Ejercicios Supuesto 33-34

UNIVERSIDAD TÉCNICA DE AMBATO
FACULTAD DE CONTABILIDAD Y AUDITORIA
CARRERA DE ECONOMÍA
MODELOS ECONOMÉTRICOS II
GRUPO Nº 6
TEMA:
SUPUESTOS 33 y 34
INTEGRANTES:
Endara Elizabeth
Gutiérrez Andrés
Moyolema Diego
Peña Paola
Yucailla Coralia
Yugsi Johana
DOCENTE:
Eco. Julio Villa
CURSO:
Séptimo “A”
PERÍODO ACADÉMICO
Octubre 2021 – febrero 2022

Contenido
SUPUESTO 33...............................................................................................................................3
Analizar la estacionariedad de las series..................................................................................3
Tabla 1. Estadísticos de rango-media para cambio, utilizando 16 submuestras de tamaño
12.........................................................................................................................................4
Tabla 2. Análisis Rango-Media\Series...................................................................................5
Tabla 3. Conjunto de restricciones.......................................................................................7
Tabla 4. Retardos..................................................................................................................8
Tabla 5. ADF. Valor p\Series...............................................................................................13
Contrastar la “Ley del precio único” o paridad del poder adquisitivo (ppp), según la cual, si
dos países producen bienes que se pueden exportar y no existen impedimentos para
comerciar entre ellos, entonces la ratio entre los precios domésticos y extranjeros debe
igualar al tipo de cambio........................................................................................................14
EJERCICIO 34..............................................................................................................................20
Tabla 1: Selección del orden de VAR..................................................................................22
Tabla 2: Sistema VAR, retardo 4.........................................................................................23
Tabla 3: Contraste sobre el VAR.........................................................................................25
MODELO VAR SIN TENDENCIA NI ESTACIONALIDAD DETERMINISTA.....................................25
Tabla 4: VAR sin tendencia ni estacionalidad.....................................................................26
................................29
Tabla 6: Matriz de covarianzas...........................................................................................29
Tabla 7: Contraste de normalidad de los residuos.............................................................30
Tabla 8: Predicción del PIB.................................................................................................31
Tabla 9: Predicción del Interés...........................................................................................32
.....32
Tabla 10: Predicción del PIB- estática.................................................................................34
Tabla 11: Predicción del Interés – estática.........................................................................36
A partir del modelo estimado, contrastar la existencia de causalidad en el sentido de
Granger y llevar a cabo un análisis impulso-respuesta...........................................................37
Tabla 12: Contraste F de restricciones cero - PIB...............................................................38
Tabla 13: Contraste F de restricción cero - Interés.............................................................38
Tabla 14: Resultado del contraste de restricciones............................................................39
Descomposición de la varianza..................................................................................................39
Tabla 15: Descomposición de la varianza para PIB.............................................................40
Tabla 16: Descomposición de la varianza para el Interés...................................................41
Tabla 17: Respuesta desviación Típica del PIB....................................................................42
Tabla 18: Respuestas de la desviación típica en interés.....................................................43
1. Analizar la existencia de cointegración entre ambas series............................................44
Tabla 18: Contraste de cointegración.................................................................................45
Tabla 19: Contraste de Johansen........................................................................................46
4 ¿Sería aconsejable estimar un modelo VEC? ¿Mejorarían las predicciones?......................47
Tabla 20: Modelo VECM.....................................................................................................48
Tabla 21: Predicciones modelo VEC - PIB...........................................................................50
Tabla 22: Predicciones VEC para el Interés.........................................................................51
2. Estimar un modelo VAR para las variables masa monetaria, PIB, inflación y tipo de
interés....................................................................................................................................52
Tabla 23: Sistema VAR 8 Retardos......................................................................................53
Tabla 24: Sistema VAR, retardo 7.......................................................................................54
Tabla 25: Contraste F de restricciones................................................................................59
Tabla 26: Predicciones de Inflación....................................................................................60
Tabla 27: Contraste de Johansen........................................................................................62
Tabla 28: VEC 7 retardos...................................................................................................63
SUPUESTO 33
Contenidos: Estacionariedad, Test ADF, Test KPSS, Cointegración, Test de Engle y
Granger, Test de Johansen.
Enunciado: El archivo ppp.gdt contiene las series mensuales de los índices de precios
en dos países y el tipo de cambio.
SOLUCIÓN:
Analizar la estacionariedad de las series
Para estudiar la estacionariedad de las tres series disponibles en nuestro archivo de
trabajo comenzamos llevando a cabo el análisis rango-media, que muestra la
conveniencia de transformar todas las series mediante logaritmos.
Así, en el caso de la serie cambio el análisis rango-media (sin eliminar los valores
máximo y mínimo de las submuestras) proporciona una salida muy concluyente, al
llevar asociado un nivel crítico muy reducido que conduce al rechazo de la hipótesis de
dispersión constante (es decir, pendiente nula de la regresión rango media).
Gráfico 1. Gráfico de rango-media
Fuente: Grupo investigador a partir del software Gretl
Tabla 1. Estadísticos de rango-media para cambio, utilizando 16 submuestras de

tamaño 12
Rango media
2005:01 - 2005:12 6.82720 209.583
2006:01 - 2006:12 15.3461 205.723
2007:01 - 2007:12 9.74770 198.939
2008:01 - 2008:12 5.97430 201.795
2009:01 - 2009:12 21.6718 214.232
2010:01 - 2010:12 12.6710 214.511
2011:01 - 2011:12 4.61050 215.848
2012:01 - 2012:12 4.67310 218.515
2013:01 - 2013:12 7.18560 215.149
2014:01 - 2014:12 5.99270 220.361
2015:01 - 2015:12 3.87050 219.915
2016:01 - 2016:12 45.7408 235.026
2017:01 - 2017:12 22.9714 278.756
2018:01 - 2018:12 21.8688 290.231
2019:01 - 2019:12 46.0712 324.557
2020:01 - 2020:06 11.6963 299.447
Pendiente de 'rango' con respecto a 'media' = 0.20186

El valor p para H0: [Pendiente = 0 es 0.0161376]
Interpretación:
Como podemos ver en la tabla siguiente, la conclusión no cambia si se opta por

descartar los valores máximo y mínimo de las submuestras, ya que el nivel crítico
continúa siendo muy bajo.
La tabla incluye también los resultados obtenidos al realizar el mismo análisis sobre las
series ipca e ipcb. En todos los casos los niveles críticos asociados a la regresión rango-
media son reducidos, y al nivel de significación del 5% conducen al rechazo de la
hipótesis nula de dispersión constante.
Tabla 2. Análisis Rango-Media\Series

Análisis Rango-Media\Series… cambio Ipca ipcb
Nivel crítico del test con datos completos 0,01611376 5,65167e-05 0,0260495
Nivel crítico del test eliminando
observaciones externas 0,0477682 6,8721e-05 0,0307979
Interpretación:
A la vista de estos resultados, se utiliza el menú Añadir Logaritmo de las variables
seleccionadas para generar a partir de las series iniciales cambio, ipca e ipcb las
correspondientes series transformadas logarítmicas, cuya denominación será
respectivamente l_cambio, l_ipca y l_ipcb. Sobre estas nuevas series llevaremos a cabo
un análisis de estacionariedad mediante los contrastes de raíz unitaria (ADF y ADF-
GLS) y de estacionariedad (KPSS).
Comenzando con la serie l_cambio, la representación gráfica sugiere la existencia de
tendencia determinista (lineal y cuadrática) pero no de estacionalidad. Este análisis de
los componentes deterministas, que podemos confirmar mediante una estimación
mínimo-cuadrática, es interesante para especificar adecuadamente la regresión auxiliar
del test ADF.
Gráfico 2. l_cambio

