ECONOMETRA II Curso: 2009/2010

Prctica 5
Prof. Juan de Dios Tena

El objetivo de esta prctica es introducir al alumno

en los ejercicios de especificacin, estimacin y anlisis
de resultados de modelos multivariantes estacionarios en E-
views. El trabajo mostrar la utilidad de este anlisis y
tambin dejar patentes algunas limitaciones de la
metodologa VAR en el anlisis econmico.

En esta prctica estudiaremos la relacin entre la

dinmica del ndice de precios al consumo en la Comunidad
de Andaluca y los del conjunto de Espaa. De acuerdo a la
ley del precio nico, los precios de las diferentes reas
geogrficas de un mismo pas deben converger de forma que
el arbitraje debe hacer que se encuentre evidencia para, al
menos, uno de estos dos hechos:

1) Los precios en la Comunidad reaccionen

positivamente a shocks inflacionistas en Espaa.
2) Los precios en el conjunto de Espaa reaccionen
positivamente a shocks inflacionistas en Andaluca.

Un ndice de precios al consumo es una media ponderada

de los precios observados en un rea geogrfica. Series del
ndice general de precios al consumo pueden obtenerse del
Instituto Nacional de estadstica a travs de su pgina web
(www.ine.es)1. Una vez en la pgina pulsamos IPC ndice de
precios al consumo y en la pgina que aparece hacemos clic
Indice de precios de consumo en INEbase. Luego vamos a
series mensuales y, una vez all a Indices por comunidades
autnomas: general y de grupos COICOP. Entonces descargamos
las series mensuales nacional y de la comunidad de
Andaluca.

1
Tambin pueden bajarse de la base de datos Ecowin.

1
 Antes de proceder al anlisis economtrico es
conveniente un estudio visual de las series para conocer
sus propiedades. Se trata de una serie con crecimiento
sistemtico y su evolucin suave parece sugerir la
necesidad de tomar, al menos, una diferencia (regular o
estacional) para conseguir estacionariedad.

A pesar de que no existe una fuerte evidencia de

heterocedasticidad de la serie respecto al nivel,
consideramos su transformacin logartmica. La
transformacin logartmica rara vez perjudica la
interpretacin de las propiedades de la serie. Adems, en
nuestro caso permite liberarnos de la arbitraria unidad de
medida de los nmeros ndices pudiendo interpretar las sus
diferencias como tasas de crecimiento.

El correlograma de la transformacin logartmica de

ambas series tambin sugiere la conveniencia de tomar al
menos una diferencia para conseguir que la serie sea
estacionaria.
Series de IPC general en Espaa y Comunidad de
Andaluca

108

104

100

96

92

88

84
2002 2003 2004 2005 2006 2007

CAND ESP

2
Series de IPC general en logaritmos para Espaa y
Comunidad de Andaluca

4.68

4.64

4.60

4.56

4.52

4.48

4.44
2002 2003 2004 2005 2006 2007

LCAND LESP

Correlograma para el IPC en Andaluca

3
 Correlograma del IPC en Espaa

Tras una diferencia regular, los correlogramas de

ambas series las series muestran correlaciones
significativas en los retardos mltiplos de seis y de doce
que persisten en el tiempo. Esto es una clara muestra de la
necesidad de tomar, al menos, una diferencia anual para
conseguir la estacionariedad. Ojo!!! es importante recordar
que una raz anual ya contiene una raz regular ms otras
races que estn relacionadas con el comportamiento cclico
de la serie en las diferentes frecuencias armnicas. En
este caso, tomar slo una diferencia regular no
transformara las series en estacionarias.

4
Primeras diferencias del logaritmo del IPC en la Comunidad
de Andaluca

Primeras diferencias del logaritmo del IPC en Espaa

5
 Siguiendo la evidencia grfica, tomamos una diferencia
anual de la serie de Andaluca y Espaa. A continuacin se
muestran los grficos y correlogramas de dichas series:

Grfico y correlograma de las diferencias anuales del

IPC en Andaluca.

