Вы находитесь на странице: 1из 12

RESOLUCIÓN DEL PRIMER EXAMEN DE ECONOMETRÍA I

1) Considérese los datos contenidos en el archivo:


Capitulo3_Importaciones mensuales. Supóngase que desea ajustar el
modelo:

MODELO INICIAL

Yt    0 ITCM t  1ITCM t 1   2 ITCM t 2  ...0 IPBIRt  1IPBIRt 1..  t

CONSIDERANDO

 i   0 i

 i   0 i

EL MODELO DE REZAGOS PUEDE ESCRIBIRSE

Yt     0 ITCM t   0 ITCM t 1  2  0 X t  2  ... 0 IPBIRt   0 IPBIRt 1  t

 i 0  0  02  03  ...

 i 0 (1    2  3  ...)

 i  0   0   02   03  ...

 i  0 (1    2  3  ...)
 
 1   1 

i 0
i  0 
1   

i 0
i  0 
1   
Dado el siguiente modelo de rezagos distribuidos infinito

M t     0 ITCM t   0 ITCM t 1  2  0 ITCM t 2 ...   0 IPBIRt   0 IPBIR t 1  2 0 IPBIRt 2  ...   t

Multiplicando por :

M t 1     0 ITCM t 1  2  0 ITCM t 2 ...   0 IPBIRt 1  2 0 IPBIRt 2  .  t 1

Restando las ecuaciones tenemos

M t   (1   )   0 ITCM t   0 IPBIRt  M t 1  ( t   t 1 ) ……..(modelo auxiliar)


GRAFICO N°01

i) CON RESPECTO AL ITCM EL IMPACTO DE CORTO PLAZO SERÍA= -3.112347


Con un T-student= -5.449 y P-value=0.00

EN EL LARGO PLAZO

 1 

i 0
i  -3.112347
1  0.485015 
 6.043568

ii) CON RESPECTO AL IPBIR EL IMPACTO DE CORTO PLAZO SERÍA = 4.530312


Con un T-student= 7.727 y P-value=0.00

EN EL LARGO PLAZO SERÍA



 1 

i 0
i  4.530312
1  0.485015 
 8.796976
b) ¿En promedio, cuánto tiempo se requiere para que el efecto del ITCR se
sienta en las importaciones?
Por el Rezago medio

𝑹𝑴 =
𝟏−

0.485015
𝑅𝑀 = = 0.9418  1 𝑚𝑒𝑠
1 − 0.485051
 El rezago medio es equivalente a 1 mes, lo que indica que se requiere en
promedio 1 mes para que el efecto de los cambios del Índice del Tipo Cambio
Real Multilateral (2009) se sienta en las importaciones.

c) ¿Qué porcentaje del impacto total, de un cambio unitario del IPBIR sobre
las importaciones se siente después de seis meses?
La solución la encontraremos a través del “𝜹𝒌 " estandarizado:

𝜹𝒌 𝜹𝒌
𝜹∗𝒌 = =
∑ 𝜹𝒌 𝜹
Donde:

𝜹 = ∑ 𝜹𝒌 = 𝟖. 𝟕𝟗𝟔𝟗𝟕
𝒌=𝟎

i) Hallamos "𝛿𝑘 " para 6 periodos (meses)

𝜹𝒌 = 𝜹𝟎 ∗ 𝝀𝒌 K=0,1,2,…

Donde: 𝜆 = 0.485015
𝛿0 = 4.530312
Entonces:

𝛿0 = 4.530312

𝛿1 = 4.530312 ∗ (0.485015) = 2.1977

𝛿2 = 4.530312 ∗ (0.485015)2 1.0659

𝛿3 = 4.530312 ∗ (0.485015)3 = 0.5169

𝛿4 = 4.530312 ∗ (0.485015)4 = 0.2507

𝛿5 = 4.530312 ∗ (0.485015)5 = 0.1216

𝛿6 = 4.530312 ∗ (0.485015)6 = 0.0589


i) Hallamos "𝜹∗𝟎 ” para 6 periodos (meses). Entonces tenemos:

4.5312
𝛿0∗ = = 0.515 ≅ 51.50%
8.7969

2.1977
𝛿1∗ = = 0.249 ≅ 24.90%
8.7969

1.0659
𝛿2∗ = = 0.1212 ≅ 12.12%
8.7969
0.5169
𝛿3∗ = = 0.0587 ≅ 5.87%
8.7969
0.2507
𝛿4∗ = = 0.0284 ≅ 2.84%
8.7969
0.1216
𝛿5∗ = = 0.0138 ≅ 1.38%
8.7969
0.0589
𝛿6∗ = = 0.0066 ≅ 0.66%
8.7969

