Escolar Documentos
Profissional Documentos
Cultura Documentos
ECONOMETRA II
SIMULACIN Y
PRONSTICO DEL
MODELO IS-LM
ECONOMETRA II
Ciclo: X
Piura-Per
2017
1
ECONOMETRA II
DERIVACIN DE LA IS
Yt CN t I t G t
Yt 1 2 * Yt 1 3 4 * (Yt 1 Yt 2 ) 5 * rt Gt
Yt 1 3 ( 2 4 ) * Yt 1
4 * Yt 2 * r Gt
5 t
c (1) c ( 2) c ( 3) c ( 4)
DERIVACIN DE LA LM
M to M td
M td 0 1 * Yt 2 * Rt
2 * Rt M t 0 1 * Yt
0 1
Rt * M t 1 * Yt
2 2 2
c ( 5) c (6) c(7)
pronstico ex_ante
simulacin histrica pronsticoex_post
1947:1 1960:1 1995:4 2000:1 2005:4
1996:1 1999:4
2
ECONOMETRA II
System: SYS01
Estimation Method: Three-Stage Least Squares
Date: 06/22/17 Time: 00:22
Sample: 1960Q1 1995Q4
Included observations: 144
Total system (balanced) observations 288
Linear estimation after one-step weighting matrix
Equation: Y=C(1)+C(2)*Y(-1)+C(3)*Y(-2)+C(4)*R+G
Instruments: C Y(-1) Y(-2) M G
Observations: 144
R-squared 0.998534 Mean dependent var 4395.660
Adjusted R-squared 0.998503 S.D. dependent var 1409.334
S.E. of regression 54.53028 Sum squared resid 416297.3
Durbin-Watson stat 1.004313
Equation: R=C(5)+C(6)*M+C(7)*Y
Instruments: C Y(-1) Y(-2) M G
Observations: 144
R-squared 0.656898 Mean dependent var 6.110694
Adjusted R-squared 0.652031 S.D. dependent var 2.742123
S.E. of regression 1.617548 Sum squared resid 368.9212
Durbin-Watson stat 0.275858
3
ECONOMETRA II
12
0
1960 1965 1970 1975 1980 1985 1990 1995
Actual R (Baseline)
Y
8,000
7,000
6,000
5,000
4,000
3,000
2,000
1,000
1960 1965 1970 1975 1980 1985 1990 1995
Actual Y (Baseline)
Al observar el grfico se puede visualizar que en el largo plazo las series simuladas, tanto
consumo, como inversin si siguen la tendencia de las series reales, sin embargo para el
corto plazo las series reales no reproducen bien a las series reales, y adems para el caso de
la tasa de inters, la serie simulada no reproduce las fluctuaciones que tiene la serie real.
4
ECONOMETRA II
V. SIMULACIN EX_POST
Variable Y R
rms 787.2899 2.778211
prms 0.097279 0.591009
sm -732.5931 2.471696
psm -0.091652 0.518439
De acuerdo a los resultados podemos concluir que la variable que mejor se ajusta a los
datos es la variable Y, concluyendo de acuerdo a los estadsticos de error porcentuales,
quien nos brinda un mejor resultado sobre el ajuste de la variable. Esta conclusin la
podemos observar en el grfico, donde se puede visualizar que la variable simulada Y sigue
mucho mejor a la variable observada Y, a diferencia de la conclusin que obtuviramos
analizando los estadsticos rms y sm.
R
10
4
I II III IV I II III IV I II III IV I II III IV
1996 1997 1998 1999
Actual R (Scenario 1)
Y
8,800
8,400
8,000
7,600
7,200
6,800
I II III IV I II III IV I II III IV I II III IV
1996 1997 1998 1999
Actual Y (Scenario 1)
5
ECONOMETRA II
24
22
20
18
16
14
12
2000 2001 2002 2003 2004 2005
Actual R (Scenario 2)
Y
13,000
12,000
11,000
10,000
9,000
2000 2001 2002 2003 2004 2005
Actual Y (Scenario 2)
Como se puede observar la variable Y si sigue la tendencia, lo que no ocurre con la variable R. As
mismo se rescata que a periodos ms largos las variables, no reflejan muy bien el comportamiento
de las series reales.
6
ECONOMETRA II