Gráfico 3. Mínimos Cuadrados Ordinarios (Añadido time, sq_time y dummy’s )
Tabla 3. Conjunto de restricciones

Conjunto de
restricciones
1 b[dm1] = 0
2 b[dm2] = 0
3 b[dm3] = 0
4 b[dm4] = 0
5 b[dm5] = 0
6 b[dm6] = 0
7 b[dm7] = 0
8 b[dm8] = 0
9 b[dm9] = 0
10 b[dm10] = 0
11 b[dm11] = 0
Estadístico de contraste: F (11, 172) = 0,257305, con valor p = 0,992216
Interpretación:
Dado que no se detecta estacionalidad determinista, al llevar a cabo el test ADF sobre
l_cambio se incluyen los componentes constantes, tendencia y tendencia cuadrática, así
como los retardos sugeridos por Gretl que en este caso son 14. Sobre la salida, se
descarta el modelo más completo al ser la tendencia cuadrática no significativa y
pasamos a analizar el modelo con constante y tendencia lineal que no incluye ningún
retardo, ya que el criterio AIC va disminuyendo a medida que se reduce el orden de
retardos p.
Tabla 4. Retardos
k= 14 AIC = -831,197
k= 13 AIC = -833,050
k= 12 AIC = -833,491
k= 11 AIC = -832,784
k= 10 AIC = -832,608
k= 9 AIC = -834,154
k= 8 AIC = -836,145
k= 7 AIC = -837,418
k= 6 AIC = -835,791
k= 5 AIC = -835,955
k= 4 AIC = -837,489
k= 3 AIC = -839,268
k= 2 AIC = -840,172
k= 1 AIC = -841,38
k= 0 AIC = -843,279
Contraste aumentado de Dickey-Fuller para l_cambio
contrastar hacia abajo desde 14 retardos, con el criterio AIC
tamaño muestral 185
la hipótesis nula de raíz unitaria es: [a = 1]
con constante y tendencia
incluyendo 10 retardos de (1-L)l_cambio

modelo: (1 − L)y = b0 + b1 * t + (a − 1) * y(−1) + · · · + e
valor estimado de (a - 1): -0,034068
estadístico de contraste: tau_ct(1) = -1,89967
valor p asintótico 0,6507
Coef. de autocorrelación de primer orden de e: 0,018
Gráfico 4. Regresión aumentada de Dickey-Fuller (MCO)
A la vista del nivel crítico p = 0,1547 no se rechaza la existencia de una raíz unitaria,
conclusión que coincide con la proporcionada por el contraste ADF-GLS.
Contraste aumentado de Dickey-Fuller (GLS) para l_cambio
contrastar hacia abajo desde 14 retardos,
con el criterio AIC modificado, Perron-Qu

incluyendo 5 retardos de (1-L)l_cambio
modelo: (1 − L)y = b0 + b1 * t + (a − 1) * y(−1) + · · · + e
estadístico de contraste: tau = -1,43587
10 % 5% 2,5 % 1%
Valores críticos: −2,64 −2,93 −3,18 −3,46
Para confirmar esta conclusión aplicamos también el test KPSS incluyendo la tendencia
(que resulta significativa) y obteniendo un nivel crítico suficientemente reducido para
rechazar la hipótesis de estacionariedad.
Gráfico 5. Regresión KPSS

Estimación robusta de la varianza: 0,0311275
Suma de cuadrados de los residuos acumulados: 719,211
Contraste KPSS para l_cambio (incluyendo tendencia)
T = 186
Parámetro de truncamiento de los retardos = 4
Estadístico de contraste = 0,667861
10 % 5% 1%
Valores críticos: 0,120 0,148 0,217
Valor p < .01
Como consecuencia de todos estos análisis se concluye que la serie l_cambio tiene al
menos una raíz unitaria y habría que analizar si tiene más de una raíz. Al aplicar el test
ADF sobre la serie en diferencias (que aproxima la tasa de variación intermensual de
cambio) se obtiene un nivel crítico suficientemente reducido para rechazar la hipótesis
de raíz unitaria. Más concretamente, en este caso si nos basamos en el modelo sin
tendencia ni constante (ya que ninguno de estos términos resulta significativo al 5 %) el
nivel crítico es p=8,857e-026.
Contraste aumentado de Dickey-Fuller para d_l_cambio
contrastar hacia abajo desde 14 retardos, con el criterio AIC
contraste sin constante
incluyendo 0 retardos de (1-L)d_l_cambio
modelo: (1-L)y = (a-1)*y(-1) + e

estadístico de contraste: tau_nc(1) = -13,3127
valor p 8,857e-026
contraste con constante
modelo: (1-L)y = b0 + (a-1)*y(-1) + e
estadístico de contraste: tau_c(1) = -13,4001
valor p 4,886e-022
modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + e
estadístico de contraste: tau_ct(1) = -13,4108
valor p 1,702e-021
A la misma conclusión llegamos con el test ADF-GLS. Por su parte, el test KPSS
aplicado sobre la serie d_l_cambio proporciona un nivel crítico p > 0,1.
Así pues, el resultado es coherente con los anteriores y se concluye en todos los casos
que la serie l_cambio es I(1).
Contraste KPSS para d_l_cambio
T = 185
Parámetro de truncamiento de los retardos = 4
Estadístico de contraste = 0,161107
10 % 5% 1%
Valores críticos: 0,348 0,462 0,739
Valor p > .10
Interpretación:
Teniendo en cuenta que deseamos analizar la estacionariedad de las tres series en

logaritmos, deberíamos repetir con las otras dos series el procedimiento aplicado
anteriormente sobre l_cambio. La tabla siguiente resume los resultados obtenidos al
aplicar el test ADF a las series de logaritmos (para las que se detecta una raíz unitaria) y
a las correspondientes series en primeras diferencias (para las que se rechaza la
existencia de raíz unitaria, concluyendo que todas ellas son I(1)):
Tabla 5. ADF. Valor p\Series

ADF. Valor p\Series… cambio ipca ipcb
Nivel crítico del test ADF 0,6507 0,1026 0,133

sobre la serie en nivel con const y time con const y time con const y time
Nivel crítico del test ADF 8,857e-026 0,01151 0,001305

sobre la serie diferenciada sin const con const t y t 2 sin const
Interpretación:
Como ya hemos comentado anteriormente, a menudo los distintos contrastes difieren en

sus conclusiones sobre la estacionariedad de las series. Así, mientras al analizar la serie
l_cambio todos los contrastes coinciden en que la serie es I(1) ya que presenta una raíz
unitaria y la serie diferenciada es estacionaria, en cambio al estudiar la serie l_ipcb tanto
el test ADF-GLS como el KPSS sugieren que podría ser I(2).
Contrastar la “Ley del precio único” o paridad del poder adquisitivo (ppp), según
la cual, si dos países producen bienes que se pueden exportar y no existen
impedimentos para comerciar entre ellos, entonces la ratio entre los precios
domésticos y extranjeros debe igualar al tipo de cambio.
Para que se cumpla la ley del precio único (que equivale a una relación de equilibrio a
largo plazo o cointegración) debería verificarse que un cambio en los precios relativos
lleve asociado un cambio proporcional en el tipo de cambio. Según este planteamiento
el tipo de cambio tiende a coincidir con el ratio de precios:
cambio=ipca/ipcb
y por lo tanto para las series en logaritmos:
l_cambio = l_ipca -l_ipcb
Así pues, para contrastar la ley del precio único examinaremos la posible existencia de
cointegración entre las series l_cambio y l_ratio. La primera ha sido estudiada en el
apartado anterior y la segunda puede generarse como l_ratio=l_ipca-l_ipcb o
equivalentemente como l_ratio=log(ipca/ipcb).
La existencia de cointegración exige que las dos series sean integradas del mismo orden.
Este requisito se cumple ya que, como hemos visto anteriormente, la serie l_cambio es
I(1) y también lo son l_ipca y l_ipcb, con lo cual la serie l_ratio será a su vez I(1).
Para contrastar la cointegración entre las dos series podemos utilizar las opciones
incluidas en Gretl. Así, el test de Engle y Granger se encuentra en el menú Modelos,
luego elegimos series temporales multivariantes, finalmente Contraste de cointegración
(Engle-Granger) y proporciona información relativa a cuatro etapas diferenciadas:
1.Contraste ADF de raíz unitaria sobre l_cambio
2.Contraste ADF de raíz unitaria sobre l_ratio
3.Regresión mínimo cuadrática de l_cambio sobre l_ratio
4.Contraste ADF de raíz unitaria sobre los residuos de la regresión anterior.

