53
TRABAJO PRÁCTICO DE ECONOMETRÍA VAR (p) con dos variables 1 Vector Autoregression Estimates Date: 10/09/16 Time: 16:47 Sample (adjusted): 1972 2014 Included observations: 43 after adjustments Standard errors in ( ) & t-statistics in [ ] GASTO INGRESO GASTO(-1) 0.446895 -1.268034 (0.38032) (0.57486) [ 1.17505] [-2.20580] GASTO(-2) 0.248667 1.057439 (0.32010) (0.48384) [ 0.77684] [ 2.18552] INGRESO(-1) 0.620654 2.147987 (0.23873) (0.36085) [ 2.59981] [ 5.95261] INGRESO(-2) -0.343716 -0.944695 (0.21668) (0.32752) [-1.58627] [-2.88438] C 4.91E+10 1.18E+11 (4.2E+10) (6.3E+10) [ 1.17854] [ 1.86975] R-squared 0.999414 0.999036 Adj. R-squared 0.999352 0.998934 Sum sq. resids 4.41E+23 1.01E+24 S.E. equation 1.08E+11 1.63E+11 F-statistic 16200.29 9843.137 Log likelihood -1150.696 -1168.460 Akaike AIC 53.75329 54.57953 Schwarz SC 53.95808 54.78432 Mean dependent 6.45E+12 7.90E+12 S.D. dependent 4.23E+12 4.99E+12 Determinant resid covariance (dof adj.) 4.68E+43 Determinant resid covariance 3.65E+43 Log likelihood -2278.613 Akaike information criterion 106.4471 Schwarz criterion 106.8567

luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

  • Upload
    others

  • View
    1

  • Download
    0

Embed Size (px)

Citation preview

Page 1: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

TRABAJO PRÁCTICO DE ECONOMETRÍA

VAR (p) con dos variables

1

 Vector Autoregression Estimates Date: 10/09/16 Time: 16:47 Sample (adjusted): 1972 2014 Included observations: 43 after adjustments Standard errors in ( ) & t-statistics in [ ]

GASTO INGRESO

GASTO(-1)  0.446895 -1.268034 (0.38032)  (0.57486)[ 1.17505] [-2.20580]

GASTO(-2)  0.248667  1.057439 (0.32010)  (0.48384)[ 0.77684] [ 2.18552]

INGRESO(-1)  0.620654  2.147987 (0.23873)  (0.36085)[ 2.59981] [ 5.95261]

INGRESO(-2) -0.343716 -0.944695 (0.21668)  (0.32752)[-1.58627] [-2.88438]

C  4.91E+10  1.18E+11 (4.2E+10)  (6.3E+10)[ 1.17854] [ 1.86975]

 R-squared  0.999414  0.999036 Adj. R-squared  0.999352  0.998934 Sum sq. resids  4.41E+23  1.01E+24 S.E. equation  1.08E+11  1.63E+11 F-statistic  16200.29  9843.137 Log likelihood -1150.696 -1168.460 Akaike AIC  53.75329  54.57953 Schwarz SC  53.95808  54.78432 Mean dependent  6.45E+12  7.90E+12 S.D. dependent  4.23E+12  4.99E+12

 Determinant resid covariance (dof adj.)  4.68E+43 Determinant resid covariance  3.65E+43 Log likelihood -2278.613 Akaike information criterion  106.4471 Schwarz criterion  106.8567

Page 2: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

El cuadro que se observa, es el modelo VAR que se debe corregir ya que este es un modelo no estacionario.

Aplicando el test de Dickey - Fuller Aumentado vemos si la variable tiene o no tiene raíz unitaria

GASTO

2

Null Hypothesis: GASTO has a unit root

Exogenous: Constant

Lag Length: 1 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic  2.398525  1.0000

Test critical values: 1% level -3.592462

5% level -2.931404

10% level -2.603944

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(GASTO)

Method: Least Squares

Date: 10/09/16 Time: 16:56

Sample (adjusted): 1972 2014

Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

GASTO(-1) 0.013868 0.005782 2.398525 0.0212

D(GASTO(-1)) 0.431743 0.145698 2.963283 0.0051

C 9.79E+10 3.80E+10 2.573433 0.0139

R-squared 0.516821    Mean dependent var 3.14E+11

Adjusted R-squared 0.492662    S.D. dependent var 1.63E+11

S.E. of regression 1.16E+11    Akaike info criterion 53.85477

Sum squared resid 5.36E+23    Schwarz criterion 53.97764

Log likelihood -1154.878    Hannan-Quinn criter. 53.90008

F-statistic 21.39249    Durbin-Watson stat 1.931941

Prob(F-statistic) 0.000000

Page 3: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Con el 100 % de probabilidad de incertidumbre la variable tiene raíz unitaria, por lo tanto se debe diferenciar para corregir la variable y mejorar el modelo.

Null Hypothesis: D(GASTO) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -2.921157  0.0512Test critical values: 1% level -3.592462

5% level -2.93140410% level -2.603944

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(GASTO,2)Method: Least SquaresDate: 10/09/16 Time: 17:15Sample (adjusted): 1972 2014Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(GASTO(-1)) -0.336469 0.115183 -2.921157 0.0056C 1.12E+11 3.97E+10 2.835147 0.0071

R-squared 0.172272    Mean dependent var 1.02E+10Adjusted R-squared 0.152083    S.D. dependent var 1.33E+11S.E. of regression 1.22E+11    Akaike info criterion 53.94263Sum squared resid 6.13E+23    Schwarz criterion 54.02455Log likelihood -1157.767    Hannan-Quinn criter. 53.97284F-statistic 8.533159    Durbin-Watson stat 2.089776Prob(F-statistic) 0.005648

Aplicando un diferencial se puede observar que tenemos un 5% de probabilidad de tener raíz unitaria, es manejable entonces se determina que diferenciando una vez es suficiente para esta variable que es el GASTO.

CONSUMO

Null Hypothesis: INGRESO has a unit rootExogenous: Constant

3

Page 4: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Lag Length: 1 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic  2.222055  0.9999Test critical values: 1% level -3.592462

5% level -2.93140410% level -2.603944

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(INGRESO)Method: Least SquaresDate: 10/09/16 Time: 17:22Sample (adjusted): 1972 2014Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

INGRESO(-1) 0.014482 0.006517 2.222055 0.0320D(INGRESO(-1)) 0.390338 0.149320 2.614104 0.0125

C 1.26E+11 5.45E+10 2.309906 0.0261

R-squared 0.405385    Mean dependent var 3.76E+11Adjusted R-squared 0.375654    S.D. dependent var 2.14E+11S.E. of regression 1.69E+11    Akaike info criterion 54.61029Sum squared resid 1.14E+24    Schwarz criterion 54.73317Log likelihood -1171.121    Hannan-Quinn criter. 54.65560F-statistic 13.63521    Durbin-Watson stat 1.836458Prob(F-statistic) 0.000031

Con el 99,99 % de probabilidad de incertidumbre la variable tiene raíz unitaria, por lo tanto se debe diferenciar para corregir la variable y mejorar el modelo.

Null Hypothesis: D(INGRESO) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -3.274152  0.0224Test critical values: 1% level -3.592462

5% level -2.93140410% level -2.603944

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(INGRESO,2)Method: Least SquaresDate: 10/09/16 Time: 17:23Sample (adjusted): 1972 2014

4

Page 5: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(INGRESO(-1)) -0.420403 0.128400 -3.274152 0.0022C 1.66E+11 5.38E+10 3.089407 0.0036

R-squared 0.207271    Mean dependent var 1.38E+10Adjusted R-squared 0.187936    S.D. dependent var 1.96E+11S.E. of regression 1.77E+11    Akaike info criterion 54.68017Sum squared resid 1.28E+24    Schwarz criterion 54.76209Log likelihood -1173.624    Hannan-Quinn criter. 54.71038F-statistic 10.72007    Durbin-Watson stat 1.915621Prob(F-statistic) 0.002158

Aplicando un diferencial se puede observar que tenemos un 2% de probabilidad de tener raíz unitaria, es manejable entonces se determina que diferenciando una vez es suficiente para esta variable que es el GASTO.

