Informe Final

“AÑO DE LA CONSOLIDACION ECONOMICA Y
SOCIAL EN EL PERU”
UNIVERSIDAD NACIONAL DE PIURA
FACULTAD DE ECONOMÍA
TEMA : ESTIMACIÓN DE LA EVOLUCIÓN DEL TIPO

DE CAMBIO REAL
INTEGRANTE : RUMICHE ROSALES, JOSE ALEJANDRO
CURSO : MODELOS ESTADISTICOS
AÑO ACADÉMICO : 2010
SEMESTRE : PRIMERO
PROFESOR : Econ. MARTÍN CASTILLO AGURTO
PIURA -PERÚ
INTRODUCCION
El mercado cambiario implica el sistema de cambio el cual está influenciado por

la oferta y la demanda de divisas; en el presente trabajo investigación se
estimara la evolución del tipo de cambio real (TCR) en función al déficit fiscal,
reservas internacionales e inflación, a partir del periodo: 1980 a 2009 (anual).
Consideramos que la elaboración de la presente trabajo de investigación es

bastante relevante, ya que nos permite conocer cómo funciona, desde un punto
de vista más objetivo el mercado cambiario, el cual establece la cotización de
una moneda frente a otra, y que depende del control de cambio que exista en
el país y de las relaciones entre la oferta y la demanda.
Para elaborar esta investigación consultamos variadas fuentes de información y

además realizamos visitas virtuales a páginas Web en la Red Internet que
tratan sobre el tema en cuestión, lo que nos permitió realizar un profundo
análisis de