Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULTAD DE ECONOMA
ESCUELA PROFESIONAL DE ECONOMA
Modelos estticos.
Modelos dinmicos
Yt 0 1 X 1,t 2 X 2,t t
Yt 1Yt 1 2Yt 2 0 1 X 1,t 2 X 2,t t
Yt = 0 + 1 D1 + 1 X1 + 2 (D1 X1) + et
2
(1) yt 1 yt 1 t
Pseudo-F estadstico
(2) yt 1 yt 1 t
(3) yt 1 t yt 1 t
Pseudo-t estadstico por :
H0 : 0
H1 : 0
modelo (1)
modelo (2)
modelo (3)
( RSS R RSSU ) / r
RSSU /(T k )
para :
H0 : 0
F1
modelo (2)
H 0 : 0 F2
modelo (3)
H0 : 0
modelo (3)
F3
P( t 3.41) 0.05
t - t 1
Tinft Tinfet
Tinft
= 0 + 1 T desempleot + et
= 0 + 1 T desempleot + et
= 0 + 1 T desempleot + et
3
yt t yt 1 t
H 0 : 0
rechazar (no raiz unitaria)
H1 : 0
acceptar (se va al paso 2.)
2. Contraste por la tendencia
rechazar ( 0) se puede usar la Normal
H 0 : 0 F3
3. Estimar
H 0 : 0
rejechazar (no raiz unitaria)
H1 : 0
acceptar (se va al paso 4.)
yt yt 1 t
H 0 : 0
rejechazar (no raiz unitaria)
H1 : 0
accept (stop)
4
0.50
0.00
-0.50
30000
40000
Autocorrelations of PBI
50000
60000
1.00
ANLISIS DE ESTACIONARIEDAD
PER: PBI a precios de 1994 en Millones de nuevos S/.
-1.00
20000
1980q1
1990q1
Aos
2000q1
2010q1
10
20
Lag
30
40
AC muestra que la
correlacin entre el valor
actual del PBI y su valor
hace
tres
trimestres
0.8781. AC se puede
utilizar para definir la q en
MA(q) slo en serie
estacionaria
Vista grfica de la AC
que muestra un deterioro
en la tendencia,
sugiriendo no
estacionariedad. Ver
tambin el comando de la
AC
7
La figura de la Funcin de Autocorrelacin simple (o parcial) FAS y el correlograma, indican la no estacionariedad del PBI dado
que exterioriza estimaciones rho decrecientes exponencialmente de mayor a menor (entre 1 y -1) llegando a cero, tomando valores
negativos y la mayor parte de ellos se encuentran fuera del intervalo de confianza.
Por otra parte, el correlograma exhibe los valores del FAS (vanse columna AC) decrece desde o.9457 hasta 0.4072
Los resultados descritos para FAS y Q ayudan a comprobar que el PBI no es ruido blanco
8
Las probabilidades del estadstico Q Ljung-Box, con un nivel del 5% Rechazamos la hiptesis nula (Ho)
ANLISIS DE ESTACIONARIEDAD
PER: PBI a precios de 1994 en Millones de nuevos S/.
-0.50
0.00
0.50
Autocorrelations of PBILnD1
.1
0
-.1
-1.00
-.2
.2
1.00
ANLISIS DE ESTACIONARIEDAD
PER: PBI a precios de 1994 en Millones de nuevos S/.
1980q1
1990q1
Aos
2000q1
2010q1
10
20
Lag
30
40
En este caso, la primera diferencia en el logaritmo del PBIt (PBILnD1) no muestra una tendencia, sino movimiento senoidales,
aparentemente la variable cuestionada presenta media y varianza estables entre 1980Q1 2013Q1
13
La figura de la Funcin de Autocorrelacin simple (o parcial) FAS y el correlograma, indican la posible estacionariedad del PBI
dado que exterioriza estimaciones rho senoidales intercaladas y la mayor parte de ellos se encuentran dentro de su intervalo de
confianza.
Por otra parte, el correlograma exhibe los valores del FAS (vanse columna AC) intercalados, desde -0.6267 hasta 0.6321 (decrece
desde 0.9457 hasta 0.4072)
Los resultados descritos para FAS y Q ayudan a comprobar que el PBILnD1 no es ruido blanco
14
Las probabilidades del estadstico Q Ljung-Box, con un nivel del 5% Aceptamos la hiptesis nula (Ho) ?
15
La figura de la Funcin de Autocorrelacin simple (o parcial) FAS y el correlograma, indican la posible estacionariedad del PBI
dado que exterioriza estimaciones rho senoidales intercaladas y la mayor parte de ellos se encuentran dentro de su intervalo de
confianza.