Aplicamos el test de Granger

VAR Granger Causality/Block Exogeneity Wald TestsDate: 10/09/16 Time: 17:34Sample: 1970 2014Included observations: 42

Dependent variable: DGASTO

Excluded Chi-sq df Prob.

DINGRESO  8.463362 2  0.0145

All  8.463362 2  0.0145

Dependent variable: DINGRESO

Excluded Chi-sq df Prob.

DGASTO  6.516912 2  0.0384

All  6.516912 2  0.0384

Aplicando el test podemos observar los resultados y decir que el gasto se ve influenciado por el ingreso y el ingreso se ve influenciado por el gasto.

VAR Lag Order Selection CriteriaEndogenous variables: DGASTO DINGRESO Exogenous variables: C Date: 10/09/16 Time: 17:38

5

Page 6: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Sample: 1970 2014Included observations: 40

 Lag LogL LR FPE AIC SC HQ

0 -2149.096 NA   1.76e+44  107.5548  107.6392  107.58531 -2130.591  34.23351  8.53e+43  106.8296  107.0829  106.92122 -2127.056  6.186913  8.75e+43  106.8528  107.2750  107.00553 -2116.332  17.69502  6.28e+43  106.5166  107.1077  106.73034 -2105.332   17.05025*   4.46e+43*   106.1666*   106.9266*   106.4414*

 * indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

En este caso tanto Akaike, Schawrtz y Hannan Quinn indican que se debe utilizar cuatro rezagos lo cual se demostrara en el siguiente cuadro.

 Vector Autoregression Estimates Date: 10/09/16 Time: 17:42 Sample (adjusted): 1975 2014 Included observations: 40 after adjustments Standard errors in ( ) & t-statistics in [ ]

DGASTO DINGRESO

DGASTO(-1) -0.983006 -1.989568 (0.47032)  (0.68280)[-2.09007] [-2.91384]

DGASTO(-2)  0.562521  0.757941 (0.46824)  (0.67978)[ 1.20134] [ 1.11498]

DGASTO(-3)  0.306475  0.147211 (0.56314)  (0.81754)[ 0.54423] [ 0.18007]

DGASTO(-4)  0.391590  1.383386 (0.52400)  (0.76073)[ 0.74731] [ 1.81850]

DINGRESO(-1)  1.019281  1.669798 (0.32249)  (0.46818)[ 3.16069] [ 3.56661]

DINGRESO(-2) -0.300133 -0.384630 (0.30969)  (0.44960)[-0.96914] [-0.85550]

DINGRESO(-3) -0.229071 -0.233129 (0.40459)  (0.58737)[-0.56618] [-0.39690]

6

Page 7: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

DINGRESO(-4)  0.010661 -0.635723 (0.34753)  (0.50453)[ 0.03068] [-1.26002]

C  5.98E+10  1.49E+11 (4.8E+10)  (7.0E+10)[ 1.23660] [ 2.12662]

 R-squared  0.607393  0.539944 Adj. R-squared  0.506075  0.421220 Sum sq. resids  3.75E+23  7.90E+23 S.E. equation  1.10E+11  1.60E+11 F-statistic  5.994924  4.547891 Log likelihood -1068.607 -1083.518 Akaike AIC  53.88035  54.62591 Schwarz SC  54.26034  55.00591 Mean dependent  3.31E+11  3.95E+11 S.D. dependent  1.57E+11  2.10E+11

 Determinant resid covariance (dof adj.)  2.97E+43 Determinant resid covariance  1.79E+43 Log likelihood -2105.332 Akaike information criterion  106.1666 Schwarz criterion  106.9266

Observando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función el gasto, el gasto en función del ingreso, el ingreso en función del gasto y el ingreso en función del ingreso son significativos, pero la pendiente debe ser teóricamente mayor a 0 y menor a 1 y aquí demuestra lo contrario lo cual en teoría económica este modelo está mal.

7

Page 8: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Según las gráficas:

En la primera Gráfica podemos decir que el gasto respecto al gasto después del primer periodo se vuelve cero.

En la segunda Gráfica podemos decir que el gasto respecto al ingreso después del primer periodo se vuelve cero.

En la tercera Gráfica podemos decir que el ingreso respecto al gasto después del primer periodo se vuelve cero.

En la cuarta Gráfica podemos decir que el ingreso respecto al ingreso después del primer periodo se vuelve cero.

Esto significa que este modelo VAR es inefectivo.

8

Page 9: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Con las gráfica diferenciada del ingreso y del gasto se comportan de una forma muy aleatoria.

Conclusión

En teoría económica este modelo está mal porque no explica lo que se necesita, por lo tanto se utilizará un modelo VEC .

9

Page 10: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Aplicamos modelo VEC

10

Date: 10/09/16 Time: 18:46Sample: 1970 2014Included observations: 43Series: GASTO INGRESO Lags interval: 1 to 1

 Selected (0.05 level*) Number of

Cointegrating Relations by

Model

Data Trend: None None Linear Linear QuadraticTest Type No Intercept Intercept Intercept Intercept Intercept

No Trend No Trend No Trend Trend TrendTrace 1 1 2 2 1

Max-Eig 1 1 0 0 0

 *Critical values based on MacKinnon-Haug-Michelis (1999)

 Information Criteria by Rank and

Model

Data Trend: None None Linear Linear QuadraticRank or No Intercept Intercept Intercept Intercept Intercept

No. of CEs No Trend No Trend No Trend Trend Trend

 Log Likelihood by Rank (rows)

and Model (columns)

0 -2292.919 -2292.919 -2288.350 -2288.350 -2282.1951 -2282.981 -2282.455 -2281.340 -2279.563 -2273.9952 -2281.491 -2278.613 -2278.613 -2272.555 -2272.555

 Akaike Information Criteria by

Rank (rows) and Model (columns)

0  106.8334  106.8334  106.7140  106.7140  106.52071  106.5573  106.5793  106.5739  106.5378   106.3253*2  106.6740  106.6331  106.6331  106.4444  106.4444

 Schwarz Criteria by

Rank (rows) and Model (columns)

0  106.9973  106.9973  106.9597  106.9597  106.84841  106.8849  106.9479  106.9835  106.9884  106.8168*2  107.1655  107.2066  107.2066  107.0997  107.0997

Page 11: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Observando el test de Trace y Max – Eig, puede notarse que con Trace los 5 modelos superan 0, Akaike y Schawrtz nos indican que se utilice el modelo 5 y un rezago, por tanto se puede validar que si tenemos un modelo de cointegración.

11

Vector Error Correction Estimates Date: 10/09/16 Time: 18:55 Sample (adjusted): 1972 2014 Included observations: 43 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq:  CointEq1

GASTO(-1)  1.000000

INGRESO(-1) -0.962486 (0.02647)[-36.3596]

@TREND(70)  4.52E+10

C  6.80E+10

Error Correction: D(GASTO) D(INGRESO)

CointEq1 -0.134253  0.230296 (0.19284)  (0.27761)[-0.69620] [ 0.82958]

D(GASTO(-1)) -0.225606 -1.016737 (0.32444)  (0.46705)[-0.69538] [-2.17692]

D(INGRESO(-1))  0.390689  1.063134 (0.22199)  (0.31957)[ 1.75997] [ 3.32680]

C  7.75E+10  9.93E+10 (3.9E+10)  (5.6E+10)[ 1.97524] [ 1.75755]

@TREND(70)  7.12E+09  8.73E+09 (2.1E+09)  (3.1E+09)[ 3.34818] [ 2.85260]

 R-squared  0.590967  0.509953 Adj. R-squared  0.547911  0.458369 Sum sq. resids  4.54E+23  9.40E+23 S.E. equation  1.09E+11  1.57E+11 F-statistic  13.72551  9.885881 Log likelihood -1151.296 -1166.963 Akaike AIC  53.78120  54.50990 Schwarz SC  53.98599  54.71469 Mean dependent  3.14E+11  3.76E+11 S.D. dependent  1.63E+11  2.14E+11

 Determinant resid covariance (dof adj.)  3.77E+43 Determinant resid covariance  2.95E+43 Log likelihood -2273.995 Akaike information criterion  106.3253 Schwarz criterion  106.8168

Page 12: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

 Vector Error Correction Estimates Date: 10/09/16 Time: 19:11 Sample (adjusted): 1972 2014 Included observations: 43 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq:  CointEq1

