UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

ESCUELA NACIONAL DE ESTUDIOS PROFESIONALES CAMPUS ARAGN

TEMA:

MODELO ECONOMTRICO

MATERIA:

ECONOMETRA II

ALUMNA:

ALCNTARA JIMNEZ GUILLERMO A. VILLALOBOS TRUJILLO PABLO DARO

GRUPO:

2602

FECHA:

10 DE DICIEMBRE DE 2004

EL COMPORTAMIENTO DEL PIB EN MEXICO

THE BEHAVIOR GDP IN MEXICO

OF

THE

Abstract Resumen
La macroeconoma da cabida a diversas temticas de estudio, entre las cuales se encuentran; las finanzas pblicas; salario, empleo, precio, dinero, comercio internacional, finanzas internacionales, moneda y banca. Para anlisis de estas temticas existen diversas posiciones analticas que vierten su punto de vista desde diversas perspectivas e intereses. Por lo anterior, nosotros elaboraremos un modelo economtrico con la finalidad de estimar el PIB, entendiendo por este como una medida de la actividad econmica de un pas, es decir, como el valor de mercado de la produccin de un pas antes de deducir la depreciacin de los bienes de capital; contrastndolo con otras variables como lo son: las importaciones, las exportaciones y el tipo de cambio. Esto con la finalidad de determinar el grado en el que influye cada una de estas variables en el crecimiento del pas. The macroeconomics give content to diverse subject matters of study, between (among) which they are; the public finance; salary, employment, price, money, international trade, international finance, currency and banking. For analysis of these subject matters there exist diverse analytical positions that spill his (her, your) point of view from diverse perspectives and interests. For the previous thing, us we will elaborate a model econometric with the purpose of estimating the GDP, dealing for this one as a measure of the economic activity of a country, that is to say, as the value of market of the production of a country before deducing the depreciation (devaluation) of the capital goods; confirming (resisting) it with other variables like it they are: the imports, the exports and the type of change. This with the purpose of determining the degree in which there influence each of these variables the growth of the country.

INTRODUCCIN
El principal objetivo de este trabajo es ofrecer una medicin del efecto de tres variables importantes para el crecimiento de la economa mexicana (PIB): las exportaciones, las importaciones y el tipo de cambio. El comportamiento del PIB en Mxico, en trminos reales, es de forma cclica y su duracin est relacionada con los sexenios presidenciales debido a la gran influencia que ha tenido el Estado en la economa nacional. El PIB engloba el consumo privado, la inversin, el gasto pblico, la variacin en existencias y las exportaciones netas (las exportaciones menos las importaciones). Por lo tanto, el saldo de la balanza comercial juega un papel importante, ya que cuando este presenta un supervit comercial, el PIB crece. Se destaca entonces que el crecimiento del PIB en Mxico, depende de las importaciones y exportaciones, y del comportamiento del tipo de cambio. Respecto al tipo de cambio tiene un efecto real positivo sobre la balanza comercial, pero negativo sobre el resto de la economa. En 1982 Mxico abandon una poltica de tipo de cambio fijo a favor de esquemas intermedios; sin embargo, stos no previnieron la ocurrencia de varias devaluaciones drsticas y crisis econmicas antes de que un sistema de flotacin libre se aplicara a partir de 1995. Seleccionamos el mtodo de Mnimos Cuadrados Ordinarios porque ofrece algunas propiedades estadsticas muy atractivas, por lo cual se ha constituido en uno de los ms eficaces y populares mtodos de anlisis de regresin. Las series en la muestra son de frecuencia anual y cubren el periodo 1970-2003. La actividad econmica es medida por el producto interno bruto (PIB) en millones de pesos. Las importaciones (M) se definen en millones de pesos al igual que las exportaciones (X). El tipo de cambio bilateral Mxico-Estados Unidos (TC) se define en trminos de pesos por dlar.

DESARROLLO

GRFICA (1) EQ01 RESIDUAL

200000 100000 0 -100000 -200000 -300000 70

75

80

85

90

95

00

PIB R es iduals

GRFICA (2) SUPUESTO 1: PRUEBA JARQUE-BERA

8

Series: Residuals Sample 1970 2003 Obs ervations 34 Mean Median Max imum Minimum Std. Dev . Skewness Kurtosis Jarque-Bera Probability -8.39E-11 23958.42 167841.8 -268312.9 123524.8 -0.503268 2.320731 2.088907 0.351884

