Professional Documents
Culture Documents
Resúmenes de econometría
2011
Luis Damian Jungnikel Matamoros
damianjungnikel@hotmail.com
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Agradecimientos.
Una vez mas y como tengo costumbre, agradezco a aquellos que de alguna forma
me comparten sus conocimientos, eso incluye a aquellos que saben trabajar en equipo, algunos
como una forma de retribuir lo que se les pudo enseñar, como sea, gracias.
Estoy enormemente agradecido por cada uno de los profesores que saben impartir
su materia, y no solo ello, sus vivencias que muy aparte de la materia, son un impulso para seguir
adelante., además, a aquellos profesores que inculcan el espíritu investigativo.
Contenido
Agradecimientos. ................................................................................................................................ 1
Objetivo ............................................................................................................................................... 2
Metodología ........................................................................................................................................ 3
Capitulo 1 ............................................................................................................................................ 6
Modelo ................................................................................................................................................ 6
La regresión.- ....................................................................................................................................... 6
Ecuaciones normales ........................................................................................................................... 9
Una variable explicativa (dos variables o simple) ............................................................................... 9
Modelo de dos explicativas (tres variables, o múltiple).................................................................... 10
Desviaciones estándar (y/o varianza) ............................................................................................... 11
Pruebas a realizar al modelo: ............................................................................................................ 17
Prueba de significación de los parámetros ....................................................................................... 17
Capitulo 5 .......................................................................................................................................... 39
Ejemplos ............................................................................................................................................ 39
Ejercicios realizados por el estudiante: ............................................................................................. 39
Bibliografía consultada y recomendada ............................................................................................ 94
Objetivo
Metodología
Los datos a menos que se indiquen lo contrario, fueron extraídos del Banco Central
del Ecuador, en miles de dólares.
2. Plantearás las preguntas adecuadas (es decir, preferirás la relevancia antes que la elegancia
matemática).
8. Estarás dispuesto a comprometerte (no adorarás las prescripciones de los libros de texto).
Capitulo 1
Escogiendo el Modelo
Capitulo 1
Modelo
La regresión.-
Se define a la regresión como la hipótesis que se plantea entre la relación lineal (en
los parámetros exclusivamente) entre una variable que se llamara explicada, endógena o
dependiente, entre una o más variables de nombre explicativa, exógena, o independiente.
1
El investigador y econometrista debe considerar, el grado aceptable que puede variar los resultados a
partir de una información. Este error generalmente no pasa de 0,1%, 1%, 5%, 10% que son los niveles de
significancia generalmente aceptado.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
El método más general para realizar la regresión es el MCO, pero tiene una
restricción, debe cumplir con los supuestos para que los estimadores sean mejor estimador lineal
insesgado implícito (de aquí en adelante MELI).
1) Se supone que el error esta normalmente distribuido. Los errores o desviaciones son una variable
muy importante en un modelo econométrico. La variable estocástica debe cumplir con los mismos
supuestos de normalidad que las demás variables. Su media, su moda y su mediana deben
aproximarse a la normalidad.
3) Los términos del error no están correlacionados o relacionados el uno del otro.
7) los parámetros (las pendientes y el error) deben ser lineales. Es decir linealidad en los parámetros.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Modelos no lineales
Su construcción es muy simple y se aplican las mismas reglas, ya que lo que interesa
es en sí que los parámetros (coeficientes, pendientes, etc.) sean lineales. Que un modelo presente
potencias, logaritmos, quebrados no afecta al modelo, y no quebranta ningún supuesto de los MCO,
sin embargo es preferible linealizarlos.
Por ejemplo
Y=a+bX+cX2 es lineal en sus parámetros ya que se puede considerar X cuadrado como una variable
mas, no así:
En la construcción del las tablas cerciórese de “transformar los datos “conforme lo pide la nueva
ecuación
2 Linealizando modelos
Exponencial
Potencial
Reciproco
O inverso
En este caso dividir todas las variables para una explicativa, y dejar esa explicativa
inversa.
Ecuaciones normales
Primero se plantea la ecuación. La constante es reemplazada por “n” ( numero de datos),
las variables son reemplazadas por sus sumatorias.
∑ Y = nB0 + B1 ∑ X1
Para obtener así la primera ecuación normal. Luego se multiplica toda la ecuación por la
sumatoria de cada una de las variables explicativas de la primera ecuación normal. Así obtenemos
las ecuaciones que sean necesarias, ya que si hay una variable explicativa, debemos obtener dos
ecuaciones normales. Es decir el número de ecuaciones normales depende del número de variables
explicativas más la explicada.
Las ecuaciones normales son validas para todo tipo de ecuaciones, solo si se ha lineal izado
primero.
∑ YX1 = B0 ∑ X1 + B1 ∑ X1 2
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝐵̂2 =
𝑛 ∑ 𝑋 2 − (∑ 𝑋 2 )2
∑ 𝑥𝑦
𝐵̂2 =
∑ 𝑥2
𝐵̂1 = 𝑌̅ − 𝐵2 𝑋̅
𝑌 = 𝐵 + 𝐵𝑋 + 𝐵𝑋
𝑋𝑌 = 𝐵𝑋 + 𝐵𝑋 + 𝐵𝑋
𝑋𝑌 = 𝐵𝑋 + 𝐵𝑋 + 𝐵𝑋
𝐵 = 𝑌 − 𝐵𝑋 − 𝐵𝑋
Ejemplo
Modelo simple
Modelo Multpile
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
En el caso que sea necesario agregar situaciones en las que no se puede analizar
cuantitativamente, o que si se puede pero dándole un estimativo personal (del investigador) se usan
las variables ficticias, que generalmente llevan la letra D.
Son variables ficticias que solo pueden obtener valores fijos, en el caso de que sean variables
explicativas que son el cero y el uno, y en algunos casos el menos uno, es el caso de las endógenas
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
valores probabilísticos, esos valores van de cero a uno. Como investigador debe tener la mente
abierta y despierta para poder incluir fenómenos Sociales, al modelo, además de comportamientos
inusuales dados en épocas históricas por medio de las Variables Dicótomas, como efecto de guerra,
calamidad climática, etc.
En donde X* es el Umbral.
Sirve para saber como influyen las dos variables ficticias agregabas a la vez.
Análisis en elasticidades.
Variables Dicótomas
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Esto se refiere al uso de varias ecuiaciones que conforman un modelo e interacctuan para explicar
un fenómeno económico, pero para ello se debe identificar cual es la forma correcta de el modelo,
se necesita de transformar las ecuaciones al seleccionar la ecuación identificada.
