Trabajo de Econometria

UNIVERSIDAD NACIONAL DE SAN CRISTOBAL DE HUAMANGA
FACULTAD DE CIENCIAS ECONOMICAS, ADMINISTRATIVAS Y

CONTABLES
ESCUELA PROFESIONAL DE ECONOMA
ANALISIS ECONOMETRIO DEL INDICE DE PRODUCCION DE ALIMENTOS
CURSO : Econometra - I
DOCENTE : Econ. CANALES MOLINA, William Dante
INTEGRANTES :
AYME FLORES, Sal Feliciano

LAYME BONIFACIO, Katherine Hakira
LOPEZ ARIAS, Noma Karen.
CARRASCO HUAYTA, Mary Luz
QUISPE RUPAY, Rosaura Yesica.
DIPAZ TENORIO, Carolina Eliana
AYACUCHO - PER
2016
INDICE
INTRODUCCIN.. 3
1. PLANTEAMIENTO DEL ESTUDIO ECONOMETRICO....4

2. ESTIMACIN DEL MODELO....9
3. VALORACIN Y CONTRASTE DEL MODELO...21
3.1. Anlisis preliminares..21
3.2. Anlisis de significancia individual....23
3.3. Anlisis de significancia global...26
4. ANLISIS DE BONDAD A PRIORI..28
4.1. Anlisis de grfica de residuos.......28
4.2. Diagrama de prediccin.....35
5. CONTRASTE DE HIPTESIS SOBRE LA ESTRUCTURA....41
5.1. MULTICOLINEALIDAD....41
5.2. HETEROCEDASTICIDAD...41
5.3. AUTOCORRELACIN.....42
6. PREDICCIONES Y PROYECCIONES.....44
7. CONCLUSIONES.45
ECONOMETRIA I-2016 Pagina 2


1. PLANTEAMIENTO DEL ESTUDIO ECONOMTRICO
El objetivo de este trabajo es estimar a travs de mtodos de coeficientes ordinarios el

mejor modelo para el ndice de Produccin de Alimentos con variables que sean
representativas y que expliquen el comportamiento de esta variable independiente. Para
ello cuenta con la informacin del banco mundial acerca de las variables explicativas,
los cuales se tratan de datos anuales del periodo de 1961 al 1995 respecto a las
siguientes variables:
Definiciones de las variables:
ndice de Produccin de Alimentos

El ndice de la produccin de alimentos abarca los productos alimentarios que se
consideran comestibles y que contienen nutrientes. Se excluyen el caf y el t
porque, si bien son comestibles, carecen de valor nutritivo.
Maquinaria agrcola (tractores por cada 100 kilmetros cuadrados de tierra)

El trmino maquinaria agrcola se refiere a la cantidad de tractores de oruga y de
ruedas (excluidos los moto cultivadores) que se encuentran en uso en la agricultura
al finalizar el ao calendario especificado o durante el primer trimestre del ao
siguiente.
Exportacin de alimentos (% de exportaciones de mercaderas)

Los alimentos comprenden los productos incluidos en las siguientes secciones de
la CUCI: 0 (productos alimenticios y animales vivos), 1 (bebidas y tabacos) y 4
(aceites, grasas y ceras de origen animal y vegetal); as como en su captulo 22
(semillas y frutos oleaginosos).
Tierras agrcolas (% del rea de tierra)

Se denomina tierra agrcola a la porcin del rea de tierra cultivable, afectada a
cultivo permanente y a pradera permanente. La tierra cultivable incluye aquellos
terrenos definidos por la FAO como afectados a cultivos temporales (las zonas de
doble cosecha se cuentan una sola vez), los prados temporales para segar o para
pasto, las tierras cultivadas como huertos comerciales o domsticos, y las tierras
temporalmente en barbecho. Se excluyen las tierras abandonadas a causa del
cultivo migratorio.

Poblacin rural (% de la poblacin total)

Poblacin rural se refiere a las personas que viven en zonas rurales segn la
definicin de la oficina nacional de estadsticas. Se calcula como la diferencia entre
la poblacin total y la poblacin urbana.
rea selvtica (% del rea de tierra)

La superficie forestal se refiere a las tierras con agrupaciones de rboles naturales
o plantados de por lo menos 5 metros in situ, sean estas para usos productivos o
no, y excluye las poblaciones en los sistemas de produccin agrcola (por ejemplo,
en plantaciones frutales y sistemas agroforestales) y los rboles en los parques y
jardines urbanos.
Luego de haber realizado los estudios pertinentes sobre las caractersticas de los distintos
variables a analizar, se decidi especificar el modelo economtrico de la siguiente manera:
IPA: ndice de Produccin de Alimentos.
MA: Maquinaria agrcola (tractores por cada 100 kilmetros cuadrados de tierra
cultivable)
EXPA: Exportacin de alimentos (% de exportaciones de mercaderas)
TA: Tierras agrcolas (% del rea de tierra)
PR: Poblacin rural (% de la poblacin total)
AS: rea Selvtica (% del rea de tierra)
Despus de haber definido las variables, sus caractersticas y como se relacionan cada uno
de ellas en el mercado a nivel mundial a partir de los base de datos que escogimos del
Banco Mundial, se decide especificar un modelo economtrico del siguiente tipo:
= 0 + 1 1 + 2 2 + 3 3 + 4 4 + 5 5
Donde las variables responde la siguiente descripcin:

C: Representa la variable dependiente seleccionada, en este caso
X1: Maquinaria agrcola (tractores por cada 100 kilmetros cuadrados de tierra
cultivable) = MA
X2: Exportacin de alimentos (% de exportaciones de mercaderas) =EXPA
X3: Tierras agrcolas (% del rea de tierra) = TA
X4: Poblacin rural (% de la poblacin total) = PR
X5: reas terrestres protegidas (% del rea total de la tierra) = ATP
Nota: X1, X2, X3, X4 y X5 son las variables explicativas.
Estimation Command:
=========================
LS IPA C MA01 EXPA TA PR AS
Estimation Equation:
=========================
IPA = C(1) + C(2)*MA01 + C(3)*EXPA + C(4)*TA + C(5)*PR + C(6)*AS
Substituted Coefficients:
=========================
IPA = -0.79425024227 + 0.120951763687*MA01 + 0.0467548343204*EXPA +
0.520099759071*TA + 0.152888332249*PR + 0.180599965262*AS
De la regresin obtenida a travs del programa EVIEWS se obtiene la siguiente ecuacin

de regresin:
IPA = -0.7943 + 0.120952 (MA) + 0.046758343 (EXPA)+ 0.52009976 (TA) + 0.152888332

(PR) + 0.180599965(AS)
Del cul obtenemos:

B0= -0.7943
1 = 0.120952
2 = 0.0467583
3 = 0.52009976
B4 =0.152888332
5 = 0.180599965

TABLA N1
OBSERVACIONES PARA EL MODELO
AOS IPA MA EXPA TA PR AS
1961 30.32 30.69710468 35.74537 29.246875 32.602 32.4145524
1962 30.52 30.28408502 31.21691 29.35859375 32.486 30.8732255
1963 30.09 30 36.1864 29.6171875 33.368 30.8667144
1964 32.84 31.07151716 40.8046 30.803125 34.248 33.0500747
1965 32.89 31.85105536 40.315 30.8671875 34.132 32.8478088
1966 35.44 34.23624328 43.38716 34.80859375 35.317 35.2434302
1967 36.64 36.15910965 36.55562 35.815625 36.604 39.5338346
1968 34.11 34.81632653 42.63607 33.924344 34.465 34.5208597
1969 37.58 36.38520926 38.06286 36.92109375 38.691 37.79607
1970 41.01 41.90852228 42.51958 39.99453125 44.594 42.0309278
1971 42.09 40.393276 50.26154 40.0015625 42.504 42.1817179
1972 40.39 39.29824561 48.74301 39.275 43.453 40.0621469
1973 40.64 39.13793103 48.29628 39.31171875 44.812 41.2895323
1974 42.41 41.65517241 50.35541 40.31171875 42.173 42.4763948
1975 41.77 41.86254296 49.01025 41.31953125 41.539 41.7378965
1976 41.94 41.83333333 49.43891 41.38984375 41.907 42.7614379
1977 42.22 40.54431196 50.57201 41.4859375 42.281 44.4534595
1978 41.29 40.3608903 49.58691 39.5265625 42.659 41.2342344
1979 40.72 40.21223589 48.00646 39.5546875 40.34 42.2362847
1980 39.34 39.95652174 38.78479 38.59296875 39.426 39.8771663
1981 43.72 40.67180277 51.04334 43.6125 43.818 44.0103454
1982 45.99 44.22526636 44.30189 44.6515625 46.39 46.8644462
1983 43.06 41.70357036 51.08598 43.6890625 45.969 45.9422629
1984 46.6 44.56609366 54.55838 46.683456 46.551 46.1244019
1985 46.72 45.5450237 54.56913 45.73828125 46.736 49.1195264
1986 47.84 46.92762186 55.8754 46.7609375 48.123 49.055052
1987 52.71 50.76470588 59.02081 51.78046875 52.813 54.8626084
1988 55.69 49.76470588 62.61565 54.3464345 56.105 55.691792
1989 53.68 50.35294118 59.35123 51.79609375 54.501 53.5235057
1990 49.52 50.28571429 55.20319 48.059375 49.599 49.3062532
1991 51.77 50.91549296 57.47386 50.10625 51.7 52.3994253
1992 49.08 49.55555556 54.64083 49.153125 52.303 49.5352344
1993 52.37 51.11111111 57.54655 51.1609375 52.911 54.3474471
1994 58.74 55.09106052 63.16461 56.90460938 58.879 63.8153118
1995 62.93 58.64166667 65.46462 61.10078125 62.949 62.9662368

TABLA N2
ESTADSTICAS DESCRIPTIVAS DE LOS DATOS
IPA MA01 EXPA TA PR AS
Mean 43.27629 42.07960 49.04002 42.21916 44.19851 44.14433
Median 42.09000 41.65517 49.58691 41.31953 43.45300 42.47639
Maximum 62.93000 58.64167 65.46462 61.10078 62.94900 63.81531
Minimum 30.09000 30.00000 31.21691 29.24688 32.48600 30.86671
Std. Dev. 8.139351 7.342172 8.607569 8.033619 7.796562 8.431255
Skewness 0.358966 0.179363 -0.111643 0.264844 0.388199 0.437246
Kurtosis 2.675792 2.407100 2.257573 2.558345 2.559857 2.771061
Jarque-Bera 0.904951 0.700313 0.876538 0.693625 1.161593 1.191676
Probability 0.636052 0.704578 0.645152 0.706938 0.559452 0.551101
Sum 1514.670 1472.786 1716.401 1477.671 1546.948 1545.052
Sum Sq. Dev. 2252.467 1832.855 2519.068 2194.327 2066.737 2416.926
Observations 35 35 35 35 35 35
Grafica de elaboracin propia

Fuente: Banco Mundial

2. ESTIMACION DEL MODELO

Utilizando el programa Eviews 9, se analiza el modelo con todas las variables X1, X2,
X3, X4, X5.
CUADRO N: 01
INDICE DE PRODUCCION DE ALIMENTOS CON TODAS LAS VARIABLES EXPLICATIVAS
Dependent Variable: IPA