Tal y como se describe al final de la propia salida, esta última etapa será determinante
para llegar a una conclusión, ya que si los residuos son integrados de orden inferior a las
series (en este caso I(0), es decir, estacionarios) se concluye que las series están
cointegradas.
Como podemos observar, la salida de Gretl confirma que las series l_cambio y l_ratio
son I(1) ya que los niveles críticos del contraste ADF son en ambos casos elevados.
A continuación, aparece la denominada “regresión cointegrante” en la que se estima por

mínimos cuadrados la variable l_cambio en función de l_ratio (que es significativa
según el contraste t de Student) y se almacenan los correspondientes residuos. En la
salida del modelo estimado se observa que el valor del coeficiente de determinación
supera al del estadístico Durbin-Watson, lo cual puede ser un indicio de regresión
espuria.
Los residuos de esta ecuación proporcionan información relevante para el contraste, ya

que la última etapa consiste en llevar a cabo sobre ellos el test ADF de raíz unitaria.
Como podemos apreciar, el test ADF proporciona en este caso un nivel crítico elevado
con lo cual no se rechaza la presencia de raíz unitaria y se concluye que las series
analizadas (l_cambio y l_ratio) no están cointegradas, es decir, se rechaza la ley del
precio único.
Gráfico 6. Contrastando

Hay evidencia de una relación cointegrante si:
(a) La hipótesis de existencia de raíz unitaria no se rechaza para las variables

individuales.
(b) La hipótesis de existencia de raíz unitaria se rechaza para los residuos (uhat) de la
regresión cointegrante.
Interpretación:
Otra forma de analizar la posible existencia de cointegración entre las series l_cambio y
l_ ratio consiste en aplicar el test de cointegración de Johansen, que se encuentra
disponible en Gretl en el menú Modelos . series temporales multivariantes. Contraste de
cointegración (Johansen).
La salida proporciona información muy amplia basada en varios criterios (estadístico de

la traza, máxima verosimilitud, contraste corregido por el tamaño muestral) que en
todos los casos comienzan contrastando la hipótesis r=0 (rango de cointegración nulo,
es decir, no existencia de cointegración).
En este caso se observa que los niveles críticos obtenidos superan el 5 % por lo cual no
se rechaza dicho supuesto y la conclusión del test de Johansen es 597 coincidente con la
del test de Engle y Granger realizado anteriormente: las series no están cointegradas y
por tanto no se cumple la “ley del precio único”.
Gráfico 7. Contraste de Johansen
Interpretación:
El test de Johansen es secuencial y contrasta en una primera etapa que no existe

cointegración (r = 0). En caso de que se rechace este supuesto se pasa a contrastar r = 1
mediante los mismos criterios y, si esta hipótesis también se rechazase, pasaríamos a
contrastar r = 2 y así sucesivamente.
Cuando el análisis de cointegración se lleva a cabo sobre un total de m series el máximo

número de relaciones de cointegración posibles son m-1, pero al aplicar el test de
Johansen podría darse el caso de que se rechazasen todas las hipótesis incluida r = m 1.
Este tipo de situación, que conceptualmente no tendría sentido, estaría detectando que
las series investigadas no son integradas por lo cual el análisis de cointegración no
procedería en este caso.
EJERCICIO 34
Enunciado:
El fichero contiene varias series trimestrales de variables de la economía de Estados

Unidos durante el período 1954-1994
⇤ PIB: PIB real (en billones de dólares de 1987)
⇤ m1: logaritmo de la oferta monetaria M1
⇤ inflación: tasa trimestral de inflación (variación de logaritmos de precios), % anual
⇤ interés: tipo de interés de los bonos del tesoro
1.Estimar un modelo VAR hasta finales de 1992 para las series PIB e interés,
obteniendo predicciones para los 8 trimestres posteriores
2. A partir del modelo estimado, contrastar la existencia de causalidad en el sentido de

Granger y llevar a cabo un análisis impulso-respuesta
3. Analizar la existencia de cointegración entre ambas series
4 ¿Sería aconsejable estimar un modelo VEC? ¿Mejorarían las predicciones?
5. Estimar un modelo VAR para las variables masa monetaria, PIB, inflación y tipo de
interés.
Una vez que tenemos la base de datos proporcionada por el libro en revisión,
procedemos a cargar al Software estadístico Gretl, antes de estimar el modelo VAR
restringimos el recorrido muestral desde el inicio hasta 1992: 4, aplicando 8 retardos.
Usamos 8 retardos, estimamos nuevamente el modelo, mediante la opción modelo,
series temporales multivariantes, auto regresión VAR. Incluimos la constante, la
tendencia determinista y estacionalidad.
Tabla 1: Selección del orden de VAR
Interpretación:
Conviene tener presente que cuando T + 16 entonces se cumple p(BIC) < p(HQC) <
p(AIC), y en nuestro caso para el modelo VAR estimado se obtiene
p(BIC) = 1, p(HQC) = 4 y p(AIC) = 8.
Por otra parte, observamos que el test de la razón de verosimilitud rechaza la hipótesis
de que el retardo es 1 frente a 2 (H0: p = 1, H1: p = 2) con nivel crítico 0, 01676 y en
cambio no rechaza la hipótesis nula H0: p = 4 frente a la alternativa H1: p = 5, ya que el
nivel crítico obtenido es 0, 32633. Como consecuencia, podemos asumir que el orden
adecuado de retardos es 4, tal y como sugería también el criterio de información
Hannan-Quinn.
Asumiendo p=4 la estimación del modelo se lleva a cabo mediante la opción Modelo
Series temporales multivariantes. Autor regresión vectorial VAR y proporciona la salida
siguiente, donde inicialmente hemos incluido constante, tendencia determinista y
estacionalidad:
Tabla 2: Sistema VAR, retardo 4

Interpretación:
Se observa que ni la tendencia ni las variables estacionales resultan significativas,

conclusión que podemos confirmar mediante los contrastes disponibles desde la salida
del modelo en las opciones de menú Contrastes, Omitir la tendencia temporal y
Contrastes, Omitir las variables ficticias estacionales cuyos resultados son los
siguientes:
Tabla 3: Contraste sobre el VAR
MODELO VAR SIN TENDENCIA NI ESTACIONALIDAD

DETERMINISTA
Tabla 4: VAR sin tendencia ni estacionalidad

Interpretación:
A partir de la salida de este modelo es necesario analizar los residuos de las dos series
para ver si se comportan como ruidos blancos. En esta etapa de chequeo puede ser
conveniente almacenar las series de residuos mediante las opciones Guardar, Residuos
de la ecuación 1 y Guardar, Residuos de la ecuación 2.
La tabla de residuos puede visualizarse desde la salida del modelo VAR en Análisis,
Representar los residuos, todas las ecuaciones y la representación gráfica de ambas
series, que aparece a continuación, se obtiene en Gráficos, Residuos, Gráfico
combinado.
Gráfico 1: Residuos del modelo VAR
Interpretación:
Por lo que se refiere al análisis de autocorrelación, desde el modelo VAR estimado se

accede al menú Contrastes, Autocorrelación cuya salida muestra clara evidencia de
correlación de orden 4 y en menor medida de orden 2.
Tabla 5: Contraste de autocorrelación hasta el orden 4
Interpretación:
También es interesante examinar las correlaciones cruzadas en la opción Análisis,
Matriz de covarianzas cruzadas entre ecuaciones, que muestra un elevado nivel de
correlación entre las dos series de residuos (el coeficiente de correlación es 0,936).
Tabla 6: Matriz de covarianzas