Uno de los métodos, es en estimación de MCO, pero se obtendrían estimadores que no son MELI.
Se puede recurrir al método de estimadores recursivos, (se estima una matriz, para hallar una
ecuación que represente a todas en su conjunto).
Además de ello se puede obtar por los mínimos cuadrados indirectos (en adelante MCI) y en los
mínimos cuadrados en 2 etapas ( en adelante MC2E), si uyna ecuación esta perfectamente
identificada se puede utilizar MCI o MC2E indiferentemente, en algunos casos se prefiere MCI por
su sencillez, pero trae el problema de la dificultad de encontrar las varianzas.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
El método para encontrar cual es la ecuación identificada es simple, se enumeran las variables
endógenas y exógenas del sistema de ecuaciones, de ello se toma una ecuación de referencia y si
las variables exógenas excluidas son Mayores que las variables endógenas entradas menos uno esta
sobreidentificada, si es igual esta identificada, y si es menor esta subidentificada y no se puede
utilizar, debido a que se enconrarian un numero infinito de ecuaciones.
MCI
MC2E
1.-después de identificar, de la subidentificada, agregese todas las demás exógenas que no entran
el modelo…. (Variables instrumentales).
3.- Haga una regresión con las estimadas, donde la endógena de la subidentificada se transforma en
exógena.
Queda a consideración del lector profundizar los pros y los contras de los modelos
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Capitulo 2
Pruebas al modelo.
Para ello debemos encontrar la desviación estándar. Y aplicar el supuesto de normalidad donde la
media muestral es cero
Es necesario conocer que tan exacta es la regresión, es decir, que porcentaje de los datos se ajustan
a la regresión conocidos como R2.
Para ello utilizamos el coeficiente de determinación, que se puede obtener rápidamente por medio
de la tabla ANOVA (estadística 1 revísese por favor).
Es un problema de grado, es decir para este análisis consideraremos que los valores pueden estar
de Cero a Uno, y que un valor menor a 0,5 indica una relación débil, y un valor mayor a 0,5 indica
una relación fuerte, además de ello es de esperar que la Bondad del ajuste del modelo sea superior
a 0,7 (0,8 en algunos textos), y si es positivo la relaciones directa, si es negativo la relación es inversa,
para en el caso de los coeficientes de determinación son solo positivos, y es de esperar que la
relación de la variable dependiente con las independientes sean muy fuertes y lleguen casi al uno.
(Sic=suma de los errores cuadrados totales, Sec=suma de los errores de la regresión cuadrado o no
explicado), suma de errores de las perturbaciones cuadrado, o explicada)
Múltiple
Ajustada
Por matrices
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
La prueba Global
Es la proporción del a variación de la dependiente explicada por las variables independientes en su
conjunto, dicho de forma más simple, que todos los coeficientes de la e ecuación en su
conjunto no sean cero.
Nótese que se incluye la tabla Anova (análisis de Varianza) que simplifica el desarrollo de la
distribución f calculado.
Múltiple
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Por Matrices
Si F calculado > f tabla (en valor absoluto) no acepte (rechace) b2=0, y en el software econométrico no
acepte (rechace) si el valor p es menor a 0,05.
Correlación
Para realizar la prueba de que grado de relación, entre dos variables exógenas, se realiza la prueba
de correlación.
Para ello por medio de matrices podemos revisar, siendo este un problema de grado.
Si el valor es negativo, indica relación inversa, si es menor a 0,5 o cero indica una relación débil o
nula, si es mayor a 0,5 indica una relación fuerte, y se acepta la hipótesis de correlación si el valor
es mayor a 0,7 indiferentemente del signo, obviamente en valor ABSOLUTO.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Prueba de Correlación
En este caso específicamente la muticolinealidad ocurre cuando una variable explicativa esta
fuertemente relacionada con las otras variables explicativas, y para comprobarlo debemos realizar
una regresión para cada variable explicativa excluyendo a la dependiente( o endógena o explicada),
y asumimos el valor del R cuadrada como el coeficiente de correlación múltiple, y es un problema
de grado, es decir se acepta hipótesis de muticolinealidad si el valor supera el 0,7 ( ese valor depende
del investigador), si es igual a uno es perfecta!.
Podemos además analizar estos problemas por medio de las varianzas, y de forma más práctica es
la siguiente:
Los coeficientes son muy pequeños y la varianza es muy grande. Además en el análisis del Software
contemplaremos lo siguiente: una R cuadrada muy alta, Un valor F probabilístico muy bajo e inferior
al 0,05 pero muchas de las variables tienen probabilidad mayor a o, o5 aceptándose que sean
coeficiente cero.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Se puede resolver en unos casos agregando más datos, o eliminando las correlacionadas.
Prueba de Muticolinealidad
Solución:
HETEROCEDASTICIDAD-
Violación de el supuesto del MCO en el que los errores no son estables, no son iguales, a diferencia
del supuesto de homocedasticidad, en que la varianza es igual a lo largo de los datos.se define como
homocedasticidad cuando la varianza de los errores es constante.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
En las pruebas (generalmente) se realiza una regresión con los errores, y de ahí se realiza la pruebas
globales y de distribución chií cuadrada (estadística 1-2), y si hay evidencia de linealidad, se acepta
Heterocedasticidad, ya que si los errores son iguales, su pendiente seria cero.
En su análisis grafico, se descarta la Heterocedasticidad si los puntos maestrales de los errores son
aleatorios. Pero esto es solo una ayuda, debido a que las percepciones pueden engañar.
Prueba de Heterocedasticidad
Prueba de Park
1.-realiza la regresión
4.-Calcule la razon
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
F calculado > F tabla heterocedastica (en valor absoluto) si F calculado< F tabla Homocedastica
Prueba PGB
3.- Construyase Pi
5.-Obtengase el SEC
Chií calculado>chií tabla (M-1 GL) heterocedastica si chií calculado<chií tabla heterocedastica (en
valor absoluto)
1.- estime
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Gl =m-1 auxiliar
Chií calculado>chií tabla (M-1 GL) heterocedastica si chií calculado<chií tabla heterocedastica
Auto correlación.-
La auto correlación se refiere a un problema de violación de los supuestos de los MCO y que se da
en series de tiempo, los errores presentan tendencia en el tiempo, para ello recurrimos a una serie
de pruebas.
Las formas de corregir el problema están en transformar los datos o recurriendo a el modelo Ocrane
Orcut.