D12LCAND
.044

.040

.036

.032

.028

.024

.020

.016
2002 2003 2004 2005 2006 2007

6
Grfico y correlograma de las diferencias anuales del
IPC en Espaa.

D12LESP
.044

.040

.036

.032

.028

.024

.020
2002 2003 2004 2005 2006 2007

7
 Los grficos de ambas series parecen indicar
oscilaciones locales de nivel con persistencia en
diferentes valores medios durante el periodo de anlisis.
Esto parece indicar la existencia de diferentes cambios
estructurales en la tasa de inflacin que pueden
aproximarse mediante un modelo que considera que el ipc
necesita una diferencia regular y una anual para
convertirse en estacionaria.

Para un anlisis ms formal, realizamos un test D-F de

races unitarias cuyos resultados, mostrados a
continuacin, confirman la necesidad de tomar una
diferencia adicional.

Test de races unitarias para las series con

diferencias anuales

Null Hypothesis: D12LCAND has a unit root

Exogenous: Constant
Lag Length: 12 (Automatic based on SIC, MAXLAG=12)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.877610 0.3398

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(D12LCAND)
Method: Least Squares
Date: 03/03/08 Time: 16:34
Sample (adjusted): 2004M02 2008M01
Included observations: 48 after adjustments

Coefficient Std. Error t-Statistic Prob.

D12LCAND(-1) -0.211501 0.112644 -1.877610 0.0690

D(D12LCAND(-1)) 0.562946 0.112853 4.988319 0.0000
D(D12LCAND(-2)) 0.017139 0.142201 0.120526 0.9048
D(D12LCAND(-3)) 0.146220 0.133622 1.094288 0.2815
D(D12LCAND(-4)) 0.067612 0.136820 0.494170 0.6244
D(D12LCAND(-5)) -0.001491 0.133735 -0.011148 0.9912
D(D12LCAND(-6)) 0.219021 0.126424 1.732424 0.0923

8
 D(D12LCAND(-7)) -0.017369 0.131602 -0.131984 0.8958
D(D12LCAND(-8)) -0.028413 0.128386 -0.221309 0.8262
D(D12LCAND(-9)) 0.039342 0.121837 0.322904 0.7487
D(D12LCAND(-10)) 0.087326 0.121374 0.719473 0.4768
D(D12LCAND(-11)) 0.319038 0.118638 2.689165 0.0110
D(D12LCAND(-12)) -0.619397 0.122970 -5.036994 0.0000
C 0.006758 0.003523 1.918330 0.0635

R-squared 0.746180 Mean dependent var 0.000431

Adjusted R-squared 0.649132 S.D. dependent var 0.002917
S.E. of regression 0.001728 Akaike info criterion -9.645607
Sum squared resid 0.000101 Schwarz criterion -9.099840
Log likelihood 245.4946 Hannan-Quinn criter. -9.439361
F-statistic 7.688720 Durbin-Watson stat 1.784149
Prob(F-statistic) 0.000001

Null Hypothesis: D12ESP has a unit root

Exogenous: Constant
Lag Length: 12 (Automatic based on SIC, MAXLAG=12)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.600864 0.4744

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

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

Null Hypothesis: D12LESP has a unit root

Exogenous: Constant
Lag Length: 12 (Automatic based on SIC, MAXLAG=12)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.611105 0.4693

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(D12LESP)
Method: Least Squares
Date: 03/03/08 Time: 16:36
Sample (adjusted): 2004M02 2008M01

9
Included observations: 48 after adjustments

Coefficient Std. Error t-Statistic Prob.

D12LESP(-1) -0.179828 0.111618 -1.611105 0.1164

D(D12LESP(-1)) 0.522708 0.111707 4.679286 0.0000
D(D12LESP(-2)) 0.006429 0.138048 0.046574 0.9631
D(D12LESP(-3)) 0.087808 0.133350 0.658482 0.5147
D(D12LESP(-4)) 0.116227 0.137860 0.843079 0.4051
D(D12LESP(-5)) -0.064341 0.139253 -0.462041 0.6470
D(D12LESP(-6)) 0.244788 0.129350 1.892444 0.0670
D(D12LESP(-7)) -0.028877 0.135650 -0.212875 0.8327
D(D12LESP(-8)) 0.016672 0.131966 0.126339 0.9002
D(D12LESP(-9)) 0.017261 0.128206 0.134639 0.8937
D(D12LESP(-10)) 0.087494 0.126409 0.692154 0.4935
D(D12LESP(-11)) 0.309011 0.124077 2.490487 0.0178
D(D12LESP(-12)) -0.670322 0.129271 -5.185402 0.0000
C 0.005787 0.003539 1.635378 0.1112

