TRABAJO 21.

CAPITULO 21 GUJARATI

CP = Utilidades de las empresas

DIVIDENDOS = Dividendos de las empresas

DPI = Ingreso personal disponible

GDP = Producto interno bruto

PCE = Gasto de consumo personal

Serie CP
CP LCP
1,600 8
1,400
7
1,200
6
1,000
800 5

600 4
400
3
200
0 2
50 55 60 65 70 75 80 85 90 95 00 05 50 55 60 65 70 75 80 85 90 95 00 05

Serie DIVIDENDOS
DIVIDEND LDIVIDENT
900 7
800
6
700
600 5
500
4
400
300 3
200
2
100
0 1
50 55 60 65 70 75 80 85 90 95 00 05 50 55 60 65 70 75 80 85 90 95 00 05
Serie DPI
DPI LDPI
9,000 9.2
8,000
8.8
7,000
8.4
6,000
5,000 8.0
4,000
7.6
3,000
2,000 7.2

1,000 6.8
50 55 60 65 70 75 80 85 90 95 00 05 50 55 60 65 70 75 80 85 90 95 00 05

Serie GDP
GDP LGDP
12,000 9.6

10,000 9.2

8,000 8.8

6,000 8.4

4,000 8.0

2,000 7.6

0
50 55 60 65 70 75 80 85 90 95 00 05 7.2
50 55 60 65 70 75 80 85 90 95 00 05

Serie PCE
PCE LPCE
9,000 9.2
8,000
8.8
7,000
6,000 8.4
5,000
8.0
4,000
3,000 7.6
2,000
7.2
1,000
0 6.8
50 55 60 65 70 75 80 85 90 95 00 05 50 55 60 65 70 75 80 85 90 95 00 05
Estudiaremos la relación entre el gasto de consumo personal y el ingreso personal. Primero
aplicaremos los logaritmos naturales a cada una de nuestra serie para optimizar su uso.

Grafica entre las series:

9.2

8.8

8.4

8.0

7.6

7.2

6.8
50 55 60 65 70 75 80 85 90 95 00 05

LDPI LPCE

Como vemos en la gráfica las dos series en sus logaritmos tienen una tendencia creciente, con
movimientos muy parecidos en el tiempo, lo cual es lógico porque según la teoría económica estas
dos variables tienen una relación lineal positiva, lo que quiere decir que a medida que el ingreso
personal incremente, también incrementara el consumo personal. Y en cuando a las causalidades,
el consumo personal depende el ingreso personal.

La relación que estudiaremos será la siguiente:

𝐿𝑃𝐶𝐸𝑡 = 𝛽0 + 𝛽1 𝐿𝐷𝑃𝐼 + 𝜇𝑡

Los resultados de la regresión son los siguientes:

Dependent Variable: LPCE
Method: Least Squares
Date: 05/16/18 Time: 20:28
Sample: 1947Q1 2007Q4
Included observations: 244

Variable Coefficient Std. Error t-Statistic Prob.

C -0.194233 0.023593 -8.232811 0.0000

LDPI 1.011351 0.002902 348.5425 0.0000

R-squared 0.998012 Mean dependent var 8.005595

Adjusted R-squared 0.998004 S.D. dependent var 0.618651
S.E. of regression 0.027641 Akaike info criterion -4.330838
Sum squared resid 0.184900 Schwarz criterion -4.302173
Log likelihood 530.3622 Hannan-Quinn criter. -4.319293
F-statistic 121481.8 Durbin-Watson stat 0.155754
Prob(F-statistic) 0.000000
Revisando los residuos de la regresión tenemos la siguiente gráfica.
RESID01
.08
.06
.04
.02
.00
-.02
-.04
-.06
-.08
50 55 60 65 70 75 80 85 90 95 00 05

Si realizamos la prueba DFA para los residuos tenemos lo siguiente:

̂ 𝑡 = 𝛾𝑢
∆𝑢 ̂ 𝑡−1 + 𝑒𝑡

Realizando la prueba DFA tenemos:

Null Hypothesis: RESID01 has a unit root
Exogenous: None
Lag Length: 0 (Automatic - based on SIC, maxlag=0)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.045753 0.0024

Test critical values: 1% level -2.574513
5% level -1.942136
10% level -1.615828

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(RESID01)
Method: Least Squares
Date: 05/16/18 Time: 21:33
Sample (adjusted): 1947Q2 2007Q4
Included observations: 243 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

RESID01(-1) -0.076361 0.025071 -3.045753 0.0026

R-squared 0.036903 Mean dependent var 4.32E-05

Adjusted R-squared 0.036903 S.D. dependent var 0.010909
S.E. of regression 0.010706 Akaike info criterion -6.231989
Sum squared resid 0.027736 Schwarz criterion -6.217615
Log likelihood 758.1867 Hannan-Quinn criter. -6.226199
Durbin-Watson stat 2.538875

Si bien la prueba DFA para los residuos de la regresión dan un rechazo a la hipótesis nula, es decir,
que la serie de los residuos de la regresión anterior es estacionaria, esto no parece estar muy
confirmado por la Engle y Granger debido a que los valores críticos de estos al 5% y 10% son -3.34 y
-3.04 respectivamente por lo que concluimos que la serie es no estacionaria.
Al confirmar que la prueba de raíz unitaria para los residuos de la anterior regresión resulta en que
la serie de residuos es no estacionaria, complementaremos el modelo con una variable de
tendencia.

Es decir:

𝐿𝑃𝐶𝐸𝑡 = 𝛽0 + 𝛽1 𝑡 + 𝛽2 𝐿𝐷𝑃𝐼 + 𝜇𝑡
El resultado de esta regresión es:
Dependent Variable: LPCE
Method: Least Squares
Date: 05/17/18 Time: 00:31
Sample: 1947Q1 2007Q4
Included observations: 244

Variable Coefficient Std. Error t-Statistic Prob.

C 2.816764 0.131926 21.35117 0.0000

@TREND 0.003711 0.000162 22.93945 0.0000
LDPI 0.584369 0.018685 31.27535 0.0000

R-squared 0.999375 Mean dependent var 8.005595

Adjusted R-squared 0.999370 S.D. dependent var 0.618651
S.E. of regression 0.015524 Akaike info criterion -5.480616
Sum squared resid 0.058081 Schwarz criterion -5.437618
Log likelihood 671.6351 Hannan-Quinn criter. -5.463299
F-statistic 192831.5 Durbin-Watson stat 0.295604
Prob(F-statistic) 0.000000

Revisando los residuos de la regresión tenemos la siguiente gráfica:

RESID02
.06

.04

.02

.00

-.02

-.04

-.06
50 55 60 65 70 75 80 85 90 95 00 05

Realizando la prueba DFA para los residuos de la regresión con tendencia, tenemos la siguiente
relación:
̂ 𝑡 = 𝛾𝑢
∆𝑢 ̂ 𝑡−1 + 𝑒𝑡
Realizando la prueba de DFA a los residuos tenemos los siguientes resultados.
Null Hypothesis: RESID02 has a unit root
Exogenous: None
Lag Length: 0 (Automatic - based on SIC, maxlag=0)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.454507 0.0000

Test critical values: 1% level -2.574513
5% level -1.942136
10% level -1.615828

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(RESID02)
Method: Least Squares
Date: 05/17/18 Time: 00:37
Sample (adjusted): 1947Q2 2007Q4
Included observations: 243 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

RESID02(-1) -0.149821 0.033634 -4.454507 0.0000

R-squared 0.075770 Mean dependent var -2.87E-05

Adjusted R-squared 0.075770 S.D. dependent var 0.008423
S.E. of regression 0.008098 Akaike info criterion -6.790411
Sum squared resid 0.015868 Schwarz criterion -6.776036
Log likelihood 826.0349 Hannan-Quinn criter. -6.784621
Durbin-Watson stat 2.393130

Como vemos en los resultados la prueba de DFA para los residuos de la regresión con tendencia nos
resulta en que los residuos no tienen raíz unitaria y si comparamos el t estadístico con los t críticos
antes mencionados según la prueba de Engel y Granger estos son estadísticamente significativos,
por lo que rechazamos la hipótesis nula de que la serie de los residuos de la regresión con tendencia
tengan raíz unitaria y que sean no estacionarios, por lo que esta serie es estacionaria.

Podemos comparar los gráficos de los residuos de las dos regresiones:

RESID01 RESID02
.08 .06
.06
.04
.04
.02
.02
.00 .00
-.02
-.02
-.04
-.04
-.06
-.08 -.06
50 55 60 65 70 75 80 85 90 95 00 05 50 55 60 65 70 75 80 85 90 95 00 05
Si queremos que encontrar un equilibrio de corto plazo entre estas dos variables podemos realizar
la siguiente regresión basada en el mecanismo de corrección de errores (MCE).

Corremos la siguiente regresión:

∆𝐿𝑃𝐶𝐸𝑡 = 𝛽0 + 𝛽1 ∆𝐿𝐷𝑃𝐼𝑡 + 𝛽2 𝑢𝑡−1 + 𝜀𝑡

Donde ∆ = primeras diferencias de la serie y ut-1 son los residuos rezagados en un periodo de la
segunda regresión, es decir la regresión con tendencia.

Corriendo el modelo tenemos lo siguiente:

Dependent Variable: D(LPCE)
Method: Least Squares
Date: 05/17/18 Time: 01:06
Sample (adjusted): 1947Q2 2007Q4
Included observations: 243 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 0.006129 0.000633 9.675362 0.0000

D(LDPI) 0.296709 0.047640 6.228142 0.0000
RESID02(-1) -0.122292 0.031796 -3.846116 0.0002

R-squared 0.165775 Mean dependent var 0.008663

Adjusted R-squared 0.158824 S.D. dependent var 0.008260
S.E. of regression 0.007576 Akaike info criterion -6.915396
Sum squared resid 0.013775 Schwarz criterion -6.872272
Log likelihood 843.2206 Hannan-Quinn criter. -6.898026
F-statistic 23.84616 Durbin-Watson stat 2.149593
Prob(F-statistic) 0.000000

Estadísticamente el término del mecanismo de corrección de errores (MCE) es significativo, lo que

indica que el gasto de consumo personal se ajusta al ingreso personal con un rezago; solo alrededor
del 12% de la discrepancia entre el gasto de consumo personal de largo y corto plazo se corrige
dentro de un trimestre.

En la última regresión observamos que la elasticidad de consumo de corto plazo es de casi 0.29, sin
embargo, la elasticidad de largo plazo es de casi 0.58 lo cual se observa en la regresión con la
tendencia incluida.
TRABAJO EJEMPLO 21.1 EMISION MONETARIA M1 4TA EDICION
MONEY
1,200

1,000

800

600

400

200

0
50 100 150 200 250 300 350 400 450

Como vemos en el gráfico de la emisión monetaria desde enero de 1951 hasta septiembre de 1999,
la tendencia de esta variable es creciente. Dentro la teoría económica es importante que esta
variable este siempre en constante monitoreo debido a la importancia de la emisión monetaria para
el crecimiento de la economía. La emisión monetaria según la teoría economía tiene una relación
directa con la inflación y con el crecimiento económico, es por eso que su manejo tiene que ser muy
responsable para que se pueda tener un crecimiento económico sostenible, pero sin que la inflación
incremente hasta devaluar la moneda y quitar el poder adquisitivo de los agentes.

Realizando un análisis econométrico de la serie realizaremos la prueba de raíz unitaria a la serie de

la emisión monetaria en M1. Para esto correremos la siguiente regresión:
̂ 𝑡 = 𝛽0 + 𝛽1 𝑡 + 𝛽2 𝑀𝑡−1 + 𝑢𝑡
∆𝑀
Al correr esta relación con la prueba de DF tenemos los siguientes resultados.
Null Hypothes is : MONEY has a unit root
Exogenous : Cons tant, Linear Trend
Lag Length: 0 (Autom atic - bas ed on SIC, m axlag=0)

t-Statis tic Prob.*

Augm ented Dickey-Fuller tes t s tatis tic -3.004678 0.1319

Tes t critical values : 1% level -3.976974
5% level -3.419056
10% level -3.132086

*MacKinnon (1996) one-s ided p-values .

Augm ented Dickey-Fuller Tes t Equation

Dependent Variable: D(MONEY)
Method: Leas t Squares
Date: 05/17/18 Tim e: 22:24
Sam ple (adjus ted): 2 489
Included obs ervations : 488 after adjus tm ents

Variable Coefficient Std. Error t-Statis tic Prob.

MONEY(-1) -0.004398 0.001464 -3.004678 0.0028

C 0.261817 0.330578 0.791997 0.4287
@TREND("1") 0.015979 0.003613 4.422796 0.0000

R-s quared 0.067040 Mean dependent var 1.956086

Adjus ted R-s quared 0.063192 S.D. dependent var 3.575097
S.E. of regres s ion 3.460294 Akaike info criterion 5.326713
Sum s quared res id 5807.213 Schwarz criterion 5.352473
Log likelihood -1296.718 Hannan-Quinn criter. 5.336831
F-s tatis tic 17.42532 Durbin-Wats on s tat 0.717213
Prob(F-s tatis tic) 0.000000
Como vemos en los resultados se acepta la hipótesis nula de la serie de la emisión monetaria tiene
raíz unitaria, es decir que la serie es no estacionaria.

Realizando la primera diferencia de la serie de masa monetaria M1, para ver el cambio en el corto
plazo de esta serie tenemos el siguiente gráfico.
DMONEY
20

15

10

-5

-10

-15
50 100 150 200 250 300 350 400 450

Como vemos es muy posible que esta serie sea estacionaria por los movimientos de la serie en el
tiempo para eso corremos al misma relación anterior pero con la serie en primeras diferencias, para
esto tenemos:
̂ 𝑡 = 𝛽0 + 𝛽1 𝑡 + 𝛽2 𝐷𝑀𝑡−1 + 𝑢𝑡
∆𝐷𝑀
Corriendo la regresión tenemos:
Null Hypothes is : DMONEY has a unit root
Exogenous : Cons tant, Linear Trend
Lag Length: 0 (Autom atic - bas ed on SIC, m axlag=0)

t-Statis tic Prob.*

Augm ented Dickey-Fuller tes t s tatis tic -9.901642 0.0000

Tes t critical values : 1% level -3.977013
5% level -3.419076
10% level -3.132097

*MacKinnon (1996) one-s ided p-values .

Augm ented Dickey-Fuller Tes t Equation

Dependent Variable: D(DMONEY)
Method: Leas t Squares
Date: 05/17/18 Tim e: 23:23
Sam ple (adjus ted): 3 489
Included obs ervations : 487 after adjus tm ents

Variable Coefficient Std. Error t-Statis tic Prob.

DMONEY(-1) -0.349585 0.035306 -9.901642 0.0000

C 0.238387 0.244722 0.974112 0.3305
@TREND("1") 0.001771 0.000889 1.991533 0.0470

R-s quared 0.168633 Mean dependent var -0.019384

Adjus ted R-s quared 0.165198 S.D. dependent var 2.933567
S.E. of regres s ion 2.680327 Akaike info criterion 4.815896
Sum s quared res id 3477.130 Schwarz criterion 4.841696
Log likelihood -1169.671 Hannan-Quinn criter. 4.826031
F-s tatis tic 49.08694 Durbin-Wats on s tat 2.084791
Prob(F-s tatis tic) 0.000000
Como se puede ver en la prueba de raíz unitaria para las primeras diferencias de la serie, esta
rechaza la hipótesis nula, de que la serie tiene raíz unitaria, por lo tanto la serie en primeras
diferencias es estacionaria o integrada de orden 1, I(1).

TRABAJO EJEMPLO 21.2 TASA DE CAMBIO EU/GB 4TA EDICION.

EX
2.8

2.4

2.0

1.6

1.2

0.8
25 50 75 100 125 150 175 200 225 250 275

El grafico de la tasa de cambio entre la moneda de Estados Unidos y la moneda del Reino Unido
muestra muchas variaciones a lo largo del tiempo, no olvidemos que estamos analizando esta serie
desde enero de 1973 a octubre de 1996. Por el poderío económico de los dos países, las variaciones
de sus monedas generan que la economía mundial tenga variaciones, principalmente los que tienen
economías abiertas, es decir que las importaciones y exportaciones de estos países y de los demás
tienen desequilibrios, por lo cual el movimiento de estas monedas es de principal importancia en la
economía mundial. El grafico nos muestra fuertes variaciones en los primeros años de estudio, sin
embargo, al final de este este estudio se ven cambios más discretos.

Realizando el análisis econométrico a esta serie, realizaremos la prueba de raíz unitaria para verificar
que la serie sea estacionaria. Este análisis de raíz unitaria lo realizaremos con los tres indicadores de
raíz unitaria.
Prueba de raíz unitaria con intercepto generado automáticamente por Eviews.

Null Hypothesis: EX has a unit root

Exogenous: Constant
Lag Length: 2 (Automatic - based on SIC, maxlag=15)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -2.213699 0.2019

Test critical values: 1% level -3.453317
5% level -2.871546
10% level -2.572174

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(EX)
Method: Least Squares
Date: 05/23/18 Time: 22:09
Sample (adjusted): 4 286
Included observations: 283 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

EX(-1) -0.016744 0.007564 -2.213699 0.0277

D(EX(-1)) 0.462499 0.058480 7.908615 0.0000
D(EX(-2)) -0.153093 0.058615 -2.611848 0.0095
C 0.027841 0.013950 1.995821 0.0469

R-squared 0.196752 Mean dependent var -0.003676

Adjusted R-squared 0.188115 S.D. dependent var 0.047633
S.E. of regression 0.042920 Akaike info criterion -3.444933
Sum squared resid 0.513949 Schwarz criterion -3.393407
Log likelihood 491.4581 Hannan-Quinn criter. -3.424273
F-statistic 22.77991 Durbin-Watson stat 1.959842
Prob(F-statistic) 0.000000

El modelo nos muestra que se acepta la hipótesis nula de que la serie tiene raíz unitaria, por lo tanto,
la serie es estacionaria.
Prueba de raíz unitaria con intercepto y con tendencia generado automáticamente por Eviews.

Null Hypothesis: EX has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic - based on SIC, maxlag=15)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -2.285840 0.4398

Test critical values: 1% level -3.990817
5% level -3.425784
10% level -3.136061

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(EX)
Method: Least Squares
Date: 05/23/18 Time: 22:18
Sample (adjusted): 4 286
Included observations: 283 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

EX(-1) -0.023319 0.010201 -2.285840 0.0230

D(EX(-1)) 0.464846 0.058539 7.940727 0.0000
D(EX(-2)) -0.146183 0.059063 -2.475051 0.0139
C 0.045632 0.023187 1.968018 0.0501
@TREND("1") -4.06E-05 4.23E-05 -0.960656 0.3376

R-squared 0.199410 Mean dependent var -0.003676

Adjusted R-squared 0.187890 S.D. dependent var 0.047633
S.E. of regression 0.042926 Akaike info criterion -3.441180
Sum squared resid 0.512248 Schwarz criterion -3.376773
Log likelihood 491.9270 Hannan-Quinn criter. -3.415355
F-statistic 17.31093 Durbin-Watson stat 1.959436
Prob(F-statistic) 0.000000

En este modelo también se acepta la hipótesis nula de que la serie tiene raíz unitaria, por lo que
concluimos que la serie es no estacionaria.
Prueba de raíz unitaria sin intercepto ni tendencia

Null Hypothesis: EX has a unit root

Exogenous: None
Lag Length: 2 (Automatic - based on SIC, maxlag=15)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.363686 0.1601

Test critical values: 1% level -2.573159
5% level -1.941949
10% level -1.615950

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(EX)
Method: Least Squares
Date: 05/23/18 Time: 22:24
Sample (adjusted): 4 286
Included observations: 283 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

EX(-1) -0.001905 0.001397 -1.363686 0.1738

D(EX(-1)) 0.463551 0.058789 7.885030 0.0000
D(EX(-2)) -0.161861 0.058761 -2.754584 0.0063

R-squared 0.185284 Mean dependent var -0.003676

Adjusted R-squared 0.179464 S.D. dependent var 0.047633
S.E. of regression 0.043148 Akaike info criterion -3.437824
Sum squared resid 0.521286 Schwarz criterion -3.399180
Log likelihood 489.4521 Hannan-Quinn criter. -3.422329
Durbin-Watson stat 1.962173

En esta prueba también aceptamos la hipótesis nula de que la serie tiene raíz unitaria, por lo que la
serie es estacionaria.

Como en las tres pruebas DFA analizas tenemos raíz unitaria, concluimos que la serie del tipo de
cambio entre las monedas de Estados Unidos y Reino Unido es NO estacionaria, por lo que
tendremos que encontrar el orden de integración de la serie y a partir de la nueva serie trabajar con
econometría.