Method: Least Squares
Date: 03/08/16 Time: 10:27
Sample: 1961 1995
Included observations: 35
Variable Coefficient Std. Error t-Statistic Prob.
C -0.794250 0.727021 -1.092472 0.2836

MA01 0.120952 0.085238 1.418997 0.1666
EXPA 0.046755 0.033842 1.381552 0.1777
TA 0.520100 0.124271 4.185214 0.0002
PR 0.152888 0.078546 1.946486 0.0613
AS 0.180600 0.080996 2.229740 0.0337
R-squared 0.995510 Mean dependent var 43.27629

Adjusted R-squared 0.994736 S.D. dependent var 8.139351
S.E. of regression 0.590525 Akaike info criterion 1.939196
Sum squared resid 10.11288 Schwarz criterion 2.205827
Log likelihood -27.93592 Hannan-Quinn criter. 2.031237
F-statistic 1286.049 Durbin-Watson stat 2.147227
Prob(F-statistic) 0.000000


GRAFICA N 1
INDICE DE PRODUCCION DE ALIMENTOS CON TODAS LAS VARIABLES EXPLICATIVAS
68
64
60
56
52
48
44
40
36
32
28
1965 1970 1975 1980 1985 1990 1995
AS EXPA IPA
MA PR TA
FUENTE: ELABORACIN PROPIA
INTERPRETACIN: Como se puede observar en nuestra regresin, tenemos un

modelo general que captura muy adecuadamente todas nuestras variables, procede
de manera correcta dado que el R-squared es 0.99 muy cercano a uno, quiere decir
que en porcentaje a un 99% nuestras variables estn explicando el comportamiento
del IPA, estn correlacionadas, adems de tener un Durbin-watson stat que es 2.14
siendo idneo dado que este nos indica que no tendremos problemas de
Autocorrelacin.

Se analiza la variable dependiente con cada uno de las variables explicativas:
IPA en relacin al MA
CUADRO N2
IPA EN RELACIN AL MA

Date: 03/07/16 Time: 22:22
Sample: 1961 1995
C -2.755529 1.335260 -2.063665 0.0470

MA01 1.093922 0.031273 34.98011 0.0000

FUENTE: Grafica de elaboracin propia

INTERPRETACIN: Analizando la incidencia que tiene la variable explicativa MA

sobre el IPA, podemos determinar que MA es una variable que explica de marea
positiva el modelo, con un Durbin- Watson stat aceptable de 1.65, cercano a dos.

IPA EN RELACIN AL MA
GRAFICA N2
64
60
56
52
48
44
40
36
32
28
1965 1970 1975 1980 1985 1990 1995
IPA MA

INTERPRETACIN: En nuestra grafica vemos que existe un comportamiento

similar de nuestras variables por lo que ms adelante no ser necesaria hacer
conversiones a nuestra data como son el Logaritmo o la Derivada.

IPA en relacin al EXPA
CUADRO N3
IPA EN RELACIN AL EXPA

Date: 03/07/16 Time: 22:49
Sample: 1961 1995
Variable Coefficiet Std. Error t-Statistic Prob.
C -0.256717 2.822639 -0.090949 0.9281

EXPA 0.887704 0.056715 15.65188 0.0000

Adjusted R-
squared 0.877690 S.D. dependent var 8.139351
Hannan-Quinn
Log likelihood -85.24711 criter. 5.016230

INTERPRETACIN: Analizando la incidencia que tiene la variable explicativa EXPA sobre

el IPA, podemos determinar que EXPA es una variable que explica de marea positiva el
modelo, con un Durbin- Watson stat aceptable de 1.87, cercano a dos, y un coeficiente R-
squared, que seala que la variables estn correlacionadas en un 88%.

GRAFICA N3
IPA EN RELACIN AL EXPA
68
64
60
56
52
48
44
40
36
32
28
1965 1970 1975 1980 1985 1990 1995
IPA EXPA

INTERPRETACIN: En nuestra grafica vemos que existe relacin entre estas dos
variables dado que estn correlacionadas de una manera positiva y eso lo podemos
deducir de manera intuitiva viendo como la lnea de color rojo del EXPA asciende a
travs de los aos de igual manera como lo hace la lnea azul del IPA.

IPA en relacin al TA
CUADRO N4
IPA EN RELACIN AL TA

Date: 03/07/16 Time: 22:59
Sample: 1961 1995
C 0.650844 0.632576 1.028878 0.3110

TA 1.009623 0.014726 68.55868 0.0000

FUENTE: ELABORACIN PROPIA
INTERPRETACIN: Analizando la incidencia que tiene la variable explicativa TA sobre el

IPA, podemos determinar que TA es una variable que explica de marea positiva el modelo,
con un Durbin- Watson stat aceptable de 1.63, cercano a dos el optimo, y un coeficiente
R- squared, que seala que estn correlacionadas en un 99%.

GRAFICA N4
IPA EN RELACIN AL TA
64
60
56
52
48
44
40
36
32
28
1965 1970 1975 1980 1985 1990 1995
IPA TA

INTERPRETACIN: La grafica nos muestra un comportamiento muy estrecho

entre estas dos variables dado que las circunstancias histricas para ambos han
sido las mismas, las cuales han ocasionado este comportamiento similar el cual
permite estudiar el comportamiento entre ambas variables.

IPA en relacin al PR
CUADRO N5
IPA EN RELACIN AL PR

Date: 03/07/16 Time: 23:02
Sample: 1961 1995
C -2.296806 1.276045 -1.799941 0.0810

PR 1.031100 0.028444 36.25009 0.0000


INTERPRETACIN: Analizando la incidencia que tiene la variable explicativa PR

sobre el IPA, podemos determinar que PR es una variable que explica de marea
positiva el modelo, con un Durbin- Watson stat aceptable de 1.70, cercano a dos, y
un coeficiente R- squared, que seala que la variables estn correlacionadas en un
97%.

