DETERMINANTES DEL CONSUMO PRIVADO EN EL

PERÚ DESDE EL AÑO 2003 – 2021

Nawel Ángelo Alvarado Martínez, Lisbet Marisol Villar Machaca, Oswaldo De
La Cruz Huamaccto, Brenda Aracelli Leon Collahuacho, Daniel Alberto Delgado
Donayre.
2. PLANTEAMIENTO DEL PROBLEMA:
a. Formulación del problema:
Problema General:
- Cuál es el comportamiento de la función consumo a nivel nacional
entre los años 2003 – 2021
Problemas Específicos:
- ¿Cómo el ingreso afecta al consumo del PBI?
- ¿Cuánto influye el consumo del PBI en el Perú?
- ¿Cómo influye el ingreso disponible y las tasas de interés sobre el
consumo privado en el Perú?

b. Formulación de objetivos:
General:
- El objetivo de este estudio econométrico es proponer un modelo que
permita estimar el comportamiento de la función consumo a nivel
nacional en términos anuales, a partir de los datos observados
durante el período comprendido entre los años 2003 - 2021.
Específicos:
- Formular un modelo de tipo econométrico que explique la función
consumo a nivel nacional.
- Determinar la elasticidad de la función consumo con respecto a sus
variables independientes (Yd), de forma tal que podamos obtener
parámetros útiles al momento de realizar análisis de sensibilidad.
- Pronosticar el comportamiento de la función consumo en Perú, con
un grado aceptable de confianza.

c. Justificación:
El consumo privado suele ser el mayor componente de la demanda
agregada de los países modernos y su cálculo es bastante complejo ya
que está determinado una serie de factores condicionantes que iremos
analizando y porque puede medir la situación del ingreso per carpita,
con variables que afectan lo que es el crecimiento demográfico,
variación en la tasa de interés y el ingreso.

3. MARCO TEORICO:
El modelo de consumo de Keynes:
El estudio de la función consumo representa una buena ilustración de la secuencia de
desarrollo del conocimiento en economía (Branson, 1989). La secuencia de desarrollo
a la cual se hace referencia presenta como piedra angular el cuadro conceptual
desarrollado por John Maynard Keynes (1936). Los avances de Keynes dan origen a
diversas antítesis y aún hoy continúa la búsqueda de mejores explicaciones acerca del
comportamiento del consumo y de sus componentes.  
La forma teórica del modelo de consumo de Keynes, surge como propuesta teórica en
los años 30 como ya antes mencionado como consecuencia de la recesión y
determina que las familias destinan una parte de sus rentas (Yd), al consumo (C) y el
resto al ahorro (S) 

TESIS: "¿Son los consumidores peruanos 'consumidores racionales'? Perú

2009-2016"? AUTOR: Paucar Neira, de la PUCP Lima Perú 2016. Lo que se plantea
aquí es que ―el ingreso permanente bajo expectativas racionales es una propuesta
teórica rica en fundamentos microeconómicos que permite al individuo representativo
la búsqueda de un máximo bienestar a lo largo de su vida efectuando planes de
consumo que sean consistentes con toda la información disponible acerca del entorno
económico esperado en el futuro.

TESIS : “INFLUENCIA DEL INGRESO DISPONIBLE Y LAS TASAS DE INTERÉS

SOBRE EL CONSUMO PRIVADO EN EL PERU 2000-2014”, Autor, Marcos
ZAVALETA CONTRERAS El resultado de su investigación concluye que, ―La
evolución del ingreso disponible y la tasa de interés activa han experimentado cambios
significativos, pasando por una crisis económica mundial que afectó la economía del
País hacia un crecimiento económico menor; esta causa hizo que el crecimiento del
consumo privado no fuera contundente; sin embargo, la crisis financiera mundial no
fue afectada gravemente en el país gracias a las altas reservas internacionales.

VARIABLE EXPLICADA:
 CONSUMO PRIVADO
Podemos definir el consumo privado como el gasto de las familias o consumidores en
bienes y servicios, el consumo privado suele ser el mayor componente de la demanda
agregada de los países desarrollados y su cálculo es bastante complejo ya que está
determinado por una serie de factores condicionantes que analizaremos a
continuación y en esta oportunidad será nuestra variable explicada o la que se va a
predecir y estimar.
VARIABLES EXPLICATIVAS:
 INGRESO DISPONIBLE
Se trata del factor que más influye en el consumo de un país. A más renta disponible
mayor consumo, y viceversa. La demanda de consumo depende del volumen de renta
de los consumidores.
Aunque las rentas sean muy bajas, siempre existe cierta demanda de consumo, lo que
se llama consumo autónomo, ya que incluso quién no tiene casi nada debe consumir
para sobrevivir. Cuanto mayor sea la renta, mayor será el consumo, lo que hace que la
función de consumo sea creciente con la renta.