0 -300000 -200000 -100000

100000

200000

GRFICA (3) SUPUESTO 2: TCNICA DE REGRESIN NO LINEALES

300000 200000 100000 0 -100000 -200000 75 80 85 90 95 00 PIB R es iduals

GRFICA (3.1) CONTRASTE DE BREUSCH-GODFREY

200000 100000 0 -100000 -200000 -300000 70

75

80

85

90

95

00

PIB R es iduals

GRFICA (4) SUPUESTO 3: CONTRASTE DE WHITE

200000 100000 0 -100000 -200000 -300000 70

75

80

85

90

95

00

PIB R es iduals

GRFICA (5) SUPUESTO 4: SOLUCIN A LA MULTICOLINEALIDAD IMPERFECTA

15000 10000 5000

0 -5000 -10000 75 80 85 90 95 00 D (X) R es iduals

CONCLUSIONES

La macroeconoma es el estudio del comportamiento de la economa en su conjunto, examina el nivel global de produccin, empleo y precios de un pas. En el anlisis de nuestra regresin buscbamos determinar en que grado afectaban las exportaciones (X), importaciones (M), y el tipo de cambio (TC) al PIB y conocer cual variable tiene mayor influencia en la tasa de crecimiento econmico de un pas. Como pudimos observar los resultados del modelo no fueron del todo satisfactorios, ya que el tipo de cambio fue una variable que no favoreci el clculo de nuestra regresin por lo que enfrentamos violaciones a los supuestos e intentamos resolverlos a travs de mtodos, pruebas y contrastes segn el supuesto. Respecto a las importaciones y exportaciones reflejadas en el saldo de la balanza comercial. Concluimos que dicho saldo si tiene influencia en el crecimiento del pas, pero no el que esperaba. Creemos que el modelo hubiese obtenido mejores resultados si hubiramos utilizado otras variables explicativas del PIB. Sin embargo recurrimos a libros, tareas, apuntes, y dems con la finalidad de arreglar las fallas en nuestro modelo. Pensamos haber corregido todos los problemas que se nos presentaron en el desarrollo de este trabajo salvo mejor opinin de su parte.

ANEXO

SERIE DE DATOS

AO 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003

PIB 444271 462802 502085 544306 577567 609975 635830 657720 911981 777161 841854 908764 903837 856172 887646 912333 921428 939670 958227 998457 1049062 1093356 1133753 1155131 1206134 1131753 1190345 1273383 1301425 1379211 1473660 1473692 1483284 1493368

X 1348 1409 1717 2141 2999 3007 3475 4604 6246 11512 18031 23307 24056 25953 29101 26758 21803 27599 30692 35171 40711 42687 46196 51885 60882 79542 96000 110431 117460 136391 166455 158443 160763 164922

M 2236 2158 2610 3656 5791 6278 5771 5625 7992 13654 21087 27184 17009 11848 15915 18359 16784 18813 28081 34766 41592 49966 62130 65366 79346 72453 89469 109808 125373 141975 174458 168397 168679 170546

TC 0.012 0.012 0.012 0.012 0.012 0.012 0.015 0.022 0.022 0.022 0.022 0.024 0.057 0.15 0.185 0.31 0.637 1.405 2.289 2.483 2.838 3.016 3.094 3.26 3.41 6.419 7.599 7.919 9.136 9.561 9.456 9.343 9.656 10.789

REGRESION INICIAL
Estimation Command: ===================== LS PIB C X M TC Estimation Equation: =====================

PIB = C(1) + C(2)*X + C(3)*M + C(4)*TC Substituted Coefficients: ===================== PIB = 702716.6322 + 4.095578724*X + 2.022551263*M - 14667.2641*TC

CUADRO 1
Dependent Variable: PIB Method: Least Squares Date: 12/08/04 Time: 16:54 Sample: 1970 2003 Included observations: 34 Variable C X M TC R-squared Adjusted R-squared S.E. of regresin Sum squared resid Log likelihood Durbin-Watson stat Coefficient 702716.6 4.095579 2.022551 -14667.26 0.839936 0.823929 129553.9 5.04E+11 -446.3591 0.241706 Std. Error 33092.68 3.677721 3.206316 27941.67 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) t-Statistic 21.23481 1.113619 0.630802 -0.524924 Prob. 0.0000 0.2743 0.5329 0.6035 973224.8 308749.8 26.49171 26.67128 52.47487 0.000000

COEFFICIENT Los resultados muestran que si el PIB aumenta en una unidad, permaneciendo el resto de las variables constantes, las exportaciones aumentan en 4.095579. De igual modo por cada unidad que aumente el PIB las importaciones aumentaran en 2.022551. En caso contrario por cada unidad que aumente el PIB, el tipo de cambio disminuir 14667.26, esto porque al fortalecerse la economa; el peso mexicano se valoriza frente al dlar. STD ERROR De acuerdo a la grafica (1) observamos que nuestras variables se encuentran alejadas de la funcin de regresin.