Para el análisis de la tabla d (Durbit Watson) debemos dividir el intervalo para cuatro, siendo los
cuartos al extremo como zona de indecisión. Esto es válido para probar hipótesis de existencia de
Auto correlación positiva y negativa.
Para el caso de auto correlación positiva solamente solo se considerara que el valor no sea menor que
el rango, es decir si el valor cae dentro del rango es indeciso, si el valor d calculado > d tabla inferior
rechácese auto correlación positiva.
Capitulo 3
Prediciendo el futuro.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Intervalos de confianza
Los intervalos de confianza, sirven para suponer en cuanto podrían variar los valores estimados, es
decir, dicho más simple donde caerían los verdaderos valores (dentro de la posibilidad deseada).
Entre ellos tenemos intervalos de confianza para los coeficientes, para la media, para las varianzas,
para las predicciones, sean individuales o de la media.
Estimación de intervalos
Predicción media
Predicción individual
Por matrices
Recordar que si se acepta es por probabilidades (el error aun es probable) Error tipo 1 aceptar falso
alfa alto, error tipo dos rechazar verdadero alfa bajo y amante al riesgo.
Capitulo 4
En fin…Más pruebas.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Claro esta! Que debe primero el modelo pasar las pruebas de supuestos de MCO y ser MELI para
formular estas pruebas y salir de dudas, en el nivel probabilisticvo escogido que la estructura,
especificación del modelo es correcta.
5.-
(Opcional)
Por la vida… si quieres saber si conviene una ecuación logarítmica ….haga esto…
3.- obtenga los logaritmos de las estimadas lineales y luego réstalas de los estimados de los
logarítmicos, se le llamara Z.
2.- introduzca estos valores en la ecuación, ya sea como potencias, depende de usted.
4.-
En el software, acepte una buena especificación del modelo si el valor probabilístico de chií cuadrada
es mayor a 0,05 o si la F es menor a o,o5
Nota final.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Si NO puede predecir
Además…
Hay que considerar que si se manipulan exesivamente los datos estos “cantaran” por culpa de la
tortura, y dirán lo que uno quiere escuchar (Gujarati).
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Capitulo 5
Ejemplos
DONDE:
H= hogares
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
G=gobierno
P= IPC
S= salarios
O= exportaciones de petróleo
M= importaciones en general
De la siguiente ecuación básica vamos a demostrar si existe relación, si existe linealidad, y si las
variables son iguales a cero.
Abrimos primero una hoja de trabajo nueva [File-New Workfile]2, e ingresamos el rango de años en
el que vamos a trabajar, en este caso desde 1970 a 1996, y copiamos la información de una hoja de
trabajo de Excel.
Y H G P S O M
Años Demanda Hogares Gobierno Ipc Salario Petroleo Importaciones
1970 5.402 3.871 566 5.597 26.000 1 1.476
1971 5.932 4.143 537 9.500 29.000 2 1.792
1972 6.300 4.229 596 7.671 29.000 60 1.760
1973 7.814 4.524 666 11.959 30.000 283 1.999
1974 8.328 5.099 1.035 22.727 40.000 697 2.670
1975 8.876 5.672 1.263 15.370 40.000 587 3.225
1976 9.639 5.990 1.370 10.540 56.000 741 3.276
1977 9.722 6.391 1.692 12.924 55.000 718 3.882
1978 10.479 6.683 1.642 13.588 56.000 714 4.139
1979 10.964 7.038 1.744 10.113 72.000 1.182 4.253
1980 11.309 7.591 1.792 12.611 144.000 1.587 4.614
1981 11.707 7.864 1.781 14.729 128.000 1.726 4.381
1982 11.551 7.920 1.823 16.336 115.000 1.527 4.507
1983 11.390 7.232 1.750 48.387 57.000 1.653 3.496
1984 11.775 7.426 1.736 31.202 67.000 1.835 3.360
1985 12.121 7.762 1.632 28.005 54.000 1.927 3.581
1986 12.548 7.794 1.632 23.020 71.000 983 3.559
1987 11.761 7.908 1.623 29.503 82.000 725 3.889
1988 13.043 7.932 1.791 58.228 42.000 977 3.557
1989 13.083 8.057 1.718 75.634 41.000 1.147 3.742
1990 13.229 8.298 1.715 48.521 39.000 1.418 3.734
1991 13.800 8.593 1.702 48.722 36.000 1.152 4.148
1992 11.775 3.360 15.135 54.606 30.000 1.345 4.253
1993 12.121 3.581 15.702 44.955 34.000 1.257 4.408
1994 12.548 3.559 16.107 27.311 32.000 1.305 5.053
1995 11.761 3.889 15.650 22.934 33.000 1.530 5.454
1996 13.043 3.557 16.600 24.389 30.000 1.749 4.899
2
LOS CORCHETES INDICAN QUE SON PASOS A SEGUIR EN EL PROGAMA; Y QUE SE DEBE GUIAR POR ESOS
MENUS.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Para ingresar los datos a copiar procedemos a [Quick-Empty Group (edit series)], pegamos los datos
respetando el orden de las variables (siguiendo el mismo orden).
[Proc-Make equation]
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Y=0,96+0,46H+0,000657G+0,44P-0,01S+o, ooo1O+1,7M+e
Queda a discusión que variables entran a explicar el modelo, para ello debemos realizar la
comprobación de diferentes hipótesis de la factibilidad del modelo y de que este rompe o no las
reglas de los Mínimos Cuadrados Ordinarios.
El coeficiente C, nos indica que cuando todas las variables son cero Y obtendrá el valor de 0,96
millones de dólares.
El coeficiente (o pendiente) de la variable H tiene un valor de 0,46 lo cual indica una tendencia lineal
directa, y cada vez que aumente el consumo de los hogares por un millón de dólares el Ingreso
nacional aumentaría en 0,46, el Valué o valor probabilístico de cometer el error tipo 1 de la hipótesis
de coeficiente cero, es de 0,0024 o 0,24% muy por debajo del 1%, se rechaza la hipótesis de que la
pendiente de H sea cero.
La pendiente de la variable G es o, 000657, tiene una relación lineal positiva con respecto a Y, y por
cada millón de dólares que aumente el consumo de <Gobierno, el Ingreso Nacional aumentara en
0,000657 millones de dólares. El valor P , o la probabilidad exacta de que el coeficiente G tenga
coeficiente cero es de 0,6740 o 67,4%, muy por encima del clásico 1%, 5%, 10% por lo que se
descartaría la variable Gobierno como explicativa.
