Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Econometra III
Gua didctica
5 crditos
Titulaciones
Economista
Economista* (Econometra Dinmica y Modelos de Simulacin)
* Pnsum por asignaturas
Ciclo
VIII
Autor:
Asesora virtual:
www.utpl.edu.ec
ECONOMETRA III
Gua didctica
Luis Fabin Moncada Mora
UNIVERSIDAD TCNICA PARTICULAR DE LOJA
CC Ecuador 3.0 By NC ND
Diagramacin, diseo e impresin:
EDILOJA Ca. Ltda.
Telefax: 593-7-2611418
San Cayetano Alto s/n
www.ediloja.com.ec
edilojainfo@ediloja.com.ec
Loja-Ecuador
Primera edicin
ISBN-978-9942-08-525-2
Esta versin digital ha sido acreditada bajo la licencia Creative Commons Ecuador 3.0 de reconocimiento -no comercial- sin obras derivadas; la cual
permite copiar, distribuir y comunicar pblicamente la obra, mientras se reconozca la autora original, no se utilice con fines comerciales ni se realicen
obras derivadas. http://www.creativecommons.org/licences/by-nc-nd/3.0/ec/
Octubre, 2013
2. ndice
2. ndice............................................................................................................................................................. 3
3. Introduccin............................................................................................................................................. 5
4. Bibliografa............................................................................................................................................... 6
4.1. Bsica........................................................................................................................................... 6
4.2. Complementaria...................................................................................................................... 6
SEGUNDO BIMESTRE
6.5. Competencias genricas de la UTPL.................................................................................. 43
6.6. Planificacin para el trabajo del alumno......................................................................... 44
6.7. Orientaciones especficas para el aprendizaje por competencias............................ 46
7. Solucionario.............................................................................................................................................. 68
PRELIMINARES
3. Introduccin
El componente educativo Econometra III, es una de las materias ms importantes del programa
acadmico de la Titulacin de Economa, est ubicada en el octavo ciclo y tiene cinco crditos troncales.
El estudio de la Econometra es de gran importancia porque le ayuda a investigar y sobre todo a generar
evidencia emprica de los fenmenos econmicos, sociales y en general de algunas ciencias que utilicen
modelos, los mismos que son una herramienta fundamental en el momento de construir el conocimiento
de un profesional. Asimismo, el estudio de la econometra dinmica y modelos de simulacin permite
conocer, comprender y analizar las propiedades, aplicaciones y novedades cientficas de los principales
fenmenos.
La temtica que abarca esta ciencia es amplia y diversa, por ello consideramos conveniente que los
contenidos principales, de los dos bimestres, estn estructurados en ocho unidades.
El primer bimestre abarca las unidades relacionados con: Los modelos con variable dicotmica
dependiente, modelos de regresin con datos en panel, modelos economtricos dinmicos y un captulo
final de este bimestre como introduccin a los modelos de ecuaciones simultneas.
El segundo bimestre contina con los modelos de ecuaciones simultneas y continuas con nfasis en el
trabajo de series de tiempo, es decir el segundo bimestre se dedica al trabajo profundo de las series de
tiempo.
Seores estudiantes, recuerden que es fundamental que previo al estudio de la Econometra Dinmica y
Modelos de Simulacin se sugiere revisar los temas de: estadstica bsica, algebra y sobre todo lo bsico
de las Econometras uno y dos, esto le garantizar el xito en el estudio y promocin de esta asignatura.
Al final del estudio de este componente, esperamos que haya desarrollado las destrezas necesarias que
le permitan aplicar los conocimientos en la generacin de evidencia y, sobre todo esperamos que se
cumplan sus expectativas de estudio.
xitos
PRELIMINARES
4. Bibliografa
4.1. Bsica
4.2. Complementaria
Pindyck, R. S., & Rubinfeld, D. (1998). Econometra Modelos y Pronsticos. Mxico: Mc Graw-Hill.
RAMN, Maha. (2001). Gua de manejo del programa E-views, [en lnea] disponible en: http://
www.uam.es/personal_pdi/economicas/jmalonso/MANUAL_1_guiaeviewsc1.pdf 08-09-2011
PRELIMINARES
El xito en el estudio es saber planificar adecuadamente su tiempo y luego hacer uso de todos los
recursos que la Universidad Tcnica Particular de Loja pone a su disposicin. No olvide revisar y seguir
la planificacin propuesta, est diseada para que usted conozca las competencias, los contenidos,
las actividades sugeridas y el tiempo aproximado de estudio. Finalmente no olvide comunicarse
permanentemente con su profesor tutor e ingresar al entorno virtual del aprendizaje (EVA).
PRIMER BIMESTRE
Comportamiento tico
Trabajo en equipo
10
Aplicar la teora
econmica en el entorno
nacional e internacional a
travs de la interpretacin
de resultados, grficas y
anlisis de datos en
modelos reales.
6 Avanzar en el desarrollo de la
evaluacin a distancia.
5 Interactuar en el EVA
4 Resolver de autoevaluacin y
actividades propuestas en la gua
didctica.
ACTIVIDADES DE APRENDIZAJE
4 Resolver de autoevaluacin y
actividades propuestas en la gua
didctica.
2.4. Causalidad en Economa:
Prueba de causalidad de 5 Interactuar en el EVA
Granger.
6 Enviar a travs del EVA la
de rezago distribuido y
autoregresivos.
Unidad 1: Modelos de
regresin de respuesta
cualitativa.
UNIDADES
CONTENIDOS
Unidad 2: Modelos
1 Lectura comprensiva de los
economtricos dinmicos:
contenidos del captulo 1 del
Modelos autoregresivos y de
texto bsico.
rezagos distribuidos.
2 Identificar los conceptos bsicos.
Aprender el manejo de software 2.1. El papel del tiempo, o
3 Revisar el resumen, conceptos
economtrico como
del rezago, en Economa.
clave y solucin de las
herramienta para el anlisis
2.2.
Razones
para
los
preguntas
de
repaso
como
de
econmico.
rezagos.
los problemas y aplicaciones
propuestos en el texto bsico.
2.3. Estimacin de modelos
Desarrollar el pensamiento
lgico para la aplicacin en
aspectos econmicos y la
interpretacin de resultados,
grficas y anlisis de datos en
modelos reales.
COMPETENCIAS
ESPECFICAS DE LA
TITULACIN
Identifica los
Semana 3 y 4:
conceptos bsicos y su
12 horas de
naturaleza.
aprendizaje
Prepara la informacin autnomo e
necesaria.
independiente.
Identifica los
Semana 1y 2:
conceptos bsicos y su
12 horas de
naturaleza.
aprendizaje
Determina los
autnomo e
fenmenos que
independiente.
pueden trabajarse con
8 horas de
este tipo de modelos.
interaccin a
Aplica procesos de
travs de los
estimacin.
medios.
INDICADORES DE
APRENDIZAJE
COMPETENCIAS
ESPECFICAS DE LA
TITULACIN
Unidad 4: El problema de la
identificacin.
Unidad 3: Modelos de
ecuaciones simultneas.
UNIDADES
CONTENIDOS
INDICADORES DE
APRENDIZAJE
5 Interactuar en el EVA
4 Resolver de autoevaluacin y
actividades propuestas en la gua
didctica.
12 horas de
aprendizaje
autnomo e
independiente.
Semana 5 y6:
TIEMPO DE
DEDICACIN
8 horas de
interaccin a
travs de los
medios
12 horas de
aprendizaje
autnomo e
independiente.
Semana 7 y 8:
ACTIVIDADES DE APRENDIZAJE
PRIMER BIMESTRE
11
PRIMER BIMESTRE
Interaccin en el EVA
Prueba objetiva
Cumplimiento, puntualidad,
responsabilidad
Anlisis y profundidad en el
desarrollo de temas
Creatividad e iniciativa
Contribucin en el trabajo
colaborativo y de equipo
Estrategia de
aprendizaje
PORCENTAJE
Puntaje
TOTAL
x
x
70%
14
20 puntos
Actividades
presenciales y en el
EVA
Mximo 1 punto
(completa la
evaluacin a
distancia)
Actitudes
Habilidades
3. Coevaluacin
Parte de ensayo
Comportamiento tico
Competencia: criterio
Conocimientos
Evaluacin a
distancia **
Parte objetiva
1. Autoevaluacin *
2. Heteroevaluacin
Evaluacin
presencial
Para aprobar la asignatura se requiere obtener un puntaje mnimo de 28/40 puntos, que equivale al 70%.