GASTO(-1)  1.000000

INGRESO(-1) -0.909164 (0.01512)[-60.1414]

C -1.58E+11 (1.1E+11)[-1.39656]

Error Correction: D(GASTO) D(INGRESO)

CointEq1 -0.307234 -0.426310 (0.06136)  (0.09416)[-5.00745] [-4.52767]

D(GASTO(-1)) -0.248524 -1.046387 (0.30837)  (0.47323)[-0.80592] [-2.21116]

D(INGRESO(-1))  0.342968  0.886979 (0.20567)  (0.31562)

12

Page 13: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

[ 1.66759] [ 2.81028]

 R-squared  0.602220  0.458438 Adj. R-squared  0.582331  0.431360 Sum sq. resids  4.41E+23  1.04E+24 S.E. equation  1.05E+11  1.61E+11 F-statistic  30.27900  16.93024 Log likelihood -1150.696 -1169.112 Akaike AIC  53.66028  54.51683 Schwarz SC  53.78316  54.63971 Mean dependent  3.14E+11  3.76E+11 S.D. dependent  1.63E+11  2.14E+11

 Determinant resid covariance (dof adj.)  5.05E+43 Determinant resid covariance  4.37E+43 Log likelihood -2282.455 Akaike information criterion  106.5793 Schwarz criterion  106.9479

Esta modelo cumple con teoría económica porque la pendiente es menor a 1 quiere decir que el 90 % del ingreso está destinado al gasto de bienes y servicios.

Según las gráficas:

13

Page 14: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

En la primera Gráfica podemos decir que el gasto respecto al gasto se mantiene estática lo cual es correcto.

En la segunda Gráfica podemos decir que el gasto respecto al ingreso es creciente, lo cual es correcto ya que a mayor ingreso mayor es el gasto.

En la tercera Gráfica podemos decir que el ingreso respecto al gasto se mantiene estática lo cual es correcto.

En la cuarta Gráfica podemos decir que el ingreso respecto al ingreso es creciente aunque esto no se toma en cuenta.

Conclusión

Aplicando el modelo VEC se pudo afirmar que el gasto está en función del ingreso, a mayor el ingreso mayor es el gasto se puede observar en la segunda gráfica.

14

Page 15: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

VAR (p) con tres variables Vector Autoregression Estimates Date: 10/09/16 Time: 19:40 Sample (adjusted): 1992 2014 Included observations: 23 after adjustments Standard errors in ( ) & t-statistics in [ ]

PIB FORMBRUCAP PEA

PIB(-1)  0.669383 -0.030815  1.95E-06 (1.32932)  (1.01200)  (3.1E-06)[ 0.50355] [-0.03045] [ 0.63773]

PIB(-2)  0.247500  0.011742 -1.86E-06 (1.27935)  (0.97396)  (2.9E-06)[ 0.19346] [ 0.01206] [-0.63108]

FORMBRUCAP(-1)  1.109412  1.239811 -2.01E-07 (1.85590)  (1.41288)  (4.3E-06)[ 0.59778] [ 0.87751] [-0.04692]

FORMBRUCAP(-2) -1.061301 -0.604371  6.11E-07 (1.30405)  (0.99276)  (3.0E-06)[-0.81385] [-0.60878] [ 0.20347]

PEA(-1) -122792.7 -60567.23  0.882779 (88000.5)  (66993.8)  (0.20280)[-1.39536] [-0.90407] [ 4.35302]

PEA(-2)  147434.1  85671.90 -0.002639 (80078.6)  (60962.9)  (0.18454)[ 1.84112] [ 1.40531] [-0.01430]

C -2.10E+12 -2.45E+12  16244412 (3.4E+12)  (2.6E+12)  (7747648)[-0.62428] [-0.95895] [ 2.09669]

 R-squared  0.997317  0.957307  0.998108 Adj. R-squared  0.996311  0.941297  0.997399 Sum sq. resids  6.85E+23  3.97E+23  3.64E+12 S.E. equation  2.07E+11  1.58E+11  476812.9 F-statistic  991.2743  59.79506  1406.858 Log likelihood -627.7393 -621.4663 -329.1844 Akaike AIC  55.19472  54.64924  29.23343 Schwarz SC  55.54031  54.99482  29.57901 Mean dependent  1.18E+13  2.47E+12  1.49E+08

15

Page 16: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

 S.D. dependent  3.41E+12  6.50E+11  9348642.

 Determinant resid covariance (dof adj.)  4.62E+54 Determinant resid covariance  1.55E+54 Log likelihood -1532.888 Akaike information criterion  135.1207 Schwarz criterion  136.1574

El cuadro que se observa, es el modelo VAR que se debe corregir ya que este es un modelo no estacionario.

Aplicando el test de Dickey - Fuller Aumentado vemos si la variable tiene o no tiene raíz unitaria

PIB

Null Hypothesis: PIB has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=5)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic  0.903425  0.9937Test critical values: 1% level -3.737853

5% level -2.99187810% level -2.635542

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(PIB)Method: Least SquaresDate: 10/09/16 Time: 19:47Sample (adjusted): 1991 2014Included observations: 24 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

PIB(-1) 0.012653 0.014005 0.903425 0.3761C 3.34E+11 1.62E+11 2.058634 0.0516

R-squared 0.035772    Mean dependent var 4.74E+11Adjusted R-squared -0.008057    S.D. dependent var 2.32E+11S.E. of regression 2.33E+11    Akaike info criterion 55.26719Sum squared resid 1.20E+24    Schwarz criterion 55.36537Log likelihood -661.2063    Hannan-Quinn criter. 55.29324F-statistic 0.816178    Durbin-Watson stat 1.239786Prob(F-statistic) 0.376086

Con el 99 % de probabilidad de incertidumbre la variable tiene raíz unitaria, por lo tanto se debe diferenciar para corregir la variable y mejorar el modelo.

16

Page 17: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Null Hypothesis: D(PIB) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=5)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -3.144548  0.0371Test critical values: 1% level -3.752946

5% level -2.99806410% level -2.638752

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(PIB,2)Method: Least SquaresDate: 10/09/16 Time: 19:49Sample (adjusted): 1992 2014Included observations: 23 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(PIB(-1)) -0.625326 0.198860 -3.144548 0.0049C 3.12E+11 1.03E+11 3.030608 0.0064

R-squared 0.320128    Mean dependent var 2.13E+10Adjusted R-squared 0.287754    S.D. dependent var 2.57E+11S.E. of regression 2.17E+11    Akaike info criterion 55.12938Sum squared resid 9.91E+23    Schwarz criterion 55.22812Log likelihood -631.9878    Hannan-Quinn criter. 55.15421F-statistic 9.888184    Durbin-Watson stat 1.803975Prob(F-statistic) 0.004893

Aplicando un diferencial se puede observar que tenemos un 3% de probabilidad de tener raíz unitaria, es manejable entonces se determina que diferenciando una vez es suficiente para esta variable que es el PIB.

FORMACIÓN BRUTA DE CAPITAL

Null Hypothesis: FORMBRUCAP has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=5)

17

Page 18: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -0.617273  0.8490Test critical values: 1% level -3.737853

5% level -2.99187810% level -2.635542

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(FORMBRUCAP)Method: Least SquaresDate: 10/09/16 Time: 19:52Sample (adjusted): 1991 2014Included observations: 24 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

FORMBRUCAP(-1) -0.032981 0.053430 -0.617273 0.5434C 1.67E+11 1.30E+11 1.291945 0.2098

R-squared 0.017025    Mean dependent var 9.05E+10Adjusted R-squared -0.027656    S.D. dependent var 1.73E+11S.E. of regression 1.75E+11    Akaike info criterion 54.69834Sum squared resid 6.77E+23    Schwarz criterion 54.79651Log likelihood -654.3801    Hannan-Quinn criter. 54.72439F-statistic 0.381026    Durbin-Watson stat 1.380376Prob(F-statistic) 0.543391

Con el 84 % de probabilidad de incertidumbre la variable tiene raíz unitaria, por lo tanto se debe diferenciar para corregir la variable y mejorar el modelo.