GRAFICO N5
IPA EN RELACIN AL PR
64
60
56
52
48
44
40
36
32
28
1965 1970 1975 1980 1985 1990 1995
IPA PR

INTERPRETACIN: Aunque nuestras variables no se encuentran tan

relacionadas podemos ver que en ciertos momentos en los aos han ido teniendo
un comportamiento muy similar el cual podemos decir que explica a nuestras
variable exgena, de manera correcta y nos permitir proyectarnos para las
decisiones polticas.

IPA en relacin al AS
CUADRO N6
IPA EN RELACIN AL AS

Date: 03/08/16 Time: 10:14
Sample: 1961 1995
C 1.079963 1.056780 1.021937 0.3142

AS 0.955872 0.023526 40.63044 0.0000


INTERPRETACIN: Analizando la incidencia que tiene la variable explicativa AS

sobre el IPA, podemos determinar que AS es una variable que explica de marea
positiva el modelo, con un Durbin- Watson stat aceptable de 2.14, cercano a dos, y
un coeficiente R- squared, que seala que la variables estn correlacionadas en un
95%.

GRAFICA N6
IPA EN RELACIN AL AS
65
60
55
50
45
40
35
30
25
1965 1970 1975 1980 1985 1990 1995
IPA AS

INTERPRETACIN: Nuestra grafica comprueba de manera intuitiva que nuestras

variables estn correlacionadas, han tenido un comportamiento similar a travs de
los aos lo cual es porque han sufrido los mismos shoch a travs del tiempo.

3. VALORACION Y CONTRASTE DEL MODELO
3.1 Anlisis preliminares
El modelo que se propone se puede asociar a cualquier teora lgica sobre la bsqueda de
mejoras en la calidad de produccin de alimentos, aspectos sociales y econmicos.
Entonces el enfoque vendra definido por las siguientes variables: ndice de Produccin de
Alimentos( relacin directa), Maquinaria agrcola (relacin directa ) , Exportacin de
alimentos (relacin directa), Tierras agrcolas (relacin directa), Poblacin rural (relacin
directa ), rea selvtica (relacin directa).
Maquinaria agrcola (MA):
El signo del parmetro estimado de esta variable es positivo, tal como se esperaba, la
relacin respecto al ndice de Produccin de Alientos es directa.
Exportacin de alimentos (EXPA):
Tierras agrcolas (TA):

Poblacin rural (PR):

rea Selvtica (AS):

CUADRO N7
CUBIERTO EL ANLISIS TERICO DE LOS SIGNOS, SE DEBE COMPROBAR SI
LOS PARMETROS ESTIMADOS SE CORRESPONDEN CON LO ESPERADO
ANLISIS PRELIMINAR DE SIGNOS
VARIABLE ESTIMADO TEORICO CONCLUSION
Maquinaria agrcola (tractores por cada + + Correcto
100 kilmetros cuadrados de tierra
cultivable)
Exportacin de alimentos (% de + + Correcto
exportaciones de mercaderas)
Tierras agrcolas (% del rea de tierra) + + Correcto
Poblacin rural (% de la poblacin total) + + Correcto
reas terrestres protegidas (% del rea + + Correcto

total de la tierra)
En conclusin, todos los parmetros estimados presentan un signo acorde a lo esperado

tericamente. Esto es fundamental para la utilizacin del modelo, ya que de otro modo,
podra darse el caso de que, cuando lo utilizramos para simular, los resultados pudieran
ser absurdos. Por ejemplo, si la variable Exportaciones de alimentos tuviera un parmetro
negativo, cuando viramos la incidencia de incrementos en el ndice de Produccin de
Alimentos, obtendramos una cada, hecho improbable si se entiende que la variable
Exportaciones de alimentos como una herramienta explicativa del ndice de Produccin
de Alimentos; ya que si se da un incremento de las exportaciones tambin se debe dar un
incremento en el IPA.

3.2. Anlisis de significancia individual:
Primero analizamos la relacin de cada una de las variables con la variable dependiente,
en este caso usamos la regla de rechazo del P-value.
CUADRO N8
ANLISIS DE SIGNIFICANCIA INDIVIDUAL

Date: 03/08/16 Time: 10:27
Sample: 1961 1995
C -0.794250 0.727021 -1.092472 0.2836

MA01 0.120952 0.085238 1.418997 0.1666
EXPA 0.046755 0.033842 1.381552 0.1777
TA 0.520100 0.124271 4.185214 0.0002
PR 0.152888 0.078546 1.946486 0.0613
AS 0.180600 0.080996 2.229740 0.0337



Prueba de Hiptesis para la relacin de IPA con MA:
H0 : = 0
H1 : 0
El nivel de significancia = 0.05, P-value= 1.666.