 IMPUESTOS
Si hay muy poco dinero (Resulta más barato endeudarse), las personas no tendrán
con qué comprar y por ende las empresas enfrentan problemas para vender sus
productos, en ese caso, los precios tienden a disminuir para incentivar el consumo.

4. ESPECIFICACION DEL MODELO:

El modelo econométrico utilizado para determinar la significancia de nuestras variables
explicativas respecto a nuestra variable explicada, se clasifica:
DE ACUERDO AL N° ECUACIONES: Uniecuacional
DE ACUERDO A LA FORMA FUNCIONAL: Lineal
DE ACUERDO AL PERIODO TEMPORAL: Estático

MÓDELO ECONOMETRICO:

DONDE:

Ŷ CONSUMO RPIVADO, (ES LA VARIABLE QUE SE QUIERE EXPLICAR O

ESTIMAR)
β 0 CONSTANTE, VALOR PREDICHO DE LA V. EXPLICADA CUANDO TODAS
LAS V, EXPLICATIVAS SON IGUALES A 0
X 1 INGRESO DISPONIBLE

β 1 RELACIÓN QUE EXISTE ENTRE EL INGRESO DISPONIBLE Y EL CONSUMO

PRIVADO
X 2 IMPUESTOS

β 2 RELACIÓN QUE EXISTE ENTRE LA TASA DE INTERES Y EL CONSUMO

PRIVADO
µ ERROR O PERTURBACIÓN, TODO LO NO OBSERVADO PERO QUE AFECTA
AL CONSUMO PRIVADO
5. ANÁLISIS EXPLORATORIO DE LOS DATOS TEMPORALES:
5.1. Análisis de componentes de la serie temporal (estacionalidad, aleatoriedad, ciclos,
tendencia)
GRÁFICA DE LAS SERIES EN SU ESTADO NATURAL
PRUEBA DE LAS LÍNEAS APILADAS PARA LA ESTACIONALIDAD

Mediante la
prueba de líneas
las apiladas en
cada una de las
variables se
observa
“Estacionalidad”
 GRÁFICO DE LOS COMPONENTES DE CADA SERIE O VARIABLE

Luego de “desestacionalizar” cada una de las series, se observan los componentes de dichas
series:

Componente aleatorio, componente ciclo, Componente estacional y Componente ajustado por

estacionalidad
5.2. Análisis de estacionariedad

PRUEBAS GRÁFICAS PARA DETECTAR LA NO ESTACIONARIEDAD

PRUEBA DE LA TENDENCIA

En cada una de
las gráficas se
observa
TENDENCIA por
ende se puede
afirmar que
contamos con
series no
estacionarias
PRUEBA DEL CORRELOGRAMA

Para la variable
consumo privado
se observa que la
función de
autocorrelación
decrece
lentamente a lo
largo del periodo y
la correlación
parcial en el primer
rezago tiene una
barra de mayor
magnitud, por
ende, se puede
afirmar que es una
serie no
estacionaria.

Para la variable
Impuestos se
observa que la
función de
autocorrelación
decrece lentamente
a lo largo del
periodo y la
correlación parcial
en el primer rezago
tiene una barra de
mayor magnitud,
por ende, se puede
afirmar que es una
serie no
estacionaria.
 Para la variable
Ingreso disponible
se observa que la
función de
autocorrelación
decrece lentamente
a lo largo del
periodo y la
correlación parcial
en el primer rezago
tiene una barra de
mayor magnitud,
por ende, se puede
afirmar que es una
serie no
estacionaria.

PRUEBA DE DICKEY FULLER AUMENTADA

Se aplicó
diferencias al
CONSUMO
PRIVADO para
obtener una serie
estacionaria,
mediante la
prueba de Dickey
Fuller
Aumentada, se
observa que
nuestra serie
tiene 2 raíces
unitarias.
 Luego de
obtener el
CONSUMO
PRIVADO
Como una
serie
estacionaria,
se observa
que se ha
eliminado 2
datos.
 Se aplicó
diferencias a los
Impuestos para
obtener una serie
estacionaria,
mediante la
prueba de Dickey
Fuller
Aumentada, se
observa que
nuestra serie
tiene 1 raíz
unitaria.