Null Hypothesis: D(FORMBRUCAP) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=5)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -3.441262  0.0198Test critical values: 1% level -3.752946

5% level -2.99806410% level -2.638752

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(FORMBRUCAP,2)Method: Least SquaresDate: 10/09/16 Time: 19:53Sample (adjusted): 1992 2014Included observations: 23 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

18

Page 19: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

D(FORMBRUCAP(-1)) -0.715893 0.208032 -3.441262 0.0024C 7.20E+10 3.99E+10 1.805676 0.0853

R-squared 0.360580    Mean dependent var 1.06E+10Adjusted R-squared 0.330132    S.D. dependent var 2.09E+11S.E. of regression 1.71E+11    Akaike info criterion 54.65185Sum squared resid 6.15E+23    Schwarz criterion 54.75059Log likelihood -626.4963    Hannan-Quinn criter. 54.67668F-statistic 11.84229    Durbin-Watson stat 1.928309Prob(F-statistic) 0.002449

Aplicando un diferencial se puede observar que tenemos un 1,9% de probabilidad de tener raíz unitaria, es manejable entonces se determina que diferenciando una vez es suficiente para esta variable que es la Formación Bruta de Capital.

PEA

Null Hypothesis: PEA has a unit rootExogenous: ConstantLag Length: 5 (Automatic - based on SIC, maxlag=5)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -4.223459  0.0044Test critical values: 1% level -3.831511

5% level -3.02997010% level -2.655194

*MacKinnon (1996) one-sided p-values.Warning: Probabilities and critical values calculated for 20 observations        and may not be accurate for a sample size of 19

Augmented Dickey-Fuller Test EquationDependent Variable: D(PEA)Method: Least SquaresDate: 10/09/16 Time: 19:57Sample (adjusted): 1996 2014Included observations: 19 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

PEA(-1) -0.107690 0.025498 -4.223459 0.0012D(PEA(-1)) 0.307267 0.202217 1.519488 0.1545D(PEA(-2)) -0.448428 0.227480 -1.971285 0.0722D(PEA(-3)) 0.230122 0.223038 1.031764 0.3225D(PEA(-4)) -0.504102 0.204308 -2.467363 0.0296D(PEA(-5)) -0.334014 0.191693 -1.742439 0.1070

C 18708497 4249370. 4.402652 0.0009

R-squared 0.766030    Mean dependent var 1272422.Adjusted R-squared 0.649045    S.D. dependent var 769738.5S.E. of regression 456004.3    Akaike info criterion 29.17570

19

Page 20: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Sum squared resid 2.50E+12    Schwarz criterion 29.52365Log likelihood -270.1692    Hannan-Quinn criter. 29.23459F-statistic 6.548103    Durbin-Watson stat 2.529782Prob(F-statistic) 0.002940

En este caso no se aplicará ningún diferencial ya que al observar que tenemos un 0,04% de probabilidad de tener raíz unitaria, con una nivel de confianza del 99%de la variable PEA.

Aplicamos el test de Granger

VAR Granger Causality/Block Exogeneity Wald TestsDate: 10/09/16 Time: 20:51Sample: 1990 2014Included observations: 22

Dependent variable: DPIB

Excluded Chi-sq df Prob.

DFORMBRUCAP  5.733646 2  0.0569

PEA  7.264363 2  0.0265

All  11.47948 4  0.0217

Dependent variable: DFORMBRUCAP

Excluded Chi-sq df Prob.

DPIB  7.560896 2  0.0228PEA  7.379443 2  0.0250

All  20.87878 4  0.0003

Dependent variable: PEA

Excluded Chi-sq df Prob.

DPIB  0.874525 2  0.6458DFORMBRUC

AP  1.999097 2  0.3680

All  20.27376 4  0.0004

Aplicando el test podemos observar los resultados y decir que el PIB si se ve influenciado por la Formación Bruta de capital y por la PEA.

20

Page 21: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Aplicando el test podemos observar los resultados y decir que la Formación Bruta de Capital se ve influenciado por las dos variables.

Aplicando el test podemos observar los resultados y decir que la PEA se ve influenciado por las dos variables.

VAR Lag Order Selection CriteriaEndogenous variables: DPIB DFORMBRUCAP PEA Exogenous variables: C Date: 10/09/16 Time: 20:56Sample: 1990 2014Included observations: 23

 Lag LogL LR FPE AIC SC HQ

0 -1637.619 NA   1.82e+58  142.6625  142.8106  142.69971 -1549.582   145.4518*   1.91e+55*   135.7897*   136.3822*   135.9387*

 * indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

En este caso tanto Akaike, Schawrtz y Hannan Quinn indican que se debe utilizar un rezago lo cual se demostrara en el siguiente cuadro.

 Vector Autoregression Estimates Date: 10/09/16 Time: 21:01 Sample (adjusted): 1992 2014 Included observations: 23 after adjustments Standard errors in ( ) & t-statistics in [ ]

DPIBDFORMBRUCA

P PEA

DPIB(-1) -0.553807 -0.929119  2.47E-06 (0.58030)  (0.43885)  (1.2E-06)[-0.95435] [-2.11715] [ 2.02245]

DFORMBRUCAP(-1)  1.273697  1.415857 -1.09E-06 (0.75731)  (0.57272)  (1.6E-06)[ 1.68187] [ 2.47216] [-0.68138]

PEA(-1)  7308.911  3970.691  0.934089 (5878.56)  (4445.70)  (0.01238)[ 1.24332] [ 0.89315] [ 75.4312]

21

Page 22: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

C -4.44E+11 -1.79E+11  10072058 (7.6E+11)  (5.7E+11)  (1598820)[-0.58551] [-0.31226] [ 6.29968]

 R-squared  0.258302  0.265776  0.998017 Adj. R-squared  0.141192  0.149846  0.997704 Sum sq. resids  8.59E+23  4.91E+23  3.81E+12 S.E. equation  2.13E+11  1.61E+11  447994.0 F-statistic  2.205634  2.292559  3187.072 Log likelihood -630.3476 -623.9220 -329.7268 Akaike AIC  55.16066  54.60191  29.01972 Schwarz SC  55.35814  54.79939  29.21720 Mean dependent  4.86E+11  9.64E+10  1.49E+08 S.D. dependent  2.29E+11  1.74E+11  9348642.

 Determinant resid covariance (dof adj.)  1.18E+55 Determinant resid covariance  6.64E+54 Log likelihood -1549.582 Akaike information criterion  135.7897 Schwarz criterion  136.3822

Observando en las estimaciones de auto regresión podemos decir que la PEA en función de la PIB es significativa y la Formación Bruta de Capital en función de si misma es significativa, pero la pendiente debe ser teóricamente mayor a 0 y menor a 1 y aquí demuestra lo contrario lo cual en teoría económica este modelo está mal.

22

Page 23: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Según las gráficas:

Observando las gráficas podemos decir que a excepción de las últimos tres cuadros los otros cuadros después de un determinado periodo se vuelven cero.

Con las gráfica diferenciada el PIB y la Formación Bruta de Capital gasto se comportan de una forma muy aleatoria, en el caso de la PEA se comporta de una manera estática.

Conclusión

En teoría económica este modelo está mal porque no explica lo que se necesita, por lo tanto se utilizará un modelo VEC .

23

Page 24: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Aplicamos modelo VEC

Date: 10/09/16 Time: 21:31Sample: 1990 2014Included observations: 23Series: PIB FORMBRUCAP PEA Lags interval: 1 to 1

 Selected (0.05 level*) Number of

Cointegrating Relations by

Model

Data Trend: None None Linear Linear QuadraticTest Type No Intercept Intercept Intercept Intercept Intercept

No Trend No Trend No Trend Trend TrendTrace 2 3 2 2 1

Max-Eig 2 3 2 2 1

 *Critical values based on MacKinnon-Haug-Michelis (1999)

 Information Criteria by Rank and

Model

Data Trend: None None Linear Linear QuadraticRank or No Intercept Intercept Intercept Intercept Intercept

No. of CEs No Trend No Trend No Trend Trend Trend

 Log Likelihood by Rank (rows) and Model (columns)

0 -1564.306 -1564.306 -1556.306 -1556.306 -1549.8421 -1551.587 -1547.667 -1543.358 -1535.033 -1528.5932 -1542.633 -1537.734 -1533.696 -1525.006 -1523.0763 -1541.289 -1532.888 -1532.888 -1519.494 -1519.494

 Akaike Information Criteria by

24

Page 25: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Rank (rows) and Model (columns)

0  136.8092  136.8092  136.3744  136.3744  136.07321  136.2249  135.9710  135.7702  135.1333   134.7472*2  135.9681  135.7160  135.4519  134.8701  134.78933  136.3729  135.9033  135.9033  134.9995  134.9995

 Schwarz Criteria by

Rank (rows) and Model (columns)

0  137.2535  137.2535  136.9668  136.9668  136.81371  136.9655  136.7609  136.6589  136.0713  135.7839*2  137.0049  136.8515  136.6367  136.1537  136.12223  137.7059  137.3843  137.3843  136.6287  136.6287

Observando el test de Trace y Max – Eig, puede notarse que con ambos los 5 modelos superan 0, Akaike y Schawrtz nos indican que se utilice el modelo 5 y un rezago, por tanto se puede validar que si tenemos un modelo de cointegración.

