Estadística I – 2do cuatrimestre 2018

Trabajo Práctico
Final
Modelo de regresión lineal – PBI a precios
de mercado

Juan Etchevarria – Registro 892999

25 de noviembre de 2018
Profesor Daniel Milia
Introducción
En el presente trabajo me he propuesto analizar las variaciones porcentuales del PBI a precios
de mercado (PBIpm) cuando varían una serie de variables seleccionadas, las cuales serán el
gasto público (G), la base monetaria (BMABS) y el tipo de cambio (TC) en base a los datos
recogidos entre el primer cuarto de 2003 y el cuarto cuarto de 2015 inclusive.

Análisis
Variable Obs Mean Std. Dev. Min Max
PBIpm 52 1808267 1552248 327361.8 5441470
BMABS 52 1.73E+08 1.44E+08 2.98E+07 5.76E+08
TC 52 4.409889 2.012157 2.817207 10.17479
G 52 2.91E+08 2.64E+08 4.30E+07 9.23E+08

Tabla 1 – Unidades descriptivas de las variables del modelo a analizar

Con estos datos descriptivos de las variables en cuestión se puede ver datos útiles de cada
una, que sirven para tener una idea de cómo se comportaron a lo largo del tiempo.

Con este grafico se puede observar claramente como el PBI a precios de mercado, también
conocido como PBI nominal, fue creciendo lentamente pero consistentemente entre 2003 y
fines de 2007, momento a partir del cual empezó a crecer de manera un poco más acelerada
ya que fue en este momento cuando el proceso inflacionario en la Argentina comenzó a
acrecentarse (en PBI nominal un aumento de precios conlleva un aumento del PBIpm por más
que las cantidades producidas no se incrementen). El incremento del PBI fue exponencial entre
2012 y 2013/14 aproximadamente por el efecto de la devaluación, lo que provoco un aun mayor
aumento en los precios
Lo que propongo con el modelo planteado es ver cómo afectan las variables ya dichas al PBI a
precios de mercado, cuantificado de manera porcentual, y generar a partir de este análisis un
modelo de regresión lineal que me permita de la manera más exacta posible poder predecir
correctamente el recorrido efectuado por el PBIpm entre los periodos estudiados.

logPBIpm Coef. Std. Err. t P>t [95% Conf. Interval]

logBMABS 0.348028 0.105765 3.29 0.002 0.1353743 0.5606824
logG 0.467509 0.081096 5.76 0 0.3044547 0.6305632
logTC 0.288525 0.070829 4.07 0 0.1461132 0.4309368
_cons -1.74085 0.597391 -2.91 0.005 -2.941986 -0.539717

Tabla 2 – Coeficientes para el modelo de regresión lineal con los datos de la base

A partir de esta tabla se puede ver cómo afecta cada una de estas variables al tipo de cambio.

 La base monetaria, al variar una unidad porcentual, afecta en el mismo sentido al

PBIpm en una proporción aproximada de 0.348 y es una variable significativa.
 El gasto público, al variar una unidad porcentual, afecta en el mismo sentido al PBIpm
en una proporción aproximada de 0.468 y es una variable significativa.
 El tipo de cambio, al variar una unidad porcentual, afecta en el mismo sentido al PBIpm
en una proporción de 0.289 y es una variable significativa.

En base a esto puede verse que, de las variables tomadas, es el gasto publico la que más
efecto tiene sobre el PBIpm mientras que el tipo de cambio es la que menos lo afecta.
El modelo de regresión lineal, utilizando estos datos obtenidos en el STATA, quedaría
formulado de la siguiente manera:

𝐥𝐨𝐠(𝑷𝑩𝑰𝒑𝒎) = −𝟏. 𝟕𝟒𝟏 + 𝟎. 𝟑𝟒𝟖 𝐥𝐨𝐠(𝑩𝑴𝑨𝑩𝑺) + 𝟎. 𝟒𝟔𝟖 𝐥𝐨𝐠(𝑮) + 𝟎. 𝟐𝟖𝟗 𝐥𝐨𝐠(𝑻𝑪) + 𝜺

El R2 de este modelo es igual a 0.9934, lo cual indica que es un modelo con una alta predicción
futura, es decir que explica el 99.34% de las variaciones del PBIpm en cuantía porcentual.
Para poder visualizar el modelo primero es conveniente mostrar el grafico del PBIpm en
términos porcentuales, es decir el grafico de log(PBIpm) en función del tiempo:

Aquí se ve claramente lo explicado más arriba, primero las pequeñas pero constantes
variaciones y luego los saltos más grandes causados por los crecientes precios.
Conclusiones
Como puede observarse en el último gráfico, el modelo presentado se adaptó casi
perfectamente a la realidad. Si bien es cierto que hay algunos saltos que el modelo no pudo
imitar (como la caída que se encuentra cerca del tercer cuarto de 2009), esto suele suceder en
este tipo de modelos por eventos que son muy difíciles de predecir en la realidad (en este caso
particular se debió a la crisis financiera global del 2008). Teniendo esto en cuenta, es posible
concluir que las variaciones porcentuales del PBI nominal o PBI a precios de mercado son
posibles de ser predichas utilizando como variables independientes al gasto público, al tipo de
cambio y a la base monetaria total, pudiendo usarse este modelo para por ejemplo ver como
afectara una política de contracción fiscal o una política monetaria expansiva.