* Son estrategias de aprendizaje, no tienen calificacin; pero debe responderlas con el fin de autocomprobar su
proceso de aprendizaje.
** Recuerde que la evaluacin a distancia consta de dos partes: una objetiva y otra de ensayo, debe desarrollarla
y entregarla en su respectivo centro universitario.
Seor estudiante:
Tenga presente que la finalidad de la valoracin cualitativa es
principalmente formativa.
12
PRIMER BIMESTRE
Con el estudio de los modelos de regresin de respuesta cualitativa damos la bienvenida al estudio de la
Econometra Dinmica y Modelos de Simulacin. Este tema es uno de los ms atractivos de estudiar, ya
que rompe la tendencia del estudio que hemos tenido hasta el momento.
Como todos sabemos no todos los fenmenos se pueden cuantificar, es decir tener valores numricos
para las variables que deseamos analizar, es ah donde toman importancia los modelos de este tipo, ya
que valindose de algunas herramientas, nos ayudan a estimar las probabilidades de ocurrencia de los
fenmenos a analizar.
En este captulo slo se abordarn algunos de los temas importantes de esta rea, dejando
los detalles para libros especializados.
Los retos ms importantes de este tipo de modelos vienen del lado del clculo y la
estimacin.
Con las aclaraciones antes realizadas, iniciaremos con el estudio de la naturaleza de los modelos de
respuesta cualitativa.
13
PRIMER BIMESTRE
Si hablamos de hogares, para saber si tienen casa propia debemos consultarles y en funcin a ello formar
nuestra base de informacin. Conjuntamente con esta consulta debemos determinar las caractersticas
de esa familia, esto ltimo con el fin de intentar encontrar los factores que influyen en el hecho de tener
casa propia.
En el cuadro siguiente se simula el levantamiento de informacin:
Cuadro N 1
Nmero
Edad (aos)
Sexo
Ingresos (dlares)
X1
D1
X2
Familia 1
45
1000
Familia 2
No
30
1050
Familia 3
42
1500
Familia 4
32
1800
Familia 5
No
42
950
Familia 6
No
25
1100
Familia 7
55
1000
Familia 8
44
1500
Familia 9
No
32
1400
Familia 10
No
35
650
A partir de tener el modelo definido nos enfrentaremos al reto de encontrar la mejor forma de realizar
la estimacin.
Recordemos que el resultado del modelo siempre ser una probabilidad por lo tanto a la
respuesta SI le asignaremos el uno ( 1 ) y a la respuesta NO la consideraremos como cero
( 0 ).
En el texto bsico se destaca que: En un modelo donde Y es cuantitativa, el objetivo consiste en estimar
su valor esperado, o media esperada, dados los valores de las regresoras.
En general est es la naturaleza de los modelos de regresin de respuesta cualitativa o tambin conocidos
como modelos probabilsticos. A continuacin le proponemos una actividad para que usted se plantee
sus propios fenmenos de estudio.
14
PRIMER BIMESTRE
ACTIVIDAD 1
Escriba tres fenmenos que deseara estudiar y que son de naturaleza cualitativa.
N
1
FENMENO
Rendimiento Acadmico
VARIABLE DEPENDIENTE
Buen rendimiento = 1
Mal rendimiento = 0
=1
=0
=1
=0
=1
=0
Se denomina modelo lineal de probabilidad, porque su estimacin se la realiza a partir del modelo de
regresin usual y con el que hemos venido trabajando hasta el momento.
La diferencia radica en la variable dependiente que no tiene respuesta cuantitativa sino una respuesta
cualitativa, es decir la probabilidad de que un fenmeno suceda.
Recordemos del estudio de las probabilidades, que la ocurrencia o no de un fenmeno es igual a uno. Si
tomamos el ejemplo de la tenencia de vivienda, podremos decir que si la probabilidad de tener casa es
p, la probabilidad de no tener (contraprobabilidad) ser 1- p.
2.
15
PRIMER BIMESTRE
La forma funcional utilizada para abordar estos modelos genera algunos inconvenientes y por lo tanto
el hecho de no ser los mejores modelos.
3.
La respuesta a esta pregunta es relativamente simple, el grfico siguiente le ayudar a intuir la misma.
Grfico N 1
Recuerde que la probabilidad de que suceda un evento debe ser entre cero y uno. Al trabajar con un
modelo lineal, no estamos respetando esa condicin porque las estimaciones sobrepasarn estos lmites
y generarn algunos problemas en la estimacin. Deberamos buscar formas funcionales alternativas
que nos permitan cumplir con la caracterstica de que el valor esperado de la estimacin est entre cero
y uno.
4.
En general se puede sealar que el MLP no es la mejor alternativa de estimacin de los modelos
probabilsticos.
Heterocedasticidad.
16
PRIMER BIMESTRE
Frente a esto necesitamos un modelo que de alguna forma ayude a que se cumplan con:
La funcin de distribucin acumulativa (FDA), que usted revis al inici del estudio de la econometra,
garantiza que se cumpla con esta propiedad. Los resultados de aplicar esta funcin siempre sern una
curva que est entre cero y uno, el texto bsico presenta un grfico (figura 15.2) que revela esta condicin.
En esta seccin y para su mejor compresin consideremos un ejemplo de funcin de distribucin
acumulativa, es importante que recurramos a la estadstica descriptiva en la que aprendimos a hacer
tablas de frecuencias. Supongamos valores para X e Y tal como se presentan en la tabla siguiente:
Ejemplo N 2
Cuadro N 2
Frecuencia
Frecuencia
acumulada
Relativa ( Y )
10
2/20=0,10
20
4+2=6
6/20=0,30
30
1+4+2=7
0,35
40
10
0,50
50
15
0,75
60
17
0,85
70
19
0,95
80
20
1,00
TOTAL
20
Con la frecuencia relativa tenemos nuestros valores de Y que se encuentran en el rango de 0 a 1, si esto
lo graficamos tendremos una curva con lmites de cero a uno.
Grfico N 2
Este ejercicio realizado es slo un ejemplo de lo que se puede hacer con las FDA, en el texto bsico se
plantea las siguientes alternativas para abordar estos modelos:
Logit
Probit o normit
17
PRIMER BIMESTRE
Los modelos alternativos al MLP, Logit y Probit, requieren de rutinas de estimacin que
son extensas y por lo tanto no se ha considerado las explicaciones de esos procedimientos.
Contra probabilidad
Razn de probabilidades.
Funcin final.
Realizando lo anterior se ha logrado obtener un modelo lineal para la razn de probabilidad, posibilitando
de esta manera la utilizacin de MCO y logrando cumplir con la condicin de que la probabilidad o valor
esperado est entre cero y uno.
18
PRIMER BIMESTRE
ACTIVIDAD 2
Lea las siete caractersticas del modelo logit, apartado 15.5 el modelo logit y realice lo siguiente:
a.
b.
Luego de revisadas las caractersticas del modelo, se debe considerar las condiciones de estimacin del
mismo. La cualidad ms importante para realizar la estimacin es la disposicin de la informacin, ya
que el modelo logit se puede estimar para datos sueltos o individuales y para datos agrupados.
Si la informacin son datos individuales no podremos estimar por Mnimos Cuadrados Ordinarios (MCO)
para ello se debe recurrir al mtodo de mxima verosimilitud (MV), en cambio si son datos agrupados s
se puede utilizar MCO.
Para estimar un modelo logit con datos suelto se necesita un volumen de informacin
considerable, por lo tanto la recomendacin ms importante es que se trabaje con
una muestra grande.
19
PRIMER BIMESTRE
Ejemplo N 3
Cuadro N 3
INFORMACIN INDIVIDUAL
NMERO
INGRESOS
PROPIEDAD
DE VIVIENDA
PROBABILIDAD
(Pi)
CONTRA
PROBABILIDAD
Li=ln(Pi/1-Pi)
(1-Pi)
Familia 1
1000
ln(1/0)
Familia 2
1500
ln(1/0)
Familia 3
1000
ln(0/1)
Familia 4
1000
ln(1/0)
Familia 5
1500
ln(0/1)
Familia 6
1500
ln(1/0)
Familia 7
1000
ln(1/0)
Familia 8
1000
ln(0/1)
Familia 9
1500
ln(1/0)
Familia 10
1500
ln(1/0)
Ingresos 1000
Ingresos 1500
En la razn de probabilidad de la informacin suelta, nos damos cuenta que no tienen sentido las
expresiones ln(0/1) y ln(1/0) por ello es necesario recurrir al mtodo de mxima verosimilitud.