 Vector Error Correction Estimates Date: 10/09/16 Time: 21:35 Sample (adjusted): 1993 2014 Included observations: 22 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq:  CointEq1

PIB(-1)  1.000000

FORMBRUCAP(-1)  2.736811 (0.52032)[ 5.25985]

PEA(-1)  103943.7 (19856.8)[ 5.23467]

@TREND(90) -8.87E+11

C -2.16E+13

Error Correction: D(PIB)D(FORMBRUC

AP) D(PEA)

CointEq1  0.227503  0.009939 -3.73E-07 (0.29794)  (0.21371)  (7.0E-07)[ 0.76358] [ 0.04651] [-0.53452]

D(PIB(-1)) -1.098670 -0.150485  4.45E-06 (2.29065)  (1.64307)  (5.4E-06)[-0.47963] [-0.09159] [ 0.83046]

25

Page 26: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

D(PIB(-2)) -2.337271 -1.246066 -9.05E-07 (1.68775)  (1.21061)  (3.9E-06)[-1.38485] [-1.02929] [-0.22929]

D(FORMBRUCAP(-1))  1.278908  0.250758 -2.90E-06 (2.21731)  (1.59047)  (5.2E-06)[ 0.57678] [ 0.15766] [-0.55820]

D(FORMBRUCAP(-2))  3.120473  1.749168  1.99E-06 (1.99259)  (1.42927)  (4.7E-06)[ 1.56604] [ 1.22382] [ 0.42660]

D(PEA(-1)) -228334.6 -128552.6  0.012188 (127194.)  (91235.9)  (0.29757)[-1.79516] [-1.40901] [ 0.04096]

D(PEA(-2)) -5174.531  6175.975  0.287195 (109593.)  (78610.7)  (0.25639)[-0.04722] [ 0.07856] [ 1.12015]

C  1.85E+12  7.42E+11  286375.2 (1.3E+12)  (9.5E+11)  (3112190)[ 1.38722] [ 0.77781] [ 0.09202]

@TREND(90)  1.49E+10  4.90E+08 -70301.21 (2.1E+10)  (1.5E+10)  (50102.7)[ 0.69721] [ 0.03191] [-1.40314]

 R-squared  0.566984  0.619043  0.780843 Adj. R-squared  0.300513  0.384608  0.645978 Sum sq. resids  4.95E+23  2.55E+23  2.71E+12 S.E. equation  1.95E+11  1.40E+11  456559.9 F-statistic  2.127752  2.640575  5.789789 Log likelihood -597.3650 -590.0552 -312.1221 Akaike AIC  55.12410  54.45956  29.19292 Schwarz SC  55.57043  54.90589  29.63925 Mean dependent  4.91E+11  9.76E+10  1364867. S.D. dependent  2.33E+11  1.78E+11  767330.7

 Determinant resid covariance (dof adj.)  1.50E+54 Determinant resid covariance  3.09E+53 Log likelihood -1448.483 Akaike information criterion  134.4076 Schwarz criterion  135.8954

 Vector Error Correction Estimates Date: 10/09/16 Time: 21:39 Sample (adjusted): 1993 2014 Included observations: 22 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq:  CointEq1

PIB(-1)  1.000000

26

Page 27: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

FORMBRUCAP(-1) -10.89533 (1.30361)[-8.35782]

PEA(-1)  228256.7 (72922.8)[ 3.13012]

C -2.96E+13 (8.7E+12)[-3.39477]

Error Correction: D(PIB)D(FORMBRUC

AP) D(PEA)

CointEq1 -0.273118 -0.162909  1.04E-08 (0.10250)  (0.08186)  (2.5E-07)[-2.66446] [-1.99000] [ 0.04143]

D(PIB(-1)) -1.572860 -1.034030  4.60E-06 (1.58969)  (1.26958)  (3.9E-06)[-0.98941] [-0.81446] [ 1.17925]

D(PIB(-2)) -4.208227 -2.940629 -4.04E-06 (1.56247)  (1.24785)  (3.8E-06)[-2.69332] [-2.35656] [-1.05255]

D(FORMBRUCAP(-1))  0.470596  0.258327 -3.57E-06 (1.47311)  (1.17648)  (3.6E-06)[ 0.31946] [ 0.21958] [-0.98729]

D(FORMBRUCAP(-2))  4.218470  2.990075  4.26E-06 (1.64634)  (1.31483)  (4.0E-06)[ 2.56234] [ 2.27412] [ 1.05311]

D(PEA(-1)) -68983.54 -33376.38  0.334258 (79555.8)  (63536.3)  (0.19525)[-0.86711] [-0.52531] [ 1.71195]

D(PEA(-2)) -24835.24 -17568.32  0.432818 (95414.2)  (76201.4)  (0.23417)[-0.26029] [-0.23055] [ 1.84831]

 R-squared  0.390033  0.334754  0.660249 Adj. R-squared  0.146046  0.068655  0.524348 Sum sq. resids  6.97E+23  4.45E+23  4.20E+12 S.E. equation  2.16E+11  1.72E+11  529208.7 F-statistic  1.598584  1.258008  4.858328 Log likelihood -601.1340 -596.1873 -316.9448 Akaike AIC  55.28491  54.83521  29.44952 Schwarz SC  55.63206  55.18236  29.79667 Mean dependent  4.91E+11  9.76E+10  1364867. S.D. dependent  2.33E+11  1.78E+11  767330.7

 Determinant resid covariance (dof adj.)  4.06E+54 Determinant resid covariance  1.29E+54

27

Page 28: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

 Log likelihood -1464.163 Akaike information criterion  135.3784 Schwarz criterion  136.6183

Esta modelo no cumple con teoría económica porque la pendiente es mayor a 1 incluso habiendo utilizando el modelo VEC.

Según las gráficas:

De los nueve cuadros el primero el segundo cuarto quinto séptimo y octavo si muestran una dependencia respecto a la otra variable, pero en el caso de la PEA no influye en las demás variables.

Conclusión

28

Page 29: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Aplicando el modelo VEC se pudo observar que el modelo económico que se utilizó no explica lo que realmente se necesita, por lo cual el modelo esta mal esto se debe a que no se aplicó log a la base de datos del modelo económico Cobb Douglas.