T-STATISTIC

1 que es la parte constante del PIB y se representa en todos los aos.

Se analiza con un nivel de significancia del 5%, si la t estadstica es mayor que la t de tablas se rechaza la Ho, la hiptesis nula, y a la inversa se rechazar la Ha. Ho: 1 = 0

HA: 1 0 t-estadstica = 21.23481 gl=N-k= 34-4=30 t-tablas = 2.042 La constante es significativamente estadstica. Por lo tanto rechazamos la hiptesis nula y aceptamos la hiptesis alternativa; es decir existe una relacin causal de esa variable con respecto al PIB. La variable X se refiere al PIB medido en millones de pesos, la cual resulta estadsticamente significativa con una probabilidad del 5%. Ho: 1 = 0 HA: 1 0 t-estadstica = 1.113619 t-tablas = 2.042 Se rechaza la hiptesis nula, porque la variable es estadsticamente significativa. Lo que implica que el cambio de una unidad del ndice del PIB del periodo anterior aumentar en 4.095579. En el caso de las importaciones, las cuales explican las compras que se hacen al extranjero, se acepta la hiptesis nula, pues la t-estadstica es menor a la t-tablas. Ho: 1 = 0 HA: 1 0 t-estadstica = 0.630802 t-tablas = 2.042 El tipo de cambio se expresa de forma negativa, ya que al valorizarse el peso frente al dlar tiene una tendencia a la baja. Ho: 1 = 0 Ha: 1 0 t-estadstica = -0.524924 t-tablas = 2.042 Por ltimo, se acepta la hiptesis nula y se rechaza la hiptesis alternativa.

= 5%

PROBABILITY Proporciona dos veces el rea que el valor absoluto de t-statistic deja a su derecha e indica la probabilidad de cometer el error de rechazar la hiptesis nula siendo cierta. Por lo tanto, en el caso de la constante no hay problema en cometer el error de rechazar Ho. Para el resto de los parmetros la probabilidad de cometer el error es muy alta. Ver cuadro 1. R-SQUARED (R2) La R2 es el coeficiente de determinacin, la cual es una medida estadstica que sirve para valorar el xito de la regresin. En nuestro modelo se observa una R2 de 0.839936, es decir el poder explicativo es cercano a la unidad, por lo que es satisfactorio. _ ADJUSTED R-SQUARED (R2) La ventaja que presenta este coeficiente frente a la R 2 es que permite comparar la capacidad explicativa de modelos referidos a una misma muestra de la misma variable endgena con distinto nmero de variables explicativas. En resumen, la caracterstica de este coeficiente es que tiene una mayor capacidad explicativa, y esta es de 0.823929 siendo similar a nuestra R 2 . S. E. OF REGRESSION Es otra medida que sirve para analizar la capacidad explicativa del modelo, pues esta recogiendo la funcin objetivo ponderada por sus grados de libertad. El error estndar de la regresin es muy elevado (129553.9) debido a que las unidades de medida de las variables exgenas (exportaciones, importaciones y PIB) estn en millones de pesos y el tipo de cambio es muy pequeo, pues en algunas ocasiones asume valores menores a la unidad. SUM SQUARED RESID La suma de los errores al cuadrado es enorme 5.04E+1, cuando lo ideal sera que la diferencia entre el valor observado del PIB y el estimado sean los ms pequeos posibles. Dicho valor ya se esperaba por el impacto que tiene la variable TC. LOG LIKEHOOD Es el valor de la funcin objetivo en el mximo cuando estimamos por mxima verosimilitud, es decir, cuando obtenemos los estimadores de los

parmetros que maximizan la probabilidad de la muestra y su valor es de -446.3591. DURBIN-WATSON STAT Sirve para contrastar la hiptesis de incorrelacin entre las perturbaciones aleatorias frente a la presencia de autocorrelacin. La DurbinWatson tiene un valor de 0.241706, por lo tanto hay autocorrelacin serial positiva, esto porque algunas variables que pertenecen al modelo estn incluidas en el trmino de error y necesitan desecharse e introducirse por si mismas como variables explicativas. Problema que solucionaremos ms adelante. MEAN DEPENDENT VAR Las caractersticas bsicas de la variable dependiente vienen recogidas en este coeficiente mediante su media y su valor es 973224.8. S. D. DEPENDENT VAR Esta es similar a mean dependent var. Se basa en la desviacin tpica muestral y equivale a 308749.8. AKAIKE INFO CRITERION Este criterio es un estadstico que sirve para analizar la capacidad explicativa de un modelo y permite realizar comparaciones a este respecto entre modelos anidados. Su valor es alto (26.49171). SCHWARZ CRITERION Al igual que el anterior tiene la misma funcin y su valor es de 26.67128. F STATISTIC Es el estadstico que se construye para contrastar si los parmetros a las variables explicativas del modelo (exceptuando el trmino independiente) son conjuntamente iguales a cero. En E-views el valor es 52.47487, la f en tablas es de 5.39 por lo cual se rechaza la Ho.

