Nombre: Seleny

Sección-Turno: M “A”
EXAMEN FINAL: FACTORES MACROECONOMICOS
QUE INDICAN LA VARIACION DE LA INFLACIÓN EN
EL PERÚ - PERIODO MENSUAL
La relación funcional de la inflación esta expresada de la manera siguiente:

𝐏 = 𝐟 (𝐌𝟏, 𝐓𝐂𝐑𝐌, 𝐭 𝐢𝐧𝐭𝐞𝐫𝐞𝐬 , 𝐆)

Donde:

- La oferta monetaria (M1), cantidad de dinero a disposición inmediata de los agentes para
realizar transacciones, en sentido estricto, es la suma de las especies monetarias en circulación
y los depósitos en cuenta corriente.
- Tipo de cambio real multilateral (TCRM), medido a través del índice de tipo de cambio real
multilateral, el cual recoge la paridad cambiara del Perú frente a los 20 principales socios
comerciales.
- Tasa de interés: Cantidad de dinero que por lo regular representa un porcentaje del crédito o
préstamo que se ha requerido y que el deudor deberá pagar a quien le presta.
- Gasto público (G): Transacciones financieras que realizan las jurisdicciones y entidades
públicas en un período determinado para adquirir los bienes o servicios que requiere la
producción, o para transferir los recursos recaudados a diferentes agentes económicos para
garantizar los derechos de los ciudadanos

Análisis de la Inflación y su proyección

➢ Variables Explicada o
dependiente: Inflación
del Perú
➢ Variables explicativas o independientes:
• M1
• Tasa de Interés
• Gasto
• Tipo de cambio real multilateral

Regresión
Analizar la inflación del Perú en el periodo 2000 (M1) hasta 2022 (M12) a través de un análisis
econométrico con la prueba de hipótesis conjunta.
II. Planteamiento de la hipótesis conjunta del crecimiento económico.
• Hipótesis planteada

No existe la función de la inflación lineal del Perú durante el periodo de regresión 2000 (M1)
hasta 2022 (M12)

• Hipótesis Alternativa

Existe la función de la inflación lineal del Perú durante el periodo de regresión 2000 (M1) hasta
2022 (M12)

Fuente: Elaboración propia, en el programa Eviews

La zona de rechazo se encuentra desde el 0 hasta el 0.05 o 5% mientras que la zona de aceptación
se encuentra desde el 0.05 hasta el 1 o 100%.

Toma de decisiones
Si la probabilidad del F- calculado es 0.0000 o del 0% cae en la zona de rechazo, por lo tanto, se
rechaza la hipótesis planteada y se acepar la hipótesis alternativa entonces se puede afirmar que
existe la función de la inflación lineal del Perú durante el periodo de regresión 2000 (M1) hasta
2022 (M12).

1.- Uno de los supuestos de los errores de Mínimos Cuadrados Ordinarios (MCO) es
que no exista multicolinealidad dentro de las variables independientes o explicativas.
Si se detecta la multicolinealidad se pasa a la correlación de multicolinealidad.
- DETERMINACIÓN DEL PROBLEMA DE MULTICOLINEALIDAD
Para detectar la presencia de multicolinealidad en la función estimada, se usará la regla de Klein,
para la cual se realizará una regresión global y cuatro regresiones auxiliares, en donde se
determinará si existe o no el problema de multicolinealidad, entre la 2 sea mayor que las
variables independientes, para ello se debe cumplir que el 𝑅2𝐺𝑙𝑜𝑏𝑎𝑙 𝑅2𝐴𝑢𝑥𝑖𝑙𝑖𝑎𝑟, cuando esto
suceda no existe el problema de multicolinealidad entre las variables independientes.

𝑅2𝐺𝑙𝑜𝑏𝑎𝑙

Las probabilidades de
las variables
independientes son
significativas sin
embargo debemos
emplear la regla de
Klein para detectar la
multicolinealidad.
Nuestro R2 global es: 95%

Regresión con el TCRM:

Toma de decisión:
Determinamos que, si el R2 Global
es mayor al R2auxiliar, no existirá
el problema de multicolinealidad
entrelas variables independientes.
Resultado:

𝑅2𝑔𝑙𝑜𝑏𝑎𝑙 > 𝑅2𝑎𝑢𝑥𝑖𝑙𝑖𝑎𝑟

0.9511 > 0.3234
Podemos ver que el R2 auxiliar
es menor por lo tanto diremos
que noexiste el problema de
multicolinealidad entre la variable
independiente inflación.