VAR (p) con cuatro variables

 Vector Autoregression Estimates Date: 10/09/16 Time: 22:08 Sample (adjusted): 1962 2014 Included observations: 53 after adjustments Standard errors in ( ) & t-statistics in [ ]

PIB_PERCAPITA

AHORRO_INTERNO

IMPORTACIONES

EXPORTACIONES

PIB_PERCAPITA(-1)  1.401560  19409712 -1.12E+08 -81613024 (0.35490)  (5.1E+07)  (8.9E+07)  (5.0E+07)[ 3.94912] [ 0.37785] [-1.26076] [-1.62947]

PIB_PERCAPITA(-2) -0.212846  10406673  1.50E+08  1.08E+08 (0.35470)  (5.1E+07)  (8.8E+07)  (5.0E+07)[-0.60007] [ 0.20271] [ 1.69062] [ 2.16738]

AHORRO_INTERNO(-1)  2.23E-09  1.310628  1.267177  0.833085 (2.0E-09)  (0.28774)  (0.49577)  (0.28056)[ 1.12362] [ 4.55482] [ 2.55595] [ 2.96938]

AHORRO_INTERNO(-2) -4.54E-09 -0.807445 -1.629188 -1.106469 (1.7E-09)  (0.25137)  (0.43311)  (0.24510)[-2.61501] [-3.21212] [-3.76161] [-4.51442]

IMPORTACIONES(-1)  1.81E-09  0.261929  1.362590 -0.049684 (1.6E-09)  (0.23089)  (0.39782)  (0.22513)[ 1.13193] [ 1.13442] [ 3.42513] [-0.22069]

IMPORTACIONES(-2) -2.47E-09 -0.451095 -0.220866  0.222398 (1.5E-09)  (0.22139)  (0.38145)  (0.21586)[-1.61473] [-2.03757] [-0.57902] [ 1.03029]

EXPORTACIONES(-1) -7.57E-09 -0.860095 -1.302192  0.817765 (2.3E-09)  (0.33705)  (0.58073)  (0.32863)

29

Page 30: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

[-3.25083] [-2.55181] [-2.24234] [ 2.48837]

EXPORTACIONES(-2)  7.14E-09  1.042843  0.726143 -0.308366 (2.4E-09)  (0.34388)  (0.59250)  (0.33530)[ 3.00553] [ 3.03254] [ 1.22556] [-0.91968]

C -63.82136 -1.93E+10 -5.43E+10 -2.97E+10 (156.194)  (2.3E+10)  (3.9E+10)  (2.2E+10)[-0.40860] [-0.85534] [-1.39468] [-1.34872]

 R-squared  0.999498  0.996053  0.989561  0.994069 Adj. R-squared  0.999407  0.995335  0.987663  0.992991 Sum sq. resids  7096473.  1.49E+23  4.41E+23  1.41E+23 S.E. equation  401.6011  5.81E+10  1.00E+11  5.67E+10 F-statistic  10957.86  1387.884  521.3713  921.8832 Log likelihood -388.0314 -1383.925 -1412.759 -1382.584 Akaike AIC  14.98232  52.56320  53.65130  52.51262 Schwarz SC  15.31689  52.89778  53.98588  52.84720 Mean dependent  23725.09  1.22E+12  8.84E+11  6.93E+11 S.D. dependent  16493.39  8.51E+11  9.02E+11  6.77E+11

 Determinant resid covariance (dof adj.)  1.80E+68 Determinant resid covariance  8.56E+67 Log likelihood -4445.939 Akaike information criterion  169.1298 Schwarz criterion  170.4681

El cuadro que se observa, es el modelo VAR que se debe corregir ya que este es un modelo no estacionario.

Aplicando el test de Dickey - Fuller Aumentado vemos si la variable tiene o no tiene raíz unitaria

PIB - PERCÁPITA

Null Hypothesis: PIB_PERCAPITA has a unit rootExogenous: ConstantLag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic  1.986188  0.9998Test critical values: 1% level -3.560019

5% level -2.91765010% level -2.596689

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(PIB_PERCAPITA)Method: Least Squares

30

Page 31: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Date: 10/09/16 Time: 22:11Sample (adjusted): 1962 2014Included observations: 53 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

PIB_PERCAPITA(-1) 0.010487 0.005280 1.986188 0.0525D(PIB_PERCAPITA(-1)) 0.446820 0.128778 3.469690 0.0011

C 311.2671 138.9706 2.239806 0.0296

R-squared 0.385833    Mean dependent var 968.5264Adjusted R-squared 0.361267    S.D. dependent var 660.0130S.E. of regression 527.4876    Akaike info criterion 15.42907Sum squared resid 13912156    Schwarz criterion 15.54059Log likelihood -405.8703    Hannan-Quinn criter. 15.47195F-statistic 15.70557    Durbin-Watson stat 1.859090Prob(F-statistic) 0.000005

Con el 99 % de probabilidad de incertidumbre la variable tiene raíz unitaria, por lo tanto se debe diferenciar para corregir la variable y mejorar el modelo.

Null Hypothesis: D(PIB_PERCAPITA) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -3.712276  0.0066Test critical values: 1% level -3.560019

5% level -2.91765010% level -2.596689

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(PIB_PERCAPITA,2)Method: Least SquaresDate: 10/09/16 Time: 22:13Sample (adjusted): 1962 2014Included observations: 53 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(PIB_PERCAPITA(-1)) -0.421465 0.113533 -3.712276 0.0005C 426.5242 129.8699 3.284243 0.0019

R-squared 0.212732    Mean dependent var 31.67407Adjusted R-squared 0.197295    S.D. dependent var 605.5146S.E. of regression 542.5035    Akaike info criterion 15.46727Sum squared resid 15009810    Schwarz criterion 15.54162Log likelihood -407.8827    Hannan-Quinn criter. 15.49586F-statistic 13.78100    Durbin-Watson stat 1.928150Prob(F-statistic) 0.000509

31

Page 32: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Aplicando un diferencial se puede observar que tenemos un 0,06% de probabilidad de tener raíz unitaria, es manejable entonces se determina que diferenciando una vez es suficiente para esta variable que es el PIB PERCAPITA.

AHORRO INTERNO BRUTO

Null Hypothesis: AHORRO_INTERNO has a unit rootExogenous: ConstantLag Length: 4 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic  1.815009  0.9997Test critical values: 1% level -3.568308

5% level -2.92117510% level -2.598551

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(AHORRO_INTERNO)Method: Least SquaresDate: 10/09/16 Time: 22:18Sample (adjusted): 1965 2014Included observations: 50 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

AHORRO_INTERNO(-1) 0.022701 0.012508 1.815009 0.0763D(AHORRO_INTERNO(-1)) 0.290096 0.142527 2.035376 0.0479D(AHORRO_INTERNO(-2)) -0.086778 0.146709 -0.591500 0.5572D(AHORRO_INTERNO(-3)) -0.214387 0.155738 -1.376594 0.1756D(AHORRO_INTERNO(-4)) -0.430492 0.154018 -2.795068 0.0077

C 4.40E+10 1.81E+10 2.439480 0.0188

R-squared 0.428424    Mean dependent var 5.52E+10Adjusted R-squared 0.363473    S.D. dependent var 8.30E+10S.E. of regression 6.62E+10    Akaike info criterion 52.78297Sum squared resid 1.93E+23    Schwarz criterion 53.01241Log likelihood -1313.574    Hannan-Quinn criter. 52.87034F-statistic 6.596036    Durbin-Watson stat 1.987149Prob(F-statistic) 0.000117

32

Page 33: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Con el 99,97 % de probabilidad de incertidumbre la variable tiene raíz unitaria, por lo tanto se debe diferenciar para corregir la variable y mejorar el modelo.

Null Hypothesis: D(AHORRO_INTERNO) has a unit rootExogenous: ConstantLag Length: 3 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -5.484920  0.0000Test critical values: 1% level -3.568308

5% level -2.92117510% level -2.598551

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(AHORRO_INTERNO,2)Method: Least SquaresDate: 10/09/16 Time: 22:19Sample (adjusted): 1965 2014Included observations: 50 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(AHORRO_INTERNO(-1)) -1.283830 0.234065 -5.484920 0.0000D(AHORRO_INTERNO(-1),2) 0.637017 0.188793 3.374145 0.0015D(AHORRO_INTERNO(-2),2) 0.579481 0.173829 3.333626 0.0017D(AHORRO_INTERNO(-3),2) 0.375612 0.154823 2.426069 0.0193

C 6.44E+10 1.45E+10 4.432314 0.0001

R-squared 0.433601    Mean dependent var 3.29E+09Adjusted R-squared 0.383254    S.D. dependent var 8.65E+10S.E. of regression 6.79E+10    Akaike info criterion 52.81517Sum squared resid 2.07E+23    Schwarz criterion 53.00637Log likelihood -1315.379    Hannan-Quinn criter. 52.88798F-statistic 8.612310    Durbin-Watson stat 1.933825Prob(F-statistic) 0.000030

Aplicando un diferencial se puede observar que tenemos un 0% de probabilidad de tener raíz unitaria, es manejable entonces se determina que diferenciando una vez es suficiente para esta variable que es el Ahorro Interno Bruto

IMPORTACIONES

Null Hypothesis: IMPORTACIONES has a unit root

33

Page 34: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Exogenous: ConstantLag Length: 10 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -0.373562  0.9047Test critical values: 1% level -3.588509

