Practica 1..................... CLASEEEE

UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL
DE HUAMANGA
FACULTAD DE CIENCIAS ECONÓMICAS,
ADMINISTRATIVAS Y CONTABLES
ESCUELA DE FORMACIÓN PROFESIONAL DE ECONOMÍA
trabajo: practica calificada n°1
CURSO: MACROECONOMIA II
Profesor: ECON. WILLIAM D. CANALES MOLINA
alumnos:
 MEJIA JANAMPA, MARGOT
 MOROTE AGUIRRE, HERNÁN
 PALOMINO MARTINEZ, MARIELLY
 RAMOS GÓMEZ, JUNNIOR STALIN
 ROMANÍ NÚÑEZ, KETTY VIRGINIA
AYACUCHO – PERÚ
2019
PRACTICA N°1
OBJETIVO
1. DESCRIBIR: Fluctuaciones, shock, cambios.
2. RELACIONAR: Variables, PBI, tipo de cambio.
3. EVALUAR: El impacto que tiene el incremento externo en nuestro PBI.
e: Hay un cambio estructural del año 1994 al 1996 aproximadamente, y se mantiene

en los años posteriores y se vuelve casi estable, no hay tendencia, pero si tiene
ciclos.
PASO 1
yr =β° + β1 yre+ ε
log ⁡( yr )=β ° + β 1 log ( yre )+ ε
Dependent Variable: LOG(YR)

Method: Least Squares
Date: 02/19/19 Time: 09:21
Sample (adjusted): 1970 2013
Included observations: 44 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -4.195203 0.123831 -33.87835 0.0000

LOG(YRE) 0.800957 0.018537 43.20829 0.0000
R-squared 0.977998 Mean dependent var 1.145358

Adjusted R-squared 0.977475 S.D. dependent var 0.334154
S.E. of regression 0.050151 Akaike info criterion -3.103152
Sum squared resid 0.105637 Schwarz criterion -3.022053
Log likelihood 70.26935 Hannan-Quinn criter. -3.073077
F-statistic 1866.957 Durbin-Watson stat 0.687177
Prob(F-statistic) 0.000000
Doble logaritmo, índice de largo plazo no se permite dinámica de cualquier tiempo.
 B1 = 0.8 ante una variación de 1% de la Yre el Yr hace que tenga un

incremente en promedio de 0.8%. (tener mayor relación comercial con ese
país).
 D-w=0.68 hay auto correlación positiva. El rezago solo se utiliza en modelos
lineales nada más. (Cuando no se corrige los parámetros están sobre
dimensionados, las recomendaciones y las conclusiones pueden ser erróneas).
 log ( yre ) 0.08 el ingreso del sector externo aumenta en 1% entonces el ingreso
aumenta en 0.8%.
 Por el problema de correlación se decide incorporar una variable explicativa.
PASO 2
Aumentamos la variable
log ⁡( yr )=β ° + β 1 log ( yre )+ ¿ β 2 log ⁡( x )+ u ¿

Date: 02/19/19 Time: 09:22
C -4.924064 0.366427 -13.43805 0.0000

LOG(YRE) 0.783888 0.028891 27.13222 0.0000
LOG(X) 0.107686 0.023053 4.671198 0.0001

 Esta regresión es mejor que la anterior, mejora la auto correlación.

 R ajustado = 0.99 de la fluctuación promedio de Yr esta explicado por las dos
variables exógenas.
 Hipótesis (b1 y b2)=0 y (b1 y b2)=/0 para esto vemos la distribución f=784.87
como no tenemos la tabla vemos p=0.000 menor que 0.05, son
estadísticamente significativos.
 El coeficiente de correlación mejora.

2
 r =0.99 aumenta, nos da a entender que el 99% de la fluctuación del ingreso
está siendo explicada por las dos variables.
PASO 3
log ( yr ) =β° + β1 log ( yre ) +¿ β 2 log ( x ) +log ( e ) +ε ¿

Date: 02/19/19 Time: 09:22
C -5.329115 0.555063 -9.600917 0.0000

LOG(YRE) 0.793887 0.030702 25.85794 0.0000
LOG(X) 0.105191 0.023225 4.529149 0.0002
LOG(E) 0.077402 0.079592 0.972494 0.3424

 Cuando el tipo de cambio aumenta en 1 entonces el ingreso nacional 0.078.

