Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
Código: 91.529.827
Grupo:
105018_7
Presentado a:
Tutor
Septiembre, 27 de 2023
Desarrollo de la Actividad
Punto 1. Realizar un resumen analítico de Gujarati (2009), Capítulo 17, Secciones 17.1;
Resumen Analítico
En función de la revisión del libro Gujarati (2009), Capítulo 17, Secciones 17.1, 17.2 y
El período de tiempo que transcurre entre un cambio en una variable y la aparición de sus
sino que esto ocurre en períodos posteriores. La consideración de los rezagos ha llevado al
desarrollo de modelos económicos dinámicos que describen cómo las variables evolucionan a lo
largo del tiempo. La relación entre una variable dependiente (Y) y una variable explicativa (X)
rara vez es instantánea; a menudo, Y reacciona a X después de cierto lapso, que se conoce como
rezago.
a. ¿Qué es un rezago?
efecto retardado o desfasado de una variable en relación con otra variable. Un rezago implica que
el efecto de una variable en otra no es inmediato, sino que toma algún tiempo en manifestarse.
Por ejemplo, si estamos estudiando cómo las ventas de un producto (variable Y) responden a
cambios en los precios (variable X), un rezago podría significar que las ventas no aumentan o
disminuyen inmediatamente después de un cambio en los precios, sino que existe un período de
pasados (rezagados) de las variables explicativas como regresores. Este modelo se utiliza para
período t, y Xt−1 y Xt−2 son rezagos de la variable explicativa en períodos anteriores. Este
modelo permite cuantificar cómo los valores pasados de la variable explicativa influyen en la
analizar las relaciones y dinámicas entre múltiples series de tiempo. En lugar de enfocarse en una
sola variable dependiente, el VAR considera un conjunto de variables y modela cómo cada
variable se relaciona con sus valores pasados y los valores pasados de otras variables en el
sistema. Ejemplo: Supongamos que estamos analizando la economía de un país y tenemos datos
de tres variables: el PIB (Producto Interno Bruto), la inflación y la tasa de desempleo. Podemos
utilizar un modelo VAR para estudiar cómo los cambios en el PIB se relacionan con la inflación
y el desempleo, y cómo estas tres variables influyen entre sí en diferentes períodos de tiempo.
a diversas razones:
impedir que las empresas cambien rápidamente sus decisiones de producción o inversión.
que contribuyen a los retrasos en las respuestas pueden ser agrupadas en dos categorías que
econométricos. Estas dos categorías son las siguientes: 1) retrasos debidos a limitaciones
Bruto (PIB) actúa como la variable que depende del consumo como variable independiente. Esto
en el PIB. En otras palabras, a medida que los hogares experimentan un aumento en su capacidad
adquisitiva debido a mayores ingresos, tienen la capacidad de gastar más, lo que a su vez se
verde que marca el punto en el cual los datos se consideran distribuidos de manera normal. La
presencia de datos que se alejan de la media sugiere que la distribución de los datos no es
normal. Para respaldar esta conclusión, se recurre al cálculo de la densidad estimada mediante el
En el segundo gráfico se pueden observar dos líneas distintas: una línea roja que
representa la normalidad de los datos y una línea azul que indica la diferencia con respecto a la
consumo”.
que la distribución de los valores no es uniforme en relación a la línea central, que representa la
medida central. De hecho, se observa una mayor concentración de valores por debajo de esta
estándar, así como los valores mínimos y máximos. Es importante notar que estos últimos dos
los datos. Para continuar con este análisis, procedemos a utilizar el comando "tsline" en relación
refuerza la idea de que la variable no exhibe estacionariedad, ya que al utilizar la prueba "dfuller
lConsumo = ln(consumo)".
Con la finalidad de corroborar la estacionalidad de la variable, se aplica la prueba de
Dickey Fuller:
Frente a esta situación, podemos deducir que la serie aún no muestra estacionariedad, ya
que su valor promedio no se aproxima a cero, y el valor del p-valor continúa siendo superior a
0.05, específicamente, 0.3432, que es mayor que 0.05. Con el propósito de lograr nuestro
permanece cerca de cero hasta el día 60, momento en el que experimenta un fuerte descenso, el
valor p continúa rechazando la hipótesis de estacionariedad, ya que sigue siendo superior a 0.05.
Por lo tanto, se hace imprescindible llevar a cabo una nueva transformación utilizando el
en una forma estacionaria, cumpliendo con la condición de que el valor p sea menor a 0.05, dado
que obtenemos un valor de 0.0000, el cual es menor que 0.05. Una vez alcanzada esta primera
meta, se procede a calcular las medias móviles y los rezagos. Para llevar a cabo este proceso, se
A partir de esta variable, podemos inferir a través del análisis del gráfico de
El gráfico de normalidad del Producto Interno Bruto (PIB), representado por la línea
mostrada, establece un umbral que indica si los datos siguen una distribución normal. En
consecuencia, se puede concluir que los datos no siguen una distribución normal, dado que
normalidad de los datos y una línea azul que indica la diferencia entre ambas.