∑6𝑘=0 𝛿𝑘∗ = 51.5+24.9+12.12+5.87+2.84+1.38+0.66=99.27%

Por lo tanto podemos decir que al 6to mes se siente el 99.27% del impacto total
de un cambio unitario en IPBIR sobre las importaciones (Mt)

2) Ahora suponga que desea ajustar el siguiente modelo:

∗β1 𝑣
Mtd = βd0 IPBIR t 𝑒 𝑢𝑡

a) ¿Cuál es la elasticidad de las importaciones deseadas respecto del


IPBIR esperado?

Aplicándole “Ln” a ambos miembros el modelo se puede expresar como:


𝑚
LnMtd = 𝐿𝑛βd0 + β1d LnPBIR∗t +𝑢𝑡𝑣
Supongamos las siguientes hipótesis:


Mt  M td 
  0   1
M t 1  M t 1 


IPBIR t*  IPBIR 
 t
 0  1
IPBIR t*1  IPBIR t 1
*

En términos de logaritmo se tiene:

LnM t  LnM t 1   ( LnM t*  LnM t 1 )

LnIPBIR t*  LnIPBIR t*1   ( LnIPBIR t  LnPBIR t*1 )

Por tanto el modelo auxiliar es:

LnM t  Ln 0  1 LnIPBIR t  1     1   LnM t 1  1   1   LnM t 2  vt

Donde:
vt  ut  1   ut 

Respuesta: la elasticidad de largo plazo de las importaciones deseadas


d
respecto al IPBIR esperado está representado por β1 y su valor es:
GRAFICO N°02

La ecuación auxiliar estimada es


LnM t  0.106383  0.360325LnIPBIRt  0.377337 LnM t 1  0.372564LnM t 2
d
Hallando β1

 1     1     0.377337
    1.622663

  1   1     0.372564
 =0.250099

 1  0.360325 …………(*)

Entonces dividimos entre  a la ecuación (*):


1 =0.360325/0.250099
1  1.44072947113

b) ¿Podemos decir que existe autocorrelación en el modelo de corto


plazo? ¿Por qué?

Dado la siguiente Hipótesis:


H0: No hay autocorrelación
Ha: Sí hay autocorrelación
Para contrastar la hipótesis usamos el estadístico de prueba h de Durbin:

𝒏
h = (𝑝̂ ) √
𝟏−𝒏 [𝒗𝒂𝒓 (∝𝟐)]

Donde:

n: es el tamaño de muestra

𝒗𝒂𝒓 (∝ 𝟐) : es la varianza del coeficiente de la variable rezagada


𝟏
𝑝̂ = 1- DW
𝟐
Desarrollo:
n = 138
𝟏
𝑝̂ = 1-
𝟐
(2.123394)

𝑝̂ = - 0.061697
Reemplazando en la prueba h de Durbin

𝟏𝟑𝟖
h = (- 0.061697) √
𝟏−𝟏𝟑𝟖 [𝟎.𝟎𝟎𝟓𝟕𝟕𝟗𝟎𝟒𝟎𝟒]

h= - 1.61064
Seguimos la regla de decisión:
-1.64˂h˂1.64…….Supone no rechazar H0
Por lo tanto, bajo un nivel de significancia de 5% no tenemos criterio suficiente
para rechazar Ho, en tanto la aceptamos y diríamos que no existe autorrelación.

3) Ahora suponga que desea ajustar el siguiente modelo:

2 4

𝑀𝑇 = ∝ + ∑ 𝛽𝑖 𝐼𝑇𝐶𝑀𝑡−𝑖 + ∑ 𝛿𝑗 𝐼𝑃𝐵𝐼𝑅𝑡−𝑗 + 𝑢𝑡
𝑖=0 𝑗=0

a) Suponiendo polinomio de grado 2 y polinomio de grado 3, escriba


la regresión ajustada según Almon

𝑀𝑇 = ∝ + ∑2𝑖=0 𝛽𝑖 𝐼𝑇𝐶𝑀𝑡−𝑖 + ∑4𝑗=0 𝛿𝑗 𝐼𝑃𝐵𝐼𝑅𝑡−𝑗 + 𝑢𝑡 …….(ecuación original)