Cuadro N 4
INFORMACIN AGRUPADA
CON
SIN
NMERO INGRESOS
VIVIENDA VIVIENDA
PROBABILIDAD
(Pi)
TOTAL
CONTRA
PROBABILIDAD
Li=ln(Pi/1-Pi)
(1-Pi)
Grupo 1
1000
3/5
2/5
ln((3/5)/(2/5)
Grupo 2
1500
4/5
1/5
ln((4/5)/(1/5)
En muchos casos la informacin no se presenta agrupada por lo que el investigador deber realizar los
procedimientos de agrupacin necesarios.
Si una de las variables estuviera agrupada en rangos, se podra optar por tomar el punto
medio del rango o su marca de clase.
20
PRIMER BIMESTRE
Luego de la comparacin realizada entre los datos individuales y agrupados, podemos aprovechar las
ventajas que nos presenta el texto bsico, en el mismo encontrar un procedimiento para realizar la
estimacin de un modelo logit con datos agrupados. Este procedimiento didctica es muy rico porque
primero detalla los cinco aspectos ms importantes y segundo presenta un ejemplo numrico con el
detalle de cada uno de los pasos que debe seguir.
En el ejemplo numrico, del texto bsico (Tabla 15.5), cada paso tiene un nmero que lo
va guiando, esto le ayudar a realizar todo el procedimiento sin ninguna dificultad.
En el procedimiento de estimacin de modelos logit con datos agrupados, el autor del texto bsico se
anticipa un poco a la posibilidad de que el modelo presente heteroscedasticidad y aplica una forma de
ponderacin a cada uno de los rangos.
Una vez que ha encontrado el mejor modelo, es decir que tericamente sea correcto y supere todas
las pruebas, debemos interpretar los resultados. Por esta ocasin me permito transcribir lo que seala
Gujarati (2004): En general, si se toma el antilogaritmo del coeficiente de la j-sima pendiente (en caso de
que haya ms de una regresada en el modelo), se resta uno de este valor y se multiplica el resultado por 100, se
obtendr el cambio porcentual en las probabilidades para una unidad de incremento en el j-simo regresor.
En lo que resta del captulo 15, en el texto bsico, hay varios casos en los que se utiliza este
tipo de modelos, les sugiero revisarlos una vez que tenga los elementos tericos
necesarios.
Cuando trabaja un modelo con datos sueltos es fundamental revisar todos los estadsticos que midan la
bondad de ajuste y las pruebas de hiptesis, en forma resumida son:
Errores estndar.
El texto bsico presenta una explicacin amplia de los estadsticos antes sealados, por ello no descuide
el hecho de trabajar paralelamente con la gua didctica y el texto bsico.
Las rutinas de estimacin de los logit con datos sueltos no se pueden realizar manualmente,
por ello intente conseguir un software que le ayude. Recuerde que el objetivo de este
captulo es que usted tenga los conocimientos tericos necesarios para luego ponerlos en
prctica.
21
PRIMER BIMESTRE
El estudio en el texto bsico presenta alguna complejidad porque el autor toma un tipo de modelo
muy especfico para realizar su explicacin, por ello se ha considerado conveniente slo encontrar los
aspectos importantes:
Cuando representamos esta curva con la distribucin normal, el modelo resultante recibe el
nombre de Probit.
Una variable t se dice que tiene distribucin normal cuando su funcin de distribucin de
probabilidad acumulada tiene la siguiente forma:
Al igual de lo que ocurra con el Logit en este caso existe una relacin no lineal con los parmetros
del modelo y por lo tanto no puede usarse el mtodo de mnimos cuadrados para la estimacin
del modelo.
El efecto no lineal de Xi puede ser visto calculando la derivada de la probabilidad acumulada con
respecto a Xi:
( + Xi )
= ( + Xi )[1 ( + Xi )]
Xi
Esto muestra que el efecto de un cambio en Xi depende no slo del valor de b sino tambin del
valor tomado por la funcin Normal.
Los estimadores de mxima verosimilitud del modelo Probit son insesgados, consistentes y
eficientes.
22
PRIMER BIMESTRE
ACTIVIDAD 3
Con el fin de realizar una comparacin entre los modelos logit y probit, en el siguiente cuadro debe
plantear las semejanzas y diferencias que encuentre entre estos modelos que utilizan una funcin de
distribucin acumulativa.
SEMEJANZAS
DIFERENCIAS
Logit
Probit
Tambin es importante aclarar que el estudio de los modelos que tiene variable dicotmica dependiente
no cubre el anlisis de los modelos Tobit, por lo que usted debe concentrar sus esfuerzos en manejar
adecuadamente los MLP, Logit y Probit.
Los modelos logit y probit dan cualitativamente resultados semejantes, por lo tanto
no hay una preferencia por su utilizacin.
Una diferencia significativa que puede ayudar a tomar una decisin es que en la prctica el modelo logit
es matemticamente ms simple.
La similitud de los resultados se puede llevar al nivel de que algunos autores han encontrado factores
que permiten transformar los resultados del uno en trminos del otro. Esta caracterstica se resume de
la siguiente manera:
23
PRIMER BIMESTRE
Si a los resultados del modelo probit los multiplicamos por 1.81 se tendr aproximadamente el resultado
del modelo logit, para el caso contrario si al logit lo multiplicamos por 0.55 se tendr el coeficiente
probit. Segn Amemiya los coeficientes son 1.6 para cambiar del probit al logit y 0.625 para el cambio
de logit a probit.
Hasta este punto est planificado el estudio del captulo 15, es necesario que relea todos los temas para
que pueda ir puliendo o reforzando los aspectos en los que mayor dificultad tenga. Recuerde que es
importante que no pierda el contacto con su profesor, para ello puede utilizar las herramientas que le
facilita la UTPL.
Finalmente lo invito a que valore sus conocimientos realizando la autoevaluacin que a continuacin le
propongo.
24
PRIMER BIMESTRE
Autoevaluacin 1
En la parte derecha de cada pregunta se tiene el espacio destinado para la respuesta. Escriba las letras V
o F segn los enunciados sean verdaderos o falsos.
1.()
Los modelos Lineal de probabilidad, logit y probit, permiten estimar modelos con
variable dicotmica dependiente.
2.()
3.()
4.()
Los resultados de las estimaciones de los modelos logit y probit se pueden comparar
directamente.
5.()
6.()
7.()
8.()
9.()
10.()
Solucionario. Revisar luego de que haya finalizado la autoevaluacin, el mismo se encuentra al final de
la presente gua.
25
PRIMER BIMESTRE
REZAGO DISTRIBUIDO
AUTOREGRESIVOS
En el ejemplo se considera slo un rezago, pero se puede incluir varios rezagos y se conservar la misma
estructura.
En el caso anterior se considera slo un rezago de la variable dependiente, pero se pueden incluir ms,
en la ecuacin siguiente se expresa esta caracterstica:
26
PRIMER BIMESTRE
De esta forma se estructuran los modelos dinmicos. Asimismo en la prctica podemos incluir rezagos
de los dos tipos, de la manera siguiente:
Con esta aclaracin realizada usted est en capacidad de plantear sus propios ejemplos de modelos
dinmicos.
Un aspecto importante que no se seala en el texto bsico es la forma de rezagar las variables para suplir
esa deficiencia les planteo el siguiente ejemplo:
Ejemplo N 4
Cuadro N 5
Ao
Xt
1990
1170
1991
2015
1170
1992
2803
2015
1170
1993
2039
2803
2015
1994
2256
2039
2803
1995
2132
2256
2039
1996
1834
2132
2256
1997
1588
1834
2132
1998
1749
1588
1834
1999
1687
1749
1588
Xt - 1
Xt - 2
ACTIVIDAD 4
ECUACIN
27
PRIMER BIMESTRE
Cuadro N 6
AO
INFLACION (%)
1997
30,6
1998
36,1
1999
52,2
2000
96,1
2001
37,68
2002
12,48
2003
7,93
2004
2,74
2005
2,12
2006
3,3
2007
2,28
2008
8,4
2009
5,2
Grfico N 3
Con este ejemplo, sumado al que se presente en el texto bsico, usted puede entender la forma de
actuar o el papel del tiempo en la economa, por ello la mejor forma de intentar explicar un fenmeno a
lo largo del tiempo es aplicar los modelos dinmicos, ya que recogen la dinmica de las variables.