R-squared 0.738853 Mean dependent var 0.000398

Adjusted R-squared 0.639003 S.D. dependent var 0.002930
S.E. of regression 0.001760 Akaike info criterion -9.608196
Sum squared resid 0.000105 Schwarz criterion -9.062429
Log likelihood 244.5967 Hannan-Quinn criter. -9.401950
F-statistic 7.399620 Durbin-Watson stat 1.767612
Prob(F-statistic) 0.000001

Una vez que tomamos una diferencia regular y una

diferencia regular, los grficos de ambas series parecen
mostrar que son estacionarias. Adems, en el test D-F, la
hiptesis nula se rechaza a los niveles de significacin
habitual.
Grfico y test D-F para el IPC de Espaa con una
diferencia regular y una diferencia anual.

D1D12LESP
.012

.008

.004

.000

-.004

-.008
2002 2003 2004 2005 2006 2007

10
Null Hypothesis: D1D12LESP has a unit root
Exogenous: Constant
Lag Length: 11 (Automatic based on SIC, MAXLAG=12)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.718830 0.0004

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(D1D12LESP)
Method: Least Squares
Date: 03/03/08 Time: 16:42
Sample (adjusted): 2004M02 2008M01
Included observations: 48 after adjustments

Coefficient Std. Error t-Statistic Prob.

D1D12LESP(-1) -1.552752 0.329055 -4.718830 0.0000

D(D1D12LESP(-1)) 1.010428 0.319498 3.162544 0.0032
D(D1D12LESP(-2)) 0.893621 0.315322 2.833994 0.0076
D(D1D12LESP(-3)) 0.871662 0.295957 2.945238 0.0057
D(D1D12LESP(-4)) 0.872041 0.276542 3.153381 0.0033
D(D1D12LESP(-5)) 0.691563 0.254288 2.719610 0.0101
D(D1D12LESP(-6)) 0.848307 0.236076 3.593357 0.0010
D(D1D12LESP(-7)) 0.709238 0.215737 3.287512 0.0023
D(D1D12LESP(-8)) 0.632102 0.186215 3.394467 0.0017
D(D1D12LESP(-9)) 0.559450 0.160001 3.496533 0.0013
D(D1D12LESP(-10)) 0.560737 0.128587 4.360752 0.0001
D(D1D12LESP(-11)) 0.787959 0.109080 7.223691 0.0000
C 0.000101 0.000267 0.379919 0.7063

R-squared 0.770010 Mean dependent var 7.22E-05

Adjusted R-squared 0.691156 S.D. dependent var 0.003239
S.E. of regression 0.001800 Akaike info criterion -9.576294
Sum squared resid 0.000113 Schwarz criterion -9.069510
Log likelihood 242.8311 Hannan-Quinn criter. -9.384780
F-statistic 9.765044 Durbin-Watson stat 1.825893
Prob(F-statistic) 0.000000

11
 Grfico y test D-F para el IPC en la Comunidad de
Andaluca con una diferencia regular y una diferencia
anual.

D1D12LCAND
.012

.008

.004

.000

-.004

-.008
2002 2003 2004 2005 2006 2007

Null Hypothesis: D1D12LCAND has a unit root

Exogenous: Constant
Lag Length: 11 (Automatic based on SIC, MAXLAG=12)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.545493 0.0006

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

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

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(D1D12LCAND)
Method: Least Squares
Date: 03/03/08 Time: 16:51
Sample (adjusted): 2004M02 2008M01
Included observations: 48 after adjustments

Coefficient Std. Error t-Statistic Prob.

D1D12LCAND(-1) -1.613864 0.355047 -4.545493 0.0001

D(D1D12LCAND(-1)) 1.098062 0.341896 3.211683 0.0028
D(D1D12LCAND(-2)) 0.958858 0.337540 2.840728 0.0075
D(D1D12LCAND(-3)) 0.975688 0.313545 3.111790 0.0037
D(D1D12LCAND(-4)) 0.894825 0.293549 3.048295 0.0044