 El 99 % de la fluctuación promedio del ingreso está siendo explicada por las 3 variables.
PASO 4
Como el problema se mantiene se decide incorporar una variable ficticia o Dummy,
generalmente estas variables son dicotómicas y presentan variables de 0 a 1

Date: 02/19/19 Time: 09:30
C -5.732629 0.480820 -11.92261 0.0000

LOG(YRE) 0.820788 0.027027 30.36874 0.0000
LOG(X) 0.106316 0.019381 5.485692 0.0000
LOG(E) 0.123374 0.068020 1.813802 0.0855
DUM -0.034691 0.011120 -3.119688 0.0056

PASO 4
 Incorporamos rezagos dinámicos.
 El Durbin Watson se incrementa siguiendo la posibilidad de que no haya auto
correlación.
Efectos en la regresión.
log ( yr ) =β° + β1 log ( yr (−1) ) + β 2 log ( yre )+ β3 log ( yre(−1) ) +¿ β 4 log ( x )+ β5 log ( e ) + β 6 dum+u ¿

Date: 02/19/19 Time: 09:36
C -4.860790 0.763565 -6.365916 0.0000

LOG(YR(-1)) 0.107162 0.123297 0.869136 0.3969
LOG(YRE) 1.375714 0.261871 5.253400 0.0001
LOG(YRE(-1)) -0.656805 0.246772 -2.661590 0.0164
LOG(X) 0.088359 0.019184 4.605967 0.0003
LOG(E) 0.082801 0.061761 1.340671 0.1977
DUM -0.031218 0.009781 -3.191567 0.0053

 Se incorporan dos rezagos (Una de las variables es de la exógena y la otra de

la endógena).
 Para realizar un diagnóstico formal de los residuales debemos realizar una
prueba al LM y una prueba breush - pegan.
 Concluimos que aceptamos Ho, aceptamos que no haya correlación y con eso
aceptamos implícitamente que aceptamos el modelo.
PASO 5
PROYECCIONES
Hay dos maneras para realizar experimentos para proyectar:
1. Dentro de la muestra nos referimos simplemente a recortar la muestra para que

sea más corto que el de los datos disponibles luego utilizar los datos dados que
no se ha incluido en la regresión.
2. Fuera de la muestra en este caso nos referimos a utilizar todo el dato
disponible y hacer la proyección.
3. Cuando se realiza un pronóstico dentro dela muestra se ha de tomar algunas
decisiones.
 Primero es que podemos utilizar en realidad el valor conocido
 Segundo que se puede utilizar el valor pronosticado que obtenemos
básicamente usando la regresión generada en el periodo previo.
Se puede proyectar
 Si utilizamos la predicción dinámica para las variables exógenas continuamos

usando los datos reales, pero para la endógena que en este caso es la variable
dependiente rezagada como la ecuación simple del entorno esta va a tomar el
valor pasado, el valor pronosticado previo y utilizar esto para generar realmente
el siguiente pronóstico.
 La proyección fuera de la muestra es necesariamente dinámica si se tiene
variables dependientes rezagadas en la regresión
PRACTICA 2
OBJETIVO
4. DESCRIBIR: Fluctuaciones, shock, cambios.
5. RELACIONAR: Variables, PBI, tipo de cambio.
6. EVALUAR: El impacto que tiene el incremento externo en nuestro PBI.
e: Hay un cambio estructural del año 1994 al 1996 aproximadamente, y se mantiene

en los años posteriores y se vuelve casi estable, no hay tendencia, pero si tiene
ciclos.
PASO 1
yre=β ° + β 1 yr + ε
log ⁡( yre)=β ° + β 1 log ( yr )+ ε
Dependent Variable: LOG(YRE)

Date: 02/19/19 Time: 09:51
C 5.269203 0.033686 156.4195 0.0000

LOG(YR) 1.221038 0.028259 43.20829 0.0000

doble logaritmo, índice de largo plazo no se permite dinámica de cualquier tiempo.
 Linealidad: Ho: b1=0 ó b1=/0, para eso vemos t y p: t=43.21 existe una
relación lineal P=0.0000 si p menor que alfa rechazamos Ho entonces existe
una relación lineal entre las variables.
 R2(coeficiente de determinación) el 98% de la fluctuación promedio de Yre está
siendo explicada por la variable Yr; mide el impacto de la variable exógena en
la endógena.
 R ajustada (coeficiente de correlación) mide la relación de las variables
analizadas, estima la relación de las variables. Se utiliza cuando hay múltiples
variables.
 B1 = 0.9 ante una variación de 1% de la yr el yre hace que tenga un
incremente en promedio de 0.9%. (tener mayor relación comercial con ese
país).
 D-w=0.67 hay auto correlación positiva. Corregimos está rezagando se utiliza
en modelos lineales nada más. (Cuando no se corrige los parámetros están
sobre dimensionados, las recomendaciones y las conclusiones pueden ser
erróneas)
 Se presenta un problema de correlación.
 Por el problema de correlación se decide incorporar una variable explicativa.
PASO 2
Aumentamos la variable
log ⁡( yre)=β ° + β 1 log ( yr )+ ¿ β 2 log ⁡( x )+ u ¿