Interpretación:
Esta información aparece ampliada en la opción Contrastes, Normalidad de los residuos,

que proporciona también el test de normalidad de Doornik-Hansen, cuyo resultado en
este caso es significativo para rechazar el supuesto de normalidad.
Tabla 7: Contraste de normalidad de los residuos
Interpretación:
A pesar de las limitaciones observadas en el modelo podemos obtener a partir del

mismo predicciones para las dos variables endógenas, utilizando las opciones de menú
Análisis, Predicciones, PIB y Análisis, Predicciones, interés respectivamente. Como
podemos observar, la opción automática (dinámica fuera de la muestra) proporciona
predicciones poco adecuadas para las dos variables, con errores absolutos porcentuales
superiores al 16 % en el caso del PIB y al 12 % para el tipo de interés, mientras el índice
de Theil supera en ambos casos el valor 1.
Tabla 8: Predicción del PIB
Gráfico 2: Predicción del PIB

Tabla 9: Predicción del Interés
Gráfico 3: Predicción del Interés

Interpretación:
Otra alternativa es realizar las predicciones mediante la opción estática de Gretl, en

cuyo caso el horizonte de predicción es siempre 1, incorporándose en cada etapa a la
predicción el valor registrado del trimestre anterior. Tal y como cabía esperar, en este
caso las predicciones mejoran significativamente ya que descienden tanto los errores
porcentuales (inferiores en todos los casos al 10 %) como el índice de Theil (inferior a
la unidad para las dos series).
Tabla 10: Predicción del PIB- estática

Gráfica 4: Predicción del PIB – estática

Tabla 11: Predicción del Interés – estática

Gráfica 5: Predicción del Interés – estática
A partir del modelo estimado, contrastar la existencia de causalidad en el

sentido de Granger y llevar a cabo un análisis impulso-respuesta
La salida del VAR estimado contiene información relativa a las relaciones de causalidad
entre las variables PIB e interés. Más concretamente, los contrastes de restricciones
incluidos al final de la primera ecuación, correspondiente al PIB, permiten concluir con
rotundidad que el interés causa el PIB en el sentido de Granger 1969.
Tabla 12: Contraste F de restricciones cero - PIB

En cambio, al examinar la segunda ecuación relativa al tipo de interés los contrastes de

restricciones no son tan concluyentes al analizar si el PIB podría causar el tipo de
interés (la hipótesis nula de no causalidad, equivalente a la nulidad de los coeficientes
de los valores retardados del PIB en la ecuación de interés, se rechazaría al 10 % pero
no al 5 %).
Tabla 13: Contraste F de restricción cero - Interés
Al final del modelo VAR estimado aparece también el resultado del contraste de
restricciones relativo al sistema en su conjunto, que permite confirmar el orden de
retardos adecuado para el modelo. Más concretamente, la hipótesis nula es p=3 y el
nivel crítico obtenido es muy reducido con lo cual se rechaza este supuesto y se
corrobora que el orden de retardos utilizado es el correcto (p=4).
Tabla 14: Resultado del contraste de restricciones
El análisis impulso-respuesta nos permitirá estudiar de qué modo responden las

variables PIB e interés ante un shock en una de ellas. Para llevar a cabo este análisis
debemos estudiar previamente cuál de las variables es más exógena, mediante la
descomposición de las varianzas.
Descomposición de la varianza
El resultado de esta descomposición es sensible al orden en el que aparecen las
variables, por lo que resulta recomendable partir de un supuesto inicial (en este caso nos
llevaría a proponer como más exógena a priori la serie de tipo de interés, que como ya
hemos confirmado a través de los contrastes de Granger es causa del PIB).
La salida de la descomposición de varianzas para el modelo estimado aparece recogida

a continuación y muestra que la proporción de varianza asociada a la serie del tipo de
interés es muy elevada, confirmando así la exogeneidad de esta variable.
Tabla 15: Descomposición de la varianza para PIB

Tabla 16: Descomposición de la varianza para el Interés
Interpretación:
Esta información resulta útil para llevar a cabo el análisis impulso-respuesta, al que se
accede en Gretl desde la salida del modelo VAR en la opción Análisis, Respuestas al
impulso.
La tabla muestra la respuesta obtenida en períodos sucesivos ante un shock de tamaño

de una desviación típica en cada una de las variables. Así, si se asume que este shock
afecta a la ecuación del PIB, la tabla muestra caídas en el tipo de interés a partir del
segundo período cuya intensidad se va reduciendo progresivamente.
Por su parte, un shock de una desviación típica en el tipo de interés daría lugar a
incrementos del PIB especialmente elevados en el segundo período.
Tabla 17: Respuesta desviación Típica del PIB

Tabla 18: Respuestas de la desviación típica en interés
La representación gráfica de las respuestas al impulso se encuentra disponible desde la

salida del modelo VAR en Gráficos, Respuestas al impulso (todas) y proporciona una
visión global de los efectos ocasionados por los shocks en los períodos sucesivos.
En cualquiera de los casos se observa que los efectos convergen a cero, es decir, no hay
shocks permanentes.
Gráfica 6: Respuestas al impulso
También es posible representar individualmente cada una de estas respuestas

seleccionando entre las alternativas disponibles: Gráficos, Respuesta de PIB, a PIB,
Gráficos, Respuesta de PIB, a interés, Gráficos, Respuesta de interés, a PIB y Gráficos,
Respuesta de interés, a interés.
1. Analizar la existencia de cointegración entre ambas series
Para analizar la existencia de cointegración entre las series PIB e interés podemos llevar
a cabo el test de Engle y Granger, que como hemos descrito anteriormente (p. 577) se
basa en analizar el orden de integración de cada una de las series y de los residuos de la
regresión cointegrante.
Este test está disponible en Gretl, Modelo, Series temporales multivariantes, Contraste
de Cointegración (Engle-Granger) y en este caso proporciona la salida siguiente, según
la cual las series PIB e interés son ambas I(1) y los residuos de la regresión cointegrante
son I(0). Más concretamente, el test ADF sobre la serie de residuos proporciona un nivel
crítico reducido, por lo cual se rechaza que dichos residuos tengan una raíz unitaria y se
asume que son estacionarios. A la vista de estos resultados se concluye que las series
PIB e interés están cointegradas.
Tabla 18: Contraste de cointegración
Interpretación:
Nota: Como ya hemos señalado anteriormente, el resultado proporcionado por Gretl
para el contraste de Cointegración de Engle-Granger es limitado en varios sentidos:
⇤ Por una parte esta opción únicamente contrasta la existencia de una raíz unitaria en
las series, es decir, lleva a cabo el test ADF para confirmar si tanto PIB como interés
son I(1). Sin embargo, podría darse el caso de que las series presenten varias raíces
unitarias y por tanto sean integradas de un orden superior.
⇤ Este contraste ADF se basa en un modelo auxiliar determinado, pero si

considerásemos otro modelo distinto (incluyendo o no constante, tendencia,
estacionalidad, cambiando el orden de los retardos. . .) la conclusión podría verse
afectada.
⇤ El test Engle-Granger no realiza el contraste de estacionariedad KPSS que podría ser

