos los valores del IPC desde el primer
trimestre del año 2017 hasta el último trimestre del año 2020, todo esto según nuestro
modelo VEC (3).

Valores Pronosticados

31
Como se observa los valores del IPC tienen tendencia ascendente y no se retraen en
ningún periodo. En conclusión, el IPC crecerá de manera constante en los siguientes
trimestres.

142

140

138

136

134

132

130

128

126
I II III IV I II III IV I II III IV I II III IV
2017 2018 2019 2020

IPC_F

Dado el gráfico, se observa que el IPC tiene tendencia ascendente el cual corrobora lo
antes mencionado.

32
150

140

130

120

110

100

90

80

70
00 02 04 06 08 10 12 14 16 18 20

ipc (C PBIK) ipc

Según el último gráfico, se observa que el pronóstico mantiene la tendencia que
creciente de los valores reales, pero de una manera mucho más estable comparándolo
con los resultados a inicios del periodo que claramente se nota una leve inestabilidad.

33
Conclusiones
El presente trabajo en donde estudiamos el comportamiento causal del IPC y el PBI real
en el Perú, las pruebas de cointegración arroja importantes resultados acerca de este
importante en nuestra economía, el cual emana una cierta dificultad a la hora de estudiar
la inflación básica en el Perú

Realizadas las pruebas de cointegración pertinentes, como la prueba de Johansen, nos
muestra la posible existencia de cointegración entre estas dos series temporales, ya que
ambas series eran cointegradas de orden 1, se procedió a la estimación de un modelo de
vector de corrección de errores (VEC), y no con un modelo de vectores autorregresivos
(VAR) irrestricto, ya que el VEC es un VAR en el que se ha impuesto la restricción de la
convergencia hacia la relación de equilibrio a largo plazo, que es justamente lo que indica
la metodología propuesta sobre la que este estudio se ha basado.

De acuerdo con los resultados obtenidos, la relación de complementariedad obtenida
entre el IPC y el PBI real indicaría que la producción en términos reales, es decir,
habiéndole aislado el efecto de los precios, es precisamente un factor que influye en gran
medida en la medición del crecimiento de los precios, específicamente en la inflación
básica, pues como ya se ha postulado anteriormente, no existe uniformidad en el proceso
de medición de la inflación, pues hasta el día de hoy las técnicas para realizarlo son
diversas.

Es así que, tomando como ejemplo datos de la realidad peruana, se ha podido concluir
que la ambigüedad que existe al momento de elegir entre las diversas formas de
medición de la inflación desaparece al plantear un modelo que establece una relación de
largo plazo entre la producción en términos reales y los precios.

34
Bibliografía

 Quah, D. and S. Vahey (1995), “Measuring Core Inflation”. The Economic Journal
, Vol. 105, N° 432, 1130-1144.
 Alfonso Novales, “Econometría”, 2da. Edición.
 http://files.pucp.edu.pe/departamento/economia/LDE-2012-02a.pdf
 http://www.flacsoandes.edu.ec/biblio/catalog/resGet.php?resId=11563

35
Anexos

PBI real

PBIK
160,000

140,000

120,000

100,000

80,000

60,000

40,000
2000 2002 2004 2006 2008 2010 2012 2014 2016

DPBIK
12,000

8,000

4,000

0

-4,000

-8,000

-12,000
2000 2002 2004 2006 2008 2010 2012 2014 2016

36
Test Dickey Fuller
Null Hypothesis: PBIK has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 4 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.212097 0.0914
Test critical values: 1% level -4.110440
5% level -3.482763
10% level -3.169372

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBIK)
Method: Least Squares
Date: 11/16/17 Time: 15:41
Sample (adjusted): 2001Q2 2016Q4
Included observations: 63 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

PBIK(-1) -0.320361 0.099736 -3.212097 0.0022
D(PBIK(-1)) -0.000669 0.109810 -0.006088 0.9952
D(PBIK(-2)) -0.067433 0.094646 -0.712474 0.4791
D(PBIK(-3)) -0.216523 0.087516 -2.474097 0.0164
D(PBIK(-4)) 0.689636 0.090293 7.637767 0.0000
C 14620.99 4161.571 3.513335 0.0009
@TREND("2000Q1") 440.6814 138.4375 3.183252 0.0024

R-squared 0.891868 Mean dependent var 1411.538
Adjusted R-squared 0.880282 S.D. dependent var 6045.605
S.E. of regression 2091.795 Akaike info criterion 18.23387
Sum squared resid 2.45E+08 Schwarz criterion 18.47200
Log likelihood -567.3670 Hannan-Quinn criter. 18.32753
F-statistic 76.98072 Durbin-Watson stat 1.844113
Prob(F-statistic) 0.000000

Null Hypothesis: D(PBIK) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 8 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.231444 0.0885
Test critical values: 1% level -4.124265
5% level -3.489228
10% level -3.173114

*MacKinnon (1996) one-sided p-values.