12
 D(D1D12LCAND(-5)) 0.760886 0.268793 2.830755 0.0076
D(D1D12LCAND(-6)) 0.871344 0.248088 3.512232 0.0012
D(D1D12LCAND(-7)) 0.724455 0.224232 3.230833 0.0027
D(D1D12LCAND(-8)) 0.587313 0.188850 3.109947 0.0037
D(D1D12LCAND(-9)) 0.529407 0.162857 3.250750 0.0025
D(D1D12LCAND(-10)) 0.521920 0.127962 4.078712 0.0002
D(D1D12LCAND(-11)) 0.747428 0.105960 7.053900 0.0000
C 0.000161 0.000265 0.607864 0.5472

R-squared 0.769825 Mean dependent var 0.000114

Adjusted R-squared 0.690907 S.D. dependent var 0.003218
S.E. of regression 0.001789 Akaike info criterion -9.588616
Sum squared resid 0.000112 Schwarz criterion -9.081832
Log likelihood 243.1268 Hannan-Quinn criter. -9.397102
F-statistic 9.754825 Durbin-Watson stat 1.843625
Prob(F-statistic) 0.000000

En anlisis multivariante lo realizamos con la

transformacin estacionaria de ambas series. Para ver si
existe retroalimentacin entre las variables que
analizamos, se muestran los contrastes de causalidad de
Granger:

Pairwise Granger Causality Tests

Date: 03/03/08 Time: 16:56
Sample: 2002M01 2008M01
Lags: 2

Null Hypothesis: Obs F-Statistic Probability

D1D12LESP does not Granger Cause

D1D12LCAND 58 0.35327 0.70403
D1D12LCAND does not Granger Cause D1D12LESP 0.09728 0.90746

El test indica que no existe una retroalimentacin

fuerte entre estas dos series. Sin embargo, es importante
enfatizar que el test de Granger no es un test de
causalidad econmica sino es slo una forma de ver si los
movimientos de una variable preceden a las otras.

13
 A pesar de que el test de Granger no indica una
correlacin importante entre las dos series, con el
propsito de ilustracin estimamos un modelo VAR. Para eso
pulsamos quick/estmate VAR y escribimos en las variables
endgenas: d(lesp,1,12) y d(lcand,1,12) y seleccionamos el
nmero de retardos que minimiza el criterio de informacin
de Akaike que es 1. Los resultados de la estimacin se
muestran a continuacin:

Vector Autoregression Estimates

Date: 03/03/08 Time: 18:48
Sample (adjusted): 2003M03 2008M01
Included observations: 59 after adjustments
Standard errors in ( ) & t-statistics in [ ]

D1D12LCAND D1D12LESP

D1D12LCAND(-1) 0.335369 0.282387

(0.55213) (0.53308)
[ 0.60741] [ 0.52973]

D1D12LESP(-1) 0.035862 0.115237

(0.56349) (0.54404)
[ 0.06364] [ 0.21182]

C 4.76E-05 3.70E-05
(0.00037) (0.00035)
[ 0.13040] [ 0.10478]

R-squared 0.136908 0.161445

Adj. R-squared 0.106083 0.131496
Sum sq. resids 0.000441 0.000411
S.E. equation 0.002806 0.002709
F-statistic 4.441490 5.390755
Log likelihood 264.5135 266.5856
Akaike AIC -8.864864 -8.935106
Schwarz SC -8.759227 -8.829468
Mean dependent 7.93E-05 7.07E-05
S.D. dependent 0.002967 0.002907

Determinant resid covariance (dof adj.) 3.36E-12

Determinant resid covariance 3.03E-12
Log likelihood 615.0094
Akaike information criterion -20.64439
Schwarz criterion -20.43311

14
Los modelos VAR son modelos muy complejos (con muchos
parmetros a estimar) y rara vez sirven para hacer
predicciones. Pero si son tiles con propsito de
simulacin para ver como un shock inesperado en una de las
variables afecta a las otras variables. Esto se puede hacer
en E-views mediante la opcin Impulse. Para que podamos
hacer este tipo de anlisis es necesario ortogonalizar los
shocks ya que, por ejemplo, los residuos en la ecuacin de
inflacin en Andaluca pueden estar contemporneamente
correlacionados con los residuos de la ecuacin de la
inflacin en Espaa por lo que no sabramos si los valores
de los residuos en una de las ecuaciones estn relacionadas
con un shock estructural en Andaluca o Espaa. E-views por
defecto considera la opcin de Cholesky para la
ortogonalizacin (mirar en impulse response dentro de
impulse definition). Esta opcin consiste en imponer que
la ltima variable est afectada contemporneamente por
movimientos en el resto de las variables, la penltima est
afectada contemporneamente por todas las variables menos
la ltima y as sucesivamente. El orden de las variables
que utilizamos es: crecimiento de la inflacin en
Andaluca, crecimiento de la inflacin en Espaa.