La variable de la pendiente P es 0,043731 lo cual indica una relación directa linera con Y, y por cada
millón de dólares que aumente el nivel de precios, el Ingres Nacional aumentara 43.731 dólares.
La pendiente de la variable S (Sueldos y salarios) tiene una relación inversa con pendiente de -
0,009531 y la probabilidad de que sea un coeficiente cero es de 24,31%,
La variable M (importaciones) tiene un coeficiente de 1,70 relación directa con la variable endógena
Y (Pib, Demanda) y la probabilidad de cometer error tipo 1 es 0,00%
La bondad del ajuste, o coeficiente de determinación me indica que porcentaje de los datos se
ajustan a la línea de regresión, en este caso es de 0,9239 o del 92,39% lo cual indica una relación
muy fuerte de la variable endógena con las exógenas.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
La prueba global lanza la hipótesis de que todos los coeficientes sean cero, en este caso su valor es
40,50282 y la probabilidad de cometer error tipo 1 es de 0,00 o del 0,00%-
El valor Durbit Watson nos indica el grado de problema de auto correlación, la auto correlación es
un problema que se da en las series de tiempo y en los datos procesados, y viola el supuesto de que
los errores no deben seguir una tendencia a través del tiempo, el valor d es de 1,83 y se supone que
debe estar muy cercano a 2 o sobrepasarlo lo cual es aceptable al 1%.
Además podemos proceder para observar de forma grafica este problema [Quick-Stadistic series-
Correlogram] tipiamos las variables exógenas.
En el grafico existen problemas en los puntos en que las barras sobrepasen las líneas punteadas.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Prueba de correlación
La correlación es una violación a los supuestos de los mínimos cuadrados ordinarios, y se refiere a
que las variables exógenas deben tener relación lineal (hablamos de lineal izado no específicamente
línea) con la endógena, no así las variables exógenas entre si no deben tener relación.
Procedemos los siguientes pasos [Quick- Group Stadistic- correlation] ingresamos las variables a
estudiar (las exógenas)
Obviamente las variables tienen una perfecta relación consigo mismas, GG =1
Los valores se interpretan de la siguiente forma ( al igual que el coeficiente de determinación) los
valores estarán entre 0 y 1 ( a diferencia del coeficiente de determinación esta en que este si tiene
signo e indica el tipo de relación directa o indirecta ) , los valores menores a 0,5 indican una relación
débil ( en este caso bueno ), si el valor va desde 0,5 a 1 es una relación lineal fuerte, y un problema
para nuestro modelo, depende de cuan arriesgado es el investigados econométrico a cometer el
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
error tipo uno, en nuestro caso trabajaremos con el 0,70 o el 70% de relación, cualquier valor que
supere esto aceptara la hipótesis de que las variables están relacionadas entre sí.
GM = -0,783466 una relación inversa entre las dos variables explicativas y se acepta la hipótesis
de correlación.
HS=0,580692 una relación directa fuerte pero para nuestro caso no se acepta la posibilidad de
que sea una correlación
La manera de corregir este problema es eliminando de nuestro modelo una de las variables
correlacionadas.
Muticolinealidad.
Se refiere al u igual que la correlación de variables exógenas relacionadas entre sí, pero en este caso
hace referencia a una relación lineal entre una de las variables exógenas con el resto de las variables
explicativas.
Para ello realizaremos regresiones de cada una de las variables con el resto de las explicativas.
Al analizar los datos obtenidos nos concentramos en revisar solo el coeficiente de determinación (si
la prueba global me indica que hay una regresión lineal), y llegamos a la siguiente conclusión
G esta fuertemente relacionado con las demás explicativas con un coeficiente de correlación
múltiple (Coeficiente de determinación entre exógenas) de 0,810121 o 81,21%.
Como conclusión previa hay muticolinealidad, y se debe corregir al eliminar de nuestro modelo a las
variables con este problema
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Problema de Heterocedasticidad
Este problema se da cuando los errores de la regresión no son iguales a lo largo del modelo.
Para analizar este problema es necesario recalcar que si los errores tienen una estructura anormal,
al graficarlos con una de las variables encontraremos una regresión.
Las pruebas de Heterocedasticidad lanza la hipótesis de que los residuos forman una regresión con
las variables, la forma del modelo para probarlo es diferente pero básicamente dan el mismo
resultado.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Realizamos los siguientes pasos [View- residual test – Heterocedasticity test] escogemos el modelo
de prueba de Heterocedasticidad escogido, para la prueba de nuestro modelo utilizaremos la
prueba PBG y White.
Prueba de Normalidad
Es de suponer que los datos no deben estar sesgados, es decir una tendencia muestral, y la teoría
nos indica que los datos debieran estar distribuidos normalmente, la media, moda, mediana se
deben ubicar en el centro de los datos, y no deben estar agolpados ahí (dicho de forma simplista).
Buscaremos la existencia de Curtuosis y de sesgo, y globalizando esta prueba por medio de la prueba
Jaque Bera, para saber si los datos siguen una distribución normal.
Llegamos a la conclusión de que el modelo “Borrador” que explica el Ingreso nacional, tiene
problemas de correlación, muticolinealidad, coeficientes cero, sin problemas de autocorrrelación y
sin problemas de Heterocedasticidad, y siendo una distribución normal.
Eliminamos entonces G; S; O;
Ahora realizaremos una segunda ronda de pruebas para demostrar si este modelo es el definitivo,
utilizando los mismos pasos descritos anteriormente.
Y=C+C1M+C2P+C3H+e
El valor que obtén nuestro modelo cuando todas las variables son cero es de 1,9 millones de dólares.
La pendiente de la variables M (Importaciones) es 1,5 con relación directa o positiva y nos indica
que por cada aumento de millón de importaciones el ingreso nacional aumenta en 1,5 millones, y
se rechaza la hipótesis nula de que el coeficiente sea cero con un valor probabilístico de 0,0000 es
decir 0,00%.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
La pendiente de la variable P es 0,05 tiene una relación positiva y nos indica que por cada aumento
que se dé en el nivel de precios, el ingreso nacional aumentara en 50801 dólares, y se rechaza la
hipótesis nula de que l coeficiente sea cero, con un valor probabilístico de 0,000 es decir el 0,00%
La pendiente de H es de 0,339196 y tiene relación directa con el ingreso nacional y por cada millón
que aumente el consumo de los hogares el efecto multiplicativo del consumo afecta positivamente
al ingreso en 339196 dólares, se rechaza la hipótesis nula de que el coeficiente sea cero con un nivel
probabilístico de 0,0003 o también el 0,03%.