Regresión con la M1:

Toma de decisión:
Determinamos que, si el R2 Global es
mayor al R2auxiliar, no existirá el
problema de multicolinealidad entrelas
variables independientes.
Resultado:
Regresión con la T_INTERES:

Toma de decisión:
Determinamos que, si el R2 Global es
mayor al R2auxiliar, no existirá el
problema de multicolinealidad entre
las variables independientes.
Resultado:

𝑅2𝑔𝑙𝑜𝑏𝑎𝑙 > 𝑅2𝑎𝑢𝑥𝑖𝑙𝑖𝑎𝑟

0.9511 > 0.4044

Podemos ver que el R2 auxiliar es
menor por lo tanto diremos que no
existe el problema de
multicolinealidad entre la variable
independiente inflación.

Regresión con el gasto público (G):

 Toma de decisión:
Determinamos que, si el R2
Global es mayor al R2auxiliar, no
existirá el problema de
multicolinealidad entrelas
variables independientes.
Resultado:

𝑅2𝑔𝑙𝑜𝑏𝑎𝑙 > 𝑅2𝑎𝑢𝑥𝑖𝑙𝑖𝑎𝑟

0.9511 > 0.7512

Podemos ver que el R2 auxiliar
es menor por lo tanto diremos
que noexiste el problema de
multicolinealidad entre la
variable independiente inflación.

En conclusión, se puede observar que, en las comparaciones de las cuatro regresiones auxiliares
con la regresión global, el 𝑅 2 𝐺𝑙𝑜𝑏𝑎𝑙 es mayor que el 𝑅𝐴𝑢𝑥𝑖𝑙𝑖𝑎𝑟, en consecuencia, se determina
que no existe problema de multicolinealidad.

Punto de quiebre

Fuente: Elaboración propia, en el programa Eviews

Determinando por la repartición, obtenemos que existen 1 punto de

quiebre, pero hay 2 periodos de análisis ya que los periodos siempre se
contabilizan n+1. En este caso solo añadimos D1.
En el grafico podemos ver que la constante que hemos añadido es significativa (tiene
menos de 1%), contando con 0.002%, por lo que cae en la zona de rechazo y se acepta,
la constante, el gasto público, y la tasa de interés son mayores al 5% (20.36%,71.02%
y 99.34% respectivamente), caen en la zona de aceptación y por lo tanto no existe.

• La probabilidad de cometer el error de tipo uno es de 0 a 0.05.

Zona de aceptación

0 zona de 5% 100%
rechazo
En la tabla se muestra que d1 es significativo ya que cae en la zona de
aceptación es decir es menor a 5%:
D1 = 0.0002 < 0.05
• Hipótesis planteada
No existe la pendiente de la de la tasa de la inflación lineal del Perú durante el periodo de
regresión 2000 (M1) hasta 2022 (M12)

• Hipótesis Alternativa
Existe la pendiente de la de la tasa de la inflación lineal del Perú durante el periodo de regresión
2000 (M1) hasta 2022 (M12)

PUNTOS DE QUIEBRE CAMBIOS EN LAS VARIABLES

• Punto de quiebre incluida en la variable M1

Fuente: Elaboración propia, en el programa Eviews

En la tabla realizada podemos observar que el quiebre estructural de la

variable M1 es 0.046 o 4,6 % el cual es menor al 5%, a partir de esto podemos
decir que la pendiente adicional respecto a la M1 tiene un valor poblacional
diferente a 0 y es significativa.

• Punto de quiebre incluida en la variable T_Interes

Fuente: Elaboración propia, en el programa Eviews

En la tabla realizada podemos observar que el quiebre estructural de la

variable tasa de Interés es 0. 7421 o 74,21 % el cual es mayor al 5%, a partir
de esto podemos decir que la pendiente adicional respecto a la T - interés
tiene un valor poblacional de 0 y no es significativa.
 • Punto de quiebre incluida en la variable TCRM

Fuente: Elaboración propia, en el programa Eviews

En la tabla realizada podemos observar que el quiebre estructural de la

variable tcrm es 0. 0064 o 0,64 % el cual es menor al 5%, a partir de esto
podemos decir que la pendiente adicional respecto a la TCRM tiene un valor
poblacional diferente de 0 y es significativa.