Date: 02/19/19 Time: 09:53
C 6.443131 0.249903 25.78253 0.0000

LOG(YR) 1.240311 0.045714 27.13222 0.0000
LOG(X) -0.151366 0.024972 -6.061459 0.0000

 Esta regresión es mejor que la anterior, mejora la auto correlación, pero aún
sigue teniéndolo
 R ajustado = 0.99 de la fluctuación promedio de yr esta explicado por a dos
variables exógenas.
 p=0.000 menor que 0.05, son estadísticamente significativos.
 El coeficiente de correlación mejora.

 r 2=0.99 aumenta, nos da a entender que el 99% de la fluctuación del ingreso
está siendo explicada por las dos variables.
PASO 3
log ( yre ) =β °+ β1 log ( yr ) +¿ β 2 log ( x ) +dum +ε ¿

Date: 02/19/19 Time: 10:40

C 6.317129 0.236386 26.72381 0.0000
LOG(YR) 1.244464 0.042013 29.62066 0.0000
LOG(X) -0.135500 0.024020 -5.641230 0.0000
DUM -0.025455 0.011486 -2.216185 0.0384

PASO 4
 Incorporamos rezagos dinámicos.

 Con el paso 4 la estimación mejora mucho, la variable dummy es claramente
significativa y tiene el signo correcto, ya que captura el impacto negativo.
 El Durvin Watson se incrementa siguiendo la posibilidad de que no haya auto
correlación.
Efectos en la regresión.
log ( yre ) =β °+ β1 log ( yre(−1) ) + β 2 log ( yr )+ β3 log ( yr (−1) ) +¿ β 4 log ( x )+ β5 dum+u ¿

Date: 02/19/19 Time: 10:41
C 1.931797 0.513339 3.763199 0.0014

LOG(YRE(-1)) 0.678775 0.081400 8.338801 0.0000
LOG(YR) 0.372345 0.085503 4.354757 0.0004
LOG(YR(-1)) 0.050939 0.082053 0.620805 0.5425
LOG(X) -0.032908 0.013949 -2.359261 0.0298
DUM -0.001630 0.005517 -0.295337 0.7711

 Se incorporan dos rezagos (Una de las variables es de la exógena y la otra de

la endógena).
 Podemos decir que el valor de ingreso del exterior más el rezago si están
aportando al ingreso interno.
 Para realizar un diagnóstico formal de los residuales debemos realizar una
prueba al LM y una prueba brush pegan.
 Concluimos que aceptamos Ho, aceptamos que no haya correlación y con eso
aceptamos implícitamente que aceptamos el modelo.
 La prueba LM es un test para detectar la presencia de dependencia que no ha
sido considerado dentro del modelo propuesto y en el cual si se presenta
……………………………………………………
PASO 5
PROYECCIONES
Hay dos maneras para realizar experimentos para proyectar:
4. Dentro de la muestra nos referimos simplemente a recortar la muestra para que

sea más corto que el de los datos disponibles luego utilizar los datos dados que
no se ha incluido en la regresión…………...
5. Fuera de la muestra en este caso nos referimos a utilizar todo el dato
disponible y hacer la proyección.
6. Cuando se realiza un pronóstico dentro dela muestra se ha de tomar algunas
decisiones.
 Primero es que podemos utilizar en realidad el valor conocido
 Segundo que se puede utilizar el valor pronosticado que obtenemos
básicamente usando la regresión generada en el periodo previo.
Se puede proyectar
 Si utilizamos la predicción dinámica para las variables exógenas continuamos

usando los datos reales, pero para la endógena que en este caso es la variable
dependiente rezagada como la ecuación simple del entorno esta va a tomar el
valor pasado, el valor pronosticado previo y utilizar esto para generar realmente
el siguiente pronostico.
 La proyección fuera de la muestra es necesariamente dinámica si se tiene
variables dependientes rezagadas en la regresión