ALMON AJUSTADO:
 Para ITCM
𝛽𝑖 = 𝑎0 + 𝑎1 (𝑖 − 𝜃1 ) + 𝑎2 (𝑖 − 𝜃1 )2
 Para IPBIR
𝛿𝑖 = 𝑏0 + 𝑏1 (𝑖 − 𝜃2 ) + 𝑏2 (𝑖 − 𝜃2 )2 + 𝑏3 (𝑖 − 𝜃2 )3

Realizando las respectivas sustituciones y la respectiva regresión


por MMCO, se tiene la ecuación auxiliar:
̌ + 𝑎̌0 𝑃𝐷𝐿1 + 𝑎̌1 𝑃𝐷𝐿2 + 𝑎̌2 𝑃𝐷𝐿3 + 𝑏̌0 𝑃𝐷𝐿4 + 𝑏̌1 𝑃𝐷𝐿5 + 𝑏̌2 𝑃𝐷𝐿6 + 𝑏̌3 𝑃𝐷𝐿7
̌𝑡 = ∝
𝑀
Y regresionamos en Eviews tenemos:
GRAFICO N°03

Llevando a valores originales:

 Para ITCM
𝜷𝒊 = 𝒂𝟎 + 𝒂𝟏 (𝒊 − 𝜽𝟏 ) + 𝒂𝟐 (𝒊 − 𝜽𝟏 )𝟐
- 𝛽0 = 𝑎0 + 𝑎1 (0 − 1) + 𝑎2 (0 − 1)2
- 𝛽1 = 𝑎0 + 𝑎1 (1 − 1) + 𝑎2 (1 − 1)2
- 𝛽2 = 𝑎0 + 𝑎1 (2 − 1) + 𝑎2 (2 − 1)2
Tenemos:

- 𝛽0 = −9.34994 + 2.47846(0 − 1) + 10.59641(0 − 1)2


𝛽0 = −1.23199
- 𝛽1 = −9.34994 + 2.47846(1 − 1) + 10.59641(1 − 1)2
𝛽1 = −9.34994
- 𝛽2 = −9.34994 + 2.47846(2 − 1) + 10.59641(2 − 1)2
𝛽2 = 3.72493

 Para IPBIR
𝜹𝒊 = 𝒃𝟎 + 𝒃𝟏 (𝒊 − 𝜽𝟐 ) + 𝒃𝟐 (𝒊 − 𝜽𝟐 )𝟐 + 𝒃𝟑 (𝒊 − 𝜽𝟐 )𝟑
- 𝛿0 = 𝑏0 + 𝑏1 (0 − 2) + 𝑏2 (0 − 2)2 + 𝑏3 (0 − 2)3
- 𝛿1 = 𝑏0 + 𝑏1 (1 − 2) + 𝑏2 (1 − 2)2 + 𝑏3 (1 − 2)3
- 𝛿2 = 𝑏0 + 𝑏1 (2 − 2) + 𝑏2 (2 − 2)2 + 𝑏3 (2 − 2)3
- 𝛿3 = 𝑏0 + 𝑏1 (3 − 2) + 𝑏2 (3 − 2)2 + 𝑏3 (3 − 2)3
- 𝛿4 = 𝑏0 + 𝑏1 (4 − 2) + 𝑏2 (4 − 2)2 + 𝑏3 (4 − 2)3

Tenemos:
- 𝛿0 = −0.01932 + 3.45963(0 − 2) + 1.00050(0 − 2)2 +
(−1.07105)(0 − 2)3
𝛿0 = 5.63182
- 𝛿1 = −0.01932 + 3.45963(1 − 2) + 1.00050(1 − 2)2 +
(−1.07105)(1 − 2)3
𝛿1 = −1.40740
- 𝛿2 = −0.01932 + 3.45963(2 − 2) + 1.00050(2 − 2)2 +
(−1.07105)(2 − 2)3
𝛿2 = −0.01932
- 𝛿3 = −0.01932 + 3.45963(3 − 2) + 1.00050(3 − 2)2 +
(−1.07105)(3 − 2)3
𝛿3 = 3.36976
- 𝛿4 = −0.01932 + 3.45963(4 − 2) + 1.00050(4 − 2)2 +
(−1.07105)(4 − 2)3
𝛿4 = 2.33353
Entonces el modelo original sería:

̌𝑡 = 206.7265 − 1.23199 ∗ 𝐼𝑇𝐶𝑀𝑡 − 9.34994 ∗ 𝐼𝑇𝐶𝑀𝑡−1 + 3.72493 ∗ 𝐼𝑇𝐶𝑀𝑡−2


𝑀
+ 5.63182 ∗ 𝐼𝑃𝐵𝐼𝑅𝑡 − 1.40740 ∗ 𝐼𝑃𝐵𝐼𝑅𝑡−1 − 0.01932 ∗ 𝐼𝑃𝐵𝐼𝑅𝑡−2
+ 3.36976 ∗ 𝐼𝑃𝐵𝐼𝑅𝑡−3 + 2.33353 ∗ 𝐼𝑃𝐵𝐼𝑅𝑡−4

b) Comente sus resultados en consideración a la teoría económica y la


estadística
 ANALISIS EN CONSIDERACION A LA TEORIA ECONOMICA:

Dentro del modelo que se ajusta con el modelo de Shirley Almon tenemos
como variable endógena a la variable (Mt) Importaciones de bienes que
es explicada por las variables (ITCMt) Índice del tipo de cambio real y el
(IPBIRt) Índice del producto bruto interno, al analizar los resultados
llegamos a la conclusión:

 El ITCMt tiene un impacto a corto plazo con respecto a (Mt) de -


1,23199 siendo este negativo (coherente con la teoría económica
de relación de causalidad entre las variables) y con un impacto de
largo plazo de -6,85701, viendo que a L.P el impacto es mayor.
 El IPBIRt tiene un impacto de corto plazo con respecto a (Mt) de
5,63182 siendo este de signo positivo (coherente con la teoría
económica de relación de causalidad entre las variables) y con
impacto de largo plazo 9.90840, viendo que a L.P el impacto es
mayor.
 ANALISIS EN CONSIDERACION A LA ESTADISTICA:
Mt=α+β0ITCMt+β1ITCMt-1+β2ITCMt-2+δ0IPBIRt+δ1IPBIRt-1+δ2IPBIRt-2+ δ3IPBIRt-

3+ δ4IPBIRt-4
T= -0.35 -1.63 1.08 8.52 -2.14 -0.057 5,17 3,57

Partimos de las hipótesis:


i) Para ITCMt:

Para Corto Plazo:


Ho: βo=0
Ha: βoǂ0

Tenemos: 𝑡βo =-0.35 p-val= 0.72691394

Bajo un nivel de significancia del 5% no tenemos evidencia


suficiente para rechazar Ho, por tanto la aceptamos. Entonces el
impacto del ITCMt de C.P no es estadísticamente significativo.

Para Largo Plazo:

Ho: βo+β1+ β2=0


Ha: βo+β1+ β2ǂ0

Tenemos: t-global= -15.61 p-val= 2.03529E-31

Bajo un nivel de significancia del 5% no tenemos evidencia


suficiente para aceptar Ho, por tanto la rechazamos. Por tanto
concluimos que el impacto del ITCMt de L.P es estadísticamente
significativo.
ii) Para IPBIRt:

Para Corto Plazo:


Ho: 𝛿0 =0
Ha: 𝛿0 ǂ0

Tenemos: 𝑡𝛿0 =8.53 p-val= 3.5658E-14

Bajo un nivel de significancia del 5% no tenemos evidencia


suficiente para aceptar Ho, por tanto la rechazamos. Entonces el
impacto del IPBIRt de C.P es estadísticamente significativo.

Para Largo Plazo:

Ho: 𝛿0 + 𝛿1 + 𝛿2 + 𝛿3 + 𝛿4=0
Ha: 𝛿0 + 𝛿1 + 𝛿2 + 𝛿3 + 𝛿4ǂ0

Tenemos: 𝑡 − 𝑔𝑙𝑜𝑏𝑎𝑙 = 26.08 𝑝 − 𝑣𝑎𝑙 = 4.63117𝐸 − 53

Bajo un nivel de significancia del 5% no tenemos evidencia


suficiente para aceptar Ho, por tanto la rechazamos. Por tanto
concluimos que el impacto del 𝐼𝑃𝐵𝐼𝑅𝑡 de L.P es estadísticamente
significativo.

CONCLUSIONES: Cabe resaltar que en este análisis del impacto de las


dos variables (𝐼𝑇𝐶𝑀𝑡 ) y (𝐼𝑃𝐵𝐼𝑅𝑡 ) con respecto a (𝑀𝑡 ), la variable (𝐼𝑃𝐵𝐼𝑅𝑡 )
es estadísticamente significativa tanto en corto y largo plazo; mientras que
el (𝐼𝑇𝐶𝑀𝑡 ) es solo significativa en el largo plazo.

Вам также может понравиться