37
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBIK,2)
Method: Least Squares
Date: 11/16/17 Time: 15:52
Sample (adjusted): 2002Q3 2016Q4
Included observations: 58 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(PBIK(-1)) -1.610545 0.498398 -3.231444 0.0023
D(PBIK(-1),2) 0.537409 0.465421 1.154671 0.2541
D(PBIK(-2),2) 0.536556 0.415563 1.291154 0.2030
D(PBIK(-3),2) 0.207103 0.367627 0.563351 0.5759
D(PBIK(-4),2) 0.557079 0.334016 1.667820 0.1020
D(PBIK(-5),2) 0.540138 0.308135 1.752926 0.0861
D(PBIK(-6),2) 0.126133 0.251994 0.500541 0.6190
D(PBIK(-7),2) 0.011290 0.207978 0.054286 0.9569
D(PBIK(-8),2) 0.286857 0.144021 1.991765 0.0522
C 1805.067 848.4074 2.127595 0.0386
@TREND("2000Q1") 7.073494 17.14684 0.412525 0.6818

R-squared 0.972031 Mean dependent var -15.58237
Adjusted R-squared 0.966080 S.D. dependent var 11346.64
S.E. of regression 2089.745 Akaike info criterion 18.29649
Sum squared resid 2.05E+08 Schwarz criterion 18.68726
Log likelihood -519.5981 Hannan-Quinn criter. 18.44870
F-statistic 163.3441 Durbin-Watson stat 1.879855
Prob(F-statistic) 0.000000

Null Hypothesis: D(PBIK) has a unit root
Exogenous: Constant
Lag Length: 8 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.252263 0.0219
Test critical values: 1% level -3.548208
5% level -2.912631
10% level -2.594027

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBIK,2)
Method: Least Squares
Date: 11/16/17 Time: 15:59
Sample (adjusted): 2002Q3 2016Q4
Included observations: 58 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(PBIK(-1)) -1.562659 0.480484 -3.252263 0.0021
D(PBIK(-1),2) 0.491456 0.447971 1.097071 0.2781
D(PBIK(-2),2) 0.494996 0.399666 1.238523 0.2215

38
D(PBIK(-3),2) 0.170088 0.353414 0.481272 0.6325
D(PBIK(-4),2) 0.522973 0.320813 1.630150 0.1096
D(PBIK(-5),2) 0.505649 0.294001 1.719886 0.0919
D(PBIK(-6),2) 0.098410 0.240758 0.408748 0.6845
D(PBIK(-7),2) -0.010517 0.199402 -0.052742 0.9582
D(PBIK(-8),2) 0.275043 0.139920 1.965715 0.0551
C 2017.843 667.7667 3.021779 0.0040

R-squared 0.971930 Mean dependent var -15.58237
Adjusted R-squared 0.966667 S.D. dependent var 11346.64
S.E. of regression 2071.602 Akaike info criterion 18.26562
Sum squared resid 2.06E+08 Schwarz criterion 18.62087
Log likelihood -519.7029 Hannan-Quinn criter. 18.40399
F-statistic 184.6670 Durbin-Watson stat 1.880475
Prob(F-statistic) 0.000000

IPC

IPC
130

120

110

100

90

80

70
2000 2002 2004 2006 2008 2010 2012 2014 2016

39
DIPC
2.0

1.6

1.2

0.8

0.4

0.0

-0.4

-0.8
2000 2002 2004 2006 2008 2010 2012 2014 2016

Test Dickey Fuller

Null Hypothesis: IPC has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.603346 0.7812
Test critical values: 1% level -4.103198
5% level -3.479367
10% level -3.167404

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IPC)
Method: Least Squares
Date: 11/16/17 Time: 16:28
Sample (adjusted): 2000Q3 2016Q4
Included observations: 66 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

IPC(-1) -0.043143 0.026908 -1.603346 0.1139
D(IPC(-1)) 0.418788 0.114117 3.669820 0.0005
C 3.365304 2.002517 1.680537 0.0979
@TREND("2000Q1") 0.036725 0.018538 1.981058 0.0520

40
R-squared 0.330541 Mean dependent var 0.686820
Adjusted R-squared 0.298148 S.D. dependent var 0.543127
S.E. of regression 0.455013 Akaike info criterion 1.321711
Sum squared resid 12.83630 Schwarz criterion 1.454418
Log likelihood -39.61647 Hannan-Quinn criter. 1.374150
F-statistic 10.20405 Durbin-Watson stat 1.885922
Prob(F-statistic) 0.000015

Null Hypothesis: IPC has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 1.983954 0.9998
Test critical values: 1% level -3.533204
5% level -2.906210
10% level -2.590628

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IPC)
Method: Least Squares
Date: 11/16/17 Time: 16:33
Sample (adjusted): 2000Q3 2016Q4
Included observations: 66 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

IPC(-1) 0.009373 0.004724 1.983954 0.0516
D(IPC(-1)) 0.405443 0.116532 3.479250 0.0009
C -0.508484 0.441685 -1.151237 0.2540

R-squared 0.288165 Mean dependent var 0.686820
Adjusted R-squared 0.265567 S.D. dependent var 0.543127
S.E. of regression 0.465455 Akaike info criterion 1.352785
Sum squared resid 13.64883 Schwarz criterion 1.452315
Log likelihood -41.64192 Hannan-Quinn criter. 1.392114
F-statistic 12.75181 Durbin-Watson stat 1.853187
Prob(F-statistic) 0.000022