Regla de rechazo: Pvalue < o Prueba T- stadistic.
0.1666 > 0.05, Se acepta la Ho
Interpretacin: La variable Maquinaria agrcola no es significativamente representativa en

nuestro modelo para la variable dependiente ndice de Produccin de Alimentos.
Prueba de Hiptesis para la relacin de IPA con EXPA:
H0 : = 0
H1 : 0
Regla de rechazo: Pvalue < , o Prueba T- stadistic.
Interpretacin: La variable Exportaciones Agrcolas no es significativamente representativa

en nuestro modelo para la variable dependiente ndice de Produccin de Alimentos.
Prueba de Hiptesis para la relacin de IPA con TA:
H0 : = 0
H1 : 0
0.0002 < 0.05, Se rechaza la Ho.
Interpretacin: La variable Tierras Agricolas es significativamente representativa en nuestro

modelo para la variable dependiente ndice de Produccin de Alimentos.
Prueba de Hiptesis para la relacin de IPA con PR:

H0 : = 0
H1 : 0

Interpretacin: La variable Poblacin Rural no es significativamente representativa en

nuestro modelo para la variable dependiente ndice de Produccin de Alimentos.
Prueba de Hiptesis para la relacin de IPA con AS:
H0 : = 0
H1 : 0
Interpretacin: La variable no es significativamente representativa en nuestro modelo para

la variable dependiente ndice de Produccin de Alimentos.
3.3. Anlisis de significancia Global

CUADRO N9
ANLISIS DE SIGNIFICANCIA GLOBAL

Date: 03/08/16 Time: 10:27
Sample: 1961 1995
C -0.794250 0.727021 -1.092472 0.2836

MA01 0.120952 0.085238 1.418997 0.1666
EXPA 0.046755 0.033842 1.381552 0.1777
TA 0.520100 0.124271 4.185214 0.0002
PR 0.152888 0.078546 1.946486 0.0613
AS 0.180600 0.080996 2.229740 0.0337


Prueba de Hiptesis Global:

1 0
2 0
H0: 3 = 0
4 0
(5 ) (0)
1 0
2 0
H1: 3 0
4 0
(5 ) (0)

Regla de rechazo: Pvalue < , o Prueba F.
0.0000 < 0.05, Se acepta la Ho.
Interpretacin: Las variables en conjunto son significativamente representativas

para nuestro modelo, esto comprobado por nuestra regla de rechazo global que
utiliza la prueba F, que evalua todas las Betas, adems nuestros resultados tienen
un Durbin-Watson stat de2.14 que es aceptable dado que lo ptimo es 2, que
disminuye el problema de Autocorrelacin.
4. ANALISIS DE BONDAD A PRIORI

4.1. Anlisis de grfica de residuos.
GRAFICO N 7
obs Actual Fitted Res idual Res idual Plot

1961 30.3200 30.6397 -0.31971
1962 30.5200 30.1400 0.37996
1963 30.0900 30.6062 -0.51619
1964 32.8400 32.0974 0.74262
1965 32.8900 32.1478 0.74217
1966 35.4400 35.2437 0.19630
1967 36.6400 36.6522 -0.01224
1968 34.1100 34.5581 -0.44809
1969 37.5800 37.3303 0.24975
1970 41.0100 41.4725 -0.46249
1971 42.0900 41.3625 0.72746
1972 40.3900 40.5435 -0.15351
1973 40.6400 40.9518 -0.31177
1974 42.4100 41.6835 0.72651
1975 41.7700 41.9395 -0.16953
1976 41.9400 42.2337 -0.29373
1977 42.2200 42.5435 -0.32353
1978 41.2900 40.9326 0.35738
1979 40.7200 40.6818 0.03820
1980 39.3400 39.1537 0.18628
1981 43.7200 43.8420 -0.12198
1982 45.9900 45.4057 0.58432
1983 43.0600 44.6864 -1.62635
1984 46.6000 46.8742 -0.27419
1985 46.7200 47.0707 -0.35071
1986 47.8400 48.0313 -0.19131
1987 52.7100 53.0190 -0.30902
1988 55.6900 55.0538 0.63623
1989 53.6800 53.0090 0.67097
1990 49.5200 49.3524 0.16760
1991 51.7700 51.4792 0.29084
1992 49.0800 50.2614 -1.18141
1993 52.3700 52.5917 -0.22172
1994 58.7400 58.9454 -0.20539
1995 62.9300 62.1337 0.79628
Interpretacin: En el anlisis de nuestros residuales podemos observar que hubo dos

periodos donde claramente donde hubo fuertes cadas que fueron 1983 y 1993, pero al
siguiente ao se recuperaron, no fue una cada que permaneci en el tiempo, al contrario
se supe contrarrestar sus efectos al ao inmediato superior gracias a las polticas que aplico
el estado.

GRAFICO N8
DIAGRAMA DEL ANLISIS DE LOS RESIDUOS:
70
60
50
40
1.0 30
0.5
20
0.0
-0.5
-1.0
-1.5
-2.0
1965 1970 1975 1980 1985 1990 1995
Residual Actual Fitted

Interpretacin:
El ndice de produccin de alimentos tiene fuertes cadas de 1982 1983 despus
en 1993 porque existi el fuerte fenmeno del nio crisis econmica. Estos impactos
generan dificultad en el trabajo dado que lo ptimo ser que el residual se encuentre
dentro de las lneas punteadas y as poder analizar de mejor manera nuestro
modelo.

REZAGOS Y DINAMICA:
Creamos una Dummy para lograr que los rezagos se encuentren dentro del rango. Utilizaremos
dos Dummy la primera se considerara 1 para los aos de 1983 y 1984, es en estos aos donde
las variables se encuentran con datos que sesgan nuestro modelo.
La segunda Dummy llamada Dum2 modificara el tramo de los 1992 y 1993, con estas dos
dummy se evitara los problemas de Autocorrelacin y nuestro modelo ser ptimo.

GRAFICA CON LA PRIMERA DUMMY:
70
60
50
40
1.0
30
0.5
20
0.0
-0.5
-1.0
-1.5
1965 1970 1975 1980 1985 1990 1995
DUMMY2

GRAFICA CON LAS DOS DUMMY:
70
60
50
40
.8 30
20
.4
.0
-.4
-.8
1965 1970 1975 1980 1985 1990 1995

Interpretacin: En el anlisis de los residuales con la creacin de dos variables

ficticias dummy hemos conseguido que nuestros rezagos se encuentren dentro del
rango ptimo. Tambin se ha logrado eliminar la dinmica que se tenia.