5% level -2.92973410% level -2.603064

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(IMPORTACIONES)Method: Least SquaresDate: 10/09/16 Time: 22:22Sample (adjusted): 1971 2014Included observations: 44 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

IMPORTACIONES(-1) -0.065475 0.175271 -0.373562 0.7112D(IMPORTACIONES(-1)) 0.349728 0.282799 1.236667 0.2252D(IMPORTACIONES(-2)) -0.185722 0.244266 -0.760326 0.4526D(IMPORTACIONES(-3)) 0.222771 0.327429 0.680364 0.5012D(IMPORTACIONES(-4)) -0.034895 0.345314 -0.101052 0.9201D(IMPORTACIONES(-5)) 0.123141 0.354101 0.347758 0.7303D(IMPORTACIONES(-6)) 0.633997 0.569928 1.112416 0.2742D(IMPORTACIONES(-7)) -0.064861 0.544036 -0.119222 0.9058D(IMPORTACIONES(-8)) 1.780575 0.578755 3.076562 0.0043D(IMPORTACIONES(-9)) -2.182781 0.507543 -4.300683 0.0001

D(IMPORTACIONES(-10)) 1.330677 0.643239 2.068714 0.0467C 2.46E+10 2.56E+10 0.963667 0.3424

R-squared 0.715794    Mean dependent var 6.40E+10Adjusted R-squared 0.618098    S.D. dependent var 1.36E+11S.E. of regression 8.38E+10    Akaike info criterion 53.36818Sum squared resid 2.25E+23    Schwarz criterion 53.85477Log likelihood -1162.100    Hannan-Quinn criter. 53.54863F-statistic 7.326757    Durbin-Watson stat 2.140929Prob(F-statistic) 0.000005

Con el 90,47 % de probabilidad de incertidumbre la variable tiene raíz unitaria, por lo tanto se debe diferenciar para corregir la variable y mejorar el modelo.

Null Hypothesis: D(IMPORTACIONES,2) has a unit rootExogenous: ConstantLag Length: 8 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

34

Page 35: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Augmented Dickey-Fuller test statistic -2.712769  0.0799Test critical values: 1% level -3.588509

5% level -2.92973410% level -2.603064

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(IMPORTACIONES,3)Method: Least SquaresDate: 10/09/16 Time: 22:24Sample (adjusted): 1971 2014Included observations: 44 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(IMPORTACIONES(-1),2) -7.002182 2.581194 -2.712769 0.0104D(IMPORTACIONES(-1),3) 5.318333 2.545988 2.088908 0.0443D(IMPORTACIONES(-2),3) 4.362407 2.400670 1.817162 0.0780D(IMPORTACIONES(-3),3) 3.526944 2.163791 1.629984 0.1123D(IMPORTACIONES(-4),3) 2.557321 1.869666 1.367796 0.1803D(IMPORTACIONES(-5),3) 1.651810 1.593666 1.036484 0.3073D(IMPORTACIONES(-6),3) 1.174709 1.216762 0.965439 0.3411D(IMPORTACIONES(-7),3) 0.464363 0.799764 0.580625 0.5653D(IMPORTACIONES(-8),3) 1.398399 0.447520 3.124772 0.0036

C 1.29E+10 1.45E+10 0.887857 0.3809

R-squared 0.955218    Mean dependent var 2.07E+09Adjusted R-squared 0.943364    S.D. dependent var 3.49E+11S.E. of regression 8.30E+10    Akaike info criterion 53.31894Sum squared resid 2.34E+23    Schwarz criterion 53.72444Log likelihood -1163.017    Hannan-Quinn criter. 53.46932F-statistic 80.58160    Durbin-Watson stat 2.200952Prob(F-statistic) 0.000000

Aplicando dos diferenciales se puede observar que tenemos un 7,99% de probabilidad de tener raíz unitaria, es manejable entonces se determina que diferenciando una vez es suficiente para esta variable que es el Ahorro Interno Bruto

EXPORTACIONES

. Null Hypothesis: EXPORTACIONES has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic  3.145772  1.0000

35

Page 36: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Test critical values: 1% level -3.5574725% level -2.916566

10% level -2.596116

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(EXPORTACIONES)Method: Least SquaresDate: 10/09/16 Time: 22:27Sample (adjusted): 1961 2014Included observations: 54 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

EXPORTACIONES(-1) 0.048407 0.015388 3.145772 0.0027C 1.20E+10 1.39E+10 0.867248 0.3898

R-squared 0.159880    Mean dependent var 4.29E+10Adjusted R-squared 0.143723    S.D. dependent var 7.77E+10S.E. of regression 7.19E+10    Akaike info criterion 52.87125Sum squared resid 2.69E+23    Schwarz criterion 52.94492Log likelihood -1425.524    Hannan-Quinn criter. 52.89966F-statistic 9.895883    Durbin-Watson stat 2.187087Prob(F-statistic) 0.002739

Con el 100 % de probabilidad de incertidumbre la variable tiene raíz unitaria, por lo tanto se debe diferenciar para corregir la variable y mejorar el modelo.

Null Hypothesis: D(EXPORTACIONES) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -6.332231  0.0000Test critical values: 1% level -3.560019

5% level -2.91765010% level -2.596689

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(EXPORTACIONES,2)Method: Least SquaresDate: 10/09/16 Time: 22:28Sample (adjusted): 1962 2014Included observations: 53 after adjustments

36

Page 37: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Variable Coefficient Std. Error t-Statistic Prob.  

D(EXPORTACIONES(-1)) -0.879506 0.138893 -6.332231 0.0000C 3.86E+10 1.23E+10 3.146717 0.0028

R-squared 0.440158    Mean dependent var 1.47E+09Adjusted R-squared 0.429181    S.D. dependent var 1.04E+11S.E. of regression 7.84E+10    Akaike info criterion 53.04520Sum squared resid 3.14E+23    Schwarz criterion 53.11955Log likelihood -1403.698    Hannan-Quinn criter. 53.07379F-statistic 40.09715    Durbin-Watson stat 1.993055Prob(F-statistic) 0.000000

Aplicando un diferencial se puede observar que tenemos un 0% de probabilidad de tener raíz unitaria, es manejable entonces se determina que diferenciando una vez es suficiente para esta variable que es el Ahorro Interno Bruto

Aplicamos el test de Granger

VAR Granger Causality/Block Exogeneity Wald TestsDate: 10/09/16 Time: 22:36Sample: 1960 2014Included observations: 51

Dependent variable: DPIBPER

Excluded Chi-sq df Prob.

DAHORRO  2.362628 2  0.3069DIMPORTACIONES  2.798171 2  0.2468DEXPORTACIONES  6.778491 2  0.0337

All  17.87970 6  0.0065

Dependent variable: DAHORRO

Excluded Chi-sq df Prob.

DPIBPER  0.411344 2  0.8141DIMPORTACIONES  7.101665 2  0.0287DEXPORTACIONES  1.684417 2  0.4308

All  15.27694 6  0.0182

Dependent variable: DIMPORTACIONES

37

Page 38: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Excluded Chi-sq df Prob.

DPIBPER  0.624770 2  0.7317DAHORRO  1.052440 2  0.5908

DEXPORTACIONES  13.10071 2  0.0014

All  38.36184 6  0.0000

Dependent variable: DEXPORTACIONES

Excluded Chi-sq df Prob.

DPIBPER  1.111343 2  0.5737DAHORRO  2.319585 2  0.3136

DIMPORTACIONES  7.063288 2  0.0293

All  23.37268 6  0.0007

Aplicando el test podemos observar los resultados y decir que el pib percapita se ve influenciado por las exportaciones, el ahorro interno bruto se ve influenciado por las importaciones, las importaciones se ven influenciadas por las exportaciones y las exportaciones se ven influenciadas por las importaciones.

