Escolar Documentos
Profissional Documentos
Cultura Documentos
El presente trabajo de econometría tiene como objetivo aplicar todos los conocimientos
adquiridos a lo largo del curso, para ello en nuestro equipo nos interesamos en el tema
macroeconómico. Una de nuestras interrogantes fue: ¿cómo algunos factores afectan o no al
ingreso per cápita? Para entender ello el ingreso per cápita es un cálculo que se realiza para
determinar el ingreso que recibe, en promedio, cada uno de los habitantes de un país; es decir,
en promedio, cuánto es el ingreso que recibe una persona para subsistir. Este cálculo se
obtiene dividiendo el ingreso nacional entre la población total de un país.
Entonces nuestro reto fue primero encontrar la data necesaria y las variables independientes
que pudieran afectar al ingreso per cápita que reciben las personas. Para ello escogimos IPC
que es el índice precio consumidor y la inflación, dos factores que presumimos afectan y son
fundamentales en la variación del ingreso per cápita. Para todo ello se ha realizado un proceso
que sigue los pasos de la econometría, ello está desarrollado a lo largo del presente
documento.
El alumno.
1) Análisis de Datos:
2) Análisis de Datos:
En el presente trabajo pretendemos entender como el Ingreso Per Cápita en el Perú se ha visto
afectado por variables como el Índice de Precios del Consumidor en el Perú y la Tasa de
inflación. Se ha tomado los datos desde el año 1995 hasta el
2015, ya que en este intervalo de tiempo el contexto económico y la situación del
país en general no nos muestran tanta distorsión en los datos (como en el primer gobierno de
Alan García). Asimismo, hay distintas variables que afectan al Ingreso Per Cápita, pero en
este informe solo nos enfocaremos en el IPC E Inflación.
3) Especificación el modelo
MODELO MATEMATICO
Y = B0 + B1X1 + B2X2
MODELO ECONOMETRICO
Y = B0 + B1X1 + B2X2 + u
Por razonamiento podremos observar que la variable ingreso per cápita tiene una relación de
causalidad con las variables IPC e inflación; pero luego de estimar el modelo
determinaremos si esta relación es certera o no.
R2: Las variaciones de la variable Y son explicadas en un 90.5951% por las variaciones de las
variable X. Tenemos un R2 bueno, ya que está cercano a 1.
t-Statistic: Si el valor de t-statistic es mayor a 2 en valor absoluto significa que las variables
son significativas para el modelo. Pero en este caso se puede ver que no todas las variables
sobrepasa el valor de 2
F-statistic: El valor de f-statistic (86.69436) es mayor a 10 o 15, lo cual nos hace presumir
que el modelo es significativo globalmente.
Durbin-Watson: El durbin Watson es de 0.558520, lo cual significa que sospechamos que hay
autocorrelación positiva.
IPC: Esta variable va a determinar en cuanto varía el Ingreso per cápita, si la variable IPC
aumenta en 73.24335.
7) Prueba de Hipótesis
Prueba T
H0: b0=b1=b2=0
Tgl= (21-3)=18
TablaT= 2.101
Rechazo H0, por lo tanto con una significancia del 5% se puede afirmar de manera individual
que cada los parámetros B1 y B2 es diferente de 0, en consecuencia las variables exógenas
son significativas. Sin embargo, en la constante (B0) se acepta H0 pero esto es indiferente, ya
que no interviene en el modelo.
Prueba F (Global)
H0: Todos los parámetros son igual a 0
Fcalc(2,18) 3.55
F 86.69436
Con una significancia del 5% se puede afirmar que de manera conjunta los parámetros
son diferentes de 0, es decir que variables exógenas son significativas.
Prueba Farrar y
Glauber
Lo que queremos saber saber es si existe multicolinealidad, para ello se hará la prueba de Farrar y
Glauber, por lo que se necesita saber los grados de libertad, con el chi cuadrado y el calculado, a
continuación se presentan los cálculos respectivos:
DET 0.64475679
LOG -0.43888211
Xc 8.11931902
Gl 1
Xcalc 3.84146
Con una significancia del 5% se puede afirmar que las variables exógenas no son ortogonales,
por lo tanto están correlacionadas y por ello existe multicolinealidad.
Heterocedasticida
d
Se desea saber si existe heterocedasticidad, para ello se hará la prueba de White, para ello se
necesita conocer F-Statistic, Prob. F(5,15)
Prueba F
F (5,15 ) =2.90
F-Statistic = 0.424326
Entonces No Rechazo H0
Con una significancia del 5% se puede afirmar que no existe heterocedasticidad o que existe
homoscedasticidad.
Autocorrelación
El criterio Durbin Watson nos resulta 0.558520, está muy lejano a 2, entonces presumimos
que existe autocorrelación. Para ello haremos la prueba forecast en Eviews.
Se supone que “ bias proportión” & variance proportión” tienen que tender a cero, y “
covariance proportión” debe tender a uno. Si todo se cumpliera, aparentemente no habría
autocorrelación.
En este correlograma podemos apreciar que las probabilidades son menores a
= 17.77y al costado hay “prop. F(1,18) estos son los grados de libertado, uso la tabla F
cuadrado con 1 nominador, 18 denominador.
Haciendo la prueba resulta que se Rechaza Ho. Es decir que existe significativa
autocorrelación.
Se procedió a reducir la autocorrelación con el comando AR(1), y funcionó ya que las bandas
ya no se salen de las bandas.
Normalidad de los residuos
Para la prueba de Jarque Bera se busca que los residuos tengan una forma mesocurtica,
es decir una asimetría(S) de valor cero o cercano a ese valor y una kurtosis(K) de valor 3 o
también cercano a ese valor. En el cuadro analizamos una S= 0.497323, una K= 2.783442 y
un Jarque bera calculado de 0.906690 para nuestro modelo. Procederemos con la prueba de
hipótesis, en el cual buscamos de preferencia el rechazo en H0.
X2 es la inflación.
que las variables son significativas para el modelo. Pero en este caso se puede ver que no
todas las variables sobrepasa el valor de 2
F-statistic: El valor de f-statistic (86.69436) es mayor a 10 o 15, lo cual nos