Luego de
obtener los
IMPUESTOS
como una
serie
estacionaria,
se observa
que se ha
eliminado 1
dato.
 Se aplicó
diferencias al
ingreso
disponible para
obtener una serie
estacionaria,
mediante la
prueba de Dickey
Fuller
Aumentada, se
observa que
nuestra serie
tiene 1 raíz
unitaria.

Luego de
obtener el
ingreso
disponible
como una
serie
estacionaria,
se observa
que se ha
eliminado 1
dato.
5.3. Análisis Univariado (Se describen las características observadas con datos,
de una variable por vez, graficar la evolución de cada variable implicada en el
modelo, estadística descriptiva individual básica, normalidad, simetría, datos
atípicos, histograma, etc.)
HISTOGRAMA

En el eje de las
ordenadas se
observa la
frecuencia, la cual
indica el número
de veces que se va
a repetir los datos
tanto para el
consume privado,
ingreso disponible
e impuestos.
En la gráfica de
ingreso disponible
se puede aseverar
que tiene simetría
en la distribución
de datos

No hay presencia
de datos
 ESTADISTICA DESCRIPTIVA

EVALUACIÓN DE DATOS ATIPICOS

En los 3 gráficos se
puede
Visualizar la
presencia de valores
atípicos (valores no
esperados), en las
primeras dos cajas
se observa mayor
tamaño para un lado
(mayor
concentración de
datos para un lado),
entonces hay
asimetría, mientras
que en la última
grafica se puede
observar simetría en
la caja
 PRUEBA DE NORMALIDAD EN LAS SERIES

En cuanto al
análisis de
Normalidad en las
series, se observa
que el consumo
privado y el
ingreso disponible
son SERIES NO
NORMALES,
debido a que
presentan datos
aglomerados en
curvatura que se
alejan de la línea,
caso contrario a
los impuestos que
viene a presentar
un caso de una
SERIE NORMAL.

5.4. Análisis Bivariado (colocar gráficos conjuntos de la variable dependiente con cada
una de las variables independientes, identificar posibles relaciones, gráficos de
dispersión, descripción de resultados de estimación de cada variable independiente
con la variable endógena, se realizan las pruebas de significancia individual).
Solamente para el caso de series temporales multivariadas

GRÁFICO DE DISPERSIÓN

Se observa una
relación directa
entre el consumo
privado e ingreso
disponible

Se observa una
relación mínima
constante en el
consumo privado
frente a los
impuestos

PRUEBA DE CORRELACIÓN:
 Se observa que se
tiene un nivel de

Asociación mucha
más compacto o
fuerte entre el
consumo privado y el
ingreso disponible
del 0.614
equivalente al 61%
aproximadamente.

PRUEBA DE SIGNIFICANCIA INDIVIDUAL

H0:β1=0
H1: β1≠0
P<0.05
SE RECHAZA H0
<>INGRESO DISPONIBLE ES
SIGNIFICATIVO
R^2 =0.36 <>LAVARIABLE
INGRESO DISPONIBLE EXPLICA AL
CONSUMO PIVADO EN UN 36%
 H0:β1=0
H1: β1≠0
P>0.05
NO SE RECHAZA H0
<>IMPUESTOS NO ES
SIGNIFICATIVO
R^2 =0.00 <>LAVARIABLE
IMPUESTOS EXPLICA AL
CONSUMO PIVADO EN CASI UN 0%

6.Linealidad del modelo

Prueba Ramsey-RESET
H0: El módelo
está
correctament
Si el módelo no está correctamente especificado, quiere
e especificado
decir
H1:que el modelo lineal no es correcto ya que
El módelo
Si p<0.05
no entonces
está los estimadores de las variables
Fitted2, Fitted3... son estadísticamente significativos
correctament El modelo no
(coeficientes <0.05)
e especificado y por tanto hay elementos no lineales
cumple con
que explican el comportamiento de la variable
el supuesto de
dependiente y por tanto la forma funcional estimada no
linealidad
es adecuada.
en la PRUEBA
RESET (1)
Prob < 0.05
SE RECHAZA H0
El modelo no
cumple con
el supuesto de
linealidad
en la PRUEBA
RESET (2)
Prob < 0.05
SE RECHAZA H0

El modelo no
cumple con
el supuesto de
linealidad
en la PRUEBA
RESET (3)
Prob < 0.05
SE RECHAZA H0
 El modelo no
cumple con
el supuesto de
linealidad
en la PRUEBA
RESET (4)
Prob < 0.05
SE RECHAZA H0