Por otra parte, el correlograma exhibe los valores del FAS (vanse columna AC) intercalados, desde -0.6267 hasta 0.6321 (decrece
desde 0.9457 hasta 0.4072)
Los resultados descritos para FAS y Q ayudan a comprobar que el PBILnD1 no es ruido blanco
Las probabilidades del estadstico Q Ljung-Box, con un nivel del 5% Aceptamos la hiptesis nula (Ho)
16
-.5
MA roots
-1
Imaginary
.5
Characteristic roots
-1
-.5
0
Real
.5
Los tres valores de las races del polinomio caracterstico para el proceso MA son menores a uno.
Adems, estos tres valores se encuentran dentro del crculo unitario, indicando que la variable dependiente es
estacionaria.
18
10
15
Frequency
20
25
-.2
-.1
0
residual, one-step
.1
.2
19
wntestq error
20
10
tsappend, add(2)
predict PBILnf, y dynamic(196)
gen PBIf=exp(PBILn)
60000
50000
PBIf
20000
30000
40000
50000
40000
30000
20000
60000
1980q1
1985q1 1990q1
1995q1 2000q1
Aos
2005q1 2010q1
2015q1
PBIf
Se aprecia que el valor observado y proyectado del PBI llevan trayectorias similares, no obstante los valores
pronosticados de los ltimos periodos sobrepasan los observados.
La prediccin est bien ajustada de acuerdo con el coeficiente de Theil (0.06103) cercano a cero, ocurrira lo
contrario cuando este tienda a uno.
22
11
24
12
predict MMy1
list MMetalica MMy1 if _n<=10
predict MMy2, y
list MMetalica MMy1 MMy2 if _n<=10
25
2000
2500
500
1000
1500
1980q1
1990q1
Aos
2000q1
2010q1
y prediction, one-step
26
13
500
1000
1500
2000
2500
1980q1
1990q1
Aos
2000q1
lower/upper
2010q1
y prediction, one-step
27
2000
2500
1000
1500
500
1980q1
1985q1
1990q1
1995q1 2000q1
Aos
Observada
Dinmica
2005q1
2010q1
Un paso adelante
2015q1
14
En este segundo modelo ambos valores de los criterios de informacin son menores, por lo cual nos quedamos
con el modelo que incorpora el componente de la media mvil (MA).
Cmo escoger la cantidad de componentes AR y MA en el Modelo?
29
-200
200
2000
1500
1000
-400
500
400
2500
1980q1
1985q1
1990q1
1995q1 2000q1
Aos
2005q1
2010q1
2015q1
1980q1
1985q1
1990q1
1995q1 2000q1
Aos
2005q1
2010q1
2015q1
30
15
0.20
-0.60
-0.40
-0.20
0.00
10
20
Lag
30
40
31
16
tsappend, add(7)
predict aditiva, y dynamic(tq(2010,1))
tsline aditiva MMetalica if Aos>=tq(2000,1)
2000q1
2005q1
Aos
2010q1
y prediction, dyn(tq(2010,1))
2015q1
2008q3
2010q3
2012q3
Aos
y prediction, dyn(tq(2010,1))
2014q3
2016q3
33
de la Minera Metlica)
34
17
de la Minera Metlica)
2800
2000
2000
2200
2200
2400
2400
2600
2600
2800
tsline mult aditiva MMetalica if Aos>=tq(2008,1), title("ESTACIONALIDAD ADITIVA DEL MODELO ARIMA")
subtitle("Proyeccin Serie Observada: Minera Metlica 1980Q1 2013Q1") note("Fuente: BCRP Memoria 2012 //Econ. Orlando
Torres Montes")
2008q3
2010q3
2012q3
Aos
2014q3
y prediction, dyn(tq(2010,1))
Minera Metlica (Mlls S/)
2016q3
y prediction, dyn(tq(2010,1))
2008q3
2010q3
2012q3
Aos
Multiplicativa
Observada
2014q3
2016q3
Aditiva
tsline mult aditiva MMetalica if Aos>=tq(2008,1), legend(label(1 "Multiplicativa") label(2 "Aditiva") label(3
"Observada"))
35
10000
4000
6000
8000
2000
1500
1000
2000
500
2500
12000
36
18
Cuando los tres criterios estn de acuerdo, la seleccin est clara, pero qu pasa cuando consiguiendo resultados contradictorios.
Un documento de la CEPR sugiere, en el contexto de los modelos VAR, que :
AIC tiende ser ms exactos con datos mensuales.
HQIC funciona mejor para datos trimestrales sobre muestras de ms de 120 y
SBIC funciona bien con cualquier tamao de la muestra para datos trimestrales (en modelos VEC Vectores Autoregresivos).
En nuestro ejemplo anterior tenemos datos trimestrales con 133 observaciones, HQIC sugieren un rezago de 6.
37
38
19
0.00
-1.00
2000
-0.50
3000
4000
Rho estimado
0.50
1.00
5000
ESTACIONALIDAD y DESESTACIONALIDAD
DETECTAR ESTACIONALIDAD:Sector Agrcola 1980Q1 2013Q1
1000
6000
1980q1
1990q1
Aos
2000q1
2010q1
10
20
Rezago respectivo de rho p
30
40
En este caso, el Sector Agropecuario Peruano, muestra una tendencia creciente lineal, con pronunciados
movimientos ondulatorios estacionales.
Es decir, la variable cuestionada presenta media y varianza inestables entre 1980Q1 2013Q1, dada la presencia
tendencial, estacional e irregular en ella.
39
Conlleva a firmar que la serie (Agro) es estacional, no es estacionaria en media y varianza.
corrgram Agro
40
20
41
21
"Log Agropecuario"
"1ra S Agropecuario"
"1ra Diferencia del Ln Agro"
-.4
-.2
.2
.4
.6
1980q1
1990q1
Aos
2000q1
2010q1
43
0.00
-0.50
-1.00
Rho estimado
0.50
1.00
10
20
Rezago respectivo de rho p
30
40
La figura de la Funcin de Autocorrelacin simple (o parcial) FAS y el correlograma, indican la posible estacionariedad del Agro dado
que exterioriza estimaciones rho senoidales intercaladas y la mayor parte de ellos se encuentran dentro de su intervalo de confianza.
Por otra parte, el correlograma exhibe los valores del FAS (vanse columna AC) intercalados, desde -0.1997 hasta 0.8204
Los resultados descritos para FAS y Q ayudan a comprobar que el ALnD1 no es ruido blanco
Las probabilidades del estadstico Q Ljung-Box, con un nivel del 5% Aceptamos la hiptesis nula (Ho) ?
44
22
En este caso tau (t) = - 5.775 y su probabilidad es igual a 0.000 ; nos indica ACEPTAMOS LA HIPTESIS NULA (Ho)
Por lo tanto el Agro es estacionario en su primera diferencia logartmica.
En otras palabras, es integrado de orden una ALn I(1)
En este caso el valor de tau (t) es negativo y su valor absoluto t = 5.775, significa que 1 < Rho < 1.
Valor, comparable con los valores absolutos crticos de MacKinnon 1% 4.031 5% 3.446 10% 3.146
Valores que ratifican la aceptacin de la hiptesis nula (Ho)
Estos resultados con los anteriores de ruido blanco hacen que la serie ALnt resulta dbilmente estacionarios, por lo cual es
posible encontrar PGD (Proceso Generador Datos) a travs de estructura AR y MA que permita pronosticarla.
Dado que result integrada de orden uno, sin estacionalidad, la especificacin del modelo para proyectarla es un ARIMA(p,1,q)
An existe el componente estacional // Razn por lo que se debe desestacionalizar el S Agrario en 1ra Diferencia
45
0
-.2
-.4
.2
1980q1
1990q1
Aos
2000q1
2010q1
En este caso, la diferencia estacional cada trimestre la primera diferencia logartmica del S Agrario desestacionalizado muestra movimientos senoidales sin tendencia.
Econmicamente, sta transformacin (ALnD1) representa
el incremento porcentual trimestral, trimestre a trimestre
del valor en el Sector Agrcola, en otras palabras es la tasa
de crecimiento trimestral.
Aparentemente la variable cuestionada presenta media y
varianza estable entre 1980Q1 y 2013Q1.
Donde presumiblemente la serie en primeras diferencias
logartmica estacionales es estacionaria en media y
varianza, con desvanecimiento debido al componente
estacional.
46
23
0.00
-0.20
-0.40
Rho estimado
0.20
0.40
10
20
Rezago respectivo de rho p
30
40
De esta manera se puede apreciar como desvaneci por completo la estacionalidad cada 2 trimestres, indicando posible
estacionariedad dbil para el Sector Agrario dado que exterioriza estimaciones Rho senoidales intercalados y la mayor parte de ellos
se encuentran dentro de su intervalo de confianza.
Por otra parte, el correlograma exhibe los valores del FAS (vanse columna AC) intercalados, desde -0.3063 hasta 0.1037
Los resultados descritos para FAS y Q ayudan a comprobar que el AGRO es ruido blanco
Las probabilidades del estadstico Q Ljung-Box, con un nivel del 5% Aceptamos la hiptesis nula (Ho) ?
47
24
De esta manera y acorde con el detalle que observamos indica que el PGD para 4AGROt viene dado por un MA(1) y SMA(1) 4 dado
el movimiento senoidal en FAP , el primer y quinto rezagos significativos en el FAS, fuera del intervalo de confianza.
Entonces el modelo a especificar y estimar para proyectar el S AGRARIO debera ser SARIMA (0,1,1) (0,1,1) 4
sta ltima parte, significa una diferencia estacional y un componente MA cada 4 trimestres (S = 4) dentro del PGD del Agro.
No obstante y acorde con lo estimado, la especificacin se convierte en un ensayo error; por esto, tambin posiblemente se puedan
estimar las especificaciones SARIMA(4, 1, 0) (0, 1, 1) 4 y SARIMA(1, 1, 4) (0, 1, 1)4
Al final, en la validacin del modelo, se elige en el que tenga el criterio AKAIKE ms pequeo
49
estat ic
wntestq error1
50
25
51
52
26
wntestq error3
armaroots
.5
Characteristic roots
MA roots
-1
-.5
Imaginary
-1
-.5
0
Real
.5
53
1980q1
1985q1
1990q1
1995q1
2000q1
Aos
2005q1
2010q1
2015q1
Af
La prediccin est bien ajustada de acuerdo con el coeficiente de Theil (0.07604) cercano a cero, ocurrira lo contrario
54
cuando este tienda a uno.
27
55
56
28
2000q3
2003q3
2006q3
Aos
2012q3
1000
8000
10000
2009q3
0
-1000
Residuals
4000
6000
5000
4000
3000
12000
2000
6000
1980q1
1990q1
Aos
2000q1
2010q1
57
Cuando los tres criterios estn de acuerdo, la seleccin est clara, pero qu pasa cuando consiguiendo resultados contradictorios.
Un documento de la CEPR sugiere, en el contexto de los modelos VAR, que :
AIC tiende ser ms exactos con datos mensuales.
HQIC funciona mejor para datos trimestrales sobre muestras de ms de 120 y
SBIC funciona bien con cualquier tamao de la muestra para datos trimestrales (en modelos VEC Vectores Autoregresivos).
En nuestro ejemplo anterior tenemos datos trimestrales con 133 observaciones, HQIC sugieren un rezago de 5.
58
29
Cuando se utiliza xcorr lista la primera variable independiente y la variable dependiente en segundo lugar
xcorr Agro Export, lags(10) xlabel(-10(1)10,grid)
xcorr Agro Export, lags(10) table
1.00
0.50
0.00
-0.50
-1.00
-1.00
-0.50
0.00
0.50
1.00
Cross-correlogram
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1
Lag
2 3
4 5
7 8
9 10
En 10 Rezagos existe una correlacin positiva inmediata entre el Sector Agropecuario y las Exportaciones. Esto
significa que un aumento en el S. Agropecuario provoca una disminucin inmediata en las Exportaciones.
59
30
1000
Residuals
1000
0
-1000
-1000
Residuals
2000
2000
3000
1980q1
1990q1
Aos
2000q1
2010q1
1980q1
1990q1
Aos
2000q1
2010q1
31
-400
-200
Residuals
200
400
1980q1
1990q1
Aos
2000q1
2010q1
ECONOMETRA:
ESTABILIDAD ESTRUCTURAL O PARAMTRICA
64
32
33
20
40
-40
-20
1980q1
1990q1
Aos
2000q1
2010q1
67
Periodo 1980Q1 2013Q1: PBI real = 13866 + 0.5848.Manufvp + 0.0466.Expvp + et n = (n1 + n2) = 133 (3)
Interpretando y evaluando el modelo solicitado:
B0
EL PBI real constante del periodo 1980Q1 2013Q1, es del 1.39 % || Es muy significativo
B1Manufvp El aporte de la Manufactura es del 0.58%; es decir, aun incremento del 1% ms de la Manufactura,
el PBI real se incrementa en 0.58 %
B2Expvp
Las Exportaciones reales son 0.047%; es decir, un incremento de 1% ms en las Exportaciones, el
PBI se incrementa en 0.047%
68
34
50
Manufactura%
-10
PBI real %
10
Producto
Bruto
Interno%
-20
-50
40
20
Exportaciones%
-40
-20
-20
-20
20-50
50
20
40
Manufactura %
twoway scatter PBIvp Manufvp||(lfit PBIvp Manufvp)||(lfit PBIvp Expvp), legend(label(2 "Manufactura %") label (3 "Exportaciones
%")) ytitle(PBI real %) title("ANLISIS DE ESTABILIDAD O QUIEBRE ESTRUCTURAL") subtitle("PER: PBI, Manufactura y
Exportaciones Variacin %") note(Fuente: BCRP 2012// Econ. Orlando Torres Montes")
69
lower
CUSUM squared
CUSUM squared
CUSUM
1980q4
Aos
2013q1
1980q4
Aos
2013q1
70
35
71
twoway scatter PBIvp Manufvp if tin(1980q1,1990q4)||lfit PBIvp Manufvp if tin(1980q1,1990q4)||lfit PBIvp Expvp if
tin(1980q1,1990q4), legend(label(2 "Manufactura %") label (3 "Exportaciones %")) ytitle(PBI real %) title("ANLISIS DE
ESTABILIDAD O QUIEBRE ESTRUCTURAL") subtitle("PER: PBI, Manufactura y Exportaciones Variacin % 1980Q11990Q4") note("Fuente: BCRP Memoria 2012// Econ. Orlando Torres Montes")
Garca Prez
Garca Prez
Garca
Prez
Garca
Prez
10
Belande Terry
Belande
Terry
Garca
Prez
Belande
Garca
PrezTerry
Belande
Terry
Belande
Terry
Belande
Terry
Garca
Prez
Belande
Belande
Terry
Terry
Belande
Terry
Belande
Belande
TerryTerry
Belande
Terry
Garca
Prez
Belande Belande
Terry Garca
TerryPrez
Garca
Prez
Belande Terry
Garca
Prez
Garca
Prez
Belande
Terry
Belande
Terry
Belande
Terry
Belande
Terry
Garca
Prez
Belande
Terry
PBI real %
-10
Belande
Terry
Belande
Terry
Belande
Terry
Belande
Terry
Garca
Prez
Garca Prez
Garca
Prez
Garca
Prez
-20
-20
-10
PBI real %
10
20
-40
-20
20
40
Manufactura %
Garca
Prez
Garca
Prez
Garca
Prez
-40
-20
20
twoway scatter PBIvp Manufvp if tin(1980q1,1990q4), mlabel(Gobiernos)||lfit PBIvp Manufvp if tin(1980q1,1990q4)||lfit PBIvp
Expvp if tin(1980q1,1990q4), legend(label(2 "Manufactura %") label (3 "Exportaciones %")) ytitle(PBI real %) title("ANLISIS
DE ESTABILIDAD O QUIEBRE ESTRUCTURAL") subtitle("PER: PBI, Manufactura y Exportaciones Variacin %")
note("Fuente: BCRP Memoria 2012// Econ. Orlando Torres Montes")
40
Manufactura %
72
36
73
10
Fujimori Fujimori
Fujimori Fujimori
Fujimori
Fujimori
Garca
Prez
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Garca
Prez
Garca
Prez
Garca
Fujimori
Fujimori
Garca
Prez
GarcaPrez
Prez
Garca
Prez
Garca
Prez
Toledo
Manrique
Manrique
FujimoriToledo
Fujimori
Garca
Prez
Garca
Prez
Garca
Prez
Toledo
Manrique
Toledo
Manrique
Toledo
Manrique
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Garca
Prez
Toledo
Manrique
Humala
Tasso
Toledo
Manrique
Toledo
Manrique
Garca
Prez
Garca
Toledo
Prez
Manrique
Humala
Tasso
Fujimori
Fujimori
Garca
Prez
Humala
Tasso
Toledo
Manrique
Humala
Tasso
Fujimori
Fujimori
Toledo
Fujimori
Manrique
FujimoriFujimori Fujimori
Fujimori
Fujimori
Garca
Prez
Toledo
Manrique
Fujimori
Fujimori
Toledo
Manrique
Fujimori
Fujimori
Humala
Tasso
Toledo
Manrique
Paniagua
Corazao
Toledo
Manrique
Toledo
Manrique
Garca
Prez
Fujimori
Fujimori
Fujimori
Toledo
Fujimori
Manrique
Toledo
Manrique
Toledo
Manrique
Fujimori
Fujimori
Fujimori
Fujimori
Toledo
Manrique
Garca
Prez
Paniagua
Corazao
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Garca
Prez
Fujimori
Fujimori
Paniagua
Garca
Prez
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori
Fujimori Corazao
Fujimori Fujimori
Fujimori Fujimori
Paniagua Corazao
Fujimori Fujimori
-10
PBI real %
10
0
-10
PBI real %
20
-20
-10
10
20
30
Manufactura %
Fujimori Fujimori
-20
-10
10
20
30
Manufactura %
twoway scatter PBIvp Manufvp if tin(1991q1,2013q1), mlabel(Gobiernos)||lfit PBIvp Manufvp if tin(1991q1,2013q1)||lfit PBIvp
Expvp if tin(1991q1,2013q1), legend(label(2 "Manufactura %") label (3 "Exportaciones %")) ytitle(PBI real %) title("ANLISIS
DE ESTABILIDAD O QUIEBRE ESTRUCTURAL") subtitle("PER: PBI, Manufactura y Exportaciones Variacin %")
note("Fuente: BCRP Memoria 2012// Econ. Orlando Torres Montes")
Fujimori Fujimori
74
37
SCRNR / n1 n2 2k
scalar list SCRnr gl
scalar F=((SCR3-SCRnr)/3)/((SCRnr)/gl)
scalar list F
//6.38069 VC = F2,127 = 3.04 // Rechazamos la Ho
Si no hay cambio estructural, la hiptesis nula es:
Ho: Las estimaciones de los parmetros se mantendrn constantes al ir aumentando las muestras secuencialmente y los residuos no
se desviarn ampliamente de cero para el periodo 1980Q1 2013Q1
Rechazamos la hiptesis nula (Ho).
La prueba CHOW, apoya la conjetura de que la relacin PBIvp con Manufactura y las Exportaciones, sufri un cambio estructural
en Per en el periodo 1980Q1 2013Q1
75
Podemos extender los periodos por gobiernos y proceder con la metodologa.
Las suposiciones subyacentes en la prueba deben satisfacerse. Por ejemplo, se debe averiguar si las varianzas de
los errores en las regresiones 01 y 02 son las mismas.
La prueba de Chow dir slo si las dos regresiones 01 y 02 son diferentes, pero no sealar si la diferencia se
debe a las intersecciones o a las pendientes, o a ambas.
La prueba de Chow supone que se conoce(n) el (los) punto(s) de ruptura estructural. En el ejemplo, se supuso
que se dio en 1990Q4. No obstante, si no es posible determinar cundo ocurri en verdad el cambio estructural.
2
SRC1
SRC1
2
n1 2
n2 2
scalar Var1=(SCR1/(n1-2))
scalar Var2=(SCR2/(n2-2))
Nota: por convencin, se coloca la ms grande de las varianzas estimadas en el numerador luego de calcula F
scalar list Var1 Var2 n1 n2 n3
scalar F=(Var1/Var2)
scalar list F //F=1.527055 GL n1= (44-2) = 42 n2=87 F=42,87 = 1.50 5% 1.76 1%
76
38
1.50 y 1.76
Nota: por convencin, se coloca la ms grande de las varianzas estimadas en el numerador luego de calcula F
CONCLUSIN:
-Rechazamos la hiptesis nula (H0) al 5%.- Las varianzas del primer y segundo periodo No son iguales
-No debemos utilizar la prueba Chow
-La prueba de Chow es sensible a la eleccin del tiempo.
77
LA VARIABLE DICTOMA
ALTERNATIVA A LA PRUEBA CHOW
78
39
79
40
= Regresiones coincidentes
= Regresiones Paralelas
= Regresiones concurrentes
= Regresiones No similares
Gasto
Yt = 0 + 1 X1
Yt = 0 + 1 X1
Yt = (0 + 1 ) + 1 X1
Regresiones Coincidentes
Regresiones Paralelas
Ingreso
Ingreso
Yt = 0 + 1 X1
Gasto
Gasto
ESTABILIDAD ESTRUCTURAL
0 = 0 y 1 =
0 0 pero 1 =
0 = 0 pero 1
0 0 pero 1
Yt = 0 + 1 X1
Yt = (0 + 1 ) + (1 + 2 )* X1
Yt = (0 + 1 ) + (1 + 2 )* X1
Regresiones No Similares
Regresiones Concurrentes
Ingreso
Ingreso
81
B0
E Yi | D1i 0 0 1 . X 1 0 1 . X 1
E Yi | D1i 1 0 1 1 . X1 0 1 . X 1
D 0
D 1
La tasa de variacin de Yi, en D1 es siempre superior (B0 > 0) que en las D0 a igualdad de Xi.
Modelo Multiplicativo, es: Yt = 0 + 1 X1 + 2.(D1.X1) + ei
B1
E Yi | D1i 0 0 1 . X 1 0 1 . X 1
E Yi | D1i 1 0 ( 1 2 ) X1 0 1 . X 1
D 0
D 1
B1
B0
E Yi | D1i 0 0 1 . X 1 0 1 . X 1
D 0
E Yi | D1i 1 0 1 1 2 X1 0 1 . X 1
D 1
82
41
//REG1
42
E Yi | D1i 0 0 1 . X 1 0 1 . X 1
E Yi | D1i 1 0 1 1 . X1 0 1 . X 1
D 0
D 1
0 si
Dm :
1
//REG2
II
Periodo econmico
1980Q1 2012Q4: PBI vp = 0.17097 + 2.13395.Dum + 0.5708.Manufvp + 0.00823.Expvp + et n1 = 132
Periodo recesin econmica
1980Q1 1990Q4: PBI vp = 0.1709 + 0.5708.Manufvp + 0.00823.Expvp + et n1 = 44
Periodo estabilidad econmica 1991Q1 2012Q4: PBI vp = 2.304924 + 0.5708.Manufvp + 0.00823.Expvp + et
(3)
(1)
n2 = 88
(2)
85
//REG2
// PBIR = Periodo Recesin Econmica 1980Q1 1990Q4
// PBIE = Periodo Estabilidad Econmica B0= 2.304924
twoway scatter PBIvp Manufvp||lfit PBIvp Manufvp||lfit PBIR Manufvp||(lfit PBIE Manufvp), ytitle(PBI real %) title("Anlisis
Estructural y la Variable Dictoma") subtitle("Per: Recesin 1980Q1-1990Q4 y Estabilidad 1991Q1-2013Q1 Econmica")
note("Econ. Orlando Torres") legend(label(2 "Recesin Econmica") label(3 "Estabilidad Econmica") label(4 "PBI% Estimado"))
10
-20
-10
PBI real %
-20
-10
PBI real %
10
20
20
-40
-20
0
Manufactura%
20
40
Recesin Econmica
PBI% Estimado
-40
-20
0
Manufactura%
20
Recesin Econmica
twoway scatter PBIvp Manufvp||lfit PBIR Manufvp||(lfit PBIE Manufvp), ytitle(PBI real %) title("Anlisis Estructural y la
Variable Dictoma") subtitle("Per: Recesin 1980Q1-1990Q4 y Estabilidad 1991Q1-2013Q1 Econmica") note("Fuente: BCRP
Memoria 2012// Econ. Orlando Torres Montes") legend(label(2 "Recesin Econmica") label(3 "Estabilidad Econmica"))
40
86
43
Belaunde
Fujimori
predict yhatg
separate Manufvp, by(Gobiernos)
separate yhatg, by(Gobiernos)
87
10
Residuals
0
-10
-5
-20
-40
-20
0
Manufactura%
Belande
Garca
Paniagua
PBI% Estimado%
20
Fujimori
Humala
Toledo
40
-10
PBI real %
20
-20
-10
0
YEstimada
10
20
88
44
E Yi | D1i 0 0 1 . X 1 0 1 . X 1
E Yi | D1i 1 0 ( 1 2 ) X1 0 1 . X 1
D 0
D 1
III
gen PBIRC0=(1.263637+(.5851977*Manufvp)+(.015656*Expvp))
gen PBIRC1=(1.263637+((1.263637-.0182162)*Manufvp)+((1.263637+.0650982)*Expvp))
89
10
50
20
60
10
-10
-10
PBI real %
Fitted values
40
20
0
-40
-20
0
Manufactura%
20
40
-20
-50
-20
-20
-40
PBI real %
1
20
-40
-20
20
40 -40
-20
20
40
Manufactura%
PBI% estimado
Estabilidad Econmica
PBI% estimado
Estabilidad Econmica
Graphs by dum
twoway scatter PBIvp Manufvp||(lfit PBIvp Manufvp, by(dum))||(lfit PBIRC0 Manufvp, yaxis(2))||(lfit PBIRC1 Manufvp), ytitle(PBI
real %) legend(label(2 "PBI% estimado") label(3 "Resecin Econmica") label(4 "Estabilidad Econmica"))
90
45
E Yi | D1i 0 0 1 . X 1 0 1 . X 1
B1
B0
E Yi | D1i 1 0 1 1 2 X1 0 1 . X 1
D 0
D 1
IV
-20
0
Manufactura%
20
40
-10
-10
-20
-10
-20
10
10
20
-40
-20
Fitted values
PBI real %
10
20
10
-20
-10
PBI real %
1
20
-40
-20
20
40 -40
-20
20
40
Manufactura%
PBI% estimado
Estabilidad Econmica
PBI% estimado
Estabilidad Econmica
Graphs by dum
twoway scatter PBIvp Manufvp||(lfit PBIvp Manufvp, by(dum))||(lfit PBINS0 Manufvp, yaxis(2))||(lfit PBINS1 Manufvp)
92
46
3.770484: Diferencia entre el PBIreal estimado por estar inmerso en la estabilidad econmica,
mantenindose la IBFPreal constante.
0.2537809: variacin estimada en el PBIreal ante un aumento unitario porcentual de la IBFPreal en
tiempo de recesin econmica.
0.0117985: diferencia en el efecto marginal de la IBFPreal sobre el PBIreal por estar en estabilidad
econmica.
93
Para contestar si estar en Estabilidad Econmica es un factor explicativo del PBIreal, basta con comparar los
modelos I y II y contrastar si el coeficiente que acompaa a Dm en el modelo II B 2, es o no cero.
Planteamiento de Hiptesis:
Ho:
B2 = 0
No existe influencia de la estabilidad econmica
Ha:
B2 0
Si existe influencia de la estabilidad econmica
Nivel de significacin = 5 % 0.025
Estadstico de prueba: t
Regla de decisin:
Grados de libertad = n 3 = 132 3 = 129
t0.025, 129 = 1.98 V.C
Toma de decisin:
Este contraste se puede llevar a cabo utilizando el estadstico t que, en este caso, toma el valor:
t = [(3.682371 0)/0.8077255] = 4.55894
Conclusin:
Rechazamos la hiptesis nula (Ho) a un nivel de significacin del 5%
Por lo que afirmamos que el estar en estabilidad econmica es un factor explicativo de la variable PBIreal.
94
47
95
48
3.
4.
Slo fue necesaria una regresin, ya que las regresiones individuales pueden derivarse con facilidad a
partir de ella.
La regresin Yt = B0 + B1.D1 + B2.X + B3 (D1.X) + et se utiliza para probar una diversidad de hiptesis.
Por lo tanto, si el coeficiente de la interseccin diferencial B1 es estadsticamente insignificante, se podra
aceptar la hiptesis de que dos regresiones tienen la misma interseccin; es decir, ambas regresiones son
concurrentes. De modo semejante, si el coeficiente de la pendiente diferencial B3 es estadsticamente
insignificante, pero B1 es significante, tal vez no se rechace la hiptesis de que dos regresiones tienen la
misma pendiente; es decir, las dos rectas de regresin son paralelas. La prueba de estabilidad de toda la
regresin (B1 = B3 = 0, de manera simultnea) se lleva a cabo mediante la prueba F usual (recurdese la
prueba F de los MC Restringidos). Si no se rechaza la hiptesis, entonces las rectas de regresin sern
coincidentes.
La prueba CHOW no establece de manera explicita cul coeficiente, interseccin o pendiente es distinto,
o si son diferentes en los periodos. Es decir, se puede tener una prueba de CHOW significativa debido a
que slo la pendiente es diferente o a que slo la interseccin es distinta o porque ambas lo son. En otras
palabras, no se puede saber, mediante la prueba CHOW, cul de las cuatro posibilidades
esquematizadas es la que se tiene en una determinada instancia. A este respecto, el mtodo de la variable
dictoma tiene una clara ventaja, ya que no slo indica si las dos variables son distintas, sino que
tambin destaca la(s)causa(s) de la diferencia; si se debe a la interseccin, a la pendiente o a las dos.
Por ltimo, en vista de que el argumento (es decir, incluir todas las observaciones en una sola regresin)
aumenta los grados de libertad, tal vez mejore la precisin relativa de los parmetros estimados. Por
supuesto, tngase en cuenta que cada inclusin de una variable dictoma consumir un grado de
libertad.
97
98
49
//SIN CONSTANTE
En vez de regresionar con los 4 trimestres podemos suprimir en primero de interseccin a fin de evitar la trampa
de variables dictomas.
Supngase que se considera al primer trimestre como el trimestre de referencia o base y se asignan variables
dictomas al 2do, 3er y 4to trimestre.
xi: reg PBIvp D2 D3 D4, noheader
//CON CONSTANTE
100
50
//SIN CONSTANTE
//CON CONSTANTE
101
La Regresin
102
51
twoway (lfit PBID1 Manufvp, yaxis(2))||(lfit PBID2 Manufvp)||(lfit PBID3 Manufvp)||(lfit PBID4 Manufvp), ytitle(PBI real %)
legend(label(1 "Periodo D1") label(2 "Periodo D2") label(3 "Periodo D3") label(4 "Periodo D4")) title("Anlisis Estructural y la
Variable Dictoma") subtitle("Recesin 1980Q1-1990Q4 y Estabilidad 1991Q1-2013Q1 Econmica") note("Fuente: BCRP Memoria
2012// Econ. Orlando Torres Montes")
10
-20
-5
-10
PBI real %
Residuals
10
0
-10
-20
-40
-20
0
Manufactura%
Periodo D1
Periodo D3
20
Periodo D2
Periodo D4
40
-10
Fitted values
20
20
-20
-10
0
YEstimada
10
20
TEOREMA DE FRISCH-WAUGH
Si se desea una prueba informal del enunciado Teorema de FRISCH-WAUGH, slo se
siguen estos pasos:
1. Se hace la regresin de Y sobre las variables dictomas, como las regresiones 01 y 02,
y se guardan los residuos, por ejemplo S1; stos representan a la Y
desestacioinalizada.
2. Se efecta una regresin similar para X y se obtienen los residuos de esta regresin,
por ejemplo S2; tales residuos representan a la X desestacionalizada.
3. Se lleva a cabo la regresin de S1 sobre S2. Se descubrir que el coeficiente de la
pendiente de esta regresin es precisamente el coeficiente de X de la regresin 03.
104
52
Como lo muestra estos resultados, el costo marginal de invertir manufactura en el Per es de 0.585, es decir, del
58.5% por un milln de soles y aunque ste es cerca de 0.56661 = (0.58548 0.01887) 56.7 % para el sector
manufacturero por encima del 6 %, la diferencia entre los dos es estadsticamente significativa
gen PBIN0 = (1.268108+(.5854846*Manufvp)+(.0162061*Expvp))
gen PBIN1 = ((1.268108-(-.0188752*0.06))+(1.268108-(.064295*0.06)))+((.5854846.0188752)*Manufvp)+((.0162061+.064295)*Expvp)
106
53
twoway (lfit PBIN0 Manufvp, yaxis(2))||(lfit PBIN1 Manufvp), ytitle(PBI real %) legend(label(1 "Umbral 6% Resecin") label(2 "Umbral
6% Estabilidad")) title("Anlisis Estructural y la Variable Dictoma") subtitle("Recesin 1980Q1-1990Q4 y Estabilidad 1991Q1-2013Q1
Econmica") note("Fuente: BCRP Memoria 2012// Econ. Orlando Torres Montes")
10
-40
-20
0
Manufactura%
Umbral 6% Resecin
20
Umbral 6% Estabilidad
40
-10
-20
-10
PBI real %
Residuals
-20
-10
Fitted values
10
20
20
-20
-10
0
YEstimada
10
20
MUCHAS GRACIAS
108
54