Вы находитесь на странице: 1из 56

Resumen Aplicativo sobre

Econometra de Series de
Tiempo
DIRECCION NACIONAL DE CUENTAS NACIONALES

Unidad de Metodologa
Elaborado por: B. Econ. Johann Pal Lastra Chacn

Lima, Octubre del 2001

Presentacin
La Direccin Nacional de Cuentas Nacionales (DNCN) del Instituto Nacional de Estadstica
e Informtica (INEI) a travs de la Unidad de Metodologa pone a disposicin, el documento
"Resumen Aplicativo sobre Econometra de Series de Tiempo" , el cual constituye un documento
que resume y aplica el temario de Econometra de Series de Tiempo incluidos en el libro
Econometra de Damodar-Gujarati, con importantes agregados provenientes de anotaciones de
las clases dictadas por profesores de la Universidad del Pacfico en el curso de post-grado

La Unidad de Metodologa de la DNCN preparo este documento con la finalidad de


implementar las Cuentas Nacionales Trimestrales que inicialmente estaba como funcin de esta
Direccin Nacional, sin embargo es oportuno presentarlo para contribuir al conocimiento de la
Institucin y de otros usuarios externos.

Es importante resaltar que este documento no abunda en detalles tericos, sino que en
forma prctica e intuitiva invita al lector a que repase sus conocimientos bsicos de la
Econometra moderna de Series de Tiempo, como son el modelo ARIMA, VAR, la cointegracin y
el modelo de correccin de errores. Se usa datos econmicos de los Estados Unidos y datos del PBI
peruano.

En cada acpite se seala el concepto de cada tpico, se explica brevemente la metodologa


operativa y se obtienen resultados, los cuales van acompaados de grficos y cuadros estadsticos
que ayudan a comprender la intuicin detrs de cada concepto .

El primer captulo trata sobre la forma en que se operan las diversas pruebas de
estacionariedad / raz unitaria para saber si una serie tiene un comportamiento en media y
varianza estables, que ayuden a la prediccin usando modelos univariantes con las pruebas
grficas, correlogramas y la Prueba de Dickey-Fuller ADF principalmente. De otro lado, se presenta
el caso de cointegracin entre dos variables, Gasto de Consumo Personal e Ingreso Personal
Disponible usando la metodologa de Engle-Granger, para la estimacin de la relacin de Largo
Plazo y del vector de correccin de errores de Corto Plazo en pos de la convergencia a Largo Plazo

El segundo captulo trata sobre la aplicacin de la metodologa de Box-Jenkins con


modelos ARIMA (sin considerar filtros de tendencia ni de estacionalidad) y Vectores
Autoregresivos para realizar predicciones ex-ante coherentes. Para el primer caso se visualizan las
2

etapas de Identificacin del orden p,d,q de la serie , Estimacin de los Parmetros y la


Comprobacin del Diagnstico para obtener un modelo ARIMA que se ajuste razonablemente bien
a los datos. Para el caso VAR se manejan conceptos como el Test LR de seleccin de rezagos ,
criterio de causalidad estadstico a lo Granger vs Teora Econmica Monetarista, Funciones
impulso-respuesta para predecir el periodo donde una economa se reactiva ,y la descomposicin de
varianza .

En el ANEXO y a modo de tercer captulo se aplica la metodologa de Box-Jenkins para


usar un modelo ARIMA bsico que se ajuste bien a los datos del PBI peruano anual 1950-2000,
para realizar prediccin al ao 2001. Aqu de nuevo, se detalla la metodologa desarrollada en forma
didctica e intuitiva .

Finalmente , la DNCN del INEI agradece al Ph.D. Eduardo Morn Pastor y al Ma. Luis
Mesas Changa , catedrticos distinguidos de la Universidad del Pacfico y UNI respectivamente
que ayudaron con sus valiosas sugerencias a mejorar el contenido de este documento de trabajo. As
como agradecemos el inters de los usuarios que deseen refrescar estos temas, esperando que este
Resumen Aplicativo sobre Econometra de Series de Tiempo contribuya al conocimiento cientfico
de la institucin1 .

Se encuentra en revisin y saldr proximamente la Gua Metodolgica para el Clculo de los Multiplicadores

de la Economa peruana ao 1994 .

RESUMEN APLICATIVO SOBRE


ECONOMETRIA DE SERIES DE TIEMPO

INDICE
PRESENTACION ...................................................................................................................................2
CAPITULO I
ESTACIONARIEDAD, RACES UNITARIAS Y COINTEGRACIN .........................................6
1. Pruebas de Estacionariedad de Series de Tiempo .............................................................8
1.1.Correlograma del PBI........................................................................................8
1.2. Prueba Q de Box-Pierce de Hiptesis Conjunta y LB de Ljung-Box.................9
1.3. Prueba de Raz Unitaria sobre Estacionariedad .............................................10
1.3.1. Prueba simple .........................................................................................10
1.3.2. Prueba DF y ADF de Dickey Fuller ......................................................10
1.3.3. Aplicacin del ADF secuencial .............................................................13
2. Pruebas de Cointegracin ............................................................................................14
2.1. La Regresin Espurea.......................................................................................14
2.2. Prueba de Cointegracin ..................................................................................15
2.2.1. Probando que ambas series son I(1) .......................................................15
2.2.2. Prueba Engle-Granger EG y el MCE .....................................................17
2.2.3. Prueba DWRC de Durbin-Watson ........................................................21

CAPITULO II :
PRONOSTICO CON LOS MODELOS ARIMA Y VAR ................................................................22
1. Pasos segn Metodologa de Box-Jenkins...................................................................23
1.1. Identificacin....................................................................................................23
1.2. Estimacin ........................................................................................................24
1.3. Verificacin del diagnostico.............................................................................24
a) Significancia individual ...............................................................................25
b).Estadstico LB de Ljung-Box ......................................................................25
1.4. Pronostico.........................................................................................................26
2. Tcnica de Vectores Autoregresivos (VAR) .................................................................27
2.1. Estimacin VAR...............................................................................................27
A. Discusin de la eleccin de variables usando Teora Macroeconmica .....35
B. Test LR de seleccin de rezagos .................................................................36
*. Orden de exogeneidad Econmico vs Granger...............................37
C. Comentario tcnico acerca de cuando se debiera esperar la reactivacin
econmica (Funciones Impulso-Respuesta, Descomposicin de Varianza.......... 38
2.2. Prediccin VAR ...............................................................................................39
CONCLUSIONES .................................................................................................42

ANEXOS
1. APLICACIN AL PBI PERUANO (1950-2000) ..........................................................................43
1.1 Modelacin de la serie como un ARMA.....................................................................44
* Aplicacin de Metodologa Box-Jenkins .............................................................45
Etapa 1: Identificacin .....................................................................................45
Etapa 2: Estimacin de los coeficientes ARMA(p,q) ......................................46
Etapa 3 : Comprobacin del diagnstico .........................................................47
1.2 Raz Unitaria o Estacionariedad con Quiebre Estructural ? ...................................48
A) Test de Dickey-Fuller.........................................................................................48
B) Test de Zivot-Andrews .......................................................................................49
* Conclusin parcial ................................................................................................50
1.3. Pronstico ARIMA para el PBI del ao 2001 ............................................................51
Conclusin acerca de la modelacin ARIMA .........................................................52

Apndice
Programa para la aplicacin recursiva del Test de Zivot-Andrews .........................53

RESUMEN APLICATIVO SOBRE ECONOMETRIA


DE SERIES DE TIEMPO
CAP I. ESTACIONARIEDAD, RAICES UNITARIAS Y COINTEGRACION
A continuacin se har un resumen de los captulos 21 y 22 del libro Econometra de Damodar
Gujarati (con algunos agregados) sobre Econometra de Series de Tiempo a modo de introduccin. Se definir
cada concepto , se mencionan los pasos a seguir, y al mismo tiempo se aplicarn las diversas pruebas y
modelos economtricos a la economa estadounidense respecto a las variables PBI , Ingreso Personal
Disponible y Gasto de Consumo Personal reales para el periodo 1970-I a 1991-IV.

DATOS EMPLEADOS :
Trimestre
1970:01
1970:02
1970:03
1970:04
1971:01
1971:02
1971:03
1971:04
1972:01
1972:02
1972:03
1972:04
1973:01
1973:02
1973:03
1973:04
1974:01
1974:02
1974:03
1974:04
1975:01
1975:02:
1975:03
1975:04
1976:01
1976:02
1976:03
1976:04
1977:01
1977:02
1977:03
1977:04
1978:01
1978:02
1978:03
1978:04
1979:01
1979:02
1979:03
1979:04
1980:01

PBI
2872.8
2860.3
2896.6
2873.7
2942.9
2947.4
2966.0
2980.8
3037.3
3089.7
3125.8
3175.5
3253.3
3267.6
3264.3
3289.1
3259.4
3267.6
3239.1
3226.4
3154.0
3190.4
3249.9
3292.5
3356.7
3369.2
3381.0
3416.3
3446.4
3525.0
3574.4
3567.2
3591.8
3707.0
3735.6
3779.6
3780.8
3784.3
3807.5
3814.6
3830.8

GCP
1800.5
1807.5
1824.7
1821.2
1849.9
1863.5
1876.9
1904.6
1929.3
1963.3
1989.1
2032.1
2063.9
2062
2073.7
2067.4
2050.8
2059
2065.5
2039.9
2051.8
2086.9
2114.4
2137
2179.3
2194.7
2213
2242
2271.3
2280.8
2302.6
2331.6
2347.1
2394
2404.5
2421.6
2437.9
2435.4
2454.7
2465.4
2464.6

IPD
1990.6
2020.1
2045.3
2045.2
2073.9
2098
2106.6
2121.1
2129.7
2149.1
2193.9
2272
2300.7
2315.2
2337.9
2382.7
2334.7
2304.5
2315
2313.7
2282.5
2390.3
2354.4
2389.4
2424.5
2434.9
2444.7
2459.5
2463
2490.3
2541
2556.2
2587.3
2631.9
2653.2
2680.9
2699.2
2697.6
2715.3
2728.1
2742.9

1980:02
1980:03
1980:04
1981:01
1981:02
1981:03
1981:04
1982:01
1982:02
1982:03
1982:04
1983:01
1983:02
1983:03
1983:04
1984:01
1984:02
1984:03
1984:04
1985:01
1985:02
1985:03
1985:04
1986:01
1986:02
1986:03
1986:04
1987:01
1987:02
1987:03
1987:04
1988:01
1988:02
1988:03
1988:04
1989:01
1989:02
1989:03
1989:04
1990:01
1990:02
1990:03
1990:04
1991:01
1991:02
1991:03
1991:04

3732.6
3733.5
3808.5
3860.5
3844.4
3864.5
3803.1
3756.1
3771.1
3754.4
3759.6
3783.5
3886.5
3944.4
4012.1
4089.5
4144.0
4166.4
4194.2
4221.8
4254.8
4309.0
4333.5
4390.5
4387.7
4412.6
4427.1
4460.0
4515.3
4559.3
4625.5
4655.3
4704.8
4734.5
4779.7
4809.8
4832.4
4845.6
4859.7
4880.8
4900.3
4903.3
4855.1
4824.0
4840.7
4862.7
4868.0

2414.2
2440.3
2469.2
2475.5
2476.1
2487.4
2468.6
2484
2488.9
2502.5
2539.3
2556.5
2604
2639
2678.2
2703.8
2741.1
2754.6
2784.8
2824.9
2849.7
2893.3
2895.3
2922.4
2947.9
2993.7
3012.5
3011.5
3046.8
3075.8
3074.6
3128.2
3147.8
3170.6
3202.9
3200.9
3208.6
3241.1
3241.6
3258.8
3258.6
3281.2
3251.8
3241.1
3252.4
3271.2
3271.1

2692
2722.5
2777
2783.7
2776.7
2814.1
2808.8
2795
2824.8
2829
2832.6
2843.6
2867
2903
2960.6
3033.2
3065.9
3102.7
3118.5
3123.6
3189.6
3156.5
3178.7
3227.5
3281.4
3272.6
3266.2
3295.2
3241.7
3285.7
3335.8
3380.1
3386.3
3407.5
3443.1
3473.9
3450.9
3466.9
3493
3531.4
3545.3
3547
3529.5
3514.8
3537.4
3539.9
3547.5

Donde :
PBI
: Producto Bruto Interno de Estados Unidos en miles de millones de dlares de 1987
GCP

: Gasto de Consumo Privado USA en miles de millones de dlares de 1987

IPD

: Ingreso Personal Disponible USA en miles de millones de dlares de 1987

Fuente : Departamento de Comercio de los Estados Unidos, Oficina de Anlisis Econmico, Business
Statistics, 1963-1991, junio de 1992

1. PRUEBAS DE ESTACIONARIEDAD DE SERIES DE TIEMPO


SERIE DE TIEMPO ESTACIONARIA
Definicin: Una serie de tiempo es estacionaria- en sentido dbil- cuando los momentos de primer y segundo
orden de dicho proceso estocastico son invariantes en el tiempo ( es decir, su media, varianza y covarianza) ,
sin importar el momento en el cual se midan .

1.1.CORRELOGRAMA DEL PBI DE 1970-1 A 1991-4


Es un grafico que permite identificar el orden ARMA(p,q) de la serie de tiempo bajo anlisis.Muestra
la estructura autoregresiva frente a cada rezago k (AR) , y de media mviles (MA). Nos da informacin de
primera mano para sospechar si la serie es o no estacionaria . El Correlograma grafica k frente a cada rezago
k con un intervalo de confianza del 95%.Si la FAS converge a cero la serie ser estacionaria .
* Funcin de Autocorrelacin simple (FAS) y Funcin de Autocorrelacin Parcial (FAP):
FAS : es el conjunto de pares ordenados donde el rango es el tiempo (k) y el dominio est formado
por todas las autocorrelaciones simples de ese orden k.(pk). Muestra el orden MA de la serie
Donde k = Cov (Yt , Y t-k ) /

Var (Yt) Var (Yt-k)

FAP :Muestra el orden AR de las serie, tomando la forma Yt = 1 Y t-1 + ... + t-k Yt-k + t
Donde t-k es el coeficiente de autocorrelacin parcial, corregido por la presencia de rezagos
intermedios para obtener el efecto neto de Yt sobre Yt-k .

CORRELOGRAMA DE PBIUSA

H0 : ki =0 (presenta ruido blanco2 con Distribucin normal con media 0 y varianza 1/ n )


H1 : pki 0 (coeficiente de autocorrelacin muestral no es puramente aleatorio)

Un proceso ruido blanco es aquel que cumple con la definicin dbil de estacionariedad con la salvedad de que su
esperanza es cero y sus autocovarianzas son nulas. Su pasado no tiene ninguna trascendencia para explicarlo .

Intervalo de confianza al 95% para la hiptesis nula :


1.96 (1 / n ) = 1.96 (1/ 88) = (-0.2089 , 0.2089)

Conclusin : todos los coeficientes pk hasta el rezago 23 son estadsticamente significativos de manera
individual (observando el FAS), es decir, significativamente distintos de cero (no son aleatorios) porque no
estn dentro del intervalo de confianza al 95%.
La FAS tiene una memoria larga y se desvanece recin en el rezago 23, mientras que slo el coeficiente
uno de la FAP es significativo. El proceso aparenta ser un AR(1), pero la FAS a partir del rezago 45 vuelve
a ser significativo indicando que la serie no es estacionaria. Es as que el efecto de un shock sobre la
variable la puede afectar permanentemente pudiendo tener una raz unitaria .

1.2. Prueba Q de hiptesis conjunta :


m

Q=n

pk2 =

sigue distribucin aprox. X 2 con m g.l.

Sean las hiptesis :


H0 : todos los pk son simultneamente cero (serie de tiempo puramente aleatoria)
H1 : no todos los pk son simultneamente cero
Q calc = 88 (9.014043 ) = 793.235784
Conclusin : como Q calc excede ampliamente al Q critico (37.6525 al = 5%) , se rechaza la hiptesis nula
de que todos los pk son iguales a cero .

1.3. LB de Ljung Box

LB = n (n+2)

pk2
n-k

sigue distribucin aprox. X 2 con m g.l.

Conclusin : como el valor ji calculado para 25 rezagos (891.62) esta muy por encima del ji tabular (37.6525
y su probabilidad asociada es cercana a cero) al =5%, se rechaza tambin la hiptesis nula de que todos los
coeficientes de autocorrelacin son cero .No son ruido blanco.

1.3. PRUEBA DE RAIZ UNITARIA SOBRE ESTACIONARIEDAD :


1.3.1.

Prueba simple de Raz Unitaria :

Definicin : Existe raz unitaria literalmente cuando se demuestra que =1 en la regresin


Yt = Yt-1 + et , sealando una situacin de no estacionariedad .
LS // Dependent Variable is PBI
Date: 05/23/01 Time: 11:48
Sample(adjusted): 1970:2 1991:4
Included observations: 87 after adjusting endpoints
Variable

Coefficient

PBI(-1)
C

Std. Error

0.998629
28.2154

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.996658
0.996619
36.32009
112127.7
-434.9723
1.363688

t-Statistic

0.006272
24.48302

Prob.

159.2
1.152

Mean dependent var


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

0
0.2524
3876.787
624.6297
7.207462
7.26415
25351.07
0

H0 : p =1 (existe raz unitaria)


H1 : p 1 (SI hay estacionariedad)
t = p* - p
ee(p)

0.998629 1

-0.21859056

0.006272

Como t calc < t tabla3 al =5% (1.98) , se acepta la hiptesis nula siendo por tanto la serie de PBI no
estacionaria. Es decir, p es estadsticamente igual a 1 (existe el problema de raz unitaria) .

1.3.2. Prueba de Dickey-Fuller (DF) sobre Raz Unitaria para el PBI


Concepto : consiste en probar si = 0 y as notar la presencia de no estacionariedad .
Forma Funcional a) En Yt = 1 + Yt-1 + t
H0 : = 0 (existe presencia de raz unitaria en el PBI)

Regla de decisin : Si la prueba [p/ee(p)] calculada excede a los crticos o tabulados de MacKinnon,
rechazar la hiptesis nula de presencia de raz unitaria.

Es importante anotar que la prueba t aplicada al testeo de raz unitaria est sesgado al rechazo de la hiptesis nula, ya que
la varianza del estadstico esta subestimada lo que lleva a una sobreestimacion del valor t

10

-0.218526

ADF Test Statistic

1% Critical Value*
5% Critical Value
10% Critical Value

-3.5064
-2.8947
-2.5842

*MacKinnon critical values for rejection of hypothesis of a unit root.


Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBI)
Method: Least Squares
Date: 11/05/01 Time: 09:38
Sample(adjusted): 1970:2 1991:4
Included observations: 87 after adjusting endpoints
Variable

Coefficient

Std. Error

t-Statistic

Prob.

PBI(-1)
C

-0.001371
28.21540

0.006272
24.48302

-0.218526
1.152448

0.8275
0.2524

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
D (PBI) = 28.2154

0.000561
-0.011197
36.32009
112127.7
-434.9723
1.363688

Mean dependent var


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

22.93333
36.11845
10.04534
10.10203
0.047754
0.827543

0.001371 PBIt-1

(1.152448)

(
0.218526)

r2

0.000561

d = 1.363688

Donde : D (PBI) = PBI t PBI t-1


Y los estadsticos t crticos de MacKinnon al 1%,5%,10% son 3.5064 , -2.8947 , -2.5842.
Conclusin : como calculado no supera al t critico queda claro que se acepta la hiptesis nula de raz
unitaria en la serie de tiempo PBI (0.218526 < 2.8947 al = 5%).
Forma Funcional b) En Yt = 1 + 2 t + Yt-1 + t
Nota : t es la variable de tendencia (tiempo) que toma valores desde 1 hasta n=88Asumiremos tendencia
determinstica en la data. .
H0 : = 0 (hay presencia de raz unitaria en el PBI)
Regla de decisin : Si la prueba [p/ee(p)] calculada excede a los crticos o tabulados de MacKinnon,
rechazar la hiptesis nula (no se tiene evidencia para aceptar la presencia de raz unitaria).
ADF Test Statistic

-1.633467

1% Critical Value*
5% Critical Value
10% Critical Value

-4.0661
-3.4614
-3.1567

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(PBI)
Method: Least Squares
Date: 11/05/01 Time: 09:45
Sample(adjusted): 1970:2 1991:4
Included observations: 87 after adjusting endpoints

11

Variable

Coefficient

Std. Error

t-Statistic

Prob.

PBI(-1)
C
@TREND(1970:1)

-0.060879
191.9032
1.492043

0.037270
103.9511
0.921383

-1.633467
1.846091
1.619351

0.1061
0.0684
0.1091

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.030817
0.007741
35.97837
108733.2
-433.6350
1.325718

D PBI = 191.9032

Mean dependent var


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

1.492043 t

(1.846091)

(1.619351)

r2

0.030817

d = 1.325718

22.93333
36.11845
10.03759
10.12262
1.335482
0.268558

0.060879 PBIt-1
(1.633467)

Donde : D (PBI) = PBI t PBI t-1


Y los estadsticos t criticos de MacKinnon al 1%,5%,10% son 4.0673 , -3.4620 , -3.1570 .

Conclusin : como t () calculado no excede al t critico tambin se acepta la hiptesis nula de no


estacionariedad en la serie de tiempo del PBI (1.633467 < 3.4620 al = 5%).

Forma Funcional c) En Yt = 1 + 2 t + Yt-1 + Y t-1 + t


Nota : Esta es la prueba Dickey-Fuller aumentada (ADF) aplicable especialmente si el residual esta
autocorrelacionado , donde PBI t-1 equivale en el ejemplo a PBIt-1 PBIt-2 .
H0 : = 0 (existe presenta de raz unitaria )
H1 : 0 (SI hay estacionariedad en el PBI)
Regla de decisin : Si la prueba t [p/ee(p)] calculada excede a los crticos o tabulados de MacKinnon,
rechazar la hiptesis nula de presencia de raz unitaria .
1% Critical Value*
5% Critical Value
10% Critical Value
*MacKinnon critical values for rejection of hypothesis of a unit root.
ADF Test Statistic

-2.211623

Augmented Dickey-Fuller Test Equation


LS // Dependent Variable is D(PBI)
Date: 05/25/01 Time: 10:21
Sample(adjusted): 1970:3 1991:4
Included observations: 86 after adjusting endpoints
Variable
Coefficient
Std. Error
PBI(-1)
D(PBI(-1))
C
@TREND(1970:1)

-0.079065
0.35017
236.1714
1.902912

0.03575
0.10293
99.2416
0.885366

t-Statistic
-2.211623
3.402035
2.379762
2.149294

-4.0673
-3.462
-3.157

Prob.
0.0298
0.001
0.0196
0.0346

12

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
D (PBI) = 236.1714

0.14896
0.117824
33.92923
94397.82
-423.0685
2.080729
1.902912 t

(2.379762)

(2.149294)

r2

0.14896

d = 2.080729

Mean dependent var


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

23.34535
36.12406
7.093949
7.208105
4.784228
0.004021

0.079065 PBIt-1 +

0.35017 D PBIt-1

(2.211623)

(3.402035)

Donde : D PBI t-1 = PBI t-1 PBI t-2


Y los estadsticos t crticos de MacKinnon al 1%,5%,10% son 4.0673 , -3.4620 , -3.1570 .

Conclusin : como t () calculado no excede al t critico tambin se acepta la hiptesis nula de no


estacionariedad en la serie de tiempo del PBI (1.633467 < 3.4620 al = 5%).Existe el problema de raz
unitaria. Ntese que la ecuacin incluye un rezago, porque el correlograma FAP de la serie as lo sugiere.

1.3.3.

APLICACIN DEL ADF SECUENCIAL4:

A continuacin encontraremos la mejor especificacin ADF de la serie del PBI, utilizando un mtodo
deductivo (yendo de lo general a lo particular). Es decir, partiremos de un modelo completo que incluya un
rezago, intercepto y la variable de tendencia (prueba ADF completa); si se verifica que no hay estacionariedad
y que el coeficiente de tendencia no es significativo, luego se proceder a eliminar la tendencia quedando un
modelo solo con intercepto, o al final un modelo sin elementos determinsticos que presente o no raz unitaria.
El resultado de este proceso iterativo es el siguiente :
ADF Test Statistic

1% Critical Value*
5% Critical Value
10% Critical Value
*MacKinnon critical values for rejection of hypothesis of a unit root.
3.459921

Augmented Dickey-Fuller Test Equation


LS // Dependent Variable is D(PBI)
Date: 08/28/01 Time: 10:19
Sample(adjusted): 1970:3 1991:4
Included observations: 86 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
PBI(-1)
0.003934
0.001137
3.459921
D(PBI(-1))
0.321117
0.103844
3.092305
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.085131
0.07424
34.75728
101477.7
-426.1783
2.031196

Mean dependent var


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

-2.5899
-1.9439
-1.6177

0.0009
0.0027
23.34535
36.12406
7.119759
7.176837
7.816448
0.006415

Este acpite no est incluido en el libro de Gujarati, est en base al Cap. 10 del libro Econometra
Aplicada de los autores Juan F. Castro y Roddy Rivas-Llosa que esquematizaron el procedimiento de Walter
Enders.
13

Es decir, hemos obtenido un modelo sin componentes determinsticos y con un rezago, que no
presenta raz unitaria ya que el ADF statistic es mayor al Mac-Kinnon Crtico al =5% . Es decir, bajo esta
forma la serie del PBI es estacionaria y el anlisis de regresin clsico es vlido. Aunque esta afirmacin es
cuestionable ya que la presencia de D(PBI(-1)) indica que la serie est fuertemente correlacionada con su
primera diferencia .
Pero para continuar con el anlisis de Damodar Gujarati (Cap 22) se supondr que el PBI de los
EEUU no es estacionario en niveles, ya que al considerar la presencia de intercepto y de la tendencia y sin
rezagos ello se verifica. Tal como veremos ms adelante, el modelo completo si es estacionario en primeras
diferencias, lo que lo hace I(1), y as ser posible modelar y hacer la prediccin ARIMA.

14

2. PRUEBAS DE COINTEGRACION :
2.1. Concepto de Regresin Espurea .Es el tipo de regresin donde la no estacionariedad de las series involucradas sesga los resultados hacia la
aceptacin de una relacin cuando en realidad sta no existe. Es decir, el alto R2 observado entre dos series
de tiempo involucradas se puede deber a las tendencias comunes (movimientos sostenidos hacia arriba o
hacia abajo) y no a la verdadera relacin entre las dos.
Obsrvese las tendencias crecientes de las series de Ingreso Personal Disponible (IPD) y Gasto de
Consumo Personal (GCP) para USA 1970-1991 trimestral .
4000

3500

3000

2500

2000

1500
70

72

74

76

78

LS // Dependent Variable is GCP


Date: 05/28/01 Time: 12:34
Sample: 1970:1 1991:4
Included observations: 88
Variable
Coefficient

(-7.4809)
2

R =0.994051

84

86

88

90

IP D

Std. Error

-171.4412
0.96725

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
GCP = -171.4412
+

82

GCP

Regresin entre GCP y el IPD:

C
IPD

80

22.91725
0.008069

t-Statistic

Prob.

-7.48088
119.8712

0.994051 Mean dependent var


0.993981 S.D. dependent var
35.92827 Akaike info criterion
111012.3 Schwarz criterion
-439.0292 F-statistic
0.531629 Prob(F-statistic)
0.9672 IPD

0
0
2537.042
463.1134
7.185514
7.241817
14369.1
0

(119.8712)
d = 0.531629

Comentario : El r cuadrado (coeficiente de determinacin) es bastante alto y el valor t de la pendiente


del IPD tambin . Estos resultados se ven aparentemente fabulosos, pero el d de Durbin Watson es bajo
(lo que denota autocorrelacin serial positiva de orden uno entre las perturbaciones).

Regla practica para sospechar que la regresin es espurea : R2 > d (s se cumple).

Para que ambas series cointegren hacia el equilibrio de Largo Plazo, ambas deben ser I(d) del mismo
orden y sus residuos equilibradores de Corto Plazo deben ser estacionarios o I(0) .

15

2.2. Pruebas de COINTEGRACION .2.2.1.

Probemos la estacionariedad de las series y sepamos si ambas son Integradas del mismo orden :

Para la serie de tiempo GCP (Gasto de Consumo Personal)

H0 : = 0 (hay raz unitaria en el GCP)


H1 : 0 (no hay raz unitaria en el GCP)
Regla de decisin : Si la prueba t [p/ee(p)] calculada excede a los valores crticos de MacKinnon, se tiene
evidencia para rechazar la hiptesis nula de raz unitaria.
-1.376068

ADF Test Statistic

1% Critical Value*
5% Critical Value
10% Critical Value

-4.0661
-3.4614
-3.1567

*MacKinnon critical values for rejection of hypothesis of a unit root.


Augmented Dickey-Fuller Test Equation
Dependent Variable: D(GCP)
Method: Least Squares
Date: 10/12/01 Time: 09:13
Sample(adjusted): 1970:2 1991:4
Included observations: 87 after adjusting endpoints
Variable

Coefficient

Std. Error

t-Statistic

Prob.

GCP(-1)
C
@TREND(1970:1)

-0.044464
94.19111
0.798720

0.032312
56.24138
0.587106

-1.376068
1.674765
1.360435

0.1725
0.0977
0.1773

R-squared
0.022053
Adjusted R-squared
-0.001232
S.E. of regression
18.30147
Sum squared resid
28135.27
Log likelihood
-374.8285
Durbin-Watson stat
1.595415
Conclusin : como el ADF calculado esta por debajo

Mean dependent var


S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
del Mac Kinnon critico se

16.90345
18.29021
8.685714
8.770745
0.947106
0.391964
acepta la hiptesis nula de

presencia de raz unitaria en la serie de tiempo del GCP (-1.376068 < 3.4614 al = 5%).
Cabe sealar que en primeras diferencias la serie del GCP si es estacionaria ( = 1%,5%,10%)
de acuerdo a la Prueba de Dickey-Fuller. La especificacin contiene intercepto porque la media de la serie
diferenciada es diferente de cero:
60

14
Se rie s : D (G C P)
Sa mp le 1 9 7 0 :2 1 9 9 1 :4
O b s e r v a tio n s 8 7

40

12
20

10
0

Me a n
Me d ia n
Ma x imu m
Min imu m
Std . D e v .
Sk e w n e s s
Ku r to s is

- 20

- 40

- 60
70

72

74

76

78

80

82

84

D ( G C P)

86

88

90

J a r q u e - Be r a
Pr o b a b ility

1 6 .9 0 3 4 5
1 7 .2 0 0 0 0
5 3 .6 0 0 0 0
- 5 0 .4 0 0 0 0
1 8 .2 9 0 2 1
- 0 .7 5 8 7 9 9
4 .2 7 9 5 3 8
1 4 .2 8 3 6 6
0 .0 0 0 7 9 1

0
-5 0 -4 0 -3 0 -2 0 -1 0 0

10 20 30 40 50

16

-7.615082

ADF Test Statistic


D(GCP)

1% Critical Value*
5% Critical Value
10% Critical Value

-3.5073
-2.8951
-2.5844

*MacKinnon critical values for rejection of hypothesis of a unit root.


Como se ve, el ADF calculado supera al Mac Kinnon critico, rechazndose la H0 de raz unitaria.

Ahora verificaremos que la serie IPD (Ingreso Personal Disponible) es tambin I(1):

Bajo la hiptesis :
H0 : = 0 (hay raz unitaria en el IPD)
ADF Test Statistic

-2.588254

1% Critical Value*
5% Critical Value
10% Critical Value

-4.0661
-3.4614
-3.1567

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(IPD)
Method: Least Squares
Date: 10/12/01 Time: 09:02
Sample(adjusted): 1970:2 1991:4
Included observations: 87 after adjusting endpoints
Variable

Coefficient

Std. Error

t-Statistic

Prob.

IPD(-1)
C
@TREND(1970:1)

-0.156942
329.5080
2.875152

0.060636
119.6902
1.136078

-2.588254
2.753007
2.530769

0.0114
0.0072
0.0132

R-squared
0.075750 Mean dependent var
Adjusted R-squared
0.053744 S.D. dependent var
S.E. of regression
27.16757 Akaike info criterion
Sum squared resid
61998.48 Schwarz criterion
Log likelihood
-409.1973 F-statistic
Durbin-Watson stat
1.938465 Prob(F-statistic)
Como el ADF calculado (-2.5882541) es menor al Mac Kinnon critico al

17.89540
27.92843
9.475799
9.560831
3.442243
0.036573
nivel de significancia del

5%, se concluye que la serie de tiempo IPD tampoco es estacionaria en niveles. Presenta raz unitaria.

Pero al igual que la serie anterior, el IPD tambin es I(1) :


14
150

Series : D (G C P)
Sample 1970:2 1991:4
O bs erv ations 87

12
100

10
50

- 50

4
2

- 1 00
70

72

74

76

78

80

82

84

86

88

90

Mean
Median
Max imum
Minimum
Std. D ev .
Sk ew nes s
Kurtos is

16.90345
17.20000
53.60000
-50.40000
18.29021
-0.758799
4.279538

J arque-Bera
Probability

14.28366
0.000791

0
D ( IP D )

-50 -40 -30 -20 -10 0

10 20 30 40 50

17

-9.636167

ADF Test Statistic


D(IPD)

1% Critical Value*
-3.5073
-2.8951
5% Critical Value
10% Critical Value
-2.5844
*MacKinnon critical values for rejection of hypothesis of a unit root.
La especificacin contiene intercepto porque la media de la serie diferenciada es diferente de cero.

Como se ve, el ADF calculado supera al Mac Kinnon critico, rechazndose la H0 de raz unitaria.
CONCLUSION :
Cuando se efecto la regresin de GCP sobre IPD se efectu una regresin de una serie de tiempo no
estacionaria sobre otra igualmente no estacionaria en niveles, por lo que la inferencia con las pruebas t
y F estndar no serian validos. En este sentido, la regresin entre GCP y IPD podra ser ESPUREA si
sus errores son I(1) . El alto coeficiente de determinacin pudo deberse a la presencia de la tendencia comn
en ellas y no a la verdadera relacin entre las dos. Esto amerita hacer una prueba de COINTEGRACION para
apreciar si existe una relacin estable de largo plazo. Ya se demostr que ambas series son I(1), falta
verificar que sus errores sean I(0) para aplicar el Modelo de Correccin de Errores.

2.2.2. Prueba de ENGLE-GRANGER (EG) .Concepto.- Estimar la relacin de Largo Plazo verificando que los residuos sean estacionarios I(0); luego
incorporar a los errores como una variable explicativa al Corto Plazo para modelar el Modelo de Correccin
de Errores MCE.

Relacin de Largo Plazo (de equilibrio) entre el Gasto de Consumo Personal y el Ingreso
Personal Disponible de los EEUU 1970:1-1991:4
Dependent Variable: GCP
Method: Least Squares
Date: 10/12/01 Time: 09:40
Sample: 1970:1 1991:4
Included observations: 88
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
IPD

-171.4412
0.967250

22.91725
0.008069

-7.480880
119.8712

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.994051
0.993981
35.92827
111012.3
-439.0292
0.531629

Mean dependent var


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

2537.042
463.1134
10.02339
10.07969
14369.10
0.000000

Verifiquemos que los residuos sean I(0) , para que puedan corregir el desequilibrio del Corto
Plazo en pos de la convergencia de Largo Plazo.
10

100

Se r ie s : R ESID
Sa mp le 1 9 7 0 :1 1 9 9 1 :4
O b s e rv a tio n s 8 8

50

Me a n
Me d ia n
Ma x imu m
Min imu m
Std . D e v .
Sk e w n e s s
Ku rto s is

6
0

4
- 50

- 1 .9 4 E- 1 3
5 .6 4 7 3 8 5
8 2 .7 0 7 2 4
-7 6 .7 7 0 2 9
3 5 .7 2 1 1 9
-0 .3 2 5 1 7 1
2 .6 4 8 6 5 7

2
J a rq u e - Be ra
Pro b a b ility

- 100
70

72

74

76

78

80

82
R E S ID

84

86

88

90

2 .0 0 3 4 1 8
0 .3 6 7 2 5 1

0
-80

-60

-40

-20

20

40

60

80

18

Sean las hiptesis :


H0 : Residuos tienen raz unitaria, son no estacionarios( no hay cointegracin entre GCP y IPD )
H1 : Errores si son estacionarios (SI hay cointegracin)
ADF Test Statistic

-3.758250

1% Critical Value*
5% Critical Value
10% Critical Value

-3.5064
-2.8947
-2.5842

*MacKinnon critical values for rejection of hypothesis of a unit root.


Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ERROR)
Method: Least Squares
Date: 10/12/01 Time: 10:00
Sample(adjusted): 1970:2 1991:4
Included observations: 87 after adjusting endpoints
Variable

Coefficient

Std. Error

t-Statistic

Prob.

ERROR(-1)
C

-0.275357
-0.441396

0.073267
2.615711

-3.758250
-0.168748

0.0003
0.8664

R-squared
0.142492 Mean dependent var
-0.405877
Adjusted R-squared
0.132404 S.D. dependent var
26.19315
S.E. of regression
24.39757 Akaike info criterion
9.249564
Sum squared resid
50595.53 Schwarz criterion
9.306252
Log likelihood
-400.3561 F-statistic
14.12444
Durbin-Watson stat
2.278168 Prob(F-statistic)
0.000313
Donde ERROR es una serie creada con los residuales de la ecuacin de cointegracin entre GCP y IPD .

La especificacin contiene intercepto y no tendencia porque as se desprende del grfico de lneas.


Como el estimador MCO es superconsistente minimiza la varianza, entonces utilizar los valores crticos de
ADF resultaran sesgados a rechazar la hiptesis nula de la existencia de raz unitaria. Por ello es preferible
utilizar los valores crticos de Engle y Yoo:

0.01

0.05

0.10

ADF

-3.77

-3.17

-2.84

Como el ADF calculado excede a los valores crticos de Engle y Yoo al =5% se concluye que los
residuos son estacionarios y que por lo mismo, entre el Gasto de Consumo Personal y el Ingreso
Personal Disponible existe COINTEGRACION (relacin de equilibrio o ESTABLE de Largo Plazo), a
pesar de no ser estacionarias individualmente . Sus errores son I(0).

MODELO DE CORRECCION DE ERRORES (MCE) .-

Concepto :Se trata de corregir el desequilibrio de Corto Plazo entre el Consumo y el Ingreso, usando al
termino de error para atar el comportamiento de corto plazo del GCP con su valor de Largo Plazo.
a)

De acuerdo a Gujarati (Modelo simple)

LS // Dependent Variable is GCP-GCP(-1)


Date: 05/29/01 Time: 17:18
Sample(adjusted): 1970:2 1991:4
Included observations: 87 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
11.69183
2.195675
5.324936

19

IPD-IPD(-1)
ERROR(-1)

0.290602
-0.086706

0.06966
0.05418

R-squared
0.171727
Adjusted R-squared
0.152006
S.E. of regression
16.84283
Sum squared resid
23829.19
Log likelihood
-367.6026
Durbin-Watson stat
1.923381
D (GCP) = 11.69183
+
0.290602 D (IPD)
t

(5.3249)

(4.1717)

R = 0.1717

4.171715
-1.600311

Mean dependent var


S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
0.086706 t-1

0.0001
0.1133
16.90345
18.29021
5.681724
5.766755
8.707918
0.000366

(-1.6003)
d = 1.9233

Lo anterior muestra que alrededor del 9% de la discrepancia entre el valor del GCP actual y el valor de
largo plazo o de equilibrio es eliminado o corregido cada trimestre . Aunque la significancia estadistica de
esta pendiente no es clara puesto que recin es significativo al nivel de 10%.

b) Aplicando Vector de Correccin de Errores


Date: 10/12/01 Time: 10:49
Sample(adjusted): 1970:3 1991:3
Included observations: 85 after adjusting endpoints
Standard errors & t-statistics in parentheses
Cointegrating Eq:
CointEq1
GCP(-1)
1.000000
IPD(-1)

-0.970074
(0.00938)
(-103.452)

180.2247

Error Correction:

D(GCP)

D(IPD)

CointEq1

-0.042578
(0.07701)
(-0.55292)

0.478420
(0.09929)
(4.81843)

D(GCP(-1))

0.146138
(0.12449)
(1.17385)

0.373693
(0.16052)
(2.32800)

D(IPD(-1))

0.060889
(0.08217)
(0.74104)

-0.021921
(0.10594)
(-0.20691)

13.67961
(2.80840)
(4.87096)

11.48990
(3.62109)
(3.17305)

RESID(1)

0.060739
(0.07252)
(0.83751)

-0.386097
(0.09351)
(-4.12896)

0.052256
0.004868

0.331130
0.297686

R-squared
Adj. R-squared

20

Sum sq. resids


S.E. equation
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent

26891.31
18.33416
-365.2783
8.712431
8.856117
17.22000
18.37895

Determinant Residual Covariance


Log Likelihood
Akaike Information Criteria
Schwarz Criteria

44706.67
23.63966
-386.8819
9.220751
9.364436
17.88000
28.20821
127426.0
-740.8194
17.71340
18.05824

Se estimaron dos modelos de Correccin de Errores (ecuaciones de Corto Plazo) de la forma :


GCP = 1 GCP t-1 + 2 IPD t-1 + 1 t-1 + vt
IPD = 1 IPD t-1 + 2 GCP t-1 + 2 t-1 + t
Donde v , son errores ruido blanco
Que contienen un rezago de cada variable y del error de equilibrio con intercepto5. El coeficiente
del residuo que est en la ecuacin del Ingreso es estadsticamente diferente de cero, lo que quiere decir que
hay un vector vlido de cointegracin. La correccin de shocks de Corto Plazo se da por el lado del Ingreso.
La serie de residuos est dada por : t = GCP(-1) 0.970074 IPD(-1) + 180.2247
*Anlisis de la Velocidad de Ajuste de 1 y 2 :
El Ingreso responde con mayor intensidad que el Consumo : el Consumo se ajusta hacia el alza en
0.060739 (6%) y el Ingreso se ajusta hacia la baja en 0.386097 (38%) por trimestre.
Esto cumple con lo esperado a priori ya que si se ve el Grfico de lneas la serie del Ingreso est por
encima que la del Consumo, obedeciendo a que en promedio el incremento de un dlar en el Ingreso origina
un incremento menos que proporcional en el Consumo .Por lo mismo, el Consumo se ajusta al alza menos
rpido que la cada en el Ingreso porque 1 < 2 en valores absolutos .

2.2.3. Prueba de Durbin-Watson sobre la regresin de Cointegracin (DWRC) .Se utiliza la prueba d cuyos valores crticos de Sargan y Bhargava son al 1%, 5% y 10% de 0.511,
0.386 y 0.322.
H0 : d=0 (No hay cointegracin entre GCP y IPD)
H1 : d 0 (SI hay cointegracin)
Como el d de la regresin Consumo-Ingreso es de 0.5316, y supera a todos los valores d crticos, sugiere que
GCP e IPD estn cointegrados , es decir, hay una relacin de equilibrio de largo plazo entre las dos series.

La estimacin MCE se hizo asumiendo tendencia determinstica en la data, lo cual es coherente con el line
graph
21

CAP 2:PRONOSTICOS CON LOS MODELOS ARIMA Y VAR


Un modelo ARIMA es un Proceso autoregresivo integrado de media mvil (p,d,q) usado para realizar
predicciones con series estacionarias , conteniendo un proceso autoregresivo de orden p o AR(p) , proceso
de Media Mvil MA(q) e Integrado de orden d6 . Un modelo es ARMA si el ARIMA es de orden (p,0,q), es
decir las series de tiempo no han sido diferenciadas para ser estacionarias.

Resultados de Regresin que prueba la estacionariedad del PBI en primera diferencia , I(0)
-6.672742

ADF Test Statistic

1% Critical Value*
5% Critical Value
10% Critical Value

-3.5073
-2.8951
-2.5844

*MacKinnon critical values for rejection of hypothesis of a unit root.


Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBI,2)
Method: Least Squares
Date: 10/22/01 Time: 23:25
Sample(adjusted): 1970:3 1991:4
Included observations: 86 after adjusting endpoints
Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(PBI(-1))
C

-0.688569
16.13934

0.103191
4.421924

-6.672742
3.649846

0.0000
0.0005

R-squared
0.346433
Adjusted R-squared
0.338653
S.E. of regression
34.51531
Sum squared resid
100069.7
Log likelihood
-425.5776
Durbin-Watson stat
2.030780
H0 : Existe raz unitaria en el D(PBI) ( = 0)

Mean dependent var


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

0.206977
42.44210
9.943664
10.00074
44.52548
0.000000

H1 : No existe raz unitaria (si hay estacionariedad , 0 )

Las primeras diferencias del PBI lo vuelven estacionario en vista que su estadstico calculado es de
6. 672742 que excede al valor critico de 2.8951 al nivel de significancia del 5% .
150

20
Series: D(PBI)
Sample 1970:2 1991:4
Observations 87

100

15
50

Mean
22.93333
Median
23.90000
Maximum 115.2000
Minimum -98.20000
Std. Dev.
36.11845
Skewness -0.526798
Kurtosis
4.235835

10

-50

5
-100
70

72

74

76

78

80

82
D(PBI)

84

86

88

Jarque-Bera 9.560401
Probability 0.008394

90

0
-80

-40

40

80

120

Integrar una serie significa diferenciar la serie original un determinado numero de veces hasta hacerla
estacionaria. As, una serie I(0) significa que no hubo necesidad de diferenciarla para que fuera estacionaria.

I(1) significa que fue diferenciada una vez (Ejem: primeras diferencias del PBI). As una serie de tiempo es diferenciada d
veces o I(d)

22

La media de la serie diferenciada es distinta de cero (ver histograma) por lo que la especificacin
ARIMA debe contener intercepto pero no tendencia (ver grfico de lneas).El desarrollo corriente de D(PBI)
se da alrededor de su media indicando su estacionariedad.

1. PASOS SEGN METODOLOGIA DE BOX-JENKINS :


1.1. IDENTIFICACION
CORRELOGRAMA Y CORRELOGRAMA PARCIAL PARA EL PBI EN PRIMERAS DIFERENCIAS,
ESTADOS UNIDOS, 1970-1 A 1991-4

El correlograma parcial para las primeras diferencias del PBI nos muestra que las autocorrelaciones
parciales que estn en los rezago 1,8 y 12 son estadsticamente significativos (las barras caen fuera del
intervalo punteado al nivel de confianza de 95% que est entre 0.2089 y 0.2089). Si el coeficiente de
correlacin parcial fuera significativo solamente en el rezago 1, se pudo haber identificado la serie como un
modelo AR(1). Por consiguiente estaramos probablemente ante un modelo que tiene como mximo un
proceso AR(12).

23

1.2 ESTIMACION DEL MODELO ARIMA


De acuerdo al correlograma parcial podramos modelar un ARIMA AR(1), AR(8) , AR(12).
Y*t = 0 + 1 Y*t-1 + 8Y*t-8 + 12Y*t-12
Nota : Y*t significa sus primeras diferencias .
LS // Dependent Variable is D(PBI)
Date: 06/05/01 Time: 17:58
Sample(adjusted): 1973:2 1991:4
Included observations: 75 after adjusting endpoints
Convergence achieved after 3 iterations
Variable
Coefficient
Std. Error
C
23.04238
3.067247
AR(1)
0.336308
0.099906
AR(8)
-0.269822
0.102759
AR(12)
-0.273064
0.099692
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.277389
0.246856
31.90995
72295.39
-364.0839
1.797725

t-Statistic Prob.
7.512396 0.0000
3.366228 0.0012
-2.625767 0.0106
-2.739082 0.0078

Mean dependent var


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

21.52933
36.76945
6.977694
7.101294
9.084926
0.000036

Estimacin :
D(PBI) = 23.04238 + 0.336308 AR(1) - 0.269822 AR(8) - 0.273064 AR(12)
o
Y*t =

23.04238 +

0.336308Y*t-1 - 0.336308Y*t-8 - 0.273064Y*t-12

ee

2.9774

0.0987

0.1016

0.0986

7.5124

3.3662

-2.6258

-2.7391

R = 0.2774

d= 1.7977

El valor del estadstico Durbin-Watson indica que no hay autocorrelacin serial en las perturbaciones ,
adems que las pendientes son significativas en base a la prueba t .

1.3. VERIFICACION DEL DIAGNOSTICO .Una forma de probar que el modelo ARIMA antes efectuado se ajusta razonablemente a la
informacin es obtener la ACF y PACF de estos residuales hasta el rezago 25. Si se comprueba que estos
residuales son ruido blanco , es decir, puramente aleatorios (con media cero, varianza constante 2 ,no
autocorrelacionados) en base a los correlogramas y LB de Ljung Box, no seria necesario buscar otro modelo
ARIMA .

24

A) Significancia individual.Considerando las hiptesis :


H0 : pki =0 (presenta ruido blanco con Distribucin normal de media 0 y varianza 1/n )
H1 : pki 0 (coeficiente de autocorrelacin muestral no es puramente aleatorio)
Intervalo de confianza al 95% para la hiptesis nula : 1.96 (1 / n ) = 1.96 (1/ 75) = (-0.2263,0.2263)

Conclusin : todos los coeficientes pk no son estadsticamente significativos de manera individual, es decir,
son significativamente iguales a cero (aleatorios) porque estn dentro del intervalo de confianza al 95%. Por
tanto ,el correlograma de los residuales del modelo ARIMA (segn autocorrelaciones simples y las
autocorrelaciones parciales) demuestra que individualmente no son estadisticamente significativos. Los
residuales son puramente aleatorios.

B) Estadstico LB de Ljung Box


m
LB = n (n+2)

pk2
n-k

sigue distribucin aprox. X 2 con m g.l.

Conclusin : como el valor ji calculado (15.270) esta por debajo del ji tabular (37.6525) al =5%, se acepta
tambin la hiptesis nula de que todos los coeficientes de autocorrelacin son cero para 17 rezagos. Adems
obsrvese que la probabilidad asociada al estadstico 0.360 es mayor a , ratificando la aceptacin de la
hiptesis que los residuales son puramente aleatorios ..

As, al haber hecho estas pruebas de autocorrelacin de residuales , encontramos que estos son ruido blanco
(puramente aleatorios) , y no es necesario buscar otro modelo ARIMA. El ajuste es bueno para la
prediccin.

25

1.4. PRONOSTICO .Se desea pronosticar el PBI de EEUU para un periodo siguiente (1992-1 primer trimestre de 1992),
ya que la realizacin comprende entre 1970-1 a 1991-4. Previamente hay que deshacer la transformacin de
primeras diferencias que se utilizo al estimar el modelo ARIMA para obtener prediccin en niveles.

Paso 1)

Deshacemos el modelo ARIMA usado :

Y*t = 0 + 1 Y*t-1 + 8Y*t-8 + 12Y*t-12


D(PBI) = 23.04238 + 0.336308 AR(1) - 0.269822 AR(8) - 0.273064 AR(12)
Y*t =
Paso 2)

23.04238 +

0.336308Y*t-1 - 0.336308Y*t-8 - 0.273064Y*t-12

Quedando as :

Y1992-I Y 1991-IV = 0 + 1[Y 1991-IV Y 1991-III ] + 8 [ Y 1989-IV Y 1989-III ] + 12 [Y 1988-IV Y 1988-III ] + 1992-I
Y1992-I = 0 + 1[Y 1991-IV Y 1991-III ] + Y1991-IV + 8 [ Y 1989-IV Y 1989-III ] + 12 [Y 1988-IV Y 1988-III ] + 1992-I
Y1992-I = 0 + (1+1)Y 1991-IV 1Y 1991-III + 8 Y 1989-IV 8Y 1989-III + 12 Y 1988-IV 12 Y 1988-III + 1992-I

Paso 3)

Reemplazamos valores del modelo ARIMA usado anteriormente :

Y1992-I = 23.04238 + (0.336308+1)Y

1991-IV

0.336308Y

1991-III

- 0.269822 Y

1989-IV

+ 0.269822Y

1989-III

0.273064 Y 1988-IV + 0.273064 Y 1988-III

Y1992-I = 4876.7 miles de millones de dlares .


Este es el valor estimado de acuerdo al modelo ARIMA para el primer trimestre de 1992. Siendo el
PBI observado para ese periodo de 4873.7, lo que signific una sobreestimacin de US$ 3 miles de millones .

26

2. TECNICA DE VECTORES AUTORREGRESIVOS (VAR)


Esta popular tcnica de estimacin y prediccin de series de tiempo consiste en que cada variable
dependiente es explicada por sus valores rezagados o pasados, y por los valores rezagados de todas las
dems variables endgenas ( o explicativas) en el modelo. Usualmente todas las variables son exgenas en
este sistema .

Pasos de la metodologa :

2.1. ESTIMACION VAR


Caso practico.El presidente de esta economa le pide que evale la posibilidad de generar una reactivacin en la economa a
travs de un impulso monetario. Para esto le da informacin sobre 4 variables (PBI, DINERO, INTERES,
PRECIOS) . La informacin va desde 1959 hasta 1997.
Estime un VAR con las variables que usted considere adecuadas. Discuta su eleccin. Encuentre utilizando el
test de seleccin de rezagos, el nmero de rezagos ptimo para dicha estimacin.
Comente sobre cundo debera esperar una reactivacin de la economa. Sea preciso en sus afirmaciones y
utilice sus estimaciones para reforzar sus argumentos.

A. Discutir la eleccin de las variables que se consideran adecuadas.


B. Usar el test de seleccin de rezagos para encontrar el nmero de rezagos ptimo
C. Comentar sobre cuando se debera esperar una reactivacin de la economa.
DATOS EMPLEADOS :
Mes
1959:01:00
1959:02:00
1959:03:00
1959:04:00
1959:05:00
1959:06:00
1959:07:00
1959:08:00
1959:09:00
1959:10:00
1959:11:00
1959:12:00
1960:01:00
1960:02:00
1960:03:00
1960:04:00
1960:05:00
1960:06:00
1960:07:00
1960:08:00
1960:09:00
1960:10:00
1960:11:00
1960:12:00

DINERO
NA
0,003482
0,005200
0,003107
0,007213
0,006481
0,003733
0,004057
0,001012
-0,000674
0,002022
0,002353
0,001342
0,000670
0,003346
0,002002
0,002995
0,004642
0,005937
0,009165
0,004876
0,003560
0,004513
0,004813

INTERES
NA
-0,125000
0,140000
0,108000
-0,109000
0,396000
-0,004000
0,115000
0,640000
0,119000
0,092000
0,363000
-0,136000
-0,482000
-0,515000
-0,195000
0,148000
-0,751000
-0,245000
-0,110000
0,203000
-0,063000
-0,042000
-0,112000

PBI
NA
0,019258
0,013532
0,021277
0,015666
0,000000
-0,023592
-0,035091
0,000000
-0,008276
0,005525
0,061435
0,025577
-0,010152
-0,007682
-0,007742
-0,002594
-0,010444
-0,005263
0,000000
-0,010610
-0,002670
-0,013459
-0,019152

PRECIOS
NA
0,000000
0,000000
0,003150
0,000000
-0,003150
0,000000
-0,003160
0,003160
-0,003160
-0,003170
0,000000
0,003170
0,000000
0,006309
0,000000
-0,003150
0,000000
0,000000
-0,003160
0,000000
0,003160
0,000000
0,000000
27

Mes
1961:01:00
1961:02:00
1961:03:00
1961:04:00
1961:05:00
1961:06:00
1961:07:00
1961:08:00
1961:09:00
1961:10:00
1961:11:00
1961:12:00
1962:01:00
1962:02:00
1962:03:00
1962:04:00
1962:05:00
1962:06:00
1962:07:00
1962:08:00
1962:09:00
1962:10:00
1962:11:00
1962:12:00
1963:01:00
1963:02:00
1963:03:00
1963:04:00
1963:05:00
1963:06:00
1963:07:00
1963:08:00
1963:09:00
1963:10:00
1963:11:00
1963:12:00
1964:01:00
1964:02:00
1964:03:00
1964:04:00
1964:05:00
1964:06:00
1964:07:00
1964:08:00
1964:09:00
1964:10:00
1964:11:00
1964:12:00
1965:01:00
1965:02:00
1965:03:00
1965:04:00
1965:05:00
1965:06:00
1965:07:00

DINERO
0,005427
0,007612
0,005671
0,005014
0,007164
0,006496
0,004001
0,006124
0,005783
0,004844
0,006922
0,006279
0,005944
0,007674
0,008782
0,006971
0,005484
0,005454
0,004285
0,005685
0,005935
0,006460
0,007252
0,008028
0,006869
0,007366
0,007582
0,006989
0,007207
0,006363
0,007110
0,006539
0,006237
0,005941
0,008207
0,004587
0,004819
0,006054
0,005518
0,004741
0,006204
0,007149
0,007342
0,008015
0,008431
0,005263
0,006896
0,006613
0,006336
0,006761
0,006485
0,005066
0,004126
0,006611
0,006342

INTERES
0,030000
0,106000
0,012000
-0,093000
-0,039000
0,071000
-0,091000
0,134000
-0,098000
0,046000
0,108000
0,159000
0,129000
0,006000
-0,033000
0,016000
-0,041000
0,025000
0,226000
-0,108000
-0,045000
-0,041000
0,052000
0,053000
0,058000
0,002000
-0,019000
0,012000
0,011000
0,075000
0,148000
0,177000
0,059000
0,074000
0,069000
0,001000
0,006000
0,003000
0,021000
-0,069000
-0,002000
-0,004000
0,001000
0,027000
0,021000
0,048000
0,049000
0,232000
-0,028000
0,101000
0,013000
-0,010000
-0,037000
-0,085000
0,021000

PBI
0,002759
-0,002759
0,005510
0,021740
0,013351
0,015790
0,010390
0,010283
-0,002561
0,020305
0,014963
0,007398
-0,007398
0,017178
0,004854
0,002418
-0,002418
-0,002424
0,009662
0,002401
0,004785
0,002384
0,004751
0,000000
0,007084
0,009368
0,006969
0,009217
0,011403
0,004525
-0,004525
0,002265
0,009009
0,006704
0,004444
0,000000
0,008830
0,006572
0,000000
0,015168
0,006431
0,002135
0,006376
0,006336
0,004202
-0,014784
0,031416
0,012295
0,010132
0,006030
0,013931
0,003945
0,007843
0,007782
0,009643

PRECIOS
0,003150
0,000000
0,000000
-0,006309
-0,003170
-0,006369
0,006369
0,000000
0,000000
0,000000
0,000000
0,003170
0,003160
0,000000
0,000000
-0,003160
-0,003170
0,000000
0,003170
0,000000
0,009449
-0,006289
0,000000
-0,003160
0,000000
-0,003170
0,000000
-0,003180
0,003180
0,003170
0,003160
-0,003160
0,000000
0,000000
0,003160
-0,003160
0,006309
-0,006309
0,000000
0,000000
-0,003170
0,000000
0,003170
0,000000
0,003160
0,000000
0,000000
0,000000
0,003150
0,003140
0,000000
0,003130
0,003120
0,009302
0,000000
28

Mes
1965:08:00
1965:09:00
1965:10:00
1965:11:00
1965:12:00
1966:01:00
1966:02:00
1966:03:00
1966:04:00
1966:05:00
1966:06:00
1966:07:00
1966:08:00
1966:09:00
1966:10:00
1966:11:00
1966:12:00
1967:01:00
1967:02:00
1967:03:00
1967:04:00
1967:05:00
1967:06:00
1967:07:00
1967:08:00
1967:09:00
1967:10:00
1967:11:00
1967:12:00
1968:01:00
1968:02:00
1968:03:00
1968:04:00
1968:05:00
1968:06:00
1968:07:00
1968:08:00
1968:09:00
1968:10:00
1968:11:00
1968:12:00
1969:01:00
1969:02:00
1969:03:00
1969:04:00
1969:05:00
1969:06:00
1969:07:00
1969:08:00
1969:09:00
1969:10:00
1969:11:00
1969:12:00
1970:01:00
1970:02:00

DINERO
0,006526
0,008265
0,006873
0,006826
0,007651
0,006079
0,005612
0,005581
0,004485
0,001703
0,002337
-0,000849
0,003816
0,005907
0,000631
0,003358
0,006058
0,002911
0,007241
0,009438
0,004889
0,010310
0,009608
0,008529
0,008849
0,007606
0,006777
0,005773
0,006883
0,004373
0,006241
0,005265
0,004678
0,005956
0,006842
0,005514
0,006941
0,007435
0,007380
0,008572
0,007970
0,004225
0,004557
0,004362
0,002261
0,001389
0,003463
0,001727
0,001035
0,003442
0,002231
0,003422
0,004261
0,002887
-0,005442

INTERES
0,005000
0,076000
0,120000
0,050000
0,280000
0,234000
0,074000
-0,044000
-0,015000
0,031000
-0,103000
0,316000
0,077000
0,424000
0,031000
-0,043000
-0,337000
-0,248000
-0,205000
-0,266000
-0,436000
-0,212000
-0,160000
0,828000
-0,033000
0,176000
0,137000
0,174000
0,250000
0,069000
-0,112000
0,175000
0,221000
0,256000
-0,077000
-0,162000
-0,287000
0,107000
0,132000
0,158000
0,424000
0,261000
-0,021000
-0,076000
0,070000
-0,073000
0,416000
0,511000
0,003000
0,122000
-0,089000
0,153000
0,527000
0,194000
-0,750000

PBI
0,003831
0,001910
0,009497
0,005655
0,011215
0,011091
0,005500
0,014519
0,000000
0,010753
0,003559
0,005314
0,001765
0,008780
0,006969
-0,006969
0,001747
0,005222
-0,010471
-0,007042
0,010545
-0,008780
0,000000
-0,003534
0,019282
-0,001738
0,008658
0,013699
0,011834
-0,001682
0,003361
0,003350
0,001671
0,011618
0,003295
-0,001646
0,003289
0,003279
0,001635
0,012987
0,003221
0,006410
0,006369
0,007905
-0,004736
-0,003170
0,009479
0,004706
0,003125
0,000000
0,000000
-0,009404
-0,003155
-0,019139
0,000000

PRECIOS
0,000000
0,000000
0,003082
0,003072
0,006116
0,003044
0,009077
0,000000
0,000000
0,000000
0,003007
0,005988
0,002981
0,000000
-0,005970
-0,002999
0,000000
0,002999
0,000000
-0,002999
-0,006024
0,006024
0,005988
0,000000
-0,002989
0,000000
0,000000
0,000000
0,008942
0,002963
0,005900
0,002937
0,000000
0,002928
0,000000
0,002920
-0,002920
0,005831
0,000000
0,002903
0,002894
0,005764
0,005731
0,005698
0,002837
0,005650
0,005618
0,002797
-0,002797
0,002797
0,002789
0,005555
0,005525
0,005495
0,005465
29

Mes
1970:03:00
1970:04:00
1970:05:00
1970:06:00
1970:07:00
1970:08:00
1970:09:00
1970:10:00
1970:11:00
1970:12:00
1971:01:00
1971:02:00
1971:03:00
1971:04:00
1971:05:00
1971:06:00
1971:07:00
1971:08:00
1971:09:00
1971:10:00
1971:11:00
1971:12:00
1972:01:00
1972:02:00
1972:03:00
1972:04:00
1972:05:00
1972:06:00
1972:07:00
1972:08:00
1972:09:00
1972:10:00
1972:11:00
1972:12:00
1973:01:00
1973:02:00
1973:03:00
1973:04:00
1973:05:00
1973:06:00
1973:07:00
1973:08:00
1973:09:00
1973:10:00
1973:11:00
1973:12:00
1974:01:00
1974:02:00
1974:03:00
1974:04:00
1974:05:00
1974:06:00
1974:07:00
1974:08:00
1974:09:00

DINERO
0,001534
0,001871
0,005255
0,006236
0,006531
0,009635
0,010361
0,008472
0,007596
0,008816
0,010162
0,012559
0,013789
0,013146
0,012526
0,009255
0,009759
0,008790
0,010014
0,008484
0,008838
0,008057
0,010364
0,011085
0,010691
0,006658
0,006614
0,008573
0,012856
0,012172
0,012411
0,010989
0,008856
0,010525
0,009922
0,004679
0,001473
0,005382
0,008624
0,007711
0,003953
0,002746
0,000596
0,003924
0,007449
0,007745
0,004897
0,005221
0,006804
0,003327
0,001831
0,003652
0,004206
0,002945
0,004627

INTERES
-0,454000
-0,230000
0,555000
-0,293000
-0,274000
-0,056000
-0,168000
-0,317000
-0,639000
-0,428000
-0,366000
-0,721000
-0,450000
0,457000
0,359000
0,560000
0,706000
-0,327000
-0,410000
-0,179000
-0,298000
-0,168000
-0,620000
-0,223000
0,543000
0,000000
-0,075000
0,226000
0,185000
-0,045000
0,637000
0,068000
0,055000
0,287000
0,246000
0,251000
0,496000
0,235000
0,059000
0,840000
0,827000
0,657000
-0,194000
-1,322999
0,711000
-0,502000
0,391000
-0,695000
0,926000
0,243000
0,201000
-0,285000
-0,393001
0,992001
-0,381001

PBI
-0,001612
-0,001614
-0,001617
-0,003242
0,001622
-0,001622
-0,006515
-0,019803
-0,006689
0,023218
0,008163
-0,003257
0,000000
0,004882
0,004858
0,004835
-0,003221
-0,004850
0,016078
0,006359
0,004743
0,010980
0,023131
0,006079
0,007547
0,016406
-0,001480
0,002959
-0,001478
0,013226
0,010167
0,014347
0,012739
0,008403
0,001394
0,013831
0,000000
0,002743
0,005465
0,006789
0,006743
-0,001345
0,008043
0,003997
0,000000
-0,016086
-0,013606
-0,004118
0,004118
-0,001371
0,012270
0,002706
-0,005420
-0,002721
0,004079

PRECIOS
0,000000
0,002721
0,000000
0,002714
0,005405
-0,005405
0,005405
0,000000
0,000000
0,000000
0,005376
0,010667
0,002649
0,002642
0,005263
0,002621
0,002614
0,005208
-0,005208
0,000000
0,000000
0,007802
0,005168
0,010257
0,000000
0,002548
0,005076
0,005051
0,007528
0,002497
0,002491
-0,002491
0,004975
0,019657
0,012092
0,019048
0,023311
0,004598
0,020432
0,022223
-0,013274
0,056292
-0,016986
-0,008602
0,004310
0,019170
0,033198
0,020203
0,011929
0,007874
0,015565
0,003854
0,037740
0,034580
0,000000
30

Mes
1974:10:00
1974:11:00
1974:12:00
1975:01:00
1975:02:00
1975:03:00
1975:04:00
1975:05:00
1975:06:00
1975:07:00
1975:08:00
1975:09:00
1975:10:00
1975:11:00
1975:12:00
1976:01:00
1976:02:00
1976:03:00
1976:04:00
1976:05:00
1976:06:00
1976:07:00
1976:08:00
1976:09:00
1976:10:00
1976:11:00
1976:12:00
1977:01:00
1977:02:00
1977:03:00
1977:04:00
1977:05:00
1977:06:00
1977:07:00
1977:08:00
1977:09:00
1977:10:00
1977:11:00
1977:12:00
1978:01:00
1978:02:00
1978:03:00
1978:04:00
1978:05:00
1978:06:00
1978:07:00
1978:08:00
1978:09:00
1978:10:00
1978:11:00
1978:12:00
1979:01:00
1979:02:00
1979:03:00
1979:04:00

DINERO
0,006061
0,005914
0,003997
0,004422
0,008349
0,012502
0,010639
0,013062
0,016325
0,012071
0,008984
0,007997
0,006132
0,010368
0,008591
0,009979
0,013345
0,008704
0,010138
0,011155
0,004650
0,008224
0,011438
0,011039
0,013407
0,011037
0,012132
0,012072
0,009809
0,008957
0,009544
0,007388
0,007088
0,008179
0,008032
0,007406
0,007113
0,006351
0,006153
0,007366
0,004207
0,005118
0,006399
0,006817
0,006088
0,005146
0,006845
0,009549
0,005553
0,004862
0,005204
0,003357
0,004507
0,007370
0,009744

INTERES
-1,119000
0,341000
-0,406000
-0,686000
-0,910000
-0,039000
0,150000
-0,379000
-0,122000
0,971000
0,299000
-0,080000
-0,302000
-0,613000
0,036000
-0,543000
-0,109000
0,195000
-0,169000
0,307000
0,258000
-0,165000
-0,125000
-0,078000
-0,145000
-0,120000
-0,456000
0,243000
0,065000
-0,049000
-0,073000
0,402000
0,062000
0,142000
0,354000
0,270000
0,418000
-0,028000
-0,097000
0,385000
0,009000
-0,138000
-0,013000
0,124000
0,277000
0,367000
-0,038000
0,800000
0,296000
0,655000
0,335000
0,229000
-0,085999
0,191999
0,036000

PBI
-0,006807
-0,029108
-0,043110
-0,026787
-0,015198
-0,018548
0,009317
-0,003096
0,012327
0,006107
0,018100
0,010409
0,004428
0,010256
0,007262
0,011511
0,017022
-0,002817
0,004222
0,011173
0,001388
0,005533
0,005502
0,002740
0,004096
0,016217
0,008011
0,003981
0,005284
0,009180
0,014258
0,007692
0,007634
0,000000
0,001267
0,005051
0,000000
0,001259
-0,005044
-0,003800
0,002535
0,012579
0,024693
0,003652
0,009674
0,002404
0,003595
0,005963
0,004745
0,008250
0,002345
-0,003519
0,008192
0,003490
-0,010508

PRECIOS
0,017731
0,008749
-0,001744
0,001744
-0,003490
-0,005259
0,010490
0,006932
0,001726
0,011997
0,005098
0,006757
0,006711
-0,005029
0,003356
0,003344
0,000000
0,001668
0,009950
0,003295
0,006557
0,006515
-0,003252
0,006493
0,001617
0,001614
0,008032
0,004789
0,011085
0,009404
0,012403
0,004612
-0,003072
0,001537
-0,001537
0,004605
0,004584
0,003044
0,006061
0,009023
0,010424
0,008850
0,013129
0,007220
0,007168
0,005698
0,000000
0,008487
0,011205
0,004170
0,008287
0,015017
0,014795
0,011944
0,014408
31

Mes
1979:05:00
1979:06:00
1979:07:00
1979:08:00
1979:09:00
1979:10:00
1979:11:00
1979:12:00
1980:01:00
1980:02:00
1980:03:00
1980:04:00
1980:05:00
1980:06:00
1980:07:00
1980:08:00
1980:09:00
1980:10:00
1980:11:00
1980:12:00
1981:01:00
1981:02:00
1981:03:00
1981:04:00
1981:05:00
1981:06:00
1981:07:00
1981:08:00
1981:09:00
1981:10:00
1981:11:00
1981:12:00
1982:01:00
1982:02:00
1982:03:00
1982:04:00
1982:05:00
1982:06:00
1982:07:00
1982:08:00
1982:09:00
1982:10:00
1982:11:00
1982:12:00
1983:01:00
1983:02:00
1983:03:00
1983:04:00
1983:05:00
1983:06:00
1983:07:00
1983:08:00
1983:09:00
1983:10:00
1983:11:00

DINERO
0,004907
0,009743
0,008187
0,008535
0,006542
0,003837
0,003890
0,005163
0,005407
0,007855
0,004271
0,000732
0,005904
0,011705
0,010471
0,011386
0,007964
0,007145
0,007532
0,001125
0,004549
0,007063
0,011296
0,013281
0,003008
0,003418
0,006979
0,008228
0,007049
0,009264
0,008260
0,010016
0,009352
0,001747
0,006791
0,009631
0,006461
0,005708
0,004587
0,008571
0,007641
0,006572
0,006688
0,010786
0,028223
0,018349
0,008951
0,007005
0,006810
0,004871
0,006055
0,004097
0,004415
0,008155
0,005967

INTERES
0,086000
-0,534000
0,217000
0,188000
0,732000
1,290000
0,396000
0,203000
-0,035000
0,778000
2,712000
-1,523000
-4,853001
-2,155000
1,131001
1,132999
1,062000
1,259000
2,308000
1,773001
-0,937000
0,181000
-1,427000
0,157001
2,660000
-1,738000
0,142000
0,913000
-0,661000
-1,078000
-2,604000
-0,343000
1,486000
1,368000
-1,287000
0,328000
-0,673000
-0,040000
-0,194000
-2,908000
-0,809999
-0,446000
0,292000
-0,029000
-0,203000
0,320000
0,174000
-0,052000
-0,066999
0,634999
0,300000
0,270000
-0,340000
-0,340000
0,000000

PBI
0,011669
-0,001161
-0,005824
-0,003511
0,002342
0,005831
-0,003495
-0,001168
0,003499
0,003486
0,000000
-0,019919
-0,023953
-0,012195
-0,003688
0,014670
0,013261
0,005970
0,017700
0,004667
-0,008182
0,002345
0,003507
-0,008202
0,007034
0,005824
0,011547
-0,002299
-0,004614
-0,008125
-0,011723
-0,008289
-0,020421
0,021609
-0,005956
-0,005992
-0,006028
-0,003634
-0,004866
-0,004890
-0,007380
-0,008679
-0,003743
-0,008788
0,018739
-0,001238
0,007408
0,012225
0,010876
0,005992
0,018936
0,013970
0,016055
0,007932
0,002255

PRECIOS
0,007772
0,006431
0,015267
0,005038
0,016200
0,014724
0,006072
0,009639
0,021353
0,019757
0,006881
0,003423
0,005679
0,004520
0,017878
0,013201
0,002183
0,011924
0,004301
0,006417
0,014815
0,009409
0,009322
0,010257
0,003057
0,002032
0,005063
0,000000
-0,002022
0,001012
-0,001012
0,000000
0,009068
0,001003
-0,002006
0,000000
0,002006
0,002002
0,003992
-0,000996
-0,002996
0,001998
0,000998
0,001992
-0,002990
0,002990
-0,000996
0,000000
0,003976
0,001982
0,002966
0,004924
0,001963
0,001959
-0,000979
32

Mes
1983:12:00
1984:01:00
1984:02:00
1984:03:00
1984:04:00
1984:05:00
1984:06:00
1984:07:00
1984:08:00
1984:09:00
1984:10:00
1984:11:00
1984:12:00
1985:01:00
1985:02:00
1985:03:00
1985:04:00
1985:05:00
1985:06:00
1985:07:00
1985:08:00
1985:09:00
1985:10:00
1985:11:00
1985:12:00
1986:01:00
1986:02:00
1986:03:00
1986:04:00
1986:05:00
1986:06:00
1986:07:00
1986:08:00
1986:09:00
1986:10:00
1986:11:00
1986:12:00
1987:01:00
1987:02:00
1987:03:00
1987:04:00
1987:05:00
1987:06:00
1987:07:00
1987:08:00
1987:09:00
1987:10:00
1987:11:00
1987:12:00
1988:01:00
1988:02:00
1988:03:00
1988:04:00
1988:05:00
1988:06:00

DINERO
0,004663
0,007304
0,009287
0,007598
0,007313
0,005993
0,005147
0,003820
0,003001
0,006775
0,006068
0,009886
0,010958
0,010839
0,009283
0,005242
0,003871
0,006071
0,010052
0,006550
0,005976
0,005292
0,004375
0,004074
0,005500
0,003916
0,004456
0,008145
0,009758
0,010513
0,007918
0,008046
0,007944
0,007732
0,007524
0,005403
0,009221
0,005834
0,001453
0,001958
0,004591
0,002521
0,000468
0,001832
0,003583
0,003713
0,005472
0,001806
0,002614
0,007977
0,007775
0,006818
0,007149
0,004988
0,004115

INTERES
0,250000
-0,030000
0,099999
0,410000
0,250000
0,210000
0,040000
0,190001
0,360000
-0,080000
-0,440000
-1,180000
-0,630000
-0,400000
0,460000
0,349999
-0,570000
-0,440000
-0,550000
0,040000
0,130000
-0,100000
0,090000
0,030000
-0,130000
-0,030000
-0,010000
-0,440000
-0,530000
0,060000
0,090000
-0,370000
-0,270000
-0,380000
-0,010000
0,170000
0,140000
-0,040000
0,140000
-0,030000
0,200000
-0,010000
-0,060000
0,090000
0,220000
0,320000
0,080000
-0,590000
-0,010000
0,100000
-0,210000
0,000000
0,230000
0,350000
0,230000

PBI
0,004494
0,019979
-0,001099
0,010941
0,005426
0,006472
0,005362
0,004269
0,001064
-0,001064
-0,007483
0,001072
-0,005373
0,003227
0,007491
0,003193
0,004242
0,002114
-0,003173
-0,003183
0,004242
0,005277
-0,008457
0,004237
0,010515
0,005685
-0,007108
-0,009134
0,001701
-0,000306
-0,004963
0,005291
0,001582
0,000969
0,006746
0,006482
0,005821
-0,003321
0,014178
0,003712
0,005329
0,006277
0,008565
0,003634
0,003017
-0,002023
0,013178
0,001038
0,006508
0,003224
0,002246
0,000116
0,008216
-0,002612
0,000288

PRECIOS
0,001957
0,005848
0,002911
0,006760
0,000962
0,000961
-0,000961
0,001921
-0,003846
-0,003861
0,000000
0,002897
-0,001930
-0,000967
-0,000968
-0,001938
0,001938
0,001934
-0,001934
-0,000969
-0,004857
-0,005859
0,007805
0,004847
0,001932
-0,003868
-0,014642
-0,013862
-0,007004
0,004008
-0,001000
-0,005018
-0,001007
0,001007
0,003014
0,001003
-0,001003
0,007992
0,004963
0,001978
0,006893
0,006846
0,003891
0,004843
0,002894
-0,000964
0,003850
0,000960
0,000000
0,003831
0,001910
0,000954
0,008543
0,006594
0,006551
33

Mes
1988:07:00
1988:08:00
1988:09:00
1988:10:00
1988:11:00
1988:12:00
1989:01:00
1989:02:00
1989:03:00
1989:04:00
1989:05:00
1989:06:00
1989:07:00
1989:08:00
1989:09:00
1989:10:00
1989:11:00
1989:12:00
1990:01:00
1990:02:00
1990:03:00
1990:04:00
1990:05:00
1990:06:00
1990:07:00
1990:08:00
1990:09:00
1990:10:00
1990:11:00
1990:12:00
1991:01:00
1991:02:00
1991:03:00
1991:04:00
1991:05:00
1991:06:00
1991:07:00
1991:08:00
1991:09:00
1991:10:00
1991:11:00
1991:12:00
1992:01:00
1992:02:00
1992:03:00
1992:04:00
1992:05:00
1992:06:00
1992:07:00
1992:08:00
1992:09:00
1992:10:00
1992:11:00
1992:12:00
1993:01:00

DINERO
0,003625
0,001284
0,001620
0,003366
0,004693
0,002672
0,001167
0,000300
0,002362
0,002456
0,001656
0,005149
0,008295
0,006963
0,006142
0,007033
0,006062
0,006341
0,003785
0,003803
0,003663
0,004055
-0,000560
0,004382
0,002756
0,005520
0,004357
0,000857
0,001131
0,002929
0,004256
0,005355
0,005507
0,002607
0,002780
0,003486
0,000624
-0,000238
-0,000089
0,001218
0,002640
0,002308
0,002420
0,005820
0,000937
-0,000586
-0,000322
-0,001819
0,000176
0,002024
0,002546
0,003967
0,001106
-0,000145
-0,000611

INTERES
0,230000
0,290000
0,210000
0,110000
0,340000
0,410000
0,200000
0,190000
0,350000
-0,130000
-0,300000
-0,179999
-0,300000
-0,010000
-0,190000
-0,130000
0,060000
-0,010000
0,000000
0,120000
0,110000
-0,090000
0,000000
-0,040000
-0,080000
-0,220000
-0,060000
-0,190000
-0,120000
-0,260000
-0,510000
-0,350000
-0,040000
-0,240000
-0,160000
0,090000
-0,020000
-0,190000
-0,140000
-0,220000
-0,430000
-0,480000
-0,280000
0,000000
0,210000
-0,240000
-0,150000
0,040000
-0,420000
-0,140000
-0,170000
-0,130000
0,300000
0,110000
-0,190000

PBI
0,005733
0,005681
-0,004974
0,002957
0,005746
0,006344
0,003476
-0,004549
0,008582
-0,000009
-0,003452
-0,003210
-0,009959
0,005105
-0,004441
-0,003689
0,003509
0,006650
-0,005114
0,005406
0,003124
-0,006609
0,007135
0,001783
-0,001661
0,002869
0,000159
-0,004626
-0,012826
-0,004095
-0,005381
-0,010227
-0,008166
0,002876
0,007706
0,011056
0,001791
0,002533
0,008450
0,000984
-0,001363
-0,005012
-0,001285
0,006430
0,008653
0,006698
0,004975
-0,002712
0,008364
-0,001893
0,001976
0,006738
0,006038
0,001792
0,003122

PRECIOS
0,006509
0,000926
0,000925
0,000925
0,000924
0,006443
0,013668
0,002711
0,006298
0,007149
0,007982
-0,002654
-0,000886
-0,007117
0,003565
0,003552
-0,000887
0,002658
0,016674
-0,004361
-0,001750
-0,000876
0,004373
-0,002621
0,001748
0,017316
0,016177
0,020068
-0,005812
-0,011725
0,002524
-0,015242
-0,008569
-0,001723
0,004301
-0,000859
-0,002581
0,000861
-0,000861
0,002581
0,000000
-0,004305
-0,002592
0,003454
0,000862
0,001721
0,007709
0,006803
-0,000848
-0,001698
0,002546
0,000847
-0,002543
-0,001699
0,003396
34

Mes
DINERO
INTERES
PBI
PRECIOS
1993:02:00
-0,002097
-0,110000
0,004097
0,003384
1993:03:00
-0,000554
0,020000
0,000334
0,002531
1993:04:00
0,000991
-0,080000
0,002262
0,005042
1993:05:00
0,006884
0,070000
-0,004692
0,003347
1993:06:00
0,001446
0,140000
0,001717
-0,001672
1993:07:00
-0,000145
-0,050000
0,005725
-0,002514
1993:08:00
0,001213
0,000000
0,000206
-0,004203
1993:09:00
0,001904
-0,090000
0,007047
0,000000
1993:10:00
0,001641
0,080000
0,000757
0,003364
1993:11:00
0,003275
0,080000
0,007019
-0,000840
1993:12:00
0,002034
-0,040000
0,009277
-0,003367
1994:01:00
0,001401
-0,060000
0,003786
0,004207
1994:02:00
0,000486
0,190000
0,007790
0,001678
1994:03:00
0,001655
0,310000
0,008322
0,003347
1994:04:00
0,001994
0,220000
0,003455
0,000000
1994:05:00
-0,000541
0,450000
0,005267
0,001669
1994:06:00
-0,003137
-0,010000
0,005392
0,004992
1994:07:00
0,002112
0,210000
0,002292
0,001658
1994:08:00
-0,001112
0,110000
0,004787
0,004134
1994:09:00
-0,000086
0,140000
0,001118
-0,001652
1994:10:00
0,000028
0,320000
0,006955
-0,000827
1994:11:00
0,000827
0,290000
0,005324
0,004950
1994:12:00
0,000741
0,390000
0,007851
0,003287
1995:01:00
0,001367
0,170000
0,002729
0,008170
1995:02:00
-0,000028
-0,010000
-0,000788
0,004870
1995:03:00
0,001422
-0,070000
0,001379
0,003234
1995:04:00
0,002866
-0,060000
-0,004111
0,005634
1995:05:00
0,004044
0,030000
-0,000404
0,002405
1995:06:00
0,008570
-0,200000
0,000503
0,003197
1995:07:00
0,005246
-0,030000
0,000823
0,000000
1995:08:00
0,005524
-0,060000
0,009828
-0,001597
1995:09:00
0,003620
-0,150000
0,000815
0,000799
1995:10:00
0,001929
0,040000
-0,004898
0,000798
1995:11:00
0,002969
0,050000
0,003268
0,000798
1995:12:00
0,004573
-0,190000
0,001630
0,002389
1996:01:00
0,004008
-0,140000
-0,002446
0,003177
1996:02:00
0,004155
-0,150000
0,011364
-0,001587
1996:03:00
0,009198
0,090000
-0,004044
0,003964
1996:04:00
0,000966
0,030000
0,008875
0,008665
1996:05:00
NA
NA
NA
NA
1996:06:00
NA
NA
NA
NA
1996:07:00
NA
NA
NA
NA
1996:08:00
NA
NA
NA
NA
1996:09:00
NA
NA
NA
NA
1996:10:00
NA
NA
NA
NA
1996:11:00
NA
NA
NA
NA
1996:12:00
NA
NA
NA
NA
1997:01:00
NA
NA
NA
NA
1997:02:00
NA
NA
NA
NA
1997:03:00
NA
NA
NA
NA
Fuente : Universidad del Pacfico, Recoleccin de datos econmicos peruanos que estn en primeras
diferencias .

35

A .Discutir la eleccin de las variables que se consideran adecuadas.


Se eligen las variables Dinero, Tasa de Inters, PBI y Precios conforme a la Teora Econmica
Monetarista, porque conforman un sistema de series de tiempo interrelacionados: un impulso monetario
tiene impacto sobre el Producto Nominal al Corto Plazo, mientras que a Largo Plazo slo se traduce en
incremento en el nivel de los Precios. Segn M. Friedman la inflacin no es ms que un fenmeno monetario.

Fig 3.1. Equilibrio en el mercado monetario


r

Fig.3.2. Equilibrio segn modelo IS-LM

r
LM

r0

r0

r1

r1

IS

M/P

0
M/P0

LM

M/P1

Y0

Y1

Fig 3.3. Equilibrio en el mercado Oferta Agregada-Demanda Agregada


P
OA

P1
DA

P0
DA

0
Y0

Y1

Lgica econmica detallada: Un impulso monetario (como reduccin de la tasa de encaje que
incremente la disponibilidad de prstamos de los bancos hacia las empresas o personas y estimule a los
agentes a realizar mayores transacciones y acelerar la economa) desplaza la recta Ms hacia Ms logrando que
la tasa de inters se reduzca y se incrementen los saldos reales (Ver fig 3.1).
Esto hace que segn fig 3.2 la curva LM se desplace hacia la derecha, y manteniendo constante los
elementos de la IS, el PBI se incremente. A su vez, en el mercado OA-DA (Fig 3.3) el desplazamiento de la
curva de DA hacia arriba (Shock de Demanda) origina un incremento en el nivel de precios (manteniendo
constante la OA ).
Finalmente segn la Poltica Monetaria Expansiva sta es la secuencia causal :
Ms (M/P) r Y P

36

B . Usar el test LR de seleccin de rezagos para encontrar el nmero de rezagos ptimo


Previa comprobacin de la estacionariedad de c/u de las 4 variables (las cuales ya haban sido
diferenciadas una vez) con los grficos de lneas y el Test de Dickey Fuller ADF , se empez a usar el test LR
con T1/3 rezagos , es decir, con 447 1/3 = 8 rezagos .
Luego de un proceso iterativo el resultado final del test LR fue el siguiente :
Considerando las hiptesis

H0 : Modelo VAR tiene 4 rezagos


H1 : Modelo VAR tiene 3 rezagos

LR = ( T- C) [ Ln R - Ln NR ] con distribucin 2 con q g.l.


Donde : T es el nmero de observaciones ; C es el nmero de parmetros ,

NR

son el determinante de

la covarianza de los residuales del modelo restringido y no restringido respectivamente; q es # ecuaciones2 x #


rezagos de la hiptesis nula de la hiptesis alternativa .
LR = (447 20 ) ( Ln 2.59E-15 Ln 2.47E-15 ) sigue distribucin 2 con 16 g.l
LR calc = 20.26

p-value = 0.2087

En resumen, como p > , (= 5%) se acept la hiptesis nula de que el nmero de rezagos ptimo
para la estimacin VAR es de cuatro.

* Orden de exogeneidad .Los resultados del Test de Causalidad de Granger con 4 rezagos es:
PRECIOS PBI INTERES DINERO
Que establece una causalidad estadstica lineal, pero cuando se observan los grficos de dispersin
entre cada par de variables stos se parecen a una nube de puntos, por lo que la eleccin del orden de
exogeneidad bajo este test es relativo .

Y es justamente el orden inverso del criterio econmico ya establecido anteriormente , el cual es:
DINERO INTERES PBI PRECIOS
Siendo finalmente ste el orden de exogeneidad que se usar para las Funciones ImpulsoRespuesta y Descomposicin de Varianza. As, el DINERO ser la variable ms exgena pues puede ser
controlado por el hacedor de poltica y sus shocks presentes y pasados podrn afectar al resto de variables. En
contraste, PRECIOS es la ms endgena porque slo sus shocks pasados afectan al PBI.
Los resultados de la Prueba de No Causalidad Granger ya mencionada fueron :

37

C . Comentario tcnico sobre cuando se debera esperar una reactivacin de la economa.


Fig. 3.4 Funciones Impulso-Respuesta

R e s p o n s e to O n e S.D . In n o v a tio n s 2 S.E.

Response of P B I to DINE RO

Response of P B I to IN TE RE S

0 .0 1 0

0 .0 1 0

0 .0 0 8

0 .0 0 8

0 .0 0 6

0 .0 0 6

0 .0 0 4

0 .0 0 4

0 .0 0 2

0 .0 0 2

0 .0 0 0

0 .0 0 0

-0 .0 0 2

-0 .0 0 2
2

10

12

14

Response of P B I to P B I
0 .0 1 0

0 .0 0 8

0 .0 0 8

0 .0 0 6

0 .0 0 6

0 .0 0 4

0 .0 0 4

0 .0 0 2

0 .0 0 2

0 .0 0 0

0 .0 0 0

-0 .0 0 2

-0 .0 0 2
4

10

10

12

14

Response of P B I to P RE CIOS

0 .0 1 0

12

14

10

12

Vemos de la Fig .3.4 que shocks en la cantidad de dinero afectan positivamente al PBI , mientras que
shocks en tasa de inters y precios lo afectan negativamente (tal como se esperaba a priori), siendo el periodo
5 donde todos los shocks lo afectan simultneamente de manera significativa, y es el periodo 14 donde el
efecto de todos estos shocks sobre el PBI se disipa dando un primer indicio que a partir de este periodo
debiera esperarse una reactivacin de la economa .

38

14

Fig 3.5 Func. Imp-Respuesta combinada

Fig 3.6. Descomposicin de Varianza del PBI


V a ria n c e D e c o m p o s it io n o f P B I

R e s p o n s e o f P B I t o O n e S . D . I n n o v a t io n s
10 0

0 .0 0 8

0 .0 0 6

80

0 .0 0 4

60

0 .0 0 2

40

0 .0 0 0

20

-0 .0 0 2
2

10

12

14

0
1

D IN E R O
IN T E R E S

PBI
P R E C IOS

D IN E R O
IN T E R E S

10 11 12 13 14 15
PBI
P R E C IO S

De la fig 3.5 se desprende que siguiendo el orden de exogeneidad econmico ya establecido, la


respuesta del PBI frente a shocks propios y shocks en las otras 3 variables hace que a mediados del periodo
14 (en 3 aos o 14 trimestres) se debiera esperar la reactivacin econmica porque los shocks en todas las
variables del sistema se disipa. Esto quiere decir que a partir de este periodo puede haber impulso pero no
respuesta: el PBI ya asimil los efectos de los shocks pasados y presentes del DINERO, INTERES y sobre s
mismo, as como de los shocks pasados en PRECIOS, estando ya en condiciones para reactivarse .
Finalmente, de la Fig 3.6 y Cuadro 3.7 se observa que en el periodo 14 las causas internas al PBI
afectan su varianza en cerca del 87%, en tanto que las causas externas relacionadas con el Dinero y tasa de
inters apenas lo afectan en 9% .

Cuadro 3.7. Descomposicin de Varianza del PBI


Periodo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

S.E.

DINERO

INTERES

PBI

PRECIOS

0.002199
0.002770
0.002966
0.003119
0.003247
0.003330
0.003383
0.003420
0.003445
0.003462
0.003473
0.003480
0.003486
0.003489
0.003492

0.004522
0.004113
0.013076
0.381359
1.220004
1.744572
2.117559
2.423484
2.598789
2.684412
2.734631
2.760062
2.772190
2.778781
2.782127

3.686889
5.485141
6.321875
6.220842
6.242286
6.304403
6.369168
6.391530
6.459367
6.510590
6.533417
6.548425
6.554400
6.556699
6.557754

96.30859
94.14977
93.27832
92.91835
90.63147
89.41289
88.40800
87.62612
87.24601
87.03168
86.92931
86.88176
86.86184
86.85330
86.84911

0.000000
0.360975
0.386727
0.479451
1.906240
2.538138
3.105269
3.558863
3.695835
3.773314
3.802643
3.809758
3.811569
3.811222
3.811006

Ordering: DINERO INTERES PBI PRECIOS

39

2.2. PREDICCION CON VAR


Usamos el valor de los estadsticos calculados por el modelo VAR :
Date: 09/23/01 Time: 00:08
Sample(adjusted): 1959:06 1996:04
Included observations: 443 after adjusting endpoints
Standard errors & t-statistics in parentheses
DINERO

INTERES

PBI

PRECIOS

DINERO(-1)

0.638093
(0.04973)
(12.8323)

44.89871
(10.9110)
(4.11499)

0.072043
(0.18214)
(0.39554)

0.155401
(0.13792)
(1.12677)

DINERO(-2)

-0.015727
(0.06093)
(-0.25813)

-42.84454
(13.3687)
(-3.20483)

-0.055892
(0.22316)
(-0.25045)

0.022079
(0.16898)
(0.13066)

DINERO(-3)

0.160265
(0.06166)
(2.59924)

14.04781
(13.5294)
(1.03832)

0.171045
(0.22585)
(0.75735)

-0.141097
(0.17101)
(-0.82506)

DINERO(-4)

0.020250
(0.05001)
(0.40491)

-5.192771
(10.9736)
(-0.47320)

0.177769
(0.18318)
(0.97045)

0.153393
(0.13871)
(1.10586)

INTERES(-1)

-0.001422
(0.00023)
(-6.15932)

0.318849
(0.05064)
(6.29626)

0.001552
(0.00085)
(1.83602)

-0.000280
(0.00064)
(-0.43767)

INTERES(-2)

0.000109
(0.00025)
(0.44289)

-0.212603
(0.05404)
(-3.93404)

0.000504
(0.00090)
(0.55863)

0.000545
(0.00068)
(0.79740)

INTERES(-3)

-0.000112
(0.00025)
(-0.45530)

-0.031709
(0.05386)
(-0.58874)

-0.000554
(0.00090)
(-0.61580)

-0.000789
(0.00068)
(-1.15897)

INTERES(-4)

0.000113
(0.00022)
(0.50438)

-0.021006
(0.04933)
(-0.42585)

6.03E-05
(0.00082)
(0.07327)

0.001254
(0.00062)
(2.01118)

PBI(-1)

0.017359
(0.01341)
(1.29416)

6.145028
(2.94319)
(2.08788)

0.296361
(0.04913)
(6.03211)

0.022001
(0.03720)
(0.59139)

PBI(-2)

-0.028088
(0.01395)
(-2.01274)

5.357879
(3.06204)
(1.74977)

0.025784
(0.05111)
(0.50443)

0.025010
(0.03870)
(0.64617)

PBI(-3)

0.001526
(0.01400)
(0.10899)

-0.281651
(3.07253)
(-0.09167)

0.053547
(0.05129)
(1.04400)

-0.001786
(0.03884)
(-0.04598)

PBI(-4)

-0.013736
(0.01319)
(-1.04139)

-2.004256
(2.89422)
(-0.69250)

-0.040321
(0.04831)
(-0.83458)

-0.009605
(0.03658)
(-0.26256)

PRECIOS(-1)

-0.015298
(0.01750)

13.43482
(3.84086)

0.084371
(0.06412)

0.213252
(0.04855)

40

(-0.87397)
0.011588
(0.01780)
(0.65113)

(3.49787)
-1.325973
(3.90485)
(-0.33957)

(1.31592)
-0.036483
(0.06518)
(-0.55970)

(4.39249)
0.177772
(0.04936)
(3.60168)

PRECIOS(-3)

0.000677
(0.01779)
(0.03806)

6.735882
(3.90352)
(1.72559)

-0.080804
(0.06516)
(-1.24006)

0.174501
(0.04934)
(3.53661)

PRECIOS(-4)

0.010273
(0.01779)
(0.57758)

-6.773450
(3.90273)
(-1.73557)

-0.168964
(0.06515)
(-2.59353)

-0.048835
(0.04933)
(-0.98995)

0.001171
(0.00025)
(4.72598)

-0.120944
(0.05437)
(-2.22458)

0.000273
(0.00091)
(0.30120)

0.000333
(0.00069)
(0.48519)

0.603577
0.588688
0.002142
0.002243
2082.437
-9.324773
-9.167684
0.005748
0.003497

0.209100
0.179395
103.1499
0.492073
-305.7786
1.457240
1.614329
0.004828
0.543203

0.193773
0.163493
0.028743
0.008214
1507.318
-6.728296
-6.571206
0.002643
0.008981

0.181664
0.150929
0.016481
0.006220
1630.518
-7.284506
-7.127417
0.003135
0.006750

Determinant Residual Covariance


Log Likelihood
Akaike Information Criteria
Schwarz Criteria

4935.410
-21.97476
-21.34640

PRECIOS(-2)

R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent

2.47E-15

PREDICCION PARA EL VALOR DEL PBI mes mayo de 1996:


Reemplazar los valores correspondientes a :
PBI

1996-5

= + DINERO1996-4 + DINERO1996-3 + DINERO1996-2+ DINERO1996-1+ INTERES1996-4+

INTERES1996-3+ INTERES1996-2+ INTERES1996-1 + PBI1996-4+ PBI1996-3 +PBI1996-2+ PBI1996-1+


PRECIOS1996-4+ PRECIOS1996-3+ PRECIOS1996-2 +PRECIOS1996-1

PBI1996-5 = 0,000273+(0,072043*0,000966-0,055892*0,009198+ 0,171045*0,004155+0,177769*0,004008)


+(0,001552*0,03+0,000504*0,09-0,000554*-0,15+0,0000603*-0,14)

(0,296361*0,008875+0,025784*-

0,004044+0,053547*0,011364-0,040321*-0,002446) + (0,084371*0,008665-0,036483*0,003964-0,080804*0,001587-0,168964*0,003177)

PBI1996-5 =

0,00482923

Asi, el valor predicho VAR del PBI para el mes de mayo del ao 1996 es de 0.00482923 (recurdese
que esta cifra representa una variacin entre mayo y abril puesto que como se dijo la data ya fue diferenciada).

41

CONCLUSIONES
1.

El presente trabajo debe considerarse de carcter introductorio y prctico. Resume y aplica el contenido
de los captulos 21 y 22 del libro "Econometra" (Damodar Gujarati) referente a Econometra de Series de
Tiempo con importantes agregados. Principalmente considera test de estacionariedad-Raiz unitaria, as
como aplicacin de modelos de estimacin-prediccin ARIMA , VAR.y de Correccin de Errores MCE.

2.

La importancia del modelo ARIMA (Autoregresivo Integrado de Media Mvil) radica en que permite
predecir valores para series de tiempo ESTACIONARIAS. Si la serie es no estacionaria, debe
diferenciarse (INTEGRARLA) cuantas veces sea necesario hasta convertirla en ESTACIONARIA (con
media, varianza y covarianzas que se mantengan en el tiempo)

3.

Las pruebas de estacionariedad usadas en el trabajo son:


a)

Grfico de lneas y correlograma (que verifica la estacionariedad de la serie ,y si los shocks que
afectan a la serie lo hacen en forma permanente o se diluyen rpido respectivamente), estadstico Q
de Box-Pierce y estadstico de Ljung-box.

b) De Raz Unitaria (situacin de no estacionariedad): con prueba DF o ADF de Dickey-Fuller, o si la


es serie estacionaria con quiebre (ver Test de Zivot-Andrews en el Anexo Aplicativo al PBIPERU).
c)

De Cointegracin (situacin de equilibrio de Largo Plazo entre dos o ms series, cuyo desequilibrio
de Corto Plazo es corregido con la inclusin del error estacionario en el modelo de Correccin de
Errores MCE (Metodologa de Engle Granger ) ; y Prueba Durbin-Watson DWRC. , tratando de
evitar situaciones de Regresin Espuria (resultados estadsticos engaosos que no expresan la
verdadera relacin entre variables, sino que puede reflejar nicamente la tendencia comn en ellas).

4.

La metodologa Box-Jenkins en la estimacin del modelo ARIMA de orden (p, d, q) sigue los sgte.
Pasos:
a)

IDENTIFICACION :investigar cuales son los posibles rdenes AR o MA de la serie usando el


Correlograma (Funcin FAP y FAS respectivamente.

b) ESTIMACION : en base a la informacin del Correlograma disear un modelo ARIMA para su


estimacin.(con coeficientes estadistcamente significativos, criterio Akaike, Schwarz, y otros).
c)

VERIFICACION : comprobar que los residuales del modelo ARIMA son ruido blanco (es decir,
puramente aleatorios con media cero, varianza homoscedastica y no autocorrelacionados).

d) PRONOSTICO : Deshacer la transformacin de la serie ARIMA para predecir futuros valores.

5.

Una metodologa alternativa de estimacin y prediccin es VAR (Vectores Autoregresivos). Debe


demostrarse previamente que las series interrrelacionadas sean estacionarias , luego modelar el VAR
usando un nmero de rezagos coherente con el Test LR empezando por T1/3 lags, estimar las Funciones
Impulso-Respuesta y Descomposicin de Varianza usando un orden de exogeneidad. Alternativamente
usar este modelo con fines predictivos.

42

ANEXOS
(Aplicacin al PBI del Per)
I) EL PBI PERUANO con ao base 1994 (1950-2000)
Datos empleados :
Ao
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980

PBI
21527
23241
24523
26023
27142
28656
29951
32222
32436
33764
37533
40024
44055
46275
49176
51712
56170
58634
59436
62033
62058
65317
67593
71530
78414
81893
83257
83348
82493
86608
91188

Ao
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000

PBI
95941
95932
84511
88098
89939
98577
107455
98014
86174
81621
83760
83401
87375
98577
107025
109683
117083
116595
118209
121267

Fuente : Los datos son valores a precios constante de 1994 en millones de nuevos soles

Aos 1950-90 : PBI deflactado de esta forma: PBI 90 = PBI 91 / IVF 91-90
El IVF 91-90 es con ao base 1979
Aos 1991-2000 : DNCN-INEI ,Agregados Macroeconomicos de la Oferta y Demanda Global 199199, Lima-Julio 2001
43

1.1. Modelacin de la serie como un ARMA .* Producto Bruto Interno (PBI peruano) en niveles
Fig. 1.1 Grfico de lneas

Fig. 1.2 Histograma del PBI

1 4 00 0 0

10
Se r ie s : PBI
Sa mp le 1 9 5 0 2 0 0 0
O b s e rv a tio n s 5 1

1 2 00 0 0

8
1 0 00 0 0

Me a n
Me d ia n
Ma x imu m
Min imu m
Std . D e v .
Sk e w n e s s
Ku rto s is

8 00 0 0
6 00 0 0

4 00 0 0

7 0 7 3 4 .6 9
8 1 6 2 1 .0 0
1 2 1 2 6 7 .0
2 1 5 2 7 .0 0
2 9 4 1 4 .2 1
-0 .1 5 4 4 5 3
1 .8 6 6 7 1 3

2
J a rq u e - Be ra
Pro b a b ility

2 00 0 0
50

55

60

65

70

75

80

85

90

95

00

PBI

0
20000

40000

60000

80000

2 .9 3 1 9 9 6
0 .2 3 0 8 4 7

100000 120000

Observando la figura 1.1, en niveles el PBI anual (de toda la muestra 1950-2000) no es una serie
estacionaria en media porque posee una tendencia , lo cual puede responder a la normal evolucin de esta
variable macroeconmica .Tambin debe presentar intercepto la modelacin ARMA puesto que la media de la
serie es muy diferente de cero (ver estadsticas mean del histograma).

Fig. 1.3 Correlograma del PBI en niveles:

Se prueba la hiptesis para las autocorrelaciones simples :


H0 : pki =0 (presenta ruido blanco con Distribucin normal con media 0 y varianza 1/n )
H1 : pki 0 (coeficiente de autocorrelacin muestral no es puramente aleatorio)
Intervalo de confianza al 95% para la hiptesis nula :

1.96 (1 / n ) = 1.96 (1/ 51) = (-0.2745 , 0.2745) . As, los rezagos 1 al 12 de la FAS son significativos.

44

Aparenta el PBI ser un proceso AR(1) ya que slo el primer coeficiente del FAP es significativo y el
FAS se va diluyendo...hasta el rezago 17, pero luego vuelve a crecer (a partir del rezago 26) indicando que en
niveles cualquier shock que afecte al PBI lo afectar permanentemente. Por lo mismo, es necesario tomar
primeras diferencias a la serie para modelarla como un ARMA(p,q) en diferencias.

* PBI en primeras diferencias D(PBI).Fig 1.4 Grfico de lneas de D(PBI)

Fig 1.5 Histograma de D(PBI)

15000

25
Series : D (PBI)
Sample 1951 2000
O bs erv ations 50

10000

20
5000

15

0
-5000

10

10000

Mean
Median
Max imum
Minimum
Std. D ev .
Sk ew nes s
Kurtos is

1994.800
2273.500
11202.00
-11840.00
4298.238
-1.265634
6.280144

J arque-Bera
Probability

35.76387
0.000000

5
15000
50

55

60

65

70

75

80

85

90

95

00

0
D(P B I)

-10000

-5000

5000

10000

En primeras diferencias el PBI no exhibe tendencia alguna y su desarrollo corriente se da alrededor


de su media. Ahora si es posible modelar la serie como un ARMA. De otro lado, al modelar A(L)PBIt= B(L)
D(PBI) = f( D(PBI)t-1, D(PBI)t-2, ...,D(PBI)t-p, D()t-1, ..., D()t-q ) debiera tener intercepto puesto que el
histograma de D(PBI) muestra que la media de la serie diferenciada no es cercana a cero.

*APLICACIN DE METODOLOGA BOX-JENKINS PARA LLEGAR A LA


MODELACION ARMA OPTIMA.-

Etapa 1.- IDENTIFICACION


Fig. 1.6. Correlograma de D(PBI)

El Correlograma del PBI estacionario en primeras diferencias tiene el rezago 1 y 4 de su proceso


FAS y el 1 de su FAP significativos (= 5%). Pero el estadstico de Ljung-Box nos seala que a partir de un

45

tamao de 11 rezagos stos no son significativos. La serie D(PBI) sigue como mximo un proceso MA(4).Por
lo tanto, los procesos ARMA(p,q) identificados son :
ARMA (1,0) , ARMA (1,1), ARMA(0,1)
ARMA (2,1) ; ARMA (1,2), ARMA(2,0), ,ARMA (1,1) MA(4)

Etapa 2: ESTIMACIN DE LOS COEFICIENTES ARMA (p,q)


A continuacin se mostrar un set de parmetros para 4 modelos ARMA en primeras diferencias (o
ARIMA), en los cuales todos ellos tienen intercepto y pendientes estadsticamente diferentes de cero en base a
la prueba t al nivel de significancia del 5% y donde el componente AR es estacionario y el MA es invertible :
Variable Dependiente : D(PBI)
Muestra 1950 2000
p=1
q=0
AR(1)
0.3460
t
2.5261
p-value
(0.0150)
MA(1)
t
p-value
AR(2)
t
p-value
MA(2)
t
p-value
R2 ajustado
Sum Resid Cuadrado
Prob Log likelihood
Akaike (AIC)
Schwarz Criterion
P-value Fstatistic
Q de Ljung-Box
y su (p-value)

p=0
q=1
0.4561
3.5379
(0.0009)
-

p = 1,2
q=1
1.2345
9.1379
(0.0000)
-0.9764
-35.5738
(0.0000)
-0.4531
-3.3503
(0.0017)
-

p=1
q=2
0.4123
2.8951
(0.0058)
-0.4200
-2.8512
(0.0065)

0.1008
0.1398
0.1947
0.1431
7.97E+08
7.63E+08
6.82E+08
7.43E+08
6.36E-07
0.0034
5.56E-11
7.49E-07
19.5240
19.4584
19.4739
19.4951
19.6012
19.5349
19.6299
19.6110
0.0150
0.0043
0.0057
0.0108
Q(7)= 9.32 (0.156)
Q(7)= 6.89 (0.332)
Q(7)= 3.79 (0.436)
Q(7)= 5.21 (0.390)
Q(14)= 16.17 (0.240) Q(14)= 16.30 (0.233) Q(14)= 13.76 (0.246) Q(14)= 15.11 (0.236)
Q(21)= 18.78 (0.536) Q(21)= 19.87 (0.466) Q(21)= 17.21 (0.509) Q(21)= 19.56 (0.421)

De entre estos 4 modelos tentativos , se escoge al ARIMA (2,1,1 )con intercepto porque :

9
9

Tiene coeficientes significativos al = 5%.


Presenta el mayor poder explicativo o mejor ajuste a los datos en base al R2 ajustado y su menor
Suma de Residuos al Cuadrado . Respecto al estadstico de Mxima Verosimilud Log likelihood
presenta el p-value ms pequeo lo que significa que le es ms difcil aceptar la hiptesis nula de que
los coeficientes ARMA son no significativos7; aunque en cuanto a los indicadores de Parsimonia no
es el que presenta el menor Akaike y menor Schwarz8 ,pero esta diferencia frente al modelo

El log-likelihood enfrenta el problema de cunto poder explicativo se pierde al imponer la restriccin de que el modelo
slo debe contener intercepto,. siguiendo una distribucin ji-cuadrado con g.l. igual al nmero de restricciones .
8
El Akaike y el Schwarz manejan la misma intuicin que el R2 ajustado: implica un trade-off entre ganancia de poder
explicativo o sacrificar grados de libertad al incorporar una variable explicativa. Slo con un regresor importante, ambos
criterios decrecen.

46

ARIMA(0,1,1) es demasiado pequea como para preocuparse que nuestro modelo no es lo ms


simplificado posible.

En base a la Prueba F no se tiene evidencia para aceptar la hiptesis nula de no significancia


global, lo cual es muy til para fines predictivos (p-value es menor a = 5%). Finalmente el Q
estadstico desarrollado por Ljung-Box presenta valores menores para este modelo con
correspondientes p-value mayores para un tamao de 7,14 y 21 rezagos de los residuales, esto
significa mayor probabilidad de rechazar la hiptesis nula de residuales ruido blanco si en realidad
sta fuese verdadera .

Etapa 3: COMPROBACIN DEL DIAGNOSTICO


Fig. 1.7 Correlograma de los residuos del modelo ARIMA (2,1,1) .-

Tal como se ve de este correlograma (Fig 1.7) los residuales son ruido blanco (puramente aleatorios,
no presentan ningn tipo de patrn de comportamiento) porque ninguno de ellos es significativamente distinto
de cero (al 95% de confianza), indicando que el modelo ARIMA seleccionado se ajusta razonablemente bien
a los datos. Adems segn el estadstico de Ljung-Box para cualquier tamao de rezago stos residuales son
ruido blanco.

Fig. 1.8 Histograma de residuales

Fig 1.9 Grfico de residuales


10000

12
Series : R ESID
Sample 1951 2000
Obs erv ations 50

10
8
6
4
2
0

Mean
Median
Max imum
Minimum
Std. D ev.
Sk ew nes s
Kurtos is

-285.4311
-268.7664
6916.967
-12360.82
3721.294
-0.984594
5.103247

J arque-Bera
Probability

17.29447
0.000176

5000

-5000

10000

15000
55

60

65

70

75

80

85

90

95

00

D(P B I) Res iduals

-12000

-8000

-4000

4000

47

De otro lado, los residuales no se distribuyen normalmente (fig 1.8) ya que el Jarque-Bera rechaza la
H0 de normalidad al = 5% pero si nos amparamos en el teorema del lmite central podramos afirmar que
nuestros errores son asintticamente normales ya que trabajamos con series de tiempo (lo que implica el uso
de una muestra grande); adems de la fig 1.9 los residuales no parecen exhibir quiebre estructural .Habra
que sealar que nuestro modelo ARIMA no recoge en forma ptima la informacin del ao 1983 y 1988
(residuales se salen de las bandas de confianza) por lo que un investigador ms riguroso podra intervenir en
la muestra colocando variables dummies para esos dos periodos que representan al Fenmeno del Nio
(1983)y los comienzos de la hiperinflacin y cada de la produccin despus del pico de 1987 (ao 1988) ,
respectivamente.

Aplicando el Test de Autocorrelacin LM de Breusch-Godfrey ;


Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared

0.319076
0.462397

Probability
Probability

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 11/15/01 Time: 11:16
Variable
Coefficient

Std. Error

t-Statistic

Prob.

204.4265
0.621078
0.479884
0.035272
0.642457
0.355722

0.130289
-0.651685
0.671825
-0.383802
0.711209
0.401840

0.8970
0.5182
0.5054
0.7031
0.4809
0.6898

C
AR(1)
AR(2)
MA(1)
RESID(-1)
RESID(-2)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

26.63457
-0.404747
0.322398
-0.013537
0.456921
0.142943
0.009633
-0.108268
3999.501
6.72E+08
-463.0127
2.013057

0.728566
0.793582

Mean dependent var


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

-276.6241
3799.124
19.54220
19.77610
0.081707
0.994735

Con dos rezagos, queda demostrado que los residuales no estn autocorrelacionados ya que se acepta
la hiptesis nula de no autocorrelacin considerando un = 5%.

En vista que no se puede aplicar el Test de Heteroscedasticidad de White cuando existen


componentes AR o MA , se usar la Fig 1.9 para disipar cualquier sospecha de su existencia.

En conclusin, se ha verificado que el Modelo ARMA (2,1) con drift es un buen diagnstico de
la serie del PBI peruano en primeras diferencias, o lo que es lo mismo,. es una buena especificacin
ARIMA (2,1,1) para la serie en niveles .

48

1.2. RAIZ UNITARIA O QUIEBRE ESTRUCTURAL ?


A continuacin se aplicarn los test de Dickey-Fuller para probar la presencia de raz unitaria, frente
a los resultados de un programa del test de Zivot y Andrews para detectar si existe estacionariedad en niveles
pero con quiebre estructural en intercepto, tendencia o en ambos.

A) Aplicacin del Test de Dickey-Fuller


En niveles:
ADF Test Statistic

-2.983317

1% Critical Value*
5% Critical Value
10% Critical Value

-4.154
-3.5025
-3.1804

*MacKinnon critical values for rejection of hypothesis of a unit root.


Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBI)
Method: Least Squares
Date: 11/15/01 Time: 12:01
Sample(adjusted): 1952 2000
Included observations: 49 after adjusting endpoints
Variable
PBI(-1)
D(PBI(-1))
C
@TREND(1950)

Coefficient
-0.217004
0.454569
5682.463
414.0391

R-squared
0.264982
Adjusted R-squared 0.215981
S.E. of regression 3845.139
Sum squared resid 6.65E+08
Log likelihood
-471.9153
Durbin-Watson stat 1.911113

Std. Error
0.072739
0.132963
1894.184
143.3186

t-Statistic
-2.983317
3.418758
2.999954
2.888942

Mean dependent var


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

Prob.
0.0046
0.0013
0.0044
0.0059
2000.531
4342.588
19.42511
19.57955
5.407661
0.002902

Esta especificacin que considera tendencia e intercepto de la serie (que se aprecia en el grfico de
lneas)ms un rezago, en niveles tanto al =1%, 5% ,10% el ADF calculado acepta la hiptesis nula de raz
unitaria (por ser menor en valor absoluto que el Mac Kinnon). Ello significa que un shock en la serie la
afectar en forma permanente y no se diluir con prontitud.

En primeras diferencias :
ADF Test Statistic

-4.775792

1% Critical Value*
-3.5682
-2.9215
5% Critical Value
10% Critical Value
-2.5983
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PBI,2)
Method: Least Squares
Date: 11/15/01 Time: 12:02
Sample(adjusted): 1952 2000
Included observations: 49 after adjusting endpoints
49

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(PBI(-1))
C

-0.654046
1317.928

0.136950
647.3627

-4.775792
2.035842

0.0000
0.0474

R-squared
0.326727
Adjusted R-squared 0.312402
S.E. of regression 4117.888
Sum squared resid 7.97E+08
Log likelihood
-476.3387
Durbin-Watson stat 1.829075

Mean dependent var


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

27.42857
4966.004
19.52403
19.60125
22.80819
0.000018

El PBI en primeras diferencias es estacionario o I(1) porque la prueba ADF al


=1%,5%,10% seala de que no se tiene evidencia para aceptar la hiptesis nula de raz unitaria (a este nivel
de significancia el ADF calculado es mayor al Mac Kinnon crtico en valores absolutos) .

B) APLICACIN DEL TEST DE ZIVOT-ANDREWS SOBRE LA PRESENCIA DE QUIEBRE


Sean las hiptesis :
H0: Existe raz unitaria
H1: Hay estacionariedad con quiebre estructural
-2

-2.5
-3.0

-3

-3.5
-4
-4.0
-5
-4.5
-6

-5.0
-5.5
10

-7
10

15

20

25

30

_ZIVOTA

35

40

15

_VCRITA

20

25

_ZIVOTB

30

35

40

_VCRITB

-3

-4

-5

-6

-7
10

15

20

25

_ZIVOTC

30

35

40

_VCRITC

El grafico "a" trabaja con el supuesto de que el PBI (en niveles) sufre quiebre en intercepto.
El grafico "b" trabaja con el supuesto de que el PBI sufre quiebre en tendencia.
El grafico "c" trabaja con el supuesto de que el PBI sufre quiebre tanto en intercepto como en
tendencia.

Obsrvese que del grfico se desprende el rechazo de la hiptesis nula de raz unitaria, porque los
estadsticos zivot calculados son menores a los valores crticos, estn por debajo de las tres lneas horizontales
rojas (hay quiebre de intercepto o tendencia en la serie de PBI) .
50

Aplicando un Programa recursivo del Test de Zivot-Andrews (ver Apndice), nos arroja como
resultado el periodo de quiebre con el F-statistic ms alto de toda la muestra: donde el PBI en niveles es
estacionario con quiebre estructural tanto en intercepto como en tendencia en el periodo 39 (ao 1988) tal
como se ve a continuacin:
Resultados de la prueba F
Serie analizada

PBI

Modelo A
Modelo B
Modelo C
Mejor Modelo

El quiebre est en el perodo 39


El quiebre est en el perodo 39
El quiebre est en el perodo 39
3

La obtencin de la serie en niveles limpia de quiebre pasa por obtener los residuos de una
regresin de la variable PBI sobre una constante, una tendencia, una variable dummy que afecte al intercepto,
y una dummy aplicada a dicha tendencia que adopta el valor de 1 a partir del periodo 39 (ao 1988).A
continuacin se visualizarn los resultados de dicha regresin con la correspondiente evolucin de esta
variable limpia de quiebre llamada PBISQ. Esto debe interpretarse como una opcin frente a las primeras
diferencias que se hizo anteriormente para modelar el ARIMA(2,1,1), lo cual queda a criterio del investigador
Dependent Variable: PBI
Method: Least Squares
Date: 11/15/01 Time: 12:09
Sample: 1 51
Included observations: 51
Variable
C
@TREND
DUM
@TREND*DUM

Coefficient
17794.42
2307.962
-65019.65
1053.423

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.971748
0.969945
5099.365
1.22E+09
-505.6635
0.793774

20000

Std. Error
1622.324
75.43654
16770.25
385.4441

t-Statistic
10.96847
30.59475
-3.877084
2.733010

Mean dependent var


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

Prob.
0.0000
0.0000
0.0003
0.0088
70734.69
29414.21
19.98680
20.13832
538.8710
0.000000

16
Se rie s : PBISQ
Samp le 1 51
O bs e r v a tion s 51

15000
10000

12
Me a n
Me dian
Ma x imum
Min imu m
Std . D e v .
Sk ew n e s s
Ku r to s is

5000
0

-5 0 0 0
10000

15000
5

10

15

20

25

30

P B IS Q

35

40

45

J a r qu e - Be ra
Pro ba b ility

50

- 5.3 7 E-1 2
1 1 5.7 3 5 7
1 7 50 6 .6 2
-1 0 55 1 .9 2
4 9 44 .0 1 8
0 .3 24 8 3 6
5 .0 08 0 5 2
9 .4 65 4 9 0
0 .0 08 8 0 2

0
-10000 -5000

5000 10000 15000 20000

51

CONCLUSION PARCIAL :

De acuerdo a los datos y estadsticas de regresin, nuestro PBI peruano en niveles no tiene un equilibrio
estadstico estable, es decir, sus medias y/o varianzas varan en el tiempo. Por tanto, es una serie de
tiempo no estacionaria en media por niveles.

El correlograma y las pruebas de Ljung-Box concluyen que los coeficientes de autocorrelacin muestral
de la serie en niveles no son ruido blanco y no es estacionaria .La Prueba Dickey Fuller (ADF) seala la
existencia de Raz unitaria ; la prueba de Zivot-Andrews sin embargo seala presencia de estacionariedad
con quiebre .

Pero en primeras diferencias la serie de PBI peruano no presenta raz unitaria, es decir, es integrado de
orden 1 o I(1), y solo as se pudo formular un modelo ARIMA(2,1,1) que intente predecir el valor para el
ao 2001 .

1.3. PRONOSTICO ARIMA PARA EL PBI AO 2001 :


En el captulo 1.1. hemos concluido que el PBI peruano (de acuerdo a nuestros datos) es I(1), es
decir, sus primeras diferencias lo vuelven estacionario .A continuacin se intentar predecir el PBI peruano
para el ao 2001.

Se desea pronosticar el PBI del Per para dos periodos siguientes (aos 2001 al 2002), ya que la
realizacin comprende entre los aos 1950-2000.

Tenemos dos formas:


a) Manual.- Previamente hay que deshacer la transformacin de primeras diferencias que se utiliz al
estimar el modelo ARIMA para obtener prediccin en niveles.

Usando el modelo ARIMA (2,1,1) :


Paso 1)

Deshacemos el modelo ARIMA usado :

D(PBI) = 1923.972 + 1.234485 AR(1) 0.453069 AR(2) 0.976352 MA(1)

Paso 2)

Quedando as :

Y2001 Y 2000 = 0 + 1[Y 2000 Y 1999 ] + 2[Y 1999 Y 1998 ] + 3[ 2000 1999 ] + 2001
Y2001
Paso 3)

= 0 + 1[Y 2000 Y 1999 ] + 2[Y 1999 Y 1998 ] + 3[ 2000 1999 ] + Y 2000 + 2001
Reemplazamos valores del modelo ARIMA usado anteriormente para la prediccin t+1

52

b) Prediccin automtica dinmica.El E-Views 3.0 usa la prediccin dinmica significa que el valor de t+1 se reemplaza en la ecuacin
ARMA para predecir el valor t+2, y as sucesivamente reportando los valores pronosticados ex-ante para el
ao 2001 y 2002 siguientes :
140000

2001
2002

123330.77
124913.54

120000
100000
80000
60000
40000
20000
50

55

60

65

70

75

80

85

90

95

00

P B IF

Donde la serie PBIF grafica la evolucin de la variable con valores originales de la data ms dos
valores predecidos (aos 2001 y 2002).
El valor estimado de acuerdo al modelo ARIMA(2,1,1) para el ao 2001 es de 123330.77. Esto
significa una variacin de 1.70% respecto al ao 2000 .Un crecimiento del PBI que slo toma en cuenta a su
historia y no a cambios presentes .

CONCLUSION ACERCA DE LA MODELACION ARIMA :

Se pudo modelar cuatro formas funcionales ARIMA al PBI peruano estacionario en primeras
diferencias para el periodo 1950-2000. Luego de haber identificado el orden p,d,q del ARIMA
viendo el correlograma, se procedi a la estimacin de los parmetros. Tambin se pudo
comprobar que los residuales de la regresin elegida son puramente aleatorios, o ruido blanco.

El modelo con mejor grado de ajuste es el ARIMA (2,1,1) con drift de acuerdo al estadstico
t, F, r-cuadrado, suma de residuos al cuadrado, Log Likelihood y estadstico Ljung-Box (que
con mayor facilidad acepta la hiptesis nula de residuales ruido blanco) dado su p-value. La
prediccin para el ao 2001 (periodo t+1) es de 124 914 segn el ARIMA (2,1,1) . Esto
significa un crecimiento porcentual de 1.70 % .

53

APENDICE
'=============================================
'Programa para la aplicacin recursiva del test de Zivot y Andrews
Autor : Juan F. Castro
'=============================================
'USO:
'
Programa para ser ejecutado en un workfile "undated".
'
El nombre de la serie por analizar deber pasarse como '
el primer argumento del programa (%0).
'
Es necesario elegir un nivel de holgura apropiado para la '
generacin de las dummies (!Hol) y el nmero mximo '
de rezagos para iniciar la ecuacin del test (!Rez).
'=============================================
'INICIALIZACIN DE VARIABLES Y OBJETOS
'=============================================
'Nivel de holgura
!Hol = 10
'Nmero mximo de rezagos
!Rez = 6
GENR _Serie=%0
GENR _Dserie = d(%0)
'Estas series contendrn los estadsticos estimados para cada 'fecha tentativa de quiebre
GENR _ZivotA = 0
GENR _ZivotB = 0
GENR _ZivotC = 0
'Estas series contienen los valores crticos de Zivot y Andrews '
para cada tipo de modelo (alpha = 5%)
GENR _VcritA = -4.80
GENR _VcritB = -4.42
GENR _VcritC = -5.08
GROUP _M_A _ZivotA _VcritA
GROUP _M_B _ZivotB _VcritB
GROUP _M_C _ZivotC _VcritC
!Obs = @OBS(_Serie)
!Fin = !Obs-!Hol
'Elementos para la eleccin del tipo de modelo ptimo
!FMaxA = 0
!FMaxB = 0
!FMaxC = 0
VECTOR(3) _Evaluacion = 0
EQUATION _Model_A
EQUATION _Model_B
EQUATION _Model_C
EQUATION _Temp
TABLE(8,2) Reporte_%0
SETCOLWIDTH(Reporte_%0,1,15)
SETCOLWIDTH(Reporte_%0,2,30)
SETCELL(Reporte_%0,1,1,"Resultados de la prueba F")
SETCELL(Reporte_%0,2,1,"Serie analizada")
SETCELL(Reporte_%0,2,2,%0,"l")
SETLINE(Reporte_%0,3)
54

SETLINE(Reporte_%0,8)
SETCELL(Reporte_%0,4,1,"Modelo A","c")
SETCELL(Reporte_%0,5,1,"Modelo B","c")
SETCELL(Reporte_%0,6,1,"Modelo C","c")
SETCELL(Reporte_%0,7,1,"Mejor Modelo","c")
%Resp = "El quiebre est en el perodo "
'ALGORITMO DE BSQUEDA
'=============================================
FOR !i = !Hol to !Fin
'Generacin de dummies
GENR _Dum = 0
SMPL !i !Obs
GENR _Dum = 1
SMPL @ALL
GENR _Dut = @TREND*_Dum
'Evaluacin del Modelo C
'========================================
_Temp.LS _Serie c @TREND(1) _Dum _Dut
IF _Temp.@F > !FMaxC THEN
!FMaxC = _Temp.@F
SETCELL(Reporte_%0,6,2,%Resp + @str(!i-1),"l")
ENDIF
GROUP _Rezagos _Dserie(-1 to -!Rez)
!ultimo_r = 5 + !Rez
!r = -!Rez
FOR !j = !ultimo_r to 6 step -1
_Model_C.LS _Dserie c _Serie(-1) @TREND(1) _Dum
_Dut _Rezagos
IF @TDIST(@TSTAT(!j),@REGOBS-@NCOEF) <= 0.05 THEN
_ZivotC(!i) = @TSTAT(2)
EXITLOOP
ELSE _Rezagos.DROP _DSerie(!r)
!r = !r+1
ENDIF
NEXT
IF !r = 0 THEN
_Model_C.LS _Dserie c _Serie(-1) @TREND(1) _Dum _Dut
_ZivotC(!i) = @TSTAT(2)
ENDIF
'Evaluacin del Modelo B
'========================================
_Temp.LS _Serie c @TREND(1) _Dut
IF _Temp.@F > !FMaxB THEN
!FMaxB = _Temp.@F
SETCELL(Reporte_%0,5,2,%Resp + @str(!i-1),"l")
ENDIF
GROUP _Rezagos _Dserie(-1 to -!Rez)
!ultimo_r = 4 + !Rez
!r = -!Rez
FOR !j = !ultimo_r to 5 step -1
_Model_B.LS _Dserie c _Serie(-1) @TREND(1) _Dut
_Rezagos
IF @TDIST(@TSTAT(!j),@REGOBS-@NCOEF) <=
0.05 THEN
_ZivotB(!i) = @TSTAT(2)
EXITLOOP
55

ELSE _Rezagos.DROP _Dserie(!r)


!r = !r+1
ENDIF
NEXT
IF !r = 0 THEN
_Model_B.LS _Dserie c _Serie(-1) @TREND(1) _Dut
_ZivotB(!i) = @TSTAT(2)
ENDIF
'Evaluacin del Modelo A
'========================================
_Temp.LS _Serie c @TREND(1) _Dum
IF _Temp.@F > !FMaxA THEN
!FMaxA = _Temp.@F
SETCELL(Reporte_%0,4,2,%Resp + @str(!i-1),"l")
ENDIF
GROUP _Rezagos _Dserie(-1 to -!Rez)
!ultimo_r = 4 + !Rez
!r = -!Rez
FOR !j = !ultimo_r to 5 step -1
_Model_A.LS _Dserie c _Serie(-1) @TREND(1) _Dum _Rezagos
IF @TDIST(@TSTAT(!j),@REGOBS-@NCOEF) <=
0.05 THEN
_ZivotA(!i) = @TSTAT(2)
EXITLOOP
ELSE _Rezagos.DROP _DSerie(!r)
!r = !r+1
ENDIF
NEXT
IF !r = 0 THEN
_Model_A.LS _Dserie c _Serie(-1) @TREND(1) _Dum
_ZivotA(!i) = @TSTAT(2)
ENDIF
NEXT
'=============================================
_Evaluacion(1) = !FMaxA
_Evaluacion(2) = !FMaxB
_Evaluacion(3) = !FMaxC
!Maximo = @MAX(_Evaluacion)
FOR !i = 1 to 3
IF _Evaluacion(!i) = !Maximo THEN
SETCELL(Reporte_%0,7,2,!i,0,"l")
ENDIF
NEXT
SMPL !Hol !Finm
GRAPH _Resultado_A.line _M_A
GRAPH _Resultado_B.line _M_B
GRAPH _Resultado_C.line _M_C
GRAPH ZA_%0.MERGE _Resultado_A _Resultado_B _Resultado_C
SMPL @ALL
'=============================================
'Eliminamos elementos temporales D _*
Fin del programa
56