La prueba global de que los coeficientes sean cero o prueba F es de 84,66 y su valor probabilístico
es de o,ooo o de 0%, por lo que se rechaza la hipótesis de que los coeficientes sean cero.
El valor d o de Durbit Watson es 1,8 y se rechaza la hipótesis de que exista auto correlación ´positiva.
Prueba de correlación
La anterior tabla o matriz de correlación no muestra ningún evidencia de correlación grave, es más
las correlaciones son débiles, lo cual le da un punto a favor al modelo.
Prueba de Normalidad
Se acepta la hipótesis de que los errores de la regresión siguen una distribución normal, con un leve
sesgo a la izquierda y leptocurtica.
Prueba de Heterocedasticidad
En las dos pruebas realizadas se acepta la hipótesis nula de que los errores de la regresión son
Homocedastica.
En la prueba de White no sigue la distribución chií con una probabilidad de error tipo 1 de 87%.
En la prueba de PBG no sigue la distribución chií con una probabilidad de cometer error de 97%.
Prueba de muticolinealidad
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
El coeficiente de correlación múltiple de la variable M es 0,08 lo cual indica que no hay problemas
de muticolinealidad.
El coeficiente de correlación múltiple de la variable P es 0,13 lo cual indica que no hay problemas
de muticolinealidad.
El coeficiente de correlación múltiple de la variable H es de 0,08 lo cual indica que no hay problemas
de muticolinealidad.
Conclusiones previas:
Ahora con un modelo con varios puntos a su favor, realizaremos más pruebas.
Utilizando las desviaciones estándar de los coeficientes, a un nivel de confianza del 95%
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Procedemos en la ventana de la ecuación los siguientes pasos: [View- Actual Fitted Residual –
Residual table].
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Análisis de datos
Abrimos el Workfile, luego sombreamos las variabas que estamos trabajando y procedemos
así [open- as Group]
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Visualmente vemos que H, M tienen una relación lineal positiva, y que P aparentemente es una
curva que bien se puede adaptar a una línea recta, pero podría ser potencial.
Para hacer este análisis visual, vamos a [quick- graph – scater ] y procedemos a tipiar una variable
explicativa espacio resid ( se refiere a los residuos)
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Seleccionamos el grafico scatter, y los residuos deben tener una estructura aleatoria.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Ninguna de las variables muestra una estructura con los residuos, por lo tanto no hay indicio grafico
por los residuos de que el modelo este mal especificado.
Para ello en la pantalla de ecuación procedemos los siguientes pasos [View- Stability test- Ramsey
test]
Prueba de reset
De Ramsey
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Los valores chiíes cuadrados y de la prueba F , son mayores al nivel de 0,05 por lo que aceptamos la
hipótesis nula de que le modelo esta correctamente especificado.
Predicciones
Y H G P S O M Utilizaremos el
Años Demanda Hogares Gobierno Ipc Salario Petroleo Importaciones
año 1997 y
1970 5.402 3.871 566 5.597 26.000 1 1.476
1971 5.932 4.143 537 9.500 29.000 2 1.792 1998 para
1972 6.300 4.229 596 7.671 29.000 60 1.760 realizar una
1973 7.814 4.524 666 11.959 30.000 283 1.999
1974 8.328 5.099 1.035 22.727 40.000 697 2.670 predicción con
1975 8.876 5.672 1.263 15.370 40.000 587 3.225 los datos que
1976 9.639 5.990 1.370 10.540 56.000 741 3.276
1977 9.722 6.391 1.692 12.924 55.000 718 3.882 se dieron en
1978 10.479 6.683 1.642 13.588 56.000 714 4.139 estos años y
1979 10.964 7.038 1.744 10.113 72.000 1.182 4.253
1980 11.309 7.591 1.792 12.611 144.000 1.587 4.614 ver si se
1981 11.707 7.864 1.781 14.729 128.000 1.726 4.381 ajustan a
1982 11.551 7.920 1.823 16.336 115.000 1.527 4.507
1983 11.390 7.232 1.750 48.387 57.000 1.653 3.496
nuestro
1984 11.775 7.426 1.736 31.202 67.000 1.835 3.360 modelo y así
1985 12.121 7.762 1.632 28.005 54.000 1.927 3.581
probar el
1986 12.548 7.794 1.632 23.020 71.000 983 3.559
1987 11.761 7.908 1.623 29.503 82.000 725 3.889 poder
1988 13.043 7.932 1.791 58.228 42.000 977 3.557
predictivo del
1989 13.083 8.057 1.718 75.634 41.000 1.147 3.742
1990 13.229 8.298 1.715 48.521 39.000 1.418 3.734 modelo
1991 13.800 8.593 1.702 48.722 36.000 1.152 4.148
hallado
1992 11.775 3.360 15.135 54.606 30.000 1.345 4.253
1993 12.121 3.581 15.702 44.955 34.000 1.257 4.408 situamos en la
1994 12.548 3.559 16.107 27.311 32.000 1.305 5.053 pantalla work
1995 11.761 3.889 15.650 22.934 33.000 1.530 5.454
1996 13.043 3.557 16.600 9.723 1.791 7.932 3.404 file.
1997 13.083 3.742 16.825 9.775 1.718 8.057 3.428
1998 13.229 3.734 16.963 10.013 1.715 8.298 3.188
1999 13.800 4.148 17.948 10.295 1.702 8.593 3.490
2000 14.011 4.253 18.263 10.383 1.579 8.804 3.665
2001 14.270 4.408 18.678 10.590 1.541 9.049 3.774
2002 14.941 5.053 19.994 10.946 1.557 9.389 4.024
2003 15.203 5.454 20.657 11.188 1.627 9.561 3.942
2004 15.568 4.899 20.466 11.237 1.543 9.694 3.774
2005 16.199 5.651 21.850 11.718 1.616 10.103 3.875
2006 16.541 6.047 22.588 12.142 1.581 10.562 4.028
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Sombreamos los datos exógenos de nuestro modelo, y realizamos la siguiente acción [Proc –
Restructure/resize current page]
Los últimos datos no están disponibles y los rellenaremos de acuerdo a la tabla de Excel.
Ingresamos en el casillero S.E (opcional) para que evie ws arroje las desviaciones estándar de la
predicción.
Modelo Potencial.
No es necesario transformar los datos, ya que directamente podemos ingresar la ecuación del
modelo especificado.