Las respuestas de cada una de las variables a shocks en las

otras variables se muestran a continuacin:

15
 Response of D1D12LESP to Cholesky
One S.D. D1D12LCAND Innovation
.0032

.0028

.0024

.0020

.0016

.0012

.0008

.0004

.0000

-.0004
1 2 3 4 5 6 7 8 9 10

Response of D1D12LCAND to Cholesky

One S.D. D1D12LESP Innovation
.0008

.0006

.0004

.0002

.0000

-.0002

-.0004

-.0006

-.0008
1 2 3 4 5 6 7 8 9 10

Estas respuestas indican que un shock en la inflacin en

Andaluca genera un incremento inflacionista en Espaa. Sin
embargo el IPC de la Comunidad de Andaluca no parece

16
reaccionar de forma significativa a shocks inflacionistas
en Espaa.

Para asegurarnos que las respuestas son robustas al orden

de las variables en la descomposicin de Choleski generamos
respuestas a shocks usando el orden inverso obteniendo
resultados cualitativamente similares:

Response of D1D12LCAND to Cholesky

One S.D. D1D12LESP Innovation
.0035

.0030

.0025

.0020

.0015

.0010

.0005

.0000

-.0005
1 2 3 4 5 6 7 8 9 10

17
 Response of D1D12LESP to Cholesky
One S.D. D1D12LCAND Innovation
.0010

.0008

.0006

.0004

.0002

.0000

-.0002

-.0004

-.0006
1 2 3 4 5 6 7 8 9 10

Aunque los resultados que encontramos son consistentes con

la teora econmica, en general esto no siempre es as.
Cuando esto ocurre probablemente la especificacin no es la
correcta. Por ejemplo, uno debe estar seguro de incluir
todas las variables relevantes en el modelo y que el nmero
de retardos y de elementos deterministas en el modelo es el
adecuado. Tambin es importante considerar que en este
ejercicio hemos diferenciado ambas series para que sean
estacionarias antes de realizar el anlisis economtrico.
Sin embargo, podra ser el caso que las series de IPC de
Espaa y Andaluca tuvieran una tendencia comn. El
material que se mostrar en el tema 5 permitir realizar
este tipo de anlisis de forma ms eficiente.

Por ltimo, vamos a ver cmo cambian los resultados de

nuestra simulacin si estimamos una nica ecuacin para el
crecimiento del IPC en Andaluca y asumimos que no hay
retroalimentacin:

18
 Dependent Variable: D1D12LCAND
Method: Least Squares
Date: 03/03/08 Time: 19:17
Sample (adjusted): 2003M03 2008M01
Included observations: 59 after adjustments

Coefficient Std. Error t-Statistic Prob.

C 4.76E-05 0.000365 0.130395 0.8967

D1D12LESP(-1) 0.035862 0.563490 0.063643 0.9495
D1D12LCAND(-1) 0.335369 0.552134 0.607406 0.5460

R-squared 0.136908 Mean dependent var 7.93E-05

Adjusted R-squared 0.106083 S.D. dependent var 0.002967
S.E. of regression 0.002806 Akaike info criterion -8.864864
Sum squared resid 0.000441 Schwarz criterion -8.759227
Log likelihood 264.5135 Hannan-Quinn criter. -8.823628
F-statistic 4.441490 Durbin-Watson stat 1.772971
Prob(F-statistic) 0.016203

Vemos que los resultados de esta estimacin son idnticos

a ecuacin de Andaluca en el modelo VAR. Esto no debe
causar sorpresa dado que los modelos VAR se estiman
eficientemente ecuacin por ecuacin al tener todas las
ecuaciones del sistema las mismas variables explicativas. A
partir de esta estimacin observamos que el efecto a largo
plazo del crecimiento de la inflacin en Espaa en el
crecimiento del IPC andaluz es

Estudiar la dinmica de estas reacciones en el contexto

uniecuacional es algo que se deja como ejercicio para el
alumno.

19