útil para corroborar la conclusión obtenida mediante el test ADF. Teniendo en cuenta
estas consideraciones, parece recomendable llevar a cabo un análisis más exhaustivo de
las series PIB e interés (mediante contrastes ADF de raíces unitarias y KPSS de
estacionariedad), que permita concluir que ambas series son I(1) y que los residuos de la
regresión cointegrante son estacionarios. De este modo tendremos más evidencias para
concluir que las series PIB e interés son cointegradas.
Otra alternativa para analizar la existencia de cointegración es aplicar el test de

Johansen al que se accede en Modelo, Series temporales multivariantes. Contraste de
Cointegración (Johansen). Como ya hemos anticipado 580 en este caso se contrastan
secuencialmente hipótesis relativas al rango de cointegración, de menor a mayor
(empezando por r=0, no existencia de cointegración y finalizando en r=k-1).
Tabla 19: Contraste de Johansen

Interpretación:
En el caso que estamos analizando, teniendo en cuenta los resultados de los apartados
anteriores optamos por la segunda opción, constante restringida.
Al analizar el resultado se observa que la primera fila de la tabla corresponde a la

hipótesis r=0 (no existencia de cointegración) y la salida de Gretl confirma que este
supuesto se rechaza según los distintos criterios (estadísticos de la traza y máxima
verosimilitud que proporcionan niveles críticos muy reducidos).
A continuación, se examina la segunda fila cuya hipótesis nula es r=1 (existe una
relación de cointegración). Dicha hipótesis no se rechaza, por lo cual concluimos que la
series están cointegradas.
La ecuación de cointegración estimada es similar a la obtenida anteriormente, ya que en

la salida del test de Johansen aparece el vector beta normalizado con coeficientes 0,56
para la constante y 1,02 para el coeficiente del tipo de interés (en la estimación de la
relación cointegrante incluida en el test de Engle y Granger dichos coeficientes son 0,48
y 1,03 respectivamente).
4 ¿Sería aconsejable estimar un modelo VEC? ¿Mejorarían las

predicciones?
Una vez que hemos confirmado la existencia de cointegración entre las series PIB e
interés es recomendable llevar a cabo la estimación de un modelo de corrección de error
(MCE) o VEC. Esta opción, que se encuentra disponible en Modelo, Series temporales
multivariantes, VECM, equivale a estimar un VAR restringido donde las variables
endógenas son las primeras diferencias de PIB e interés y la restricción corresponde a la
ecuación de cointegración estimada anteriormente que recoge la relación de equilibrio a
largo plazo entre ambas series.
Tabla 20: Modelo VECM
Interpretación:
Desde la salida del VEC estimado puede llevarse a cabo el chequeo de residuos
mediante las mismas opciones vistas para el VAR (análisis gráfico, autocorrelación,
normalidad, . . .) que proporcionan resultados similares. Por lo que se refiere al análisis
impulso respuesta, tanto la tabla completa como la salida gráfica muestran que ahora se
esperan efectos permanentes en las respuestas ante shocks de una desviación típica,
especialmente si ésta se produce en el tipo de interés, ya que las respuestas de ambas
series a este impulso se estabilizan en torno al valor 0,9.
Gráfico 7: Análisis de impulso respuesta
A partir de este modelo VEC se obtienen nuevas predicciones, que son de calidad similar a las
proporcionadas por el VAR (lógicamente los indicadores mejoran cuando se elaboran estas
predicciones con la opción estática cuyo horizonte de predicción es de sólo un trimestre). A
modo de ilustración las predicciones del PIB con el VEC son las siguientes para la predicción
dinámica, que Gretl denomina automática y cuyo horizonte de predicción es h=1, 2, ...8:
Tabla 21: Predicciones modelo VEC - PIB

Gráfico 8: Predicciones modelo VEC -PIB
Tabla 22: Predicciones VEC para el Interés

Gráfico 9: Predicciones VEC para el Interés
2. Estimar un modelo VAR para las variables masa monetaria, PIB, inflación y tipo
de interés
Si planteamos un VAR para las cuatro series recogidas en el archivo de trabajo debemos
comenzar por seleccionar el número de retardos más adecuado mediante la opción Gretl
Modelo. Series temporales multivariantes. Selección del orden del VAR. La constante
se omite ya que no resulta significativa en ninguna de las ecuaciones.
Tabla 23: Sistema VAR 8 Retardos
Interpretación:
Podríamos tener algunas dudas sobre la elección de retardo de orden 2 o 7. Sin

embargo, el test de la razón de verosimilitudes rechaza la hipótesis de que el retardo es
2 y no rechaza que pueda ser 7 (H0 : p = 7 , H1 : p = 8, con nivel crítico 0, 50600), por
lo que en este caso la salida aconseja p=7 que es el orden recomendado por los criterios
de Akaike y de Máxima Verosimilitud y supera al recomendado por los restantes
criterios.
El modelo VAR estimado en este caso (sin incorporar constante ni tendencia

determinista, que no resultan significativas) es el siguiente:
Tabla 24: Sistema VAR, retardo 7
Interpretación:
Como hemos visto en apartado anteriores, en este modelo se incluyen al final de cada ecuación
las salidas de varios tests de restricciones que permiten contrastar relaciones de causalidad. Así,
centrándonos en el caso del PIB, los contrastes de la tercera ecuación muestran que se rechaza el
supuesto de no causalidad de Granger para todas las variables, y por tanto concluimos que el
PIB, además de depender del tipo de interés como ya habíamos detectado en apartados previos,
depende también de la inflación y la masa monetaria m1.
Tabla 25: Contraste F de restricciones
Interpretación:
Nota: Tal y como ya hemos descrito, los contrastes de restricciones incluyen también en su
última fila un test relativo al número de retardos (la hipótesis nula sería en este caso que todas
las variables con retardo 7 tienen coeficiente nulo, es decir, que el retardo adecuado es 6). Como
podemos observar en la salida del VAR, esta hipótesis se rechaza para la tercera ecuación (pib)
pero no para las restantes, pero debemos tener en cuenta que en un modelo VAR el parámetro p
recoge el número de retardos y es común en todas las ecuaciones, con lo cual quedaría
justificada la utilización de p=7.
Esta conclusión queda más clara cuando se analizan las restricciones referidas al sistema en su
conjunto, que aparecen al final del modelo estimado. Tal y como podemos observar, la hipótesis
nula p=6 se rechaza claramente confirmando así la idoneidad del modelo que hemos
especificado con p=7.
Las predicciones obtenidas a partir de este VAR presentan muy distinta calidad para las
diferentes variables, siendo las mejores las predicciones estáticas relativas a la serie de
inflación.
Tabla 26: Predicciones de Inflación

Gráfico 10: Predicciones de Inflación
Interpretación:
Si deseamos analizar la existencia de cointegración entre las cuatro series podemos

llevar a cabo el test de Johansen, que contrasta secuencialmente las hipótesis r=0 (frente
a r>0), r=1 (frente a r>1) y así sucesivamente hasta r=3. Como podemos observar la
salida proporcionada por Gretl en la primera fila de la tabla del test indica que se
rechaza la hipótesis r=0 (no existencia de cointegración), pero al pasar a la segunda fila
los niveles críticos son elevados con lo cual no se rechaza r=1. Así pues, el test de
Johansen apunta a la existencia de una única relación de cointegración entre las 4 series
(la regresión se ha llevado a cabo en este caso con contraste restringida pero la
conclusión sería similar en otras opciones):
Tabla 27: Contraste de Johansen
Interpretación:
A la vista de este resultado podemos estimar un modelo VEC o MCE que incorpore esta
relación de cointegración y obtener predicciones a partir del mismo.
La salida del modelo, obtenida mediante la opción Modelo, Series temporales
multivariantes, VECM es la siguiente:
Tabla 28: VEC 7 retardos