Cuando las variables explicativas son cero, el valor que obtendrá el log (y) es 1,024
El modelo las pruebas de coeficiente cero, prueba global, De auto correlación( ya que ninguno de
los valores p Sobrepasa 0,05 y d>2).
El valor Probabilístico de el modelo log-log es más alto (se tiene más confianza en la especificación
de este modelo) y su coeficiente de determinación es inclusive más alto, 0,94 versus 0,91 del modelo
lineal.
Hasta al momento como conclusión previa, podríamos adoptar el modelo log-log como definitivo.
Prueba de Heterocedasticidad
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Se acepta la hipótesis nula en las dos pruebas (White, PBG) que los errores del modelo son
Homocedastica.
Conclusión.-
Ejemplo #”2”
YD=bo+b1 K
En donde b1 es la propensión marginal a consumir, y que por convicción es menor a uno y mayor a
cero, es decir una fracción de los ingresos será destinado al consumo, y bo es el consumo autónomo.
Quedando
YD=bo+b1 K+b2D+b3D K
D es la variable dicótoma. Puede obtener valores de cero a uno, en donde uno es la representación
cualitativa de la existencia de crisis financiera y cambiaria.
El modelo de la hipótesis planteada, (de que la crisis influyo en la propensión marginal a consumir)
quedara al incluir las perturbaciones aleatorias así:
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Matemáticamente
Se utilizaron datos del Banco Central del Ecuador, expresados en millones de dólares.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Los datos
Se tabularon en Excel.
Como primer paso del análisis se abre el programa, [menú de inicio, Ev.iews]
Sin embargo para evitar confusiones, se cambiaron los nombres de las variables, en este caso las
ficticias se denominaron F. las variable consumo de los hogares se la denomino K y el ingreso
disponible YD.
Se plantea la ecuación en el lenguaje del programa. Se pueden obviar el signo igual, ya que el
programa entenderá que después de la primera variable YD estará el símbolo igual.
En primer lugar fijaremos las pruebas que seguiremos en un porcentaje de aceptación del 5%
(significancia) cualquier valor con una probabilidad superior a este será rechazado.
El valor C tiene un coeficiente de 5958,911 que se interpreta como el consumo autónomo es decir
que de ser el ingreso igual a cero se consumirá (desamorrando) $5958 millones.
El valor K tiene un coeficiente de 0,7982 lo que nos indica que el consumo de los hogares es afectado
por su nivel de ingreso, este valor es la propensión marginal a consumir, por cada dólar de ingreso
el ciudadano gastara 79 centavos.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
El valor F es la variable ficticia (dicótoma) y nos explica el efecto de la crisis y como afectaría a el
ciudadano en su consumo autónomo, agregándonos $2826 millones. En caso de haber crisis
[$5958+$2826]=$8784 millones de dólares en tiempo de crisis.
Conclusión previa: se descarta la crisis como una explicación del comportamiento de la propensión
marginal a consumir y del consumo autónomo.
Para comprobar errores de auto correlación se realiza los siguiente pasos, [Quick, Series estadistic,
Correlogram] y visualmente se comprueba la existencia de correlación.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Se tipea solo las variables exógenas del modelo, y se comprueba si estas se salen de las líneas de
aceptación.
Para comprobar la muticolinealidad se realizan modelos en que cada una de las variables exógenas
se relacionaran entre si. Si se obtiene un R2 mayor a 75% (este nivel lo pone el investigador) se
aceptara la hipótesis de muticolinealidad, y se deberá eliminar una de las variables.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Encontramos multa colinealidad grave, 99,9% se debe eliminar o F o una de las variables escogidas
como exógenas.
Nota para la siguiente prueba se debe reescribir la ecuación original (en Eviews yd c k f f*k)
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Prueba de Heterocedasticidad, se debe consultar por medio del programa realizando el siguiente
paso [View. Residual test, Heterocedasticity]
La probabilidad de relación lineal de los errores es de 11% por lo tanto rechazamos la hipótesis de
Heterocedasticidad.
Reescribiendo el modelo
En Eviews yd c K
Matemáticamente
YD (K)= b0+b1K+u
K= Consumo
Interpretación de resultados
El consumo autónomo, aquel que se realiza cuando el ingreso es cero (por medio del desahorro)
alcanza los $6.174 millones de dólares.
La propensión marginal a consumir, o pendiente del consumo es de 0,78 es decir que por cada dólar
obtenido se gastan $78 centavos de dólar, y se ahorran $21 centavos de dólar.
La desviación estándar es pequeña, para la PMC de 0,03, realizando la prueba de hipótesis de que
la pendiente sea cero se obtiene un valor t de 23,22806 lo que nos indica que el error es muy
pequeño también ( probabilidad casi cero).
La bondad de ajuste o coeficiente de determinación R cuadrada es de 97,3% una relación muy fuerte
de las variables exógenas (K) con la variable endógena (YD).
El coeficiente de determinación ajustado o R cuadrada ajustada es del 97,1% por lo que se considera
que el número de datos y el número de variables no afectan al desempeño del modelo.
La prueba global (nos indica si los coeficientes en su conjunto deben ser cero) es de 539,54 en la
tabla F y da un resultado muy cercano a 0% de fallar. Se rechaza la hipótesis.
La prueba de auto correlación (relación tendencial de los errores) es de 1,25 se descarta la hipótesis.
Conclusión final
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
El modelo es el apto para el estudio de la demanda agregada. Se elimino la variable ficticia crisis por
ser no relevante en la explicación del ingreso, quedando explicado por el consumo de los hogares
ecuatorianos.
ejemplo # 3
Revisando la teoria, y formulando el enunciado de que, las importaciones son explicadas por los
aumnetos y las disminuciones de el Pib, este “movimiento “ del Pib genera fugas de dinero de la
economia por medio del gasto en impoortaciones, es decir en las compras que ingresan del exterior,
quedando la siguiente ecuacion.
Con la restriccion0<=pmM<=1.