Null Hypothesis: IPC has a unit root
Exogenous: None
Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 4.078675 1.0000
Test critical values: 1% level -2.600471

41
5% level -1.945823
10% level -1.613589

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IPC)
Method: Least Squares
Date: 11/16/17 Time: 16:36
Sample (adjusted): 2000Q3 2016Q4
Included observations: 66 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

IPC(-1) 0.004055 0.000994 4.078675 0.0001
D(IPC(-1)) 0.437037 0.113542 3.849133 0.0003

R-squared 0.273190 Mean dependent var 0.686820
Adjusted R-squared 0.261833 S.D. dependent var 0.543127
S.E. of regression 0.466636 Akaike info criterion 1.343301
Sum squared resid 13.93597 Schwarz criterion 1.409655
Log likelihood -42.32895 Hannan-Quinn criter. 1.369521
Durbin-Watson stat 1.855954

Null Hypothesis: D(IPC) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -5.339327 0.0002
Test critical values: 1% level -4.105534
5% level -3.480463
10% level -3.168039

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IPC,2)
Method: Least Squares
Date: 11/16/17 Time: 16:38
Sample (adjusted): 2000Q4 2016Q4
Included observations: 65 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(IPC(-1)) -0.729493 0.136626 -5.339327 0.0000
D(IPC(-1),2) 0.191043 0.124865 1.529993 0.1312
C 0.174587 0.126081 1.384720 0.1712
@TREND("2000Q1") 0.009330 0.003398 2.745655 0.0079

R-squared 0.338900 Mean dependent var 0.005560
Adjusted R-squared 0.306387 S.D. dependent var 0.548988

42
S.E. of regression 0.457216 Akaike info criterion 1.332241
Sum squared resid 12.75182 Schwarz criterion 1.466049
Log likelihood -39.29783 Hannan-Quinn criter. 1.385037
F-statistic 10.42351 Durbin-Watson stat 2.005391
Prob(F-statistic) 0.000012

Causalidad de Granger

Pairwise Granger Causality Tests
Date: 11/13/17 Time: 16:03
Sample: 2000Q1 2016Q4
Lags: 2

Null Hypothesis: Obs F-Statistic Prob.

PBIK does not Granger Cause IPC 66 3.99655 0.0234
IPC does not Granger Cause PBIK 1.91619 0.1559

Cointegración de Johansen

Trend assumption: Linear deterministic trend
Series: IPC PBIK
Lags interval (in first differences): 1 to 3

Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.308784 24.26902 15.49471 0.0019
At most 1 0.009852 0.633632 3.841466 0.4260

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.308784 23.63539 14.26460 0.0013
At most 1 0.009852 0.633632 3.841466 0.4260

Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

43
IPC PBIK
0.206327 -0.000150
0.492255 -0.000232

Unrestricted Adjustment Coefficients (alpha):

D(IPC) -0.178038 -0.030510
D(PBIK) -1180.147 154.0266

1 Cointegrating Equation(s): Log likelihood -620.8486

Normalized cointegrating coefficients (standard error in parentheses)
IPC PBIK
1.000000 -0.000726
(4.7E-05)

Adjustment coefficients (standard error in parentheses)
D(IPC) -0.036734
(0.01121)
D(PBIK) -243.4962
(64.8127)

Modelo Estimado

Trend assumption: Linear deterministic trend
Series: IPC PBIK
Lags interval (in first differences): 1 to 3

Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.308784 24.26902 15.49471 0.0019
At most 1 0.009852 0.633632 3.841466 0.4260

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.308784 23.63539 14.26460 0.0013
At most 1 0.009852 0.633632 3.841466 0.4260

Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

44
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

IPC PBIK
0.206327 -0.000150
0.492255 -0.000232

Unrestricted Adjustment Coefficients (alpha):

D(IPC) -0.178038 -0.030510
D(PBIK) -1180.147 154.0266

1 Cointegrating Equation(s): Log likelihood -620.8486

Normalized cointegrating coefficients (standard error in parentheses)
IPC PBIK
1.000000 -0.000726
(4.7E-05)

Adjustment coefficients (standard error in parentheses)
D(IPC) -0.036734
(0.01121)
D(PBIK) -243.4962
(64.8127)

Impulso Respuesta

45
46
Pronósticos
PBIK

47
160,000

155,000

150,000

145,000

140,000

135,000

130,000
I II III IV I II III IV I II III IV I II III IV
2017 2018 2019 2020

PBIK_F

160,000

140,000

120,000

100,000

80,000

60,000

40,000
00 02 04 06 08 10 12 14 16 18 20

PBIK (C PBIK) PBIK_F

48
IPC

142

140

138

136

134

132

130

128

126
I II III IV I II III IV I II III IV I II III IV
2017 2018 2019 2020

IPC_F

49
150

140

130

120

110

100

90

80

70
00 02 04 06 08 10 12 14 16 18 20

ipc (C PBIK) ipc

50

Sign up to vote on this title
UsefulNot useful