• Punto de quiebre incluida en la variable G

Fuente: Elaboración propia, en el programa Eviews

En la tabla realizada podemos observar que el quiebre estructural de la

variable G es 0. 0670 o 6,7 % el cual es mayor al 5%, a partir de esto podemos
 decir que la pendiente adicional respecto a la G tiene un valor poblacional
de 0 y es no significativa.

Podemos observar que existen dos puntos de quiebre por corregir a través
de la Heterocedasticidad en M1 y TCRM.

Heteroscedasticidad
Determinación del problema de heterorerasticidad en el periodo de regresión: prueba_
Conjunta

Hipótesis planteada.
Existe homocedasticidad en la varianza de los errores estocásticos, si la
probabilidad de cometer el error tipo 1 o OBS*R^2 mayor al 5% (0.5).

Hipótesis alternativa
No existe la homocedasticidad (existe Heteroscedasticidad) en la varianza de los errores
estocásticos, si la probabilidad de cometer el error tipo 1 o obs
*R^2 es menor o igual al 5% (0.5).

DETECCION DE LA HETEROCEDASTICIDAD

• Método de Breusch – Pagan – Godfrey

Usando la probabilidad de cometer un error de tipo 1 (obs*R-squared) con 7

grados de libertad, que es 6,68 %, es mayor al 5%, por lo que cae en
la región de aceptación, indica que se acepta la hipótesis propuesta y se rechaza
la hipótesis por la hipótesis alternativa donde la varianza de los errores
estocásticos.
Esto indica no tiene problemas de heterocedasticidad y no debe corregirse.
• Método de Harvey

Usando la probabilidad de cometer un error de tipo 1 (obs*R-squared) con 7

grados de libertad, que es 3,37 %, es menor al 5%, por lo que cae en
la región de rechazo, indica que se rechaza la hipótesis propuesta y se acepta la
hipótesis alternativa. Esto indica que existe la homocedasticidad y tenemos
problemas de heterocedasticidad y debe corregirse.
Método de Glejser
Usando la probabilidad de cometer un error de tipo 1 (obs*R-squared) con 7
grados de libertad, que es 1,24 %, es menor al 5%, por lo tanto, se acepta la
hipótesis alternativa de que no existe la homocedasticidad (existe
Heteroscedasticidad) en la varianza de los errores estocásticos y debe ser corregido.

• Método de ARCH

Usando la probabilidad de cometer un error de tipo 1 (obs*R-squared) con 7

grados de libertad, que es 68.52 %, es mayor al 5%, por lo tanto, existe
homocedasticidad en la varianza de los errores estocásticos, si laprobabilidad
de cometer el error tipo 1 o OBS*R^2 mayor al 5% (0.5).

• Método de White
Usando la probabilidad de cometer un error de tipo 1 (obs*R-squared) con 7
grados de libertad, que es 32. 66%, es mayor al 5%, por lo tanto, existe
homocedasticidad en la varianza de los errores estocásticos, si laprobabilidad
de cometer el error tipo 1 o OBS*R^2 mayor al 5% (0.5).

Corrección De los Herrores Estocastico

Podemos que esta matriz corrige algunos problemas de heterorerasticidad

Al eliminar las Variables t- Interés y gasto publico se corrige por completo el

problema de heterorerasticidad.

Autorrelación

• Hipótesis planteada
No existe la distribución normal de los errores estocásticos durante el periodo
deregresión2000 (M1) hasta 2022 (M12)
• Hipótesis alternativa

Existe la distribución normal de los errores estocásticos durante el periodo

de regresión 2000 (M1) hasta 2022 (M12)

Fuente: Elaboración propia, en el programa Eviews

Podemos observar que la probabilidad es de 0.000 o 0% cae en la zonade

rechazo por lo tanto no existe la distribución normal de los errores
estocásticos es decir se rechaza la hipótesis planteada y se acetara la
hipótesis alternativa de que existe la distribución normal de los errores
estocásticos durante el periodo de regresión 2000 (M1) hasta 2022 (M12).

Autor relación de los errores estocásticos

Para determinar la autorrelacion de los errores estocásticos vamos a view,
luegoa la residual diagnostics, seguidamente vamos a correlogram Squared
residuals.
Fuente: Elaboración propia, en el programa Eviews

Atreves de la gráfica demostramos que no hay correlación de los valores

estocásticos ya que los rectángulos grises no salen de la línea puntada es
decirse encuentra dentro del margen por ello concluimos que no hay
problema de autocorrelación.