Continuando con el ejemplo de la inflacin podramos plantear el caso en el que se considere a Y como
la inflacin y X como el cambio en el PIB. Asimismo, tomando como base el grfico, supongamos que la
inflacin tiene 3 aos de influencia y el producto es en el tiempo actual. Con esto especificacin nuestro
ejemplo quedara:
Concluido este ejemplo es necesario que usted revise el texto bsico, una cuestin fundamental es
conocer como se generan los multiplicadores en los modelos dinmicos.
El texto bsico, captulo 17, plantea varios ejemplos de modelos dinmicos, es necesario
que los revise, con lo que ha aprendido hasta el momento le ser ms fcil comprenderlos.
28
PRIMER BIMESTRE
Sicolgicas.
Tecnolgicas, e
Institucionales.
Las tres razones principales no es necesario volverlas a repetir por ello nos limitaremos a proponer una
actividad para determinar el nivel de comprensin de la misma.
ACTIVIDAD 5
Luego de la lectura de las razones para incluir rezagos, seale dos ejemplos por cada razn para los
rezagos, los ejemplos no se deben limitar al mbito econmico. Por ejemplo en los Psicolgicos est
la inercia de la inflacin que hace que los precios se formen en funcin a un factor de crecimiento de
periodos anteriores, este factor no basa su comportamiento en los costos reales sino en los precios
futuros.
RAZN
Sicolgicas
Tecnolgicas
Institucionales
EJEMPLO
1.
2.
1.
2.
1.
2.
Las razones para incluir los rezagos tambin nos pueden ayudar a formar una idea del
nmero de rezagos que debemos incluir, esto bsicamente es una cuestin emprica y no
hay una regla que me permita determinarlos.
29
PRIMER BIMESTRE
La estimacin ad-hoc es una cuestin ms emprica, en el texto bsico, captulo 17, est explicado en una
forma sencilla pero si fuera necesario reforzar les propongo el siguiente esquema:
N ESTIMAC.
MODELO
REVISIN
Primera
Revisar
signos
de
los
parmetros, lmites y pruebas a
los residuos.
Segunda
Tercera
Cuarta
Se debe aplicar tantos rezagos como sean necesarios para tener los signos correctos y la aprobacin de las
pruebas. Asimismo es importante sealar que a medida que se incorporan rezagos se van perdiendo
grados de libertad.
Como nos podemos dar cuenta es un mtodo iteractivo que busca, con la incorporacin de rezagos,
encontrar el mejor modelo el mismo que tiene que pasar las pruebas que hemos estudiado hasta el
momento, por ejemplo los residuos tienen que ser normales, no multicolinealidad, homocedstico,
no autocorrelacionado. Asimismo, es fundamental revisar los signos de los parmetros, los lmites y las
medidas de bondad de ajuste ( R2 y error estndar de la estimacin).
Las estimaciones tipo ad hoc tienen algunas limitaciones, el texto bsico las seala puntualmente por
ello es necesario revisarlas.
Las estimaciones tipo ad hoc se pueden utilizar para los modelos rezago distribuido
como autoregresivos.
En lo que contina del captulo 17 en el texto bsico, se tratan algunos temas, pero se hace mucho nfasis
en el mtodo de KOYCK para estimar modelos de rezago distribuido. La intencin de esta seccin de la
30
PRIMER BIMESTRE
gua didctica no es realizar una rplica del texto bsico, por ello consideramos exponerle un ejemplo de
una estructura ms sencilla que le servir para entender el mtodo de Koyck.
Una estructura muy sencilla es la propuesta por Fisher (1937) en la que se considera que segn como se
regresa en el tiempo el impacto que la variable independiente tiene en la variable dependiente cada vez
es menor. Como ejemplo consideremos un modelo de rezago distribuido con siete rezagos:
Una expresin ms corta del modelo anterior se obtiene al expresarlo en forma de sumatoria. Para ello
recordemos que tiene siete rezagos ( i = 0, 1, 2, 3, 4, 5, 6, 7) y que
, con estas aclaraciones
tendremos las expresin:
Este modelo nos seala que la variable Y depende de X pero que esta se rezagada siete periodos, es decir
que lo que pas hace siete periodos (que pueden ser aos, trimestres, meses, etc) afectan a los cambios
que se producen en el valor actual de Y. Cada rezago se pondera (se establece un peso) pesando menos
el ltimo rezago y ms el primero, de la siguiente manera:
i
Con este resultado podemos encontrar el valor de cada uno de los parmetros de la ecuacin inicialmente
planteada:
i
i * Z
0,03
0,24
0,03
0,21
0,03
0,18
0,03
0,15
0,03
0,12
0,03
0,09
0,03
0,06
0,03
0,03
RESULTADO DE LA ESTIMACIN
31
PRIMER BIMESTRE
Con el desarrollo del esquema Fisher ser ms sencillo el trabajo en esquemas como el de Koyck, y
Almon. Con cada esquema se han generado formas de validar los resultados, estos los puede revisar en
el texto bsico.
ACTIVIDAD 6
Con la informacin que se presenta en la tabla, se sugiere realizar la estimacin del modelo de rezago
distribuido siguiente, en primer lugar la estimacin sin seguir ningn esquema, luego con el esquema
de Fisher y finalmente el de Almon, para este ltimo considerar un polinomio de segundo grado.
Cuadro N 7
Ao
Trimestre
2072
1660
II
2077
1926
III
2078
2181
IV
2043
1897
2062
1695
II
2067
1705
III
1964
1731
IV
1981
2151
1914
2556
II
1991
3152
III
2129
3763
IV
2309
3903
2614
3912
II
2896
3571
III
3058
3199
IV
3309
3262
3446
3476
II
3466
2993
III
3435
2262
IV
3183
2011
2697
1511
II
2338
1631
III
2140
1990
IV
2012
1993
1953
1954
1955
1956
1957
1958
32
PRIMER BIMESTRE
Ao
1959
1960
Trimestre
2071
2520
II
2192
2804
III
2240
2919
IV
2421
3024
2639
2725
II
2733
2321
III
2721
2131
IV
2640
2552
El procedimiento de Causalidad de Granger est muy bien explicado en el texto gua por ello no es
necesario una explicacin adicional. Aunque en el captulo de series de tiempo, posterior al presente,
se analizar la estacionariedad, en esta seccin es importante que las series sean estacionarias, por ello
33
PRIMER BIMESTRE
recomendamos que las series de tiempo con las que se trabaje la prueba de causalidad sean tasas de
variacin.
Trabajar con series que sean tasas de variacin, por ejemplo:
Finalmente lo invito a que desarrolle la autoevaluacin que a continuacin le propongo. Esto le servir
como estrategia para reforzar los temas en los que tenga mayor dificultad.
34
PRIMER BIMESTRE
Autoevaluacin 2
En la parte derecha de cada pregunta se tiene el espacio destinado para la respuesta. Escriba las letras V
o F segn los enunciados sean verdaderos o falsos.
1.()
2.()
3.()
Una de las causas, para incluir rezagos en un modelo, son las costumbres.
4.()
5.()
Una de las desventajas de los modelos autoregresivos es que no hay una gua a priori
sobre la longitud mxima del rezago.
6.()
7.()
8.()
9.()
10.()
Solucionario. Revisar luego de que haya finalizado la autoevaluacin, el mismo se encuentra al final de
la presente gua.
35
PRIMER BIMESTRE
Como sugerencia inicial y para entender de mejor forma los sistemas de ecuaciones les
pido que revisen un texto de algebra bsica en el que se analice matemticamente los
sistemas de ecuaciones.
Seor estudiante, los criterios anteriores no son suficientes para conocer totalmente la naturaleza de los
modelos de ecuaciones simultneas, por ello le solicitamos que no descuide la lectura del texto bsico
captulo 18 y el contacto permanente con el profesor.