En el análisis de la distribución de los datos, se puede notar que, en este gráfico de caja,
la centralización de los datos no es muy uniforme en torno a la línea central que representa la
mediana. En realidad, se observa una mayor concentración de valores por debajo de esta línea en
comparación con los valores por encima de ella.En el proceso de evaluación de nuestra variable,
utilizamos el comando 'sum PIB' para obtener información sobre el número de observaciones, la
media, la desviación estándar, así como los valores mínimos y máximos. Es notable que estos
últimos dos están significativamente distantes de la media, lo que sugiere que los datos no están
la media no se encuentra cercana a cero. Sin embargo, es esencial llevar a cabo la prueba de
Dickey-Fuller.
comprobar que el valor p es igual a 0.4481, el resultado indica que la variable no es estacionaria,
observarla, seguía sin ser estacionaria, con un valor p de 0.2559, que es mayor que 0.05. Por lo
aunque la media de esta ronda tiende a cero, aún presenta ciertas fluctuaciones. Por lo tanto,
superior a 0.05. Esto nos lleva a la conclusión de que es necesario aplicar una nueva
p es menor que el umbral, con un valor de 0.0000, que es menor que 0.05. Esto conduce a la
Al observar los gráficos resultantes, se puede notar que la variable del Producto Interno
Bruto (PIB) y sus transformaciones han permitido identificar su media móvil y los rezagos. Sin
embargo, su comportamiento no cumple con las expectativas deseadas, lo que nos lleva a la
rezagos, y se observa una relación positiva entre el consumo y su primer rezago, lo cual se refleja
en un estadístico significativo. Sin embargo, en el caso de la variable del PIB, no se logra una
iteraciones adicionales para determinar el nivel de significancia, con resultados que indican que
se requieren dos rezagos para la variable de consumo (L1, L3) y un rezago para la variable del
PIB.
Además de mencionar las deficiencias remanentes, describimos el coeficiente de
sugiere que este modelo posee una alta confiabilidad en cuanto a sus proyecciones a futuro.
Se dispone de un modelo VAR que permite analizar la interacción entre las variables en
de presencia de ruido blanco, ya que el valor resultante es mayor que el umbral de 0.05. En otras
postulada, que indicaba una relación directamente proporcional. Esta relación se caracteriza por
la observación de que, con cada incremento de dos pasos en el consumo, se produce un aumento
que los coeficientes de determinación varían alrededor del valor estándar, es decir, alrededor de
0.05.
Punto 5. Interpreta estimadores, significancia individual, global, coeficiente de
determinar la relación entre las variables. Si el valor resultante es igual a cero, se considera que
no existe significancia, lo que conlleva al rechazo de la hipótesis nula. En el contexto del modelo
de rezagos distribuidos, se obtuvo un valor de cero, indicando la inexistencia de una relación. Por
distribución normal.
A pesar de que en ambas representaciones gráficas no se ajusta perfectamente al modelo
picos atípicos en comparación con la distribución normal. Esto sugiere la necesidad de realizar
La prueba indica que, de hecho, el comportamiento del error es normal, ya que el valor
obtenido (0.56003) es mayor que el umbral de 0.05, necesario para afirmar la normalidad en una
parcial.
parcial todavía muestra rezagos que están fuera de los valores esperados. A pesar de esto, se
sostiene que el modelo es apropiado. El siguiente paso es verificar lo que sucede en el modelo
VAR para determinar la relación entre las variables. Una vez que se introduce la nueva variable,
asemeja a la normalidad, aunque con algunos picos atípicos en comparación con la distribución
normal.
prueba señala que el comportamiento del error es, de hecho, normal, ya que el valor obtenido
(0.56003) supera el umbral de 0.05, necesario para afirmar la normalidad en una variable. Como
modelo, se evidencia un comportamiento que difiere del estándar, aunque exhiben picos distintos
a la distribución normal, lo que sugiere la necesidad de llevar a cabo análisis adicionales para su
confirmación.
La prueba señala que el comportamiento del error es, de hecho, normal, ya que el valor
obtenido (0.56003) supera el umbral de 0.05, necesario para afirmar la normalidad en una
variable. Como paso final, se deben analizar los gráficos de autocorrelación y autocorrelación
parcial.
autocorrelación parcial sigue presentando rezagos que difieren de los valores esperados. A pesar
Luego de analizar en detalle esta sección, se llega a la conclusión de que el modelo VAR
resulta ser la elección adecuada, ya que exhibe un coeficiente de determinación más alto y una
Asimismo, se puede respaldar esta decisión al observar que tanto el modelo de error como el
modelo de error VAR muestran una adecuada adaptación a la distribución, considerando que los
Avila, C., Marques de Olivieira, N. (2020) Curso Básico de Econometría Clásica, (1a. Ed.), Ed.
https://hemeroteca.unad.edu.co/index.php/book/article/view/3716
Gujarati, D. (2009) Econometría, (5a. ed.), Ed. Mc Graw Hill. Capítulos 21. Págs. 738-741.
Recuperado de http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?il=279
https://repository.unad.edu.co/handle/10596/54187
93207
Zax,J. (2011) Introductory Econometrics: Intuition, Proof, and Practice, (11ª. Ed.), Ed. Stanford
url=https://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=362850&lang=es&site=eds-
live&scope=site&ebv=EB&ppid=pp_Front_Cover