Interpretación:
Por lo que respecta a las predicciones, tal y como sucedía en el VAR la calidad de los resultados
difiere para las distintas series investigadas. A modo de ilustración se puede observar cómo las
predicciones relativas a la serie inflación son bastante adecuadas, mejorando con respecto a las
proporcionadas por el modelo VAR.
Anexos:
Supuesto 33: El archivo ppp.gdt contiene las series mensuales de los índices de precios
de consumo en dos países y el tipo de cambio.
obs Ipca Ipcb T. cambio
2005:01 60,0178 43,5 206,7205
2005:02 60,3893 44,3 205,4212
2005:03 60,7334 45,0 211,4867
2005:04 61,1497 45,6 211,0864
2005:05 61,8390 46,3 209,0585
2005:06 62,1924 46,8 207,1949
2005:07 62,9264 47,1 209,4327
2005:08 63,6882 47,5 208,4097
2005:09 64,3956 48,2 210,7584
2005:10 64,9119 49,0 211,3432
2005:11 65,7560 49,9 212,2484
2005:12 66,1369 50,4 211,8340
2006:01 66,8444 51,2 210,9676
2006:02 67,4974 51,9 210,9535
2006:03 67,9136 52,3 211,3358
2006:04 68,5755 52,8 211,8337
2006:05 68,8196 53,4 214,2640
2006:06 69,1094 53,9 202,2559
2006:07 69,3270 54,6 200,5886
2006:08 69,5447 55,6 199,6186
2006:09 69,8168 56,5 198,9179
2006:10 70,1977 57,4 202,4682
2006:11 70,8507 58,2 202,5461
2006:12 71,4493 58,6 202,9271
2007:01 72,1567 59,4 203,8452
2007:02 72,6465 60,2 203,6818
2007:03 73,3539 60,8 194,0975
2007:04 74,0279 61,4 196,7594
2007:05 74,3687 62,0 198,2094
2007:06 75,2041 62,3 197,6909
2007:07 75,8571 62,8 197,0269
2007:08 76,2924 63,2 198,2633
2007:09 76,8910 64,0 199,7523
2007:10 77,5490 64,9 200,0122
2007:11 77,8161 65,7 199,1888
2007:12 78,1882 65,9 198,7384
2008:01 78,6323 66,7 198,6775
2008:02 79,1221 67,5 201,6420
2008:03 79,6662 68,0 202,4389
2008:04 80,1560 68,5 200,8048
2008:05 80,5913 69,0 201,8880
2008:06 80,9722 69,4 199,2966
2008:07 81,5164 69,5 200,0889
2008:08 81,9518 69,9 202,9182
2008:09 82,3327 70,5 204,6518
2008:10 82,8768 71,1 203,0859
2008:11 83,1489 71,7 203,5594
2008:12 83,3122 72,1 202,4825
2009:01 83,7475 72,9 201,9579
2009:02 84,1828 73,8 200,8652
2009:03 84,7814 74,4 212,4244
2009:04 85,1800 75,0 209,5256
2009:05 85,5153 75,5 209,4336
2009:06 86,1418 75,9 209,9553
2009:07 86,4683 76,1 218,9337
2009:08 86,6772 76,3 220,2217
2009:09 86,8600 76,7 222,5370
2009:10 86,9581 77,5 221,7607
2009:11 87,1214 78,1 221,7318
2009:12 87,2302 78,5 221,4362
2010:01 87,4846 78,9 222,3495
2010:02 87,5669 79,2 220,0426
2010:03 87,6846 79,6 220,9973
2010:04 87,8611 79,7 214,5988
2010:05 87,9288 80,1 215,8217
2010:06 88,1009 80,3 214,8110
2010:07 88,2097 80,3 211,0607
2010:08 88,3185 80,5 210,0046
2010:09 88,6450 80,7 211,1846
2010:10 88,8627 81,1 211,0511
2010:11 88,9715 81,5 212,5286
2010:12 89,0804 81,8 209,6785
2011:01 89,5966 82,2 213,7228
2011:02 90,0599 82,7 213,5031
2011:03 90,1687 82,9 213,4520
2011:04 90,6584 83,2 214,3573
2011:05 90,8217 83,6 215,9442
2011:06 90,9849 83,9 216,6563
2011:07 91,2026 84,1 218,0625
2011:08 91,4203 84,4 217,2492
2011:09 91,6747 84,9 216,5511
2011:10 91,9924 85,6 216,1136
2011:11 92,5801 85,9 216,8955
2011:12 92,8556 86,0 217,6669
2012:01 93,0189 86,5 218,8363
2012:02 93,1821 86,9 217,5099
2012:03 93,4542 87,3 218,8586
2012:04 93,5889 87,5 219,3802
2012:05 93,6072 87,8 219,9671
2012:06 93,7793 88,1 220,1504
2012:07 93,8706 88,2 219,2373
2012:08 93,9779 88,6 219,4262
2012:09 94,1955 89,1 219,0954
2012:10 94,4132 89,7 217,5409
2012:11 94,5220 90,3 216,7011
2012:12 94,6853 90,7 215,4773
2013:01 95,0662 91,3 215,0921
2013:02 95,3383 92,0 215,6115
2013:03 95,6104 92,6 217,8010
2013:04 96,2090 93,0 216,4005
2013:05 96,5899 93,5 213,0692
2013:06 96,6987 93,9 212,0872
2013:07 96,9708 94,0 212,0363
2013:08 97,1340 94,2 213,2073
2013:09 97,3517 94,7 213,9073
2013:10 97,7870 95,4 216,0279
2013:11 97,9503 96,0 217,3274
2013:12 98,0591 96,4 219,2219
2014:01 98,5082 97,3 218,9959
2014:02 98,7082 98,0 219,5091
2014:03 99,0083 98,4 218,9553
2014:04 99,5083 98,8 218,5477
2014:05 99,6083 99,1 217,6534
2014:06 99,6083 99,5 218,2492
2014:07 99,7083 99,8 217,8934
2014:08 100,3084 100,5 221,5446
2014:09 101,0084 101,1 223,6461
2014:10 101,5085 101,9 223,1475
2014:11 101,3084 102,5 222,8006
2014:12 101,2084 102,7 223,3861
2015:01 101,8085 103,4 221,7298
2015:02 102,1085 104,2 220,5895
2015:03 102,3085 104,8 220,1770
2015:04 102,6086 105,2 217,8593
2015:05 102,9086 105,6 218,9889
2015:06 103,1086 106,1 219,8448
2015:07 103,4086 106,5 219,6288
2015:08 103,5086 106,8 219,6867
2015:09 103,7086 107,3 219,3785
2015:10 104,2087 107,8 218,8695
2015:11 104,6087 108,5 220,6989
2015:12 104,3087 108,8 221,5329
2016:01 104,5087 109,5 221,3930
2016:02 104,9087 110,0 220,8688
2016:03 105,3088 110,5 222,2821
2016:04 105,5088 110,8 222,7419
2016:05 105,6088 111,4 223,9996
2016:06 105,7088 111,7 224,8781
2016:07 105,9088 111,9 223,6100
2016:08 106,1809 112,2 224,0016
2016:09 106,3909 112,4 260,8371
2016:10 106,5209 113,0 253,5103
2016:11 106,7309 113,7 255,5793
2016:12 106,8509 113,8 266,6096
2017:01 106,9089 114,4 274,8745
2017:02 107,1089 114,9 289,4125
2017:03 107,3661 115,2 291,5349
2017:04 107,5709 115,7 274,0535
2017:05 107,7909 116,2 271,3276
2017:06 107,8090 116,8 268,5635
2017:07 108,1909 117,1 272,7645
2017:08 108,3909 117,3 270,0004
2017:09 108,4309 117,5 279,4694
2017:10 108,5090 118,2 278,4637
2017:11 108,6091 118,6 284,7759
2017:12 108,7090 118,7 289,8358
2018:01 108,8091 119,4 286,5014
2018:02 109,0091 119,8 286,1007
2018:03 109,2091 120,9 284,4774
2018:04 109,5091 120,4 279,7495
2018:05 109,6091 120,9 282,7763
2018:06 109,7091 121,2 287,6239
2018:07 109,8091 121,5 293,1661
2018:08 109,9091 121,7 291,0907
2018:09 110,0092 122,1 293,7674
2018:10 110,2092 122,7 296,6647
2018:11 110,3092 123,2 299,2374
2018:12 110,3092 123,5 301,6183
2019:01 110,5092 124,0 302,8021
2019:02 110,9092 125,0 313,8806
2019:03 111,2093 126,7 344,6407
2019:04 111,3093 126,7 348,8733
2019:05 111,5093 127,1 326,3819
2019:06 111,7093 128,0 331,0834
2019:07 111,9093 128,2 328,8151
2019:08 112,2809 128,6 319,0708
2019:09 112,4094 128,9 322,0667
2019:10 112,7094 129,4 323,6517
2019:11 112,9809 130,2 318,9082
2019:12 113,2909 130,4 314,5152
2020:01 113,4909 130,9 303,2292
2020:02 113,7094 131,3 302,1238
2020:03 113,9095 131,7 305,2186
2020:04 114,2010 132,5 298,4503
2020:05 114,5095 133,0 294,1376
2020:06 114,7095 133,2 293,5223
Supuesto 34: El archivo ppp.gdt nos refleja los datos de varias series trimestrales de
variables de la economía de Estados Unidos durante el período 1954-1994
obs m1 inflación pib interés
1954:1 1,95138 6,354598 2,03667 1,08367