Practica 1..................... CLASEEEE

Cargado por

Información del documento

Título original

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

Practica 1..................... CLASEEEE

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL

ESCUELA DE FORMACIÓN PROFESIONAL DE ECONOMÍA

trabajo: practica calificada n°1

Profesor: ECON. WILLIAM D. CANALES MOLINA

2. RELACIONAR: Variables, PBI, tipo de cambio.

3. EVALUAR: El impacto que tiene el incremento externo en nuestro PBI.

e: Hay un cambio estructural del año 1994 al 1996 aproximadamente, y se mantiene

Dependent Variable: LOG(YR)

Variable Coefficient Std. Error t-Statistic Prob.

C -4.195203 0.123831 -33.87835 0.0000

R-squared 0.977998 Mean dependent var 1.145358

Doble logaritmo, índice de largo plazo no se permite dinámica de cualquier tiempo.

 B1 = 0.8 ante una variación de 1% de la Yre el Yr hace que tenga un

log ⁡( yr )=β ° + β 1 log ( yre )+ ¿ β 2 log ⁡( x )+ u ¿

Dependent Variable: LOG(YR)

Variable Coefficient Std. Error t-Statistic Prob.

C -4.924064 0.366427 -13.43805 0.0000

R-squared 0.986799 Mean dependent var 1.412824

 Esta regresión es mejor que la anterior, mejora la auto correlación.

 El coeficiente de correlación mejora.

log ( yr ) =β° + β1 log ( yre ) +¿ β 2 log ( x ) +log ( e ) +ε ¿

Dependent Variable: LOG(YR)

Variable Coefficient Std. Error t-Statistic Prob.

C -5.329115 0.555063 -9.600917 0.0000

R-squared 0.987395 Mean dependent var 1.412824

 Cuando el tipo de cambio aumenta en 1 entonces el ingreso nacional 0.078.

Dependent Variable: LOG(YR)

Variable Coefficient Std. Error t-Statistic Prob.

C -5.732629 0.480820 -11.92261 0.0000

R-squared 0.991664 Mean dependent var 1.412824

Dependent Variable: LOG(YR)

Variable Coefficient Std. Error t-Statistic Prob.

C -4.860790 0.763565 -6.365916 0.0000

R-squared 0.994323 Mean dependent var 1.412824

 Se incorporan dos rezagos (Una de las variables es de la exógena y la otra de

Hay dos maneras para realizar experimentos para proyectar:

1. Dentro de la muestra nos referimos simplemente a recortar la muestra para que

 Si utilizamos la predicción dinámica para las variables exógenas continuamos

4. DESCRIBIR: Fluctuaciones, shock, cambios.

5. RELACIONAR: Variables, PBI, tipo de cambio.

6. EVALUAR: El impacto que tiene el incremento externo en nuestro PBI.

e: Hay un cambio estructural del año 1994 al 1996 aproximadamente, y se mantiene

log ⁡( yre)=β ° + β 1 log ( yr )+ ε

Dependent Variable: LOG(YRE)

C 5.269203 0.033686 156.4195 0.0000

R-squared 0.977998 Mean dependent var 6.667730

doble logaritmo, índice de largo plazo no se permite dinámica de cualquier tiempo.

 Por el problema de correlación se decide incorporar una variable explicativa.

log ⁡( yre)=β ° + β 1 log ( yr )+ ¿ β 2 log ⁡( x )+ u ¿

Dependent Variable: LOG(YRE)

Variable Coefficient Std. Error t-Statistic Prob.

C 6.443131 0.249903 25.78253 0.0000

R-squared 0.990210 Mean dependent var 6.988670

 El coeficiente de correlación mejora.

log ( yre ) =β °+ β1 log ( yr ) +¿ β 2 log ( x ) +dum +ε ¿

Dependent Variable: LOG(YRE)

Variable Coefficient Std. Error t-Statistic Prob.

R-squared 0.992140 Mean dependent var 6.988670

 Incorporamos rezagos dinámicos.

log ( yre ) =β °+ β1 log ( yre(−1) ) + β 2 log ( yr )+ β3 log ( yr (−1) ) +¿ β 4 log ( x )+ β5 dum+u ¿

Variable Coefficient Std. Error t-Statistic Prob.

C 1.931797 0.513339 3.763199 0.0014

R-squared 0.998918 Mean dependent var 6.988670