B0<= 0
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
4.1 OFERTA Y UTILIZACIÓN FINAL DE BIENES Y SERVICIOS
miles de dólares de 2000
Años Producto Importaciones Total oferta Gasto de Consumo Consumo Formación Variación Exportaciones Total
interno de bienes y final consumo de final de bruta de de de bienes y demanda
bruto (PIB) servicios final total Gobierno Hogares capital fijo existencias servicios final
General
1965 4.339.522 1.074.072 5.413.594 3.489.279 467.618 3.021.661 1.388.672 29.184 506.459 5.413.594
1966 4.278.297 1.109.301 5.387.598 3.549.847 454.213 3.095.634 1.394.826 -80.769 523.694 5.387.598
1967 4.657.200 1.248.003 5.905.203 3.766.826 420.380 3.346.446 1.643.790 -46.172 540.759 5.905.203
1968 4.747.920 1.365.967 6.113.887 3.971.261 431.282 3.539.979 1.694.038 -105.786 554.374 6.113.887
1969 5.039.752 1.383.989 6.423.741 4.155.546 485.800 3.669.746 1.833.548 -57.670 492.317 6.423.741
1970 5.402.431 1.475.641 6.878.072 4.436.412 565.699 3.870.713 1.928.248 -4.063 517.475 6.878.072
1971 5.932.400 1.791.745 7.724.145 4.679.934 536.574 4.143.360 2.518.049 -25.829 551.991 7.724.145
1972 6.299.981 1.759.999 8.059.980 4.825.233 595.771 4.229.462 2.023.670 94.900 1.116.177 8.059.980
1973 7.813.711 1.999.256 9.812.967 5.190.830 666.414 4.524.416 2.228.243 291.711 2.102.183 9.812.967
1974 8.327.521 2.670.030 10.997.551 6.134.314 1.035.206 5.099.108 2.778.478 131.145 1.953.614 10.997.551
1975 8.876.196 3.224.682 12.100.878 6.935.205 1.263.409 5.671.796 3.304.622 119.232 1.741.819 12.100.878
1976 9.639.012 3.276.218 12.915.230 7.359.672 1.369.832 5.989.840 3.405.968 304.261 1.845.329 12.915.230
1977 9.722.365 3.881.565 13.603.930 8.083.262 1.691.785 6.391.477 3.913.765 -261.589 1.868.492 13.603.930
1978 10.478.758 4.139.383 14.618.141 8.324.718 1.641.839 6.682.879 4.405.914 -118.318 2.005.827 14.618.141
1979 10.963.867 4.252.561 15.216.428 8.782.022 1.744.374 7.037.648 4.373.685 -8.373 2.069.094 15.216.428
1980 11.309.107 4.614.138 15.923.245 9.383.532 1.792.068 7.591.464 4.617.336 -151.625 2.074.002 15.923.245
1981 11.706.724 4.380.575 16.087.299 9.644.572 1.780.892 7.863.680 4.335.629 -1.607 2.108.705 16.087.299
1982 11.551.194 4.506.773 16.057.967 9.742.765 1.822.965 7.919.800 4.343.807 -85.428 2.056.823 16.057.967
1983 11.390.291 3.495.972 14.886.263 8.981.810 1.749.802 7.232.008 3.381.803 373.002 2.149.648 14.886.263
1984 11.774.662 3.360.313 15.134.975 9.162.590 1.736.434 7.426.156 3.217.885 410.902 2.343.598 15.134.975
1985 12.121.087 3.581.334 15.702.421 9.393.527 1.631.761 7.761.766 3.401.536 310.394 2.596.964 15.702.421
1986 12.548.055 3.558.812 16.106.867 9.426.270 1.632.439 7.793.831 3.527.133 188.886 2.964.578 16.106.867
1987 11.761.343 3.888.626 15.649.969 9.531.334 1.622.975 7.908.359 3.692.561 101.987 2.324.087 15.649.969
1988 13.043.295 3.556.835 16.600.130 9.722.607 1.790.889 7.931.718 3.403.798 268.383 3.205.342 16.600.130
1989 13.083.072 3.741.733 16.824.805 9.774.797 1.717.584 8.057.213 3.428.245 493.199 3.128.564 16.824.805
1990 13.229.206 3.733.625 16.962.831 10.013.398 1.715.302 8.298.096 3.188.328 393.070 3.368.035 16.962.831
1991 13.800.083 4.147.613 17.947.696 10.294.703 1.701.942 8.592.761 3.490.240 67.786 4.094.967 17.947.696
1992 14.010.595 4.252.865 18.263.460 10.382.972 1.579.395 8.803.577 3.665.386 -233.739 4.448.841 18.263.460
1993 14.270.247 4.407.544 18.677.791 10.589.610 1.540.656 9.048.954 3.773.927 66.140 4.248.114 18.677.791
1994 14.941.494 5.052.646 19.994.140 10.945.788 1.556.688 9.389.100 4.023.889 279.990 4.744.473 19.994.140
1995 15.202.731 5.454.273 20.657.004 11.188.258 1.626.991 9.561.267 3.941.681 248.368 5.278.697 20.657.004
1996 15.567.905 4.898.523 20.466.428 11.237.471 1.543.046 9.694.425 3.773.777 47.381 5.407.799 20.466.428
1997 16.198.551 5.651.241 21.849.792 11.718.363 1.615.555 10.102.808 3.875.345 425.346 5.830.738 21.849.792
1998 16.541.248 6.046.643 22.587.891 12.142.349 1.580.737 10.561.612 4.027.764 882.669 5.535.109 22.587.891
1999 15.499.239 4.265.326 19.764.565 11.315.441 1.493.247 9.822.194 2.913.276 -429.293 5.965.141 19.764.565
2000 15.933.666 4.938.801 20.872.467 11.762.212 1.563.554 10.198.658 3.264.681 -60.036 5.905.610 20.872.467
2001 16.784.095 6.164.445 22.948.540 12.442.886 1.553.873 10.889.013 4.031.480 615.345 5.858.829 22.948.540
2002 17.496.669 7.194.570 24.691.239 13.231.746 1.621.115 11.610.631 4.794.259 855.696 5.809.538 24.691.239
2003 18.122.313 6.915.768 25.038.081 13.856.637 1.644.141 12.212.496 4.786.413 28.346 6.366.685 25.038.081
2004 19.572.229 7.683.139 27.255.368 14.484.481 1.703.051 12.781.430 5.022.325 369.965 7.378.597 27.255.368
2005 (sd) 20.747.176 8.738.205 29.485.381 15.481.181 1.762.354 13.718.827 5.568.170 395.640 8.040.390 29.485.381
2006 (p) 21.555.469 9.542.213 31.097.682 16.288.511 1.815.353 14.473.158 5.730.446 346.582 8.732.143 31.097.682
La teoría respalda la idea de que los datos de las importaciones, comparado con el
Pib (renta, ingreso, producción) tienen una tendencia lineal.
Débase notar que los datos del Pib (producto interno bruto) están en miles de millones de dólares
del año 2000 como año base, así mismo las importaciones en miles de millones de dólares.