PROB (F-STATISTIC) Su valor mximo para ser aceptado es de 0.05. Nuestro valor es 0.000000, lo que significa que en esta especificacin nuestras variables son conjuntamente significativas.

SUPUESTOS DE MNIMOS CUADRADOS ORDINARIOS

Supuesto 1. E(Ui) = 0. Deteccin del valor esperado de la perturbacin igual a cero Prueba Jarque-Bera. Se busca que los errores se distribuyan y tiene que ser menor a X2. (JB < X2) = 1 -

Por lo tanto, (2.088907<3.84), es decir; el supuesto se cumple. Supuesto 2. E(Ui, Uj) = 0 cuando i j. Deteccin de Autocorrelacin Para eliminar el problema de autocorrelacin serial positiva aplicamos tcnicas de regresin no lineales, obteniendo una Durbin-Watson elevada (2.906010), en una zona de indeterminacin.
Estimation Command: ===================== LS PIB X M TC C AR(1) Estimation Equation: ===================== PIB = C(1)*X + C(2)*M + C(3)*TC + C(4) + [AR(1)=C(5)] Substituted Coefficients: ===================== PIB = -0.9334643177*X + 4.418694571*M - 3440.944979*TC + 908227.5501 + [AR(1)=0.8671557156]

CUADRO 2

Dependent Variable: PIB Method: Least Squares Date: 12/09/04 Time: 13:00

Simple(adjusted): 1971 2003 Included observations: 33 after adjusting endpoints Convergente achieved after 9 iterations Variable Coefficient Std. Error t-Statistic X -0.933464 2.414002 -0.386688 M 4.418695 1.787141 2.472494 TC -3440.945 18683.97 -0.184166 C 908227.6 157413.5 5.769693 AR(1) 0.867156 0.077855 11.13816 R-squared 0.972102 Mean dependent var Adjusted R-squared 0.968116 S.D. dependent var S.E. of regression 53358.35 Akaike info criterion Sum squared resid 7.97E+10 Schwarz criterion Log likelihood -403.3119 F-statistic Durbin-Watson stat 2.906010 Prob(F-statistic) Inverted AR Roots .87

Prob. 0.7019 0.0198 0.8552 0.0000 0.0000 989253.7 298826.0 24.74618 24.97292 243.9122 0.000000

Por lo anterior, aplicamos el contraste de BREUSCH-GODFREY que consiste en permitir a la hiptesis alternativa procesos estocsticos ms generales, autoregresivos de orden p(AR(p)) o medias mviles de orden q(MA(q)), y poderse utilizar cuando entre los regresores se incluye la variable endgena retardada.
Estimation Command: ===================== LS PIB C X M TC Estimation Equation: ===================== PIB = C(1) + C(2)*X + C(3)*M + C(4)*TC Substituted Coefficients: ===================== PIB = 702716.6322 + 4.095578724*X + 2.022551263*M - 14667.2641*TC

CUADRO 3
Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared Test Equation: 27.67560 22.57845 Probability Probability 0.000000 0.000013

Dependent Variable: RESID Method: Least Squares Date: 12/09/04 Time: 13:21 Presample missing value lagged residuals set to zero. Variable C X M TC RESID(-1) RESID(-2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 4100.556 -0.576219 0.907895 -8059.706 0.718787 0.129520 0.664072 0.604085 77723.99 1.69E+11 -427.8145 1.565072 Std. Error t-Statistic 19899.03 0.206068 2.210726 -0.260647 1.934494 0.469319 16864.71 -0.477904 0.186615 3.851707 0.191156 0.677563 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Prob. 0.8382 0.7963 0.6425 0.6364 0.0006 0.5036 -8.39E-11 123524.8 25.51850 25.78786 11.07024 0.000006

Con este contraste la Durbin-Watson es ideal pues hay ausencia de correlacin serial (1.565072) Supuesto 3. E(Ui, Uj) = cuando i = j. Deteccin de Heterocedasticidad Decidimos utilizar el Contraste de White, ya que no precisa de una especificacin concreta de la heterocedasticidad bajo la alternativa. La forma de realizar el contraste se basa en la regresin de los errores mnimos cuadrticos al cuadrado, que son el indicativo de la varianza de las perturbaciones, frente a un trmino independiente, los regresores, sus cuadrados y sus productos cruzados dos a dos (o de segundo orden). La interpretacin del contraste reside en que si las perturbaciones fueran homocedsticas, las variables incluidas en la regresin auxiliar no deberan tener ningn poder explicativo sobre los residuos al cuadrado y, por tanto, el R 2 debera ser pequea.

