Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Escuela de Economía
Econometría 1.
Estudiantes:
I ciclo 2019
1
Tema de estudio: exportaciones netas costarricenses.
Variables independientes:
1. Tasa básica. (tb). Se debe entender este concepto como el promedio ponderado de
las tasas de interés de captación bruta en colones, negociadas por los intermediarios
financieros en el país. Se espera una relación negativa entre las variables, porque los
exportadores podrían preferir tomar sus excedentes para invertirlos en sus negocios,
sabiendo además lo difícil que es que puedan acceder al sistema bancario, se podría
asumir que los exportadores preferirían invertir su dinero antes de ahorrarlo, por
márgenes de ganancia y compromisos.
2
2. Tipo de cambio Real. Probablemente la variable a la que más están atentos los
exportadores e importadores de un país, el tipo de cambio porque indica la cantidad
de bienes y servicios que se pueden obtener en otro país con la moneda del propio.
El tipo de cambio influye de manera directa en las expectativas y decisiones que
toman los agentes económicos de un país, porque vincula los bienes y servicios
entre países, y se pueden hacer comparaciones del precio. Los exportadores estarán
felices si el tipo de cambio aumenta, porque recibirán más colones por vender sus
productos en el exterior por lo que se espera un signo positivo en esa variable.
Se quiere que el modelo empiece con una relación log - log, para minimizar los
problemas con los residuos y además para tener un análisis en términos de elasticidades.
Es decir que los betas asociados a las variables independientes, revelarán los cambios
relativos, es decir que ante un cambio relativo de las variables independientes, la
variable dependiente cambiará relativamente una cantidad que se encontrará en los
betas.
3
Modelo Base.
Como es un modelo log-log entonces se dice que, esto quiere decir que ante un cambio
relativo de 1 en la tipo de cambio real las exportaciones netas cambia en 0.926025.
Ante un cambio relativo de 1 en la tasa básica las exportaciones netas cambian en
-.150446. Ante un cambio relativo de 1 en las importaciones netas de Estados Unidos,
4
las exportaciones netas cambian 0.879818. Hay que notar que todos los signos fueron
los esperados.
Normalidad en la distribución.
Se puede observar que se cumple con la distribución normal de los errores, la probabilidad
asociada a los errores es de 0.17, siendo superior al 5%, o bien al 10%.
5
Multicolinealidad.
Esta prueba indica que existe multicolinealidad entre varias variables, pues la relación entre
ellas supera al 0.8; por ejemplo la entre la tasa de cambio real y las exportaciones existe, al
igual que entre la tasa de cambio real y las importaciones de Estados Unidos).
Heterocedasticidad.
6
Hay que observar que ambas probabilidades superan el 5%, por lo que se concluye
que el modelo inicial no presenta Heterocedasticidad. La heterocedasticidad hace que los
betas sean insesgados, pero poco eficientes y esto invalida las pruebas de significancia de
las variables. El mismo resultado lo da el test de Harvey:
7
Autocorrelación.
8
Se puede observar un comportamiento de agrupación de los errores en la parte inferior del
gráfico, y una tendencia a crecer al principio del periodo y a bajar en la última parte de la
serie de tiempo, por lo que es un indicio de autocorrelación.
9
Las probabilidades asociadas son menores a 1, por lo que se concluye, que el modelo tiene
autocorrelación, en este caso la consecuencia será que se dará una incorrecta especificación
del verdadero error y se crearán errores de medición de la variable dependiente, en
conclusión, para todos efectos científicos, la predicción con el modelo inicial será
ineficiente.
10
Se observa que este primer intento es efectivo, el método utilizado para aliviar la
autocorrelación de primer orden dado el cambio en el estadístico Durbin-Watson; sin
embargo se conoce de antemano que este no sería un modelo favorable, ya que no es
parsimonioso, dada la cantidad alta de variables incluidas en él, además de que dicho
cambio para solventar la autocorrelación provocó una alteración en las probabilidades de
las variables lo cual las convierte en estadísticamente no significativas evaluadas al 5% de
significancia. Dadas las razones anteriores se procede a mejorar el modelo removiendo las
variables con un t estadístico menor al valor absoluto de uno y siguiente al valor absoluto
de dos, con lo que se obtiene la siguiente regresión:
11
Se observa un modelo más parsimonioso que el anterior, pero más importante que
ello es que el problema de las probabilidades de las variables fue solucionado, de esta
manera obteniendo todas las variables estadísticamente significativas evaluadas a una
significancia del 5%, además se mejoró de manera leve el resultado del estadístico Durbin-
Watson, lo cual señala que el problema de autocorrelación de primer orden aún se mantiene
solucionado, de igual manera la probabilidad F se observa significativa para el conjunto de
variables evaluado al 5%, con los datos que indican un posible modelo de ruido blanco se
procede a realizar pruebas de residuos más robustas para confirmar si es un modelo
adecuado.
12
Pruebas de Heteroscedasticidad
Breusch-Pagan-Godfrey
13
White.
14
En la prueba de heteroscedasticidad de White con términos cruzados añadidos se obtuvo
una probabilidad de F de 0.38 lo cual al igual que las 2 anteriores señala que no hay
presencia de heteroscedasticidad en el modelo, este tipo de prueba multiplica las variables
explicativas entre sí además de elevarlas al cuadrado para hacer una regresión de igual
manera con los residuos al cuadrado como variable regresada.
Autocorrelación
Correlogram Q-statistic
15
Se realizaron además las pruebas de Breusch-Godfrey serial correlation LM de igual
manera para evaluar la autocorrelación con distintas cantidades de rezagos para probar
autocorrelaciones de distinto orden sin embargo en todas se obtuvo un valor de
probabilidad F inferior al 5% de significancia evaluado por lo tanto en estas pruebas
también se determina que no hay autocorrelación
Pruebas de estabilidad.
Cusum. Se puede observar con esta prueba que el modelo es estable en conjunto, pues su
tendencia se mantiene entre las dos bandas.
Cusum cuadrado.
16
Esta prueba dice que el modelo es estable en el tiempo en conjunto, aunque sí se sale de las
bandas en algún momento, se vuelva a introducir en las bandas y al final de la serie de
tiempo se nota que permanece estable, este es uno de los test más robustos, por lo que se
puede decir que el modelo es estable en conjunto.
17
Estabilidad individual.
18
Forecast (Pronóstico)
19
Se obtiene además un coeficiente de theil de 0.01 el cual al ser menor a 0.5 indica que el
pronóstico obtenido por este modelo será mejor y más adecuado que el pronóstico
ingenuo
Dadas las pruebas hechas, se concluye que el modelo es ruido blanco no tiene
heteroscedasticidad, no tiene autocorrelación, es relativamente parsimonioso, es estable y
tendrá un pronóstico mejor al ingenuo, tal como se propuso al inicio de este trabajo.
20