Las observaciones se recogieron del año 1965 hasta el año 1979, con un total de 25 datos para la
estimación. Además una vez realizada la estimación realizaremos una pequeña comprobación de la
eficacia de la ecuación hallada.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
En este modelo asumimos al Pib como variable endógena, y las Importaciones como variable
exógena explicativa.
AÑO IMPORTACION
Pib(X)
(Y) XY X2
1965 1,07 4,34 4,66 18,83
1966 1,11 4,28 4,75 18,30
1967 1,25 4,66 5,81 21,69
1968 1,37 4,75 6,49 22,54
1969 1,38 5,04 6,97 25,40
1970 1,48 5,40 7,97 29,19
1971 1,79 5,93 10,63 35,19
1972 1,76 6,30 11,09 39,69
1973 2,00 7,81 15,62 61,05
1974 2,67 8,33 22,23 69,35
1975 3,22 8,88 28,62 78,79
1976 3,28 9,64 31,58 92,91
1977 3,88 9,72 37,74 94,52
1978 4,14 10,48 43,38 109,80
1979 4,25 10,96 46,62 120,21
1980 4,61 11,31 52,18 127,90
1981 4,38 11,71 51,28 137,05
1982 4,51 11,55 52,06 133,43
1983 3,50 11,39 39,82 129,74
1984 3,36 11,77 39,57 138,64
1985 3,58 12,12 43,41 146,92
1986 3,56 12,55 44,66 157,45
1987 3,89 11,76 45,74 138,33
1988 3,56 13,04 46,39 170,13
1989 3,74 13,08 48,95 171,17
TOTALES 73,34 226,81 748,22 2288,22
Podemos estimar la ecuaciones ya sea con ecuaciones normales, matrices, o utilizando un paquete
de software econométrico, en este caso utilizando Spas 15.0 para Windows, hallamos la ecuación y
realizamos las siguientes pruebas.
Estadísticos descriptivos
Y 2,9336 1,21062 25
9,0720 3,09871 25
Coeficientesa
Coeficientes
Coeficientes no estandarizad Intervalo de confianza para Estadísticos de
estandarizados os B al 95% Correlaciones colinealidad
Límite
Modelo B Error típ. Beta t Sig. Límite inferior superior Orden cero Parcial Semiparcial Tolerancia FIV
1 (Constante) -,329 ,304 -1,081 ,291 -,959 ,301
X ,360 ,032 ,921 11,301 ,000 ,294 ,425 ,921 ,921 ,921 1,000 1,000
a. Variable dependiente: Y La media de los valores, es decir
el promedio esperado de las Importaciones es 2,9 miles de millones de dólares con una variación
esperada de 1,2, en esta tabla además podemos ver el promedio de el Pib, su desviación y el numero
de datos introducidos por variables.
Y= -0,329+0,360X, (1)
Además si quisiéramos utilizar un modelo que pase por el origen (suponiendo que no hay
importaciones cuando el ingreso es cero podemos utilizar el coeficiente estandarizado:
Era entonces de esperar que el valor de pmM sea menor a uno, y mayor a cero, además pasa la
prueba t, los coeficientes no son iguales a cero. Por el momento, la ecuación ha pasado unas
pruebas, pero es necesario realizar la prueba de Auto correlación una de las violaciones a los
supuestos de MRL (modelos de regresión lineal), que ocurre en las series de tiempo.
Cuando los daros sigue un ordenamiento natural con respecto al tiempo, estos violan
un supuesto de los Mínimos Cuadrados Ordinarios, en que los errores no deberían tener una
tendencia. O auto correlación serial de las perturbaciones.
Para contestar esta pregunta es necesario estimar los errores de la ecuación y sus cuadrados,
además de estimar los errores rezagados y sus cuadrados, y utilizando el valor obtenido de la
siguiente ecuación:
Obtenemos un valor llamado d, el cual lo compararemos con el valor d estadístico (prueba de Durbit
Watson).
Si el valor encontrado cae dentro de estos rangos la prueba me indicaría que no existe auto
correlación, si los valores caen a la izquierda(es decir son menores a los rangos) existe auto
correlación positiva, y si los valores caen en la derecha (es decir son mayores a los rangos) existe
auto correlación positiva.
Estadísticos de cambio
R cuadrado Error típ. de la Cambio en Sig. del Durbin-
Modelo R R cuadrado corregida estimación R cuadrado Cambio en F gl1 gl2 cambio en F W atson
1 ,921a ,847 ,841 ,48311 ,847 127,709 1 23 ,000 ,590
a. Variables predictoras: (Constante), X
b. Variable dependiente: Y
Comparándolo con los valores de tabla llegamos a la conclusión de que existe auto correlación, en
la ecuación (1).
Y=0,921X
El problema es aun mas grave si se estima con este modelo ya que d=7,75/813,06=0,01 auto
correlación positiva.
Corrigiendo el problema.-
Coeficientesa
Coeficientes
Coeficientes no es tandarizad
es tandarizados os
Modelo B Error típ. Beta t Sig.
1 (Cons tante) ,180 ,249 ,724 ,478
Yrez ,769 ,154 ,804 4,995 ,000
X ,040 ,157 ,102 ,253 ,803
Xrez ,026 ,157 ,068 ,168 ,868
a. Variable dependiente: Y
El coeficiente que acompaña a la variable Y rezagada es 0,769 el cual es el valor p, de paso se sabe
que si el valor p es muy alto (cercano a uno) la auto correlación es más fuerte, y si es cercano a cero
no existe auto correlación, de paso hemos verificado una vez más la existencia de auto correlación.
Coeficientesa
Coeficientes
Coeficientes no es tandarizad
es tandarizados os
Modelo B Error típ. Beta t Sig.
1 (Cons tante) ,247 ,229 1,077 ,293
X* ,218 ,090 ,450 2,419 ,024
a. Variable dependiente: Y*
Donde d=5,25/2,57=2,054
Resumen del modelob
El valor d es el suficientemente alto para descartar ahora la auto correlación positiva, además es de
interés reconocer que la relación lineal de Y con respecto a X es ahora más débil, antes en la ecuación
(1) era 0,9 ahora es 0,45.
Notes que se pudo además utilizar el modelo Ocrane Orcut, dentro del programa :E:VIEWS al
agregar la variable AR(1), y que queda a consideración del lector comprobar los resultados.
Luis Damian Jungnikel Matamoros, resúmenes de econometría 3.3// Catedrática Economista. Margarita
Moreira
Pasó a paso econometría. Cada uno de estos libros en cualquiera de sus ediciones.