Estimation Command: ===================== LS PIB C X M TC Estimation Equation: ===================== PIB = C(1) + C(2)*X + C(3)*M + C(4)*TC Substituted Coefficients: ===================== PIB = 702716.6322 + 4.095578724*X + 2.022551263*M - 14667.2641*TC

CUADRO 4
White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/09/04 Time: 13:43 Sample: 1970 2003 Included observations: 34 Variable C X X^2 X*M X*TC M M^2 M*TC TC TC^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 3.66E+10 -2524134. 84.78396 -113.6104 -589456.5 346334.6 46.43484 324772.5 2.24E+10 6.14E+08 0.548279 0.378884 1.36E+10 4.45E+21 -835.6937 0.615014 Std. Error 5.65E+09 1557690. 76.26701 103.0859 961618.1 1347918. 47.48596 632080.1 8.85E+09 4.45E+09 t-Statistic 6.474760 -1.620434 1.111673 -1.102095 -0.612984 0.256940 0.977864 0.513815 2.531959 0.137951 Prob. 0.0000 0.1182 0.2773 0.2814 0.5457 0.7994 0.3379 0.6121 0.0183 0.8914 1.48E+10 1.73E+10 49.74669 50.19562 3.236687 0.010317 3.236687 18.64150 Probability Probability 0.010317 0.028420

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Supuesto 4. Multicolinealidad. Una cuestin importante que debe analizarse al estudiar los resultados de un modelo de regresin es el grado de relacin lineal existente entre las observaciones de las variables explicativas. A este respecto, las posibles situaciones son tres: Multicolinealidad perfecta: se da cuando existe una relacin lineal exacta entre algunos o todos los regresores incluidos en el modelo. Ortogonalidad: supone la ausencia de relacin lineal entre algunos o todos los regresores incluidos en el modelo. Multicolinealidad imperfecta: consiste en la existencia de una relacin lineal fuerte entre los regresores del modelo.

Para determinar la presencia de multicolinealidad en nuestro modelo, en primer lugar calculamos la matriz de correlaciones donde la magnitud del

coeficiente de correlacin lineal es de 0.976650, lo cual muestra un alto grado de multicolinealidad imperfecta, que a su vez viene recogido por el determinante de la matriz. Despus computamos el determinante de nuestra matriz de correlaciones, teniendo un valor de 0.000699671310301. Dicho valor esta prximo a cero, lo que indica la presencia de multicolinealidad en el modelo. Para resolver este problema, recurrimos a una solucin prctica que es la transformacin de las variables incluidas en el modelo en un intento de que las variables transformadas presenten correlaciones lineales ms bajas.
Estimation Command: ===================== LS D( X ) D(M) D(TC) C Estimation Equation: ===================== D(X) = C(1)*D(M) + C(2)*D(TC) + C(3) Substituted Coefficients: ===================== D(X) = 0.6344919662*D(M) + 5205.614563*D(TC) + 20.65906135

CUADRO 5
Dependent Variable: D(X) Method: Least Squares Date: 12/09/04 Time: 16:02 Sample(adjusted): 1971 2003 Included observations: 33 after adjusting endpoints Variable Coefficient Std. Error t-Statistic D(M) 0.634492 0.086359 7.347105 D(TC) 5205.615 1229.518 4.233865 C 20.65906 953.9625 0.021656 R-squared 0.699373 Mean dependent var Adjusted R-squared 0.679331 S.D. dependent var S.E. of regression 4230.337 Akaike info criterion Sum squared resid 5.37E+08 Schwarz criterion Log likelihood -320.8036 F-statistic Durbin-Watson stat 1.828692 Prob(F-statistic)

Prob. 0.0000 0.0002 0.9829 4956.788 7470.443 19.62446 19.76050 34.89567 0.000000

BIBLIOGRAFA

GUJARATI, Damodar. Econometra. Segunda Edicin. Mc-Graw Hill. Mxico, 1996.

GONZLEZ, Yolanda. Anlisis Economtrico con E-views. Tercera Edicin. Espaa. Alfaomega RA-MA.

www.inegi.gob.mx