VAR Lag Order Selection CriteriaEndogenous variables: DPIBPER DAHORRO DIMPORTACIONES DEXPORTACIONES Exogenous variables: C Date: 10/09/16 Time: 22:43Sample: 1960 2014Included observations: 49

 Lag LogL LR FPE AIC SC HQ

0 -4278.616 NA   9.66e+70  174.8006  174.9551  174.85921 -4157.272  217.9229  1.32e+69  170.5009   171.2731*  170.79392 -4128.771  46.53282  8.01e+68  169.9906  171.3806  170.51803 -4106.716  32.40662  6.48e+68  169.7435  171.7512  170.50524 -4065.658   53.62737*   2.49e+68*   168.7207*  171.3461   169.7168*

 * indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

En este caso tanto Akaike y Hannan Quinn indican que se debe utilizar cuatro rezagos y Schawrtz un rezago, lo cual se demostrara en el siguiente cuadro.

38

Page 39: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

 Vector Autoregression Estimates Date: 10/09/16 Time: 22:48 Sample (adjusted): 1963 2014 Included observations: 52 after adjustments Standard errors in ( ) & t-statistics in [ ]

DPIBPER DAHORRODIMPORTACIO

NESDEXPORTACIO

NES

DPIBPER(-1)  0.777286 -17945815 -15832307  6292859. (0.20197)  (2.9E+07)  (5.4E+07)  (3.1E+07)[ 3.84843] [-0.61552] [-0.29456] [ 0.20239]

DAHORRO(-1)  1.12E-09  0.676111  0.608328  0.303241 (1.4E-09)  (0.20323)  (0.37466)  (0.21674)[ 0.79480] [ 3.32680] [ 1.62368] [ 1.39911]

DIMPORTACIONES(-1)  3.16E-11 -0.066301 -0.117689 -0.024299 (4.8E-10)  (0.06969)  (0.12847)  (0.07432)[ 0.06545] [-0.95141] [-0.91608] [-0.32696]

DEXPORTACIONES(-1) -3.98E-09 -0.107860 -1.665603 -0.035043 (1.4E-09)  (0.20544)  (0.37874)  (0.21910)[-2.79698] [-0.52501] [-4.39780] [-0.15994]

C  357.2384  4.12E+10  5.80E+10  2.47E+10 (144.156)  (2.1E+10)  (3.8E+10)  (2.2E+10)[ 2.47813] [ 1.98155] [ 1.51167] [ 1.11399]

 R-squared  0.456591  0.270066  0.519986  0.103766 Adj. R-squared  0.410344  0.207943  0.479133  0.027491 Sum sq. resids  11962588  2.49E+23  8.47E+23  2.84E+23 S.E. equation  504.5029  7.28E+10  1.34E+11  7.77E+10 F-statistic  9.872767  4.347336  12.72843  1.360412 Log likelihood -394.7821 -1371.746 -1403.553 -1375.092 Akaike AIC  15.37624  52.95178  54.17512  53.08046 Schwarz SC  15.56386  53.13940  54.36274  53.26808 Mean dependent  983.7426  5.35E+10  1.88E+09  4.45E+10 S.D. dependent  656.9982  8.18E+10  1.86E+11  7.88E+10

 Determinant resid covariance (dof adj.)  7.13E+68 Determinant resid covariance  4.76E+68 Log likelihood -4406.654 Akaike information criterion  170.2559 Schwarz criterion  171.0064

Observando en las estimaciones de auto regresión podemos decir que ninguna de los variables no son significativos, pero la pendiente debe ser teóricamente mayor a 0 y menor a 1 y aquí demuestra lo contrario lo cual en teoría económica este modelo está mal.

39

Page 40: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Según las gráficas:

En este caso no se pudo aplicar las gráficas esto debido a los datos que botó el resultado del cuadro anterior. Esto significa que este modelo VAR es inefectivo.

Con las gráfica diferenciada del ingreso y del gasto se comportan de una forma muy aleatoria, excepto el pib percapita .

40

Page 41: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Conclusión

En teoría económica este modelo está mal porque no explica lo que se necesita, por lo tanto se utilizará un modelo VEC .

Aplicamos modelo VEC

 Vector Error Correction Estimates Date: 10/09/16 Time: 23:23 Sample (adjusted): 1962 2014 Included observations: 53 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq:  CointEq1

PIB_PERCAPITA(-1)  1.000000

AHORRO_INTERNO(-1) -1.30E-08 (3.7E-09)[-3.51814]

IMPORTACIONES(-1)  2.06E-08 (4.8E-09)[ 4.26418]

EXPORTACIONES(-1) -3.93E-08 (7.8E-09)[-5.01003]

@TREND(60)  107.4640

C -2264.749

Error Correction:D(PIB_PERCA

PITA)D(AHORRO_IN

TERNO)D(IMPORTACI

ONES)D(EXPORTACI

ONES)

CointEq1  0.051885  4715443.  17950010  14842666 (0.02324)  (3681286)  (5713783)  (3210459)[ 2.23265] [ 1.28092] [ 3.14153] [ 4.62322]

D(PIB_PERCAPITA(-1)) -0.223846 -1.36E+08 -1.67E+08 -1.30E+08 (0.29472)  (4.7E+07)  (7.2E+07)  (4.1E+07)[-0.75952] [-2.91923] [-2.30711] [-3.20388]

41

Page 42: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

D(AHORRO_INTERNO(-1))  5.97E-09  1.199522  1.671839  1.172346

 (1.7E-09)  (0.26834)  (0.41649)  (0.23402)[ 3.52153] [ 4.47018] [ 4.01409] [ 5.00962]

D(IMPORTACIONES(-1))  2.80E-09  0.482428  0.241033 -0.196381 (1.6E-09)  (0.25227)  (0.39156)  (0.22001)[ 1.76099] [ 1.91232] [ 0.61557] [-0.89260]

D(EXPORTACIONES(-1)) -7.26E-09 -0.807387 -0.829357  0.274666 (2.2E-09)  (0.35032)  (0.54374)  (0.30551)[-3.28262] [-2.30471] [-1.52529] [ 0.89903]

C  201.9682  2.63E+10 -5.68E+09  3.52E+09 (136.566)  (2.2E+10)  (3.4E+10)  (1.9E+10)[ 1.47890] [ 1.21654] [-0.16915] [ 0.18680]

@TREND(60)  30.07027  3.71E+09  5.57E+09  3.68E+09 (6.19721)  (9.8E+08)  (1.5E+09)  (8.6E+08)[ 4.85223] [ 3.77573] [ 3.65263] [ 4.29432]

 R-squared  0.657890  0.433354  0.427189  0.535122 Adj. R-squared  0.613267  0.359443  0.352475  0.474486 Sum sq. resids  7749498.  1.94E+23  4.68E+23  1.48E+23 S.E. equation  410.4477  6.50E+10  1.01E+11  5.67E+10 F-statistic  14.74330  5.863230  5.717623  8.825108 Log likelihood -390.3642 -1391.040 -1414.340 -1383.787 Akaike AIC  14.99487  52.75624  53.63548  52.48254 Schwarz SC  15.25510  53.01647  53.89571  52.74277 Mean dependent  968.5264  5.27E+10  5.38E+10  4.37E+10 S.D. dependent  660.0130  8.12E+10  1.25E+11  7.82E+10

 Determinant resid covariance (dof adj.)  2.29E+68 Determinant resid covariance  1.30E+68 Log likelihood -4457.039 Akaike information criterion  169.3977 Schwarz criterion  170.5873

Esta modelo no cumple con teoría económica porque la pendiente es mayor a 1 incluso habiendo utilizando el modelo VEC.

42

Page 43: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Según las gráficas:

El pib percapita respecto de si misma y del ahorro interno bruto se ve influenciado por cada periodo de tiempo que transcurre.

El ahorro interno bruto, respecto de si mismo, del pib percapita y las importaciones si se ve influenciado cada periodo de tiempo que transcurre.

43

Page 44: luisbenavidesblog.files.wordpress.com  · Web viewObservando en las estimaciones de auto regresión podemos decir que solo en un periodo el ingreso en función del gasto y en función

Las importaciones respecto del pib percapita y de si mismas si se ve influenciado cada periodo de tiempo que transcurre.

Las exportaciones respecto del pib percapita y las importaciones si se ve influenciado cada periodo de tiempo que transcurre.

Conclusión

Aplicando el modelo VEC se pudo observar que el modelo económico que se utilizó explica bastantes cosas pero no lo que realmente se necesita, por lo cual el modelo está mal esto se debe a que no se aplicó una teoría económica contando cuatro variables correspondientes al modelo.

44