Rezagos como variables explicadoras

¿Por qué usarlos? ¿Como usarlos?

Nos sirve para identificar la incidencia que Por medio de variables u operadores de
tienen las variables explicativas sobre las tiempo
variables dependientes en uno o más periodos

Modelo de rezago infinito de x

Razones psicológicas periodos

Razones tecnológicas Modelo donde se ha definido

la longitud del rezago

Razones institucionales
Donde l, es tal que 0 < l < 1(Tasa
de declinación)
1.1 Especificación del modelo
Para el modelo se tomó como referencia la tasa de inflación desde el año 2000
hasta el 2001, tomando como variable independiente la meta de inflación y otras
de carácter dependiente como la inflación al consumidor y la inflación básica,
identificando de esta manera el alza de mercado en el transcurso de la primera
década del 2000, antes del TLC.

Periodo Meta de inflación Inflación al Inflación básica

consumidor
2000 10,00 8,75 9,30
2001 8,00 7,65 6,48
2002 6,00 6,99 5,35
2003 6,00 6,49 7,01
2004 5,00 5,50 5,52
2005 5,00 4,85 4,12
2006 4,00 4,48 3,95
2007 4,00 5,69 4,43

y=β 0 + β 1∗x 1 + β 2∗x 2+ β3∗x 3+ ϵ

2.

Análisis MDI
Gráficos
Como el p-valor es de 0,01 ¿ 0,05 entonces se acepta la hipótesis nula y decimos
que el modelo tiene raíz unitaria, por lo tanto, la serie no es estacionaria.
 Análisis IPC
Gráficos
Como el p-valor es de 0,99 < 0,05 entonces se acepta la hipótesis nula y decimos
que el modelo tiene raíz unitaria, por lo tanto, la serie es no estacionaria.

Análisis IB

Gráficos
Como el p-valor es de 0,02453 ¿ 0,05 entonces se acepta la hipótesis nula y
decimos que el modelo tiene raíz unitaria, por lo tanto, la serie no es estacionaria.

Modelo 1
En primera instancia avaluaremos si el primer rezago de la variable del MDI es
significativo en el modelo con la siguiente ecuación:
Modelo 1: MDI =β 0 + β 1∗IPC+ L1 (IB)+ ϵ
Donde Lies un operador en la variable que indica que la se le aplica la función de
rezago (LAG) con i rezagos. Por tanto, estamos asumiendo que el IPC en un
periodo i tiene un impacto en el periodo i+1 sobre el MDI:
Obtenemos la siguiente estimación:
Sobre el MDI el año consecutivo a este. Además de esto se asume un criterio
autorregresivo donde el valor MDI, también depende de sus valores pasados con
un rezago estimado.
 Modelo 2

Ahora avaluaremos si el primer rezago de la variable del MDI y de IB es

significativo en el modelo con la siguiente ecuación:
Modelo 2: MDI =β 0 + β 1∗IPC+ β2∗L1 ( IB )+ ϵ

Para este caso se asume que tanto el IPC como el Interés tiene un efecto
retardado sobre el MDI de al menos un periodo, por lo tanto, cualquier variación de
estos en un momento i, tendrá impacto sobre el MDI el año consecutivo a este.
 Modelo 3
Ahora avaluaremos si el primer rezago de la variable del MDI, IPC y de IB son
significativo en el modelo con la siguiente ecuación:
Modelo 3: MDI =β 0 + β 1∗L1 ( IPC ) + β 2∗L1 ( IB ) + β 3

¿ L1 ( MDI ) +ϵ

Para este caso se asume que el IPC e IB tienen un efecto retardado sobre el MDI
de al menos un periodo, por lo tanto, cualquier variación de estos en un momento
i, tendrá impacto
 Selección del mejor Modelo

Criterio de Modelo 1 Modelo 2 Modelo 3 Modelo

Selección Escogido
R-Square 1 1 0,9925 M3
Adj. R-Square 1 1 0.9975 M3
P-Value 2.12 2.2 2.5 M3

Mejor Modelo Escogido M3

4. Interpretación del modelo
Se seleccionó el modelo 3
Modelo 3: MDI =β 0 + β 1∗L1 ( IPC ) + β 2∗L1 ( IB ) + β 3

¿ L1 ( MDI ) +ϵ

Se determina por medio del proceso ANOVA que la mejor alternativa según su
calidad de ajuste es el modelo 3, al tener una varianza frente al promedio menor
que las demas. De igual manera el proceso dio aceptacion a la hipotesis nula

Criterio de Modelo 1 Modelo 2 Modelo 3 Modelo

Selección Escogido
R-Square 1 1 0,9925 M3
Adj. R-Square 1 1 0.9975 M3
P-Value 2.12 2.2 2.5 M3

Mejor Modelo Escogido M3