Para entender la naturaleza consideramos fundamental tomar el modelo demanda y oferta. A
continuacin revisemos el desarrollo del mismo, una consideracin inicial es que, contrario al texto
bsico, vamos a ubicar a los precios ( P ) en el eje X y a la cantidwad en el eje Y, esto con el fin de guardar
la relacin natural.
36
PRIMER BIMESTRE
Grfico N 4
(a)
OFERTA
(b)
DEMANDA
En los grficos anteriores tenemos las ecuaciones individuales de la oferta y la demanda, como slo
estamos considerando una mercadera se tienen tres variables (cantidad ofrecida, cantidad demandad
y precio). La solucin es encontrar el punto en el cual se equilibra este mercado, indispensable en una
condicin de equilibrio, en el grfico siguiente se presenta esta condicin.
Grfico N 5
EQUILIBRIO PARCIAL DE MERCADO
ECUACIONES SIMULTANES
Como usted puede verificar, el texto bsico captulo 18 es generoso en la cantidad de ejemplos de
modelos de ecuaciones simultneas, es necesario que los revise a todos y encuentre su naturaleza.
Asimismo es importante recalcar que la base fundamental de la generacin del sistema es la teora,
siempre se debe partir del sustento terico, es decir buscar la teora que sustente mi planteamiento o
hiptesis.
Para finalizar este breve captulo le solicito que estudie el tema relacionado al Sesgo en las ecuaciones
simultneas: Inconsistencia de los estimadores de MCO.
UNIVERSIDAD TCNICA PARTICULAR DE LOJA
37
PRIMER BIMESTRE
Autoevaluacin 3
En la parte derecha de cada pregunta se tiene el espacio destinado para la respuesta. Escriba las letras V
o F segn los enunciados sean verdaderos o falsos.
1.()
2.()
3.()
4.()
Los fenmenos se explican de mejor manera cuando existen muchas variables que
estn interactuando.
5.()
6.()
Es posible estimar los parmetros de una ecuacin aisladamente, sin tener en cuenta
las dems ecuaciones del sistema.
7.()
8.()
9.()
10.()
Solucionario. Revisar luego de que haya finalizado la autoevaluacin, el mismo se encuentra al final de
la presente gua.
38
PRIMER BIMESTRE
VARIABLE 2
Endgenas rezagadas.
Con el siguiente ejemplo1 aplicaremos los conceptos y criterios de clasificacin de las variables, sin
considerar el intercepto, posteriormente se sealar como realizar su clasificacin:
Ejemplo N 5
Donde:
1.
2.
3.
4.
5.
39
PRIMER BIMESTRE
ENDGENAS
EXGENAS
Ct
Ct - 1
It
Yt - 1
Tt
IMt - 1
IMt
Gt
Yt
Xt
Corresponde al diseador del modelo especificar cules variables son endgenas y cules son
predeterminadas.
2.
3.
Las cuatro primeras ecuaciones del sistema se conocen como de comportamiento y la quinta es
una identidad, esto ltimo es muy sencillo de darse cuenta porque la teora nos lo seala.
4.
Con las aclaraciones antes realizadas usted est en capacidad de avanzar con el estudio del captulo, slo
resta aprender a encontrar las ecuaciones y parmetros de forma reducida.
Tomando el mismo ejemplo del texto bsico encontremos la ecuacin de forma reducida.
Funcin consumo
Donde:
Ct = consumo
Yt = ingreso
Identidad Ingreso
It = gasto de inversin
Tenemos dos ecuaciones una estructural y una identidad por ello vamos a encontrar dos ecuaciones de
forma reducida, para ello slo sustituimos la una en la otra de la siguiente manera:
40
PRIMER BIMESTRE
ACTIVIDAD 7
En el cuadro anterior se encontr la ecuacin de forma reducida del ingreso Yt, le solicito encontrar la
ecuacin de forma reducida del consumo Ct.
Recuerde que es fundamental que utilice el texto bsico captulo 18 y la gua didctica, esto con el fin de
trabajar en los detalles que usted debe conocer y que no se comentan en la presente gua.
41
PRIMER BIMESTRE
Autoevaluacin 4
En la parte derecha de cada pregunta se tiene el espacio destinado para la respuesta. Escriba las letras V
o F segn los enunciados sean verdaderos o falsos.
1.()
2.()
3.()
4.()
5.()
6.()
7.()
8.()
9.()
10.()
Solucionario. Revisar luego de que haya finalizado la autoevaluacin, el mismo se encuentra al final de
la presente gua.
42
SEGUNDO BIMESTRE
SEGUNDO BIMESTRE
6.5. Competencias genricas de la UTPL
Comportamiento tico
Trabajo en equipo
43
44
Aprender el manejo de
software economtrico
como herramienta para
el anlisis econmico.
Desarrollar el
pensamiento lgico para
la aplicacin en aspectos
econmicos y la
interpretacin de
resultados, grficas y
anlisis de datos en
modelos reales.
Formular y optimizar
sistemas de informacin
para la gestin.
Competencias especficas
del componente educativo
Competencias especficas de
la Titulacin
Unidad 7: Econometra de
series de tiempo.
Unidad 6: Mtodos de
ecuaciones simultneas
Unidad 5: Problemas de
identificacin.
Unidades
Contenidos
5 Interactuar en el EVA.
4 Resolver de autoevaluacin y
actividades propuestas en la gua
didctica.
Descubre problemas y
sus posibles soluciones.
Prepara la informacin
necesaria.
6 Avanzar en el desarrollo de la
evaluacin a distancia.
5 Interactuar en el EVA.
4 Resolver de autoevaluacin y
actividades propuestas en la gua
didctica.
Descubre problemas y
sus posibles soluciones.
Prepara la informacin
necesaria.
Indicadores de aprendizaje
Actividades de aprendizaje
8 horas de
interaccin a
travs de los
medios.
12 horas de
aprendizaje
autnomo e
independiente.
Semana 3 y 4:
8 horas de
interaccin a
travs de los
medios.
12 horas de
aprendizaje
autnomo e
independiente.
Semana 1y 2:
Tiempo de
dedicacin
Competencias especficas de
la Titulacin
Competencias especficas
del componente educativo
8.1. Cointegracin
Unidad 8: Procesos
estocsticos integrados.
Unidades
Contenidos
5 Interactuar en el EVA.
4 Resolver de autoevaluacin y
actividades propuestas en la gua
didctica.
Descubre problemas y
sus posibles soluciones.
Indicadores de aprendizaje
Actividades de aprendizaje
8 horas de
interaccin a
travs de los
medios.
12 horas de
aprendizaje
autnomo e
independiente.
Semana 7 y 8:
8 horas de
interaccin a
travs de los
medios.
12 horas de
aprendizaje
autnomo e
independiente.
Semana 5 y6:
Tiempo de
dedicacin
SEGUNDO BIMESTRE
45
SEGUNDO BIMESTRE
Exactamente identificada
Sobreidentificada
Subidentificada
Conociendo el cuadro anterior, aplicando las ecuaciones de forma reducida y siguiendo las instrucciones
del texto bsico, captulo 19, podr encontrar la explicacin del por qu a una ecuacin se la considera
o no identificada.
No hemos considerado ampliar este apartado porque en el texto bsico, captulo 19, se lo explica a
detalle y usted en casa podr ejercitarse realizando todo el proceso matemtico.
Encontrar las ecuaciones de forma reducida para determinar si se identifica o no puede ser una actividad
muy extensa, por ello se han establecido algunas reglas que vuelven gil el proceso, en el siguiente
apartado revisaremos las mismas.
46
SEGUNDO BIMESTRE
ESPECIFICACIN
ENDGENAS
Ct
It
IM: Importaciones.
Tt
X: Exportaciones.
IMt
G: Gasto pblico.
Yt
PREDETER.
Ct - 1
Yt - 1
IMt - 1
Gt
Xt
ut
Y: Renta.
Con la especificacin anterior realicemos el conteo por cada una de las ecuaciones, este siempre ser el
mismo.
Ct
It
Tt
IMt
N endgenas en el modelo.
5 + 1 =6
ACTIVIDAD 8
Con el sistema de ecuaciones que se presenta en el primer cuadro realizar las actividades propuestas
hasta llegar al conteo final por cada una de las ecuaciones.
MODELO
ESPECIFICACIN
ENDGENAS
PREDETER.