CUADRO N 10
RATIOS DE ERROR (RM, SE, ME)
Null Hypothesis: RESID01 has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=8)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.182429 0.0000

Test critical values: 1% level -3.639407
5% level -2.951125
10% level -2.614300
*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(RESID01)
Date: 03/07/16 Time: 23:00
Sample (adjusted): 1962 1995
Included observations: 34 after adjustments
RESID01(-1) -1.116816 0.180644 -6.182429 0.0000

C 0.006667 0.095381 0.069904 0.9447



El nivel de significancia = 0.05 = 5%

El nivel de confianza: 1 = 0.95 = 95%
t-statistic: -6.182429
P-value: 0.0000
H0: El INDICE DE PRODUCCION DE ALIMENTOS tiene una raz unitaria.
H1: El INDICE DE PRODUCCION DE ALIMENTOS no tiene una raz
unitaria
INTERPRETACIN:
Los ratios habitualmente propuestos son la raz cuadrada del error cuadrtico medio
(ECM), para comparar entre especificaciones distintas de modelos con el mismo
nmero de explicativas; el error absoluto medio (medida muy imprecisa) y el
porcentaje de error absoluto medio (PEAM), que siempre debe utilizarse sobre
valores en niveles.
Entonces rechazamos H0, y aceptamos H1 tenemos criterio suficiente para afirmar
que el INDICE DE PRODUCCION DE ALIMENTOS no tiene una raz unitaria.

4.3. Diagrama de prediccin:
CUADRO N 11
DIAGRAMA DE PREDICCIN
Date: 03/07/16 Time: 23:50
Sample: 1961 1995
C -1.068514 0.879628 -1.214734 0.2346

EXPA 0.044001 0.034585 1.272284 0.2137
AS 0.188623 0.083163 2.268117 0.0312
MA 0.132110 0.088453 1.493561 0.1465
PR 0.161332 0.080853 1.995371 0.0558
TA 0.502193 0.129628 3.874108 0.0006
DUM -0.221491 0.389453 -0.568723 0.5741

INTERPRETACION:
Dum=-0.221491,como se observa en el cuadro existe un efecto negativo por el impacto
del fenmeno del nioen el ao 1982.
Durbin- Watson stat = 2.171591
Durbin Watson nos muestra que ya no hay autocorrelacion. Rcuad nos dice que las
variables explican a la endgena en 99%.

GRAFICA N 9
DIAGRAMA DE PREDICCIN
64
Forecast: IPAF
62 Actual: IPA
Forecast sample: 1991 1995
60
58
Root Mean Squared Error 0.642983
Mean Absolute Error 0.516914
56 Mean Abs. Percent Error 0.953773
Theil Inequality Coefficient 0.005825
54 Bias Proportion 0.000000
Variance Proportion 0.450710
52
Covariance Proportion 0.549290
50
48
1991 1992 1993 1994 1995
IPAF 2 S.E.
64
Forecast: IPA_OD
62 Actual: IPA
Forecast sample: 1991 1995
60
58
Root Mean Squared Error 0.642983
Mean Absolute Error 0.516914
56 Mean Abs. Percent Error 0.953773
Theil Inequality Coefficient 0.005825
54 Bias Proportion 0.000000
Variance Proportion 0.450710
52
Covariance Proportion 0.549290
50
48
1991 1992 1993 1994 1995
IPA_OD 2 S.E.

70
60
50
40
30
20
10
0
1965 1970 1975 1980 1985 1990 1995
IPA IPA_OD IPA_ES
Proyecciones estticas y proyecciones dinmicas.

ANLISIS DE LAS VARIABLES EXPLICATIVAS: ELIMINACION DE
VARIABLES

Date: 03/08/16 Time: 17:01
Sample: 1961 1995
C -0.958549 0.638612 -1.500988 0.1450

MA01 0.090434 0.076123 1.187998 0.2452
EXPA 0.045053 0.028286 1.592757 0.1229
TA 0.617885 0.110635 5.584881 0.0000
PR 0.159993 0.066468 2.407067 0.0232
AS 0.117413 0.069441 1.690826 0.1024
DUM -1.218219 0.390877 -3.116626 0.0043
DUM2 -0.902119 0.389040 -2.318833 0.0282


IPA = -0.958549205826 + 0.0904340295106*MA01 + 0.0450531272823*EXPA +

0.61788516961*TA + 0.159992537937*PR + 0.117413455413*AS - 1.21821874948*DUM
- 0.902118600522*DUM2
Eliminando la variable explicativa maquinaria agrcola

Date: 03/08/16 Time: 17:05
Sample: 1961 1995
C -0.584444 0.559639 -1.044324 0.3053

EXPA 0.043196 0.028450 1.518333 0.1401
TA 0.688689 0.093892 7.334911 0.0000
PR 0.164311 0.066854 2.457760 0.0204
AS 0.125211 0.069637 1.798062 0.0830
DUM -1.351475 0.377178 -3.583123 0.0013
DUM2 -0.803739 0.382906 -2.099050 0.0450

IPA = -0.584444466269+ 0.0431961676119*EXPA + 0.688689287956*TA +

0.164311288553*PR + 0.125210799085*AS - 1.35147452438*DUM -
0.803738842545*DUM2
Eliminando la variable explicativa exportacin de alimentos

Date: 03/08/16 Time: 17:09
Sample: 1961 1995
C -0.332920 0.546457 -0.609233 0.5471

TA 0.732036 0.091437 8.005873 0.0000
PR 0.171537 0.068169 2.516354 0.0176
AS 0.118836 0.071057 1.672408 0.1052
DUM -1.320763 0.385018 -3.430390 0.0018