1954:2 0,90592 6,353662 1,63333 0,81433
1954:3 0,35966 6,362623 1,36333 0,86967
1954:4 3,85845 6,363803 1,31000 1,03633
1955:1 3,09707 6,367617 1,61333 1,25633
1955:2 4,69576 6,361511 1,96667 1,51433
1955:3 3,76945 6,356575 2,32667 1,86133
1955:4 2,59972 6,352305 2,83333 2,34933
1956:1 3,84700 6,346747 3,00000 2,37933
1956:2 2,66791 6,341898 3,26333 2,59667
1956:3 3,59683 6,333339 3,35000 2,59667
1956:4 2,67376 6,331111 3,63000 3,06367
1957:1 5,48414 6,319665 3,63000 3,17167
1957:2 1,87418 6,315313 3,68333 3,15700
1957:3 2,92599 6,307961 3,95333 3,38233
1957:4 0,15636 6,302782 3,99333 3,34333
1958:1 2,27971 6,295580 2,81667 1,83800
1958:2 0,60371 6,305356 1,71667 1,01767
1958:3 3,74847 6,306496 2,13000 1,71067
1958:4 2,74021 6,312438 3,21333 2,78767
1959:1 4,30312 6,308002 3,30333 2,80033
1959:2 3,58352 6,307620 3,60333 3,01933
1959:3 1,54682 6,310843 4,19333 3,53300
1959:4 0,99724 6,299598 4,76000 4,29933
1960:1 3,50103 6,287990 4,68667 3,94300
1960:2 0,19659 6,285352 4,07333 3,09233
1960:3 1,84974 6,289997 3,37333 2,39033
1960:4 -1,33462 6,292860 3,27000 2,36067
1961:1 0,04225 6,297712 3,01333 2,37667
1961:2 2,55607 6,298596 2,86000 2,32467
1961:3 2,27618 6,298734 2,89667 2,32467
1961:4 1,46646 6,304093 3,05667 2,47500
1962:1 3,70147 6,301269 3,24333 2,73900
1962:2 1,16134 6,304981 3,20333 2,71600
1962:3 1,58111 6,300118 3,33333 2,85800
1962:4 2,31828 6,299770 3,26333 2,80333
1963:1 0,60988 6,308603 3,31000 2,90900
1963:2 0,57170 6,316317 3,31667 2,94133
1963:3 1,55464 6,322809 3,69667 3,28067
1963:4 2,78982 6,325236 3,90667 3,49933
1964:1 0,61633 6,330203 3,95000 3,53800
1964:2 2,26627 6,331432 3,93333 3,48133
1964:3 1,77954 6,343172 3,91000 3,50400
1964:4 2,29166 6,350457 4,06333 3,68500
1965:1 4,28012 6,347236 4,30000 3,89967
1965:2 1,66645 6,348849 4,38000 3,87900
1965:3 2,43895 6,354414 4,38000 3,85967
1965:4 3,18003 6,364606 4,47000 4,15867
1966:1 3,82966 6,372066 4,97000 4,63067
1966:2 4,09645 6,372568 5,42667 4,59733
1966:3 3,03639 6,361864 5,79000 5,04767
1966:4 4,56557 6,353369 6,00000 5,24600
1967:1 2,11821 6,357935 5,45000 4,53367
1967:2 1,27478 6,368507 4,71667 3,65733
1967:3 3,68029 6,381083 4,97333 4,34467
1967:4 4,84593 6,385361 5,30333 4,78733
1968:1 6,05630 6,382565 5,58000 5,06467
1968:2 4,60123 6,388591 6,08000 5,51000
1968:3 4,60823 6,396387 5,96333 5,22633
1968:4 5,21448 6,404686 5,96333 5,58067
1969:1 4,16477 6,412159 6,65667 6,13767
1969:2 5,39974 6,406654 7,54000 6,24000
1969:3 5,83674 6,396532 8,48667 7,04667
1969:4 4,62960 6,393018 8,62000 7,31767
1970:1 5,44672 6,390155 8,55333 7,26267
1970:2 6,81784 6,380217 8,16667 6,75233
1970:3 2,56514 6,387073 7,83667 6,37467
1970:4 4,41499 6,393821 6,29333 5,35833
1971:1 7,39992 6,391876 4,59000 3,86333
1971:2 6,23667 6,397239 5,04000 4,20600
1971:3 4,90549 6,402107 5,74333 5,05033
1971:4 2,96470 6,403958 5,06333 4,23433
1972:1 5,54532 6,409516 4,05667 3,43533
1972:2 3,90054 6,415854 4,57667 3,74833
1972:3 3,71826 6,427247 4,93333 4,24133
1972:4 6,33205 6,435745 5,33333 4,85133
1973:1 5,18784 6,442297 6,28333 5,63967
1973:2 7,37105 6,435847 7,46667 6,60833
1973:3 7,50451 6,428663 9,87333 8,38833
1973:4 9,38114 6,417550 8,98000 7,46167
1974:1 6,38785 6,418051 8,30333 7,60033
1974:2 8,29834 6,406561 10,45667 8,26800
1974:3 11,89142 6,385880 11,53333 8,28633
1974:4 9,65359 6,373887 9,05000 7,33600
1975:1 11,41056 6,351073 6,56333 5,87333
1975:2 5,45725 6,352346 5,92000 5,40067
1975:3 8,35064 6,350277 6,66667 6,33667
1975:4 6,72691 6,341396 6,12000 5,68433
1976:1 5,17185 6,341862 5,29000 4,95333
1976:2 5,11806 6,345223 5,57000 5,16867
1976:3 6,20178 6,340272 5,53000 5,16867
1976:4 6,86144 6,342037 4,99000 4,69833
1977:1 5,40791 6,351912 4,81000 4,62400
1977:2 8,15039 6,349046 5,23667 4,82867
1977:3 6,97459 6,348404 5,80667 5,47200
1977:4 7,05005 6,351865 6,59333 6,13700
1978:1 5,64386 6,357512 6,79667 6,40800
1978:2 10,37058 6,353586 7,20000 6,48100
1978:3 7,76279 6,353993 8,08333 7,31533
1978:4 8,68325 6,349470 9,89667 8,68033
1979:1 7,82075 6,342107 10,09667 9,35767
1979:2 8,54936 6,345397 9,85333 9,37233
1979:3 8,80865 6,347886 10,60333 9,63133
1979:4 7,95744 6,336670 13,09667 11,80367
1980:1 9,21414 6,330169 14,25333 13,45867
1980:2 9,45054 6,298007 10,75000 10,04933
1980:3 9,08665 6,312097 9,64667 9,23533
1980:4 10,47953 6,312904 14,51333 13,70967
1981:1 11,25148 6,296084 14,52000 14,36900
1981:2 6,98579 6,302509 15,35000 14,82900
1981:3 9,32349 6,284129 16,21333 15,08733
1981:4 8,56957 6,275268 12,94000 12,02267
1982:1 4,53466 6,286487 13,69667 12,89500
1982:2 5,24026 6,282984 13,48333 12,35900
1982:3 4,05725 6,285006 11,55333 9,70533
1982:4 3,33362 6,316703 8,81000 7,93500
1983:1 4,88249 6,332229 8,34000 8,08133
1983:2 2,81231 6,355529 8,60667 8,41900
1983:3 3,91815 6,368987 9,44000 9,18667
1983:4 4,21350 6,375866 9,19000 8,79333
1984:1 5,62078 6,377857 9,45000 9,13333
1984:2 4,15854 6,384305 10,77333 9,84333
1984:3 4,56260 6,382478 11,14667 10,34333
1984:4 2,63702 6,386530 9,25667 8,97333
1985:1 4,63994 6,400523 8,69000 8,18333
1985:2 2,68090 6,418486 7,91000 7,52333
1985:3 2,80385 6,446560 7,72333 7,10333
1985:4 3,92399 6,464576 7,70000 7,14667
1986:1 1,97260 6,480989 7,41333 6,88667
1986:2 1,79879 6,515254 6,54333 6,13000
1986:3 3,19990 6,549047 5,89333 5,53333
1986:4 2,99065 6,584086 5,72667 5,34000
1987:1 3,59779 6,606894 5,95000 5,53333
1987:2 2,85257 6,617196 6,84667 5,73333
1987:3 3,05515 6,611214 7,02667 6,03333
1987:4 3,69791 6,612419 7,54000 6,00333
1988:1 3,31558 6,611622 6,71333 5,76000
1988:2 4,49419 6,618917 7,25333 6,23000
1988:3 4,83479 6,619848 8,16333 6,99333
1988:4 3,98989 6,612931 8,58667 7,70333
1989:1 5,11210 6,598751 9,44667 8,53333
1989:2 4,35470 6,577275 9,29000 8,44000
1989:3 3,76083 6,572754 8,39000 7,85000
1989:4 3,50211 6,576605 8,05667 7,63333
1990:1 5,25743 6,574452 8,07667 7,75667
1990:2 4,21180 6,574546 8,19333 7,76667
1990:3 3,94827 6,575840 7,83333 7,49333
1990:4 4,22561 6,573205 7,68000 7,02333
1991:1 4,84639 6,574205 6,59667 6,05333
1991:2 2,73977 6,587026 6,05667 5,59333
1991:3 2,78292 6,599436 5,83000 5,40667
1991:4 2,46680 6,617347 4,91667 4,58333
1992:1 3,77753 6,648784 4,19000 3,91000
1992:2 2,67041 6,668766 4,03000 3,72333
1992:3 1,35260 6,692511 3,41000 3,13000
1992:4 2,64672 6,724761 3,56667 3,07667
1993:1 3,14269 6,737378 3,28667 2,99333
1993:2 1,71907 6,759368 3,25667 2,98333
1993:3 1,09251 6,786213 3,31000 3,02000
1993:4 1,33873 6,806020 3,36667 3,08000
1994:1 2,63030 6,814227 3,66667 3,25000
1994:2 2,93858 6,811526 4,72667 4,03667
1994:3 2,07877 6,813823 5,21333 4,51000
1994:4 1,21786 6,807213 6,11000 5,28333

Ejercicios Supuesto 33-34

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios Supuesto 33-34

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TÉCNICA DE AMBATO

FACULTAD DE CONTABILIDAD Y AUDITORIA

Eco. Julio Villa

Octubre 2021 – febrero 2022

Fuente: Grupo investigador a partir del software Gretl

Tabla 1. Estadísticos de rango-media para cambio, utilizando 16 submuestras de

Pendiente de 'rango' con respecto a 'media' = 0.20186

Como podemos ver en la tabla siguiente, la conclusión no cambia si se opta por

Tabla 2. Análisis Rango-Media\Series

Fuente: Grupo investigador a partir del software Gretl

Fuente: Grupo investigador a partir del software Gretl

Tabla 3. Conjunto de restricciones

Estadístico de contraste: F (11, 172) = 0,257305, con valor p = 0,992216

Contraste aumentado de Dickey-Fuller para l_cambio

contrastar hacia abajo desde 14 retardos, con el criterio AIC

tamaño muestral 185

la hipótesis nula de raíz unitaria es: [a = 1]

con constante y tendencia

incluyendo 10 retardos de (1-L)l_cambio

valor estimado de (a - 1): -0,034068

estadístico de contraste: tau_ct(1) = -1,89967

valor p asintótico 0,6507

Coef. de autocorrelación de primer orden de e: 0,018

Gráfico 4. Regresión aumentada de Dickey-Fuller (MCO)

Fuente: Grupo investigador a partir del software Gretl

Contraste aumentado de Dickey-Fuller (GLS) para l_cambio

contrastar hacia abajo desde 14 retardos,

con el criterio AIC modificado, Perron-Qu

tamaño muestral 185

con constante y tendencia

incluyendo 5 retardos de (1-L)l_cambio

modelo: (1 − L)y = b0 + b1 * t + (a − 1) * y(−1) + · · · + e

valor estimado de (a - 1): -0,0229978

estadístico de contraste: tau = -1,43587

Valores críticos: −2,64 −2,93 −3,18 −3,46

Coef. de autocorrelación de primer orden de e: 0,019

Gráfico 5. Regresión KPSS

Fuente: Grupo investigador a partir del software Gretl

Suma de cuadrados de los residuos acumulados: 719,211

Contraste KPSS para l_cambio (incluyendo tendencia)

Parámetro de truncamiento de los retardos = 4

Estadístico de contraste = 0,667861

Valores críticos: 0,120 0,148 0,217

Valor p < .01

Contraste aumentado de Dickey-Fuller para d_l_cambio

contrastar hacia abajo desde 14 retardos, con el criterio AIC

tamaño muestral 184

la hipótesis nula de raíz unitaria es: [a = 1]

contraste sin constante

incluyendo 0 retardos de (1-L)d_l_cambio

modelo: (1-L)y = (a-1)*y(-1) + e

estadístico de contraste: tau_nc(1) = -13,3127

Coef. de autocorrelación de primer orden de e: 0,004

contraste con constante

incluyendo 0 retardos de (1-L)d_l_cambio

modelo: (1-L)y = b0 + (a-1)*y(-1) + e

valor estimado de (a - 1): -0,992911

estadístico de contraste: tau_c(1) = -13,4001

Coef. de autocorrelación de primer orden de e: 0,004

con constante y tendencia

incluyendo 0 retardos de (1-L)d_l_cambio

modelo: (1-L)y = b0 + b1*t + (a-1)*y(-1) + e

valor estimado de (a - 1): -0,99682

estadístico de contraste: tau_ct(1) = -13,4108

modelo: (1-L)y = b0 + b1t + (a-1)y(-1) + e