C: Consumo nacional.
I: Inversin privada nacional.
IM: Importaciones.
X: Exportaciones.
Y: Producto interno bruto.
47
SEGUNDO BIMESTRE
N endgenas en el modelo.
Como puede darse cuenta, las actividades anteriores son bsicas para la identificacin y si las realizamos
adecuadamente no tendremos problema en aplicar las reglas de identificacin.
A la condicin de orden se la considera necesaria para poder determinar el tipo de identificacin que
tiene cada una de las ecuaciones que conforman el sistema o modelo. Esta condicin expresa si dicha
ecuacin est exactamente identificada o sobreidentificada (Gujarati, 1999).
El texto bsico, captulo 19, presenta dos definiciones muy sencillas de entender, simplemente es la
aplicacin de la clasificacin de variables que realizamos anteriormente. Con la revisin que realice de
estas dos definiciones vamos a proceder a realizar la identificacin.
DEFINICIN 1
DEFINICIN 2
Excluir al menos M -1
Kk>m1
M: 5
k: 1
51=4
Se excluyen 2 endgenas (It , IMt ) y 4 ( Yt - 1 , IMt - 1 , Gt , Xt)
predeterminadas. En total son 6 variable excluidas.
Conclusin: Como excluye ( 6 ) mas variables que M 1
( 4 ) se considera sobreidentificada.
m: 3
61>31
5>2
Conclusin: Sobreidentificada.
ACTIVIDAD 9
Tome los modelos de It , Tt , y IMt que se presentan anteriormente y aplique la condicin de orden de
identificacin.
DEFINICIN 1
DEFINICIN 2
Excluir al menos M -1
Kk>m1
48
SEGUNDO BIMESTRE
DEFINICIN 1
DEFINICIN 2
K:
M:
Se excluyen _ endgenas ( ) y _ ( )
predeterminadas. En total son __ variable excluidas.
k:
m:
>
DEFINICIN 2
Excluir al menos M -1
Kk>m1
M:
k:
Se excluyen _ endgenas ( ) y _ ( ) predeterminadas.
m:
En total son __ variable excluidas.
>
DEFINICIN 2
Excluir al menos M -1
Kk>m1
K:
k:
Se excluyen _ endgenas ( ) y _ ( ) predeterminadas.
m:
En total son __ variable excluidas.
Conclusin: Como excluye ( ) ___ variables que M
1 ( ) se considera ______________.
Conclusin:
>
Con esta actividad finalizamos el estudio del captulo 19, espero que haya cumplido sus expectativas y
lo invit a que desarrolle lo propuesto en el texto bsico, con eso podr estar seguro de cubrir todos los
temas que el libro nos propone. Es importante que est en continua comunicacin con su tutor para los
temas puntuales que no quedan claros.
49
SEGUNDO BIMESTRE
Autoevaluacin 5
En la parte derecha de cada pregunta se tiene el espacio destinado para la respuesta. Escriba las letras V
o F segn los enunciados sean verdaderos o falsos.
1.()
2.()
3.()
La clasificacin de las variables la realiza el autor, para ello debe defenderla con
argumentos tericos a priori.
4.()
5.()
6.()
7.()
8.()
9.()
10.()
La prueba de Hausman nos sirve para determinar si una ecuacin est sobreidentificada.
Solucionario. Revisar luego de que haya finalizado la autoevaluacin, el mismo se encuentra al final de
la presente gua.
50
SEGUNDO BIMESTRE
MTODOS DE SISTEMAS
El texto bsico, captulo 20, presenta un sistema hipottico en el que explica la diferencia
entre los mtodos de estimacin.
Idealmente debera utilizarse el mtodo de mxima verosimilitud con informacin completa pero
demanda de un software especializado, por eso habitualmente se trabaja con los mtodos de
informacin incompleta o uniecuacionales.
Los mtodos de informacin incompleta tambin requieren de rutinas que requieren un amplio
trabajo manual o del uso de un software especializado, por ello nos limitaremos a sealar el
mtodo y el clculo lo dejaremos para que usted lo aplique de acuerdo a su realidad.
Debe revisar los procedimientos manuales que el texto bsico nos proporciona.
En el siguiente cuadro se resumen los mtodos de estimacin de acuerdo a los resultados del proceso
de identificacin.
TIPO
SUBIDENTIFICADA
EXACTAIDENTIFICADA
SOBREIDENTIFICADA
MTODO
No se puede estimar.
Los mtodos de estimacin sealados presentan algunas caractersticas que los hacen deseables, en el
texto bsico, captulo 20, se presentan de manera clara y sencilla.
Lo invitamos a que desarrolle la autoevaluacin que a continuacin le proponemos. Esto le servir como
estrategia para reforzar los temas en los que tenga mayor dificultad.
UNIVERSIDAD TCNICA PARTICULAR DE LOJA
51
SEGUNDO BIMESTRE
Autoevaluacin 6
En la parte derecha de cada pregunta se tiene el espacio destinado para la respuesta. Escriba las letras V
o F segn los enunciados sean verdaderos o falsos.
1.()
2.()
3.()
4.()
5.()
6.()
El segundo paso del proceso para estimar por el MCI es obtener las ecuaciones de la
forma reducida
7.()
8.()
9.()
El MC2E es fcil aplicar porque todo lo que se necesita saber es el nmero total de
variables exgenas o predeterminadas
10.()
Solucionario. Revisar luego de que haya finalizado la autoevaluacin, el mismo se encuentra al final de
la presente gua.
52
SEGUNDO BIMESTRE
Con estas breves aclaraciones podemos inspeccionar algunas series de tiempo del Ecuador, esta
actividad la realizaremos siguiendo el texto bsico, captulo 21, en el mismo que se presentan series de
tiempo de los estados unidos.
53
SEGUNDO BIMESTRE
Grfico N 4
PIB & IPC
220
170
31000
160
26000
150
21000
140
16000
130
PIB_CORRIENTE
2009
180
36000
2007
190
41000
2005
200
46000
2003
210
51000
2001
56000
IPC
PIB
61000
IPC_GENERAL
Grfico N 5
-10
2008
2006
2004
2002
2000
1998
1996
1994
1992
1990
1988
-5
1986
40
1984
0
1982
60
1980
1978
80
1976
10
1974
100
1972
15
1970
120
Inflacin
20
0
TASA PIB
INFLACIN
Como podemos observar en los dos grficos anteriores el proceso de generacin de la informacin es
diferente, en el primer caso la tendencia es marcada a medida que pasan los aos la serie crece cada vez
ms, en el segundo grfico tomamos las tasas de variacin de las mismas series y podemos observar que
tienen un comportamiento diferente no tienen tendencia lo que presenta es la variacin de corto plazo,
esta ltima es la condicin ideal para trabajar las series de tiempo, en este caso se considera que las series
son estacionarias. Esta conclusin es muy difcil hacerla basndonos en un grfico, por ello a lo largo de
captulo se presentarn los mtodos formales de aceptar o rechazar la hiptesis de estacionariedad.
El trabajo con series de tiempo implica aprender un vocabulario nuevo, que se ha
desarrollado para tratar o analizar las series, tambin es importante que se preocupe
por la notacin especial que se utiliza.
El texto bsico, captulo 21, resume en nueve los conceptos que se consideran clave, a
primera vista muchos no le sonarn familiares, en este punto lo ms importante es
conocer que en el transcurso del estudio del captulo podr aprenderlos y dominarlos.
54
SEGUNDO BIMESTRE
En el texto bsico, captulo 21, se presenta un ejemplo que est como pie de pgina y
que es muy claro para entender lo que es algo estocstico.
Grfico N 6
-10
2008
2006
2004
2002
2000
1998
1996
1994
1992
1990
1988
1986
1984
1982
1980
40
-5
1978
60
0
1976
80
1974
10
1972
100
1970
120
15
20
Inflacin
0
TASA PIB
INFLACIN
Grfico N 7
55
SEGUNDO BIMESTRE
Estacionario covariante.
Proceso estocstico
estacionario.
Estacionario de segundo
orden.
Proceso estocstico en
amplio sentido
Elaboracin: El Autor
Formalmente para que se efecte este proceso (estocstico estacionario), la serie de tiempo debe
cumplir con las tres caractersticas siguientes:
Media: constante en toda la serie.
Media: E(Yt)=
Covarianza o autocovarianza:
k= E[(Yt - )(Yt+k - )]
Elaboracin: El Autor
En esta seccin es importante que se lea pausadamente todos los conceptos que se exponen ya que con
este proceso se trabajarn las series de tiempo, por ejemplo en esta seccin usted aprender a diferenciar
los conceptos de serie estacionario y no estacionario, para su mejor comprensin las exponemos a
continuacin.
Una serie de tiempo es estacionaria si su media, varianza y autocovarianza (en los
diferentes rezagos) permanecen constantes.
Una serie de tiempo es no estacionaria si su media y varianza cambian en el tiempo,
puede ser una de las dos condiciones o ambas a la vez.
En el siguiente cuadro se expone la informacin mensual de cuatro aos del IPC y de la inflacin
mensual del Ecuador, esta informacin es tomada de las estadsticas oficiales del Banco Central
del Ecuador. Se expone toda la informacin para que usted realice los clculos correspondientes.
56
SEGUNDO BIMESTRE
Para cada ao se saca la media y varianza, esto con el fin de comparar los resultados individuales
con los resultados generales de toda la serie.
Tabla N 8
2007
2008
IPC
Inflacin
mensual
IPC
Inflacin
mensual
Enero
106,75
0,30
Enero
111,22
1,14
Febrero
106,82
0,07
Febrero
112,27
0,94
Marzo
106,92
0,10
Marzo
113,93
1,48
Abril
106,91
-0,01
Abril
115,66
1,52
Mayo
106,95
0,03
Mayo
116,88
1,05
Junio
107,36
0,39
Junio
117,76
0,76
Julio
107,81
0,42
Julio
118,45
0,59
Agosto
107,89
0,07
Agosto
118,70
0,21
Septiembre
108,65
0,71
Septiembre
119,48
0,66
Octubre
108,80
0,13
Octubre
119,52
0,03
Noviembre
109,34
0,50
Noviembre
119,33
-0,16
Diciembre
109,97
0,57
Diciembre
119,68
0,29
MEDIA 1
107,85
0,27
MEDIA 2
116,91
0,71
1,21
0,06
VARIANZA 2
8,86
0,30
Mes
VARIANZA 1
Mes
2009
2010
IPC
Inflacin
mensual
IPC
Inflacin
mensual
Enero
120,52
0,71
Enero
125,87
0,83
Febrero
121,09
0,47
Febrero
126,30
0,34
Marzo
122,41
1,09
Marzo
126,51
0,16
Abril
123,21
0,65
Abril
127,16
0,52
Mayo
123,20
-0,01
Mayo
127,18
0,02
Junio
123,10
-0,08
Junio
127,17
-0,01
Julio
123,01
-0,07
Julio
127,20
0,02
Agosto
122,65
-0,30
Septiembre
123,41
0,63
Octubre
123,71
0,24
Noviembre
124,12
0,34
Diciembre
124,84
0,58
MEDIA 3
122,94
0,35
MEDIA 4
126,77
0,27
1,42
0,17
VARIANZA 4
0,29
0,10
Mes
VARIANZA 3
Mes
Resultados generales de la serie desde Enero 2007 a Julio del 2010 son:
IPC
Inflacin mensual
MEDIA
117,67
0,42
VARIANZA
52,53
0,19
57
SEGUNDO BIMESTRE
Si hacemos una revisin rpida de los resultados podemos darnos cuenta que los cuatro valores de
la media no son muy diferentes a la media general, por ello podemos considerarlos constantes. Para
analizar la varianza realizaremos un cuadro de comparacin de los resultados:
Tabla N 9
IPC
Muestras
Inflacin mensual
Muestras
General
0,06
1,21
8,86
1,42
General
0,30
52,53
0,17
0,29
0,19
0,10
En el caso del IPC las varianzas de cada ao o muestra son muy diferentes a la varianza general, en
cambio que los valores de la inflacin mensual en cada muestra son muy cercanas a la varianza de toda
la serie. Con esta revisin podemos concluir que el IPC es una serie no estacionaria en varianza y la
inflacin mensual es una serie estacionaria. Para reafirmar esta conclusin podemos graficar las series y
determinar el tipo de tendencia que cada una tiene.
Grfico N 7
(a)
(b)
IPC
Inflacin mensual
130
125
2
1
120
115
110
1
1
105
100
95
NO ESTACIONARIA
0
0
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
ESTACIONARIA
En el caso del IPC la tendencia es creciente con cada mes y ao que pasa en cambio que la inflacin
mensual no tiene tendencia y el comportamiento de cada mes es diferente al anterior el grfico es muy
parecido al del electrocardiograma que pusimos de ejemplo al inicio del captulo.
ACTIVIDAD 10
Con la informacin de la siguiente serie de tiempo determinar si es estacionaria, para ello debe calcular
las medias y varianzas de las submuestras en las que decida dividir la serie, compararlas con la media y
varianza general para que apruebe o rechace la hiptesis de estacionariedad. Asimismo es importante
que grafique la informacin para que se forme una idea de la tendencia que presentan los datos.
58
SEGUNDO BIMESTRE
Tabla N 9
2007
Mes
2008
Inflacin
anual
2009
Inflacin
anual
Mes
Mes
2010
Inflacin
anual
Mes
Inflacin
anual
Enero
2,68
Enero
4,19
Enero
8,36
Enero
4,44
Febrero
2,03
Febrero
5,10
Febrero
7,85
Febrero
4,31
Marzo
1,47
Marzo
6,56
Marzo
7,44
Marzo
3,35
Abril
1,39
Abril
8,18
Abril
6,52
Abril
3,21
Mayo
1,56
Mayo
9,29
Mayo
5,41
Mayo
3,24
Junio
2,19
Junio
9,69
Junio
4,54
Junio
3,30
Julio
2,58
Julio
9,87
Julio
3,85
Julio
3,40
Agosto
2,44
Agosto
10,02
Agosto
3,33
Septiembre
2,58
Septiembre
9,97
Septiembre
3,29
Octubre
2,36
Octubre
9,85
Octubre
3,50
Noviembre
2,70
Noviembre
9,13
Noviembre
4,02
Diciembre
3,32
Diciembre
8,83
Diciembre
4,31
Proceso raz
unitaria
Sin variaciones
Con
variaciones
Yt=Yt-1+t
Yt=+Yt-1+t
Elaboracin: El Autor
59
SEGUNDO BIMESTRE
Con estos conceptos entendidos podr revisar el apartado con facilidad, lo importante en el trabajo de
series de tiempo es llegar a concluir si la serie es estacionaria o no, en el caso de no serlo se debern
tomar medidas para realizar la revisin correspondiente.
En el texto bsico, captulo 21, con anticipacin se introduce la necesidad de diferenciar las series, por
ello nos adelantamos en sealar como es el proceso para diferenciar una serie. Al diferenciar una serie
pasamos de tener una serie no estacionaria a tener una serie estacionaria en diferencias.
Y = (Yt Yt1 )
Se puede diferenciar el nmero de veces que sean necesarias para tener una serie
estacionaria en diferencias. Es recomendable diferenciar mximo dos veces, ya que se
pierden grados de libertad y la informacin original de la serie.
Para ejemplificar el proceso de diferenciacin se presente el siguiente caso, en las dos primeras
observaciones de cada diferencia se presenta la resta que se debe hacer en toda la serie.
Tabla N 10
TRIMESTRE
60
VENTAS
D(VENTAS,1)
D(VENTAS,2)
NIVELES
PRIMERA
DIFERENCIA
SEGUNDA
DIFERENCIA
1970 1
1170
1970 2
2015
(2015-1170)= 845
1970 3
2803
(2803-2015)= 788
(788-845) = - 57
1970 4
2039
(2039-2803)=-764
(-764-788)=-1552
1971 1
2256
217
981
1971 2
2132
-124
-341
1971 3
1834
-298
-174
1971 4
1588
-246
52
1972 1
1749
161
407
1972 2
1687
-62
-223
1972 3
2007
320
382
1972 4
2208
201
-119
1973 1
1656
-552
-753
1973 2
1604
-52
500
1973 3
1431
-173
-121
1973 4
1610
179
352
SEGUNDO BIMESTRE
VENTAS
D(VENTAS,1)
D(VENTAS,2)
NIVELES
PRIMERA
DIFERENCIA
SEGUNDA
DIFERENCIA
1974 1
1819
209
30
1974 2
2079
260
51
1974 3
2371
292
32
1974 4
2759
388
96
TRIMESTRE
En forma grfica los resultados del proceso de diferenciacin son los siguientes:
Figura N 8
(a)
NIVELES
3000
2500
2000
1500
1000
500
1974 4
1974 3
1974 2
1974 1
1973 4
1973 3
1973 2
1973 1
1972 4
1972 3
1972 2
1972 1
1971 4
1971 3
1971 2
1971 1
1970 4
1970 3
1970 2
1970 1
(b)
PRIMERA DIFERENCIA
1000
800
600
400
200
1974 4
1974 3
1974 2
1974 1
1973 4
1973 3
1973 2
1973 1
1972 4
1972 3
1972 2
1972 1
1971 4
1971 3
1971 2
1971 1
1970 4
1970 3
1970 2
-400
1970 1
0
-200
-600
-800
-1000
(c)
SEGUNDA DIFERENCIA
1500
1000
500
1974 4
1974 3
1974 2
1974 1
1973 4
1973 3
1973 2
1973 1
1972 4
1972 3
1972 2
1972 1
1971 4
1971 3
1971 2
1971 1
1970 4
1970 3
1970 2
1970 1
0
-500
-1000
-1500
-2000
Elaboracin: El Autor
El proceso de diferenciacin es iteractivo, con cada diferencia debemos realizar las pruebas
necesarias para determinar si la serie es estacionaria o es necesario aplicar otra diferencia.
Las series no estacionarias nos presentan la tendencia de largo plazo y las series estacionarias
muestran el comportamiento de corto plazo.
Lo estudiado hasta el momento es lo bsico del trabajo con series de tiempo, pero con ello usted no
tendr inconvenientes en entender los temas restantes porque son variaciones de lo estudiado. Le
sugiero para cada caso realizar una lectura pausada intentando resaltar lo fundamental del tema que
61
SEGUNDO BIMESTRE
est leyendo. En el texto bsico debe revisar los apartados de procesos integrados y el fenmeno de
regresin espuria.
Hasta el momento hemos revisado intuitivamente y con pruebas informales la estacionariedad. Existen
pruebas formales que permitirn tomar una decisin sobre la hiptesis de estacionariedad, en esta gua
no est previsto desarrollarlas y en cualquier software usted las encontrar, es necesario que las estudie
para que pueda analizar los resultados que obtenga. Como ejemplo, tomaremos el correlograma del IPC,
la informacin fue expuesta en apartados anteriores (procesos estocsticos estacionarios).
Figura N 9
IPC - Niveles
El correlograma es un instrumento que nos permite medir la autocorrelacin, si la serie presenta este
problema, es una evidencia del problema de no estacionariedad. Evaluando los correlogramas anteriores
podemos darnos cuenta que en niveles el grfico (autocorrelacin) tiene una marcada tendencia, en
cada rezago los valores estn fuera de los lmites de confianza y en todas las probabilidades (Prob) son
todas menores a 0,05 que es el nivel de significancia establecido. Las caractersticas son diferentes en
primeras diferencias el grfico de autocorrelacin no presenta un patrn definido de comportamiento,
por lo tanto se considera un comportamiento independiente, estn dentro de los lmites de confianza
y las probabilidades todas son altas (mayores a 0,05) por lo tanto podemos decir que la serie del IPC es
estacionaria en primeras diferencias.
Con el ejemplo de los correlogramas tambin podemos darnos cuenta como el proceso de diferenciacin
nos permite pasar de una serie no estacionaria a una serie estacionaria en diferencias.
Es necesario que cada vez que trabaje con una serie de tiempo se realicen las pruebas
formales de estacionariedad esto con el fin de no tener regresiones espurias.
Las pruebas formales restantes usted debe revisarlas en el texto bsico, tambin como nos anticipamos
en explicar la diferenciacin no tendr problemas en estudiar la transformacin de las series de tiempo
no estacionarias.
62
SEGUNDO BIMESTRE
Autoevaluacin 7
En la parte derecha de cada pregunta se tiene el espacio destinado para la respuesta. Escriba las letras V
o F segn los enunciados sean verdaderos o falsos.
1.()
Serie de tiempo integrada es un concepto que est relacionado con el estudio de las
series de tiempo.
2.()
3.()
4.()
5.()
6.()
7.()
8.()
9.()
El anlisis grfico y la prueba del correlograma son pruebas para determinar si la serie
es estacionaria o no.
10.()
Solucionario. Revisar luego de que haya finalizado la autoevaluacin, el mismo se encuentra al final de
la presente gua.
63
SEGUNDO BIMESTRE
N DE DIFERENCIAS
ORDEN DE INTEGRACIN
REPRESENTACIN
Estacionaria
I(0)
No estacionaria
I(1)
No estacionaria
I(2)
No estacionaria
I(d)
Si una serie de tiempo (no estacionaria) debe diferenciarse d veces para hacerla
estacionaria, se dice que la serie es integrada de orden d. Gujarati (2004)
Finalmente es importante revisar las propiedades de las series de tiempo integradas, para ello igual que
en el texto bsico se tomarn dos series de tiempo X e Y y la combinacin de las dos Z, es importante
aclarar que para su mejor comprensin no se seguir la notacin convencional.
1.
2.
3.
Si la serie Xt es I (d1) y Yt es I (d2) Zt= Zt= 0Xt + 1Yt = I( d2 ). En este caso se considera que d1 es
menor que d2
4.
Si la serie Xt es I (d) y Yt es I (d) Zt= Zt= 0Xt + 1Yt = I( d*). En este caso se considera que d*=d pero
en algunos casos se presenta que d*< d
Con las propiedades de la integracin tambin se desprenden otros temas como el de la cointegracin.
8.1. Cointegracin
Revisada y entendida la integracin el concepto de cointegracin puede llegar a ser intuitivo, si es
necesario revise nuevamente la cuarta propiedad de la integracin.
Si tenemos dos variables (series de tiempo) I (1) el resultado de una combinacin lineal de las dos debe
ser I (0) para que las series este cointegradas, es decir para que se produzca una relacin de largo plazo
o de equilibrio.
I (1)
Series cointegradas
I (1)
64
SEGUNDO BIMESTRE
LARGO PLAZO
Series no estacionarias
TRMINO DE
Estacionaria
ERROR
CORTO PLAZO
En general el mecanismo es sencillo de aplicar se debe tener cuidado en los detalles de trabajo, hacemos
hincapi en lo siguiente:
Es el mecanismo para pasar del largo plazo al corto plazo garantizando que no se generen
desequilibrios.
En el modelo de corto plazo se utilizarn las mismas series que cointegraron, no se pueden
incorporar otras series.
Las series no estacionarias se deben diferenciar el nmero de veces que sea necesario para que
sean estacionarias en diferencias y poderlas trabajar en el corto plazo
El error (serie de errores) del largo plazo se incorporan en la ecuacin de corto plazo rezagada en
un periodo.
65
SEGUNDO BIMESTRE
66
SEGUNDO BIMESTRE
Autoevaluacin 8
En la parte derecha de cada pregunta se tiene el espacio destinado para la respuesta. Escriba las letras V
o F segn los enunciados sean verdaderos o falsos.
1.()
2.()
3.()
4.()
5.()
6.()
7.()
8.()
9.()
El MCE es la forma para pasar del largo plazo al corto plazo garantizando que no se
generen desequilibrios.
10.()
Las pruebas para la estacionariedad deben efectuarse despus que las de causalidad.
Solucionario. Revisar luego de que haya finalizado la autoevaluacin, el mismo se encuentra al final de
la presente gua.
67
SOLUCIONARIO
7. Solucionario
PRIMER BIMESTRE
Autoevaluacin 1
68
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
SOLUCIONARIO
Autoevaluacin 2
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
69
SOLUCIONARIO
Autoevaluacin 3
70
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
SOLUCIONARIO
Autoevaluacin 4
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
71
SOLUCIONARIO
SEGUNDO BIMESTRE
Autoevaluacin 5
72
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
SOLUCIONARIO
Autoevaluacin 6
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
73
SOLUCIONARIO
Autoevaluacin 7
74
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
SOLUCIONARIO
Autoevaluacin 8
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
LFMM/jclg/2013-08-29/75
75