El modelo no
cumple con
el supuesto de
linealidad
en la PRUEBA
RESET (5)
Prob < 0.05
SE RECHAZA H0
 El modelo no
cumple con
el supuesto de
linealidad
en la PRUEBA
RESET (6)
Prob < 0.05
SE RECHAZA H0

En conclusión, en esta estimación de modelo econométrico la forma lineal no es

7.Cambio estructural
la correcta, ya que no pasa la (1), (2),…(6) y por ende debemos solucionarla
cambiando la forma funcional del módelo.
Prueba de Chow
H0:
Permanencia
estructural en el
módelo
(parámetros
constantes)
H1: No hay
permanencia
estructural en el
módelo
(parámetros no
constantes)

Prob >0.05 Prob <0.05

NO SE RECHAZA H0 SE RECHAZA H0
NO HAY CAMBIO HAY CAMBIO
ESTRUCTURAL EN ESTRUCTURAL
Prob <0.05 EN
2020.1 2020.2 H0
SE RECHAZA
HAY CAMBIO
ESTRUCTURAL EN
2020.4
8.Normalidad en los residuos
Prueba de Jarque Bera
Prueba gráfica: Histograma de residuos
H0: El error se
distribuye
normalmente
H1: El error
no se
distribuye
normalmente
 9.Análisis de Autocorrelación
Prueba gráfica de residuos

Mediante el correlograma de los

residuos, se observa que hay
algunas barras en diferentes
rezagos que se sobrepasan de las
bandas de confianza, por ende, se
afirma que existe hay problema de
auto correlación.

H0: No hay problema de auto correlación

Prueba Durbin-Watson H1: hay problema de auto correlación

Se observa que el estadístico

Durbin –Watson =2.30, se puede
afirmar que existe problema de
auto correlación positiva de primer
orden. Ya que no se cumple que:
1.85<DW<2.15(no habría problema
de auto correlación).

Para confirmar lo anterior y

evaluar las auto correlaciones de
mayor orden, hacemos la sgte
prueba:
Prueba de Breusch – Godfrey

Evaluando con dos

rezagos, se observa
Prob<0.05(se rechaza
H0).
Por ende, se afirma que
existe problema de
autocorrelación

Prob<0.05 por ende se

afirma que existe auto
correlación de primer y
segundo orden

Evaluando con tres

rezagos, se observa
Prob<0.05(se rechaza
H0).
Por ende, se afirma que
existe problema de auto
correlación

Prob<0.05 por ende se

afirma que existe auto
correlación de primer,
segundo y tercer orden
 Evaluando con cuatro
rezagos, se observa
Prob<0.05(se rechaza
H0).
Por ende, se afirma que
existe problema de auto
correlación

Prob<0.05 por ende se

afirma que existe auto
correlación de primer,
segundo y tercer orden.
Pero no de cuarto
orden(prob>0.05)

10.Análisis de
Heteroscedasticidad
Prueba gráfica

Se observa que los errores

están dispersos o están
creciendo, por ende se
afirma que hay
heterocedasticidad (la
varianza del error no es
constante a lo largo de las
observaciones .
 Se observa que los errores
están dispersos o están
creciendo, por ende se
afirma que hay
heterocedasticidad (la
varianza del error no es
constante a lo largo de las
observaciones .

Se observa que los errores

están dispersos o están
creciendo, por ende se
afirma que hay
heterocedasticidad (la
varianza del error no es
constante a lo largo de las
observaciones .
Prueba de White
H0: Existe homocedasticidad
H1: No hay homocedasticidad

Se observa que la
prob<0.05 por ende se
debe rechazar H0, y por lo
tanto se afirma que no hay
homocedasticidad

Prueba de Breusch y Pagan

Se observa que la
prob>0.05 por ende no se
debe rechazar H0, y por lo
tanto se afirma que hay
homocedasticidad.
11.Análisis de Multicolinealidad

Prueba gráfica de residuos

En tercer trimestre del 2019 y

cuarto trimestre del 2020
A ser mayor la probabilidad
asociada al 5% (0.05) se acepta la
hipótesis nula que la media es
cero.
Varianza constante
Distribución Normales
 Matriz de correlaciones de X

Se selecciona solo las variables explicativas de

nuestro modelo y se observa una matriz de
correlación de 2x2 ya que tenemos dos variables
explicativas.

Calculamos los autovalores de la matriz R, la

cual la definimos como una matriz simétrica de
2x2 e introducimos los valores de la matriz de
correlación a la matriz R.

Generamos los autovalores de la matriz R

 Se observa que 1.369 <10
Por lo tanto, se afirma que no tenemos problema de
multicolinealidad.