DUM2 -0.855375 0.389882 -2.193935 0.0364

IPA = -0.332919543837 + 0.732035893657*TA + 0.17153671275*PR +

0.118836285186*AS - 1.32076267495*DUM - 0.855375478781*DUM2
Eliminando la variable explicativa rea selvtica

Date: 03/08/16 Time: 17:12
Sample: 1961 1995
C -0.388923 0.561527 -0.692616 0.4939

TA 0.839402 0.067032 12.52238 0.0000
PR 0.189236 0.069330 2.729512 0.0105
DUM -1.464564 0.386370 -3.790571 0.0007
DUM2 -0.943121 0.397738 -2.371213 0.0243

IPA = -0.388922846951 + 0.839401564231*TA + 0.189236281968*PR -

1.46456425309*DUM - 0.943120726974*DUM2
Eliminando la variable DUM2

Date: 03/08/16 Time: 17:23
Sample: 1961 1995
C -0.057992 0.583052 -0.099462 0.9214

TA 0.855828 0.071472 11.97437 0.0000

PR 0.164763 0.073491 2.241937 0.0323
DUM -1.405588 0.413318 -3.400742 0.0019

IPA = -0.0579917885803 + 0.855827949965*TA + 0.164762565029*PR -

1.40558809015*DUM
Eliminando la variable explicativa poblacin rural

Date: 03/08/16 Time: 17:26
Sample: 1961 1995
C 0.562874 0.544409 1.033918 0.3089

TA 1.013795 0.012715 79.73215 0.0000
DUM -1.542456 0.433740 -3.556179 0.0012

IPA = 0.562874385282 + 1.01379451318*TA - 1.54245608427*DUM
En el anlisis de las variables explicativas de global a individual, podemos determinar que

nuestro modelo que es el ndice de cosecha esta mejor explicada y determinada con la
variable explicativa que es las tierras agrcolas y el dummy.

5. CONTRASTE DE HIPOTESIS SOBRE LA ESTRUCTURA

5.1 MULTICOLINEALIDAD

Date: 03/08/16 Time: 17:26
Sample: 1961 1995
C 0.562874 0.544409 1.033918 0.3089

TA 1.013795 0.012715 79.73215 0.0000
DUM -1.542456 0.433740 -3.556179 0.0012

ANALISIS DE LOS RESULTADOS
R-squared = 0.99: El ndice de Cosecha esta explicado en un 99% por la variable

Tierras Agrcolas y una Variable Dummy la cual podra ser El Consumo.
Con base en la Prueba T, existen 1 coeficientes de los parmetros del modelo que
no es estadsticamente significativa.
Con base en la Prueba F se acepta la Hiptesis alterna, es decir que la
significancia global de los parmetros del modelo son estadsticamente
significativas.
Con base en el anlisis individual de los grficos, podemos deducir que ya no
existen indicios de multicolinealidad con las variables explicativas.
5.2 HETEROCEDASTICIDAD
Ho: No existe heterocedasticidad
H1 : Si existe heterocedasticidad
Heteroskedasticity Test: White
F-statistic 0.300992 Prob. F(4,30) 0.8750

Obs*R-squared 1.350434 Prob. Chi-Square(4) 0.8528
Scaled explained
SS 0.976073 Prob. Chi-Square(4) 0.9134
Test Equation:
Dependent Variable: RESID^2


Date: 03/08/16 Time: 19:14
Sample: 1961 1995
Collinear test regressors dropped from specification
C 0.314204 1.871453 0.167893 0.8678

TA^2 -0.000166 0.001008 -0.164822 0.8702
TA*DUM 0.007221 0.211783 0.034095 0.9730
TA 0.007791 0.087899 0.088633 0.9300
DUM^2 -0.589410 9.575220 -0.061556 0.9513

Adjusted R-squared -0.089605 S.D. dependent var 0.429078
La Ho nos dice que si el modelo no presenta heterocedasticidad. Si la probabilidad

asociada al test es mayor a 0.05, aceptar Ho.
Interpretacin: La probabilidad asociada al estadstico del test de White (Obs*R-

squared= 0.8528), es mayor a 0.05 entonces aceptamos la Ho al 5% de significancia, es
decir q el modelo no tiene problemas de heterocedasticidad.
5.3 AUTOCORRELACIN
DETENCION DE HETEROCEDASTICIDAD
Analizamos el cuadro de correlograma de los residuos y hacemos la prueba de
hiptesis.
PRUEBA DE HIPOTESIS
Ho: No existe autocorrelacin
H1 : Si existe autocorrelacin
La Ho es que el modelo no tiene autocorrelacin hasta el orden p (p=16)

CORRELOGRAMA DE LOS RESIDUOS
Interpretacin: Aceptamos la hiptesis nula de no autocorrelacin hasta el orden 16

debido a que las probabilidades asociadas al estadstico Q (P-value) son mayores a 0.05
a un nivel de confianza del 95%.

6. PREDICCIONES Y PROYECCIONES:
La prediccin es una actividad que adquiere relevancia cuando nos referimos a

procesos de toma de decisiones, dado que en estos procesos se necesitan los
datos para poder establecer planes de accin o presupuestos, etc.
Esta actividad requiere un proceso el cual comienza como hemos visto al inicio de
este trabajo de una recoleccin de datos y la construccin de un modelo
economtrico y posterior realizacin de un seguimiento de evaluacin de las
predicciones realizadas.
Por ello la prediccin econmica es una actividad basada en modelos

economtricos y mtodos estadsticos y constituye una labor de investigacin
econmica aplicada.
Para que los resultados de una prediccin econmica puedan ser utilizados en un
proceso de toma de decisiones, stos deben ser ajustados a la realidad y
proporcionar informacin sobre los factores que lo determinan
Nuestros resultados permiten dar una proyeccin en la el ndice de produccin de

alimento sigue creciendo a travs de los prximos 10 aos, cabe resaltar que la
variable estudiada se hizo con data de 1961 a1995, la informacin que haya habido
despus para nosotros es supuestamente desconocida, pero podemos ver que no
hay diferencias en cuanto a nuestra proyeccin y los ltimos 10 aos siguiente, en
el cual nuestro ndice de produccin de alimentos sigui creciendo dado que sus
variables explicativas tambin siguieron creciendo, en nuestro modelo no se
consider ningn shock externo que pudiese alterar nuestra proyeccin.

7. CONCLUSIONES:
Nuestro modelo economtrico a determinado como variables que explican

mejor al ndice de produccin de alimentos a la tierra agrcola y al bar ficticia
creada Dummy, que explica el fuerte impacto que hubo en 1982 el mega
nio.
El modelo ha sido determinado a travs del mtodo de mnimos cuadrados
y ha cumplido con evitar los problemas de auto correlacin,
homocedasticidad, heterocedasticidad, por lo cual concluimos que nuestro
modelo es idneo y nos permitir en un futuro realizar proyecciones que
luego puedan ser utilizados en polticas de estado.

Trabajo de Econometria

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Trabajo de Econometria

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL DE SAN CRISTOBAL DE HUAMANGA

FACULTAD DE CIENCIAS ECONOMICAS, ADMINISTRATIVAS Y

ESCUELA PROFESIONAL DE ECONOMA

ANALISIS ECONOMETRIO DEL INDICE DE PRODUCCION DE ALIMENTOS

DOCENTE : Econ. CANALES MOLINA, William Dante

AYME FLORES, Sal Feliciano

1. PLANTEAMIENTO DEL ESTUDIO ECONOMETRICO....4

ECONOMETRIA I-2016 Pagina 2

ECONOMETRIA I-2016 Pagina 3

1. PLANTEAMIENTO DEL ESTUDIO ECONOMTRICO

El objetivo de este trabajo es estimar a travs de mtodos de coeficientes ordinarios el

Definiciones de las variables:

ndice de Produccin de Alimentos

Maquinaria agrcola (tractores por cada 100 kilmetros cuadrados de tierra)

Exportacin de alimentos (% de exportaciones de mercaderas)

Tierras agrcolas (% del rea de tierra)

ECONOMETRIA I-2016 Pagina 4

Poblacin rural (% de la poblacin total)

rea selvtica (% del rea de tierra)

IPA: ndice de Produccin de Alimentos.

EXPA: Exportacin de alimentos (% de exportaciones de mercaderas)

TA: Tierras agrcolas (% del rea de tierra)

PR: Poblacin rural (% de la poblacin total)

AS: rea Selvtica (% del rea de tierra)

Donde las variables responde la siguiente descripcin:

ECONOMETRIA I-2016 Pagina 5

C: Representa la variable dependiente seleccionada, en este caso

X2: Exportacin de alimentos (% de exportaciones de mercaderas) =EXPA

X3: Tierras agrcolas (% del rea de tierra) = TA

X4: Poblacin rural (% de la poblacin total) = PR

X5: reas terrestres protegidas (% del rea total de la tierra) = ATP

Nota: X1, X2, X3, X4 y X5 son las variables explicativas.

De la regresin obtenida a travs del programa EVIEWS se obtiene la siguiente ecuacin

IPA = -0.7943 + 0.120952 (MA) + 0.046758343 (EXPA)+ 0.52009976 (TA) + 0.152888332

Del cul obtenemos:

ECONOMETRIA I-2016 Pagina 6

ECONOMETRIA I-2016 Pagina 7

ESTADSTICAS DESCRIPTIVAS DE LOS DATOS

IPA MA01 EXPA TA PR AS

Mean 43.27629 42.07960 49.04002 42.21916 44.19851 44.14433

Median 42.09000 41.65517 49.58691 41.31953 43.45300 42.47639

Maximum 62.93000 58.64167 65.46462 61.10078 62.94900 63.81531

Minimum 30.09000 30.00000 31.21691 29.24688 32.48600 30.86671

Std. Dev. 8.139351 7.342172 8.607569 8.033619 7.796562 8.431255

Skewness 0.358966 0.179363 -0.111643 0.264844 0.388199 0.437246

Kurtosis 2.675792 2.407100 2.257573 2.558345 2.559857 2.771061

Jarque-Bera 0.904951 0.700313 0.876538 0.693625 1.161593 1.191676

Probability 0.636052 0.704578 0.645152 0.706938 0.559452 0.551101

Sum 1514.670 1472.786 1716.401 1477.671 1546.948 1545.052

Sum Sq. Dev. 2252.467 1832.855 2519.068 2194.327 2066.737 2416.926

Grafica de elaboracin propia

ECONOMETRIA I-2016 Pagina 8

2. ESTIMACION DEL MODELO

INDICE DE PRODUCCION DE ALIMENTOS CON TODAS LAS VARIABLES EXPLICATIVAS

Dependent Variable: IPA

Variable Coefficient Std. Error t-Statistic Prob.

C -0.794250 0.727021 -1.092472 0.2836

R-squared 0.995510 Mean dependent var 43.27629

Grafica de elaboracin propia

ECONOMETRIA I-2016 Pagina 9

FUENTE: ELABORACIN PROPIA

INTERPRETACIN: Como se puede observar en nuestra regresin, tenemos un

ECONOMETRIA I-2016 Pagina 10

Se analiza la variable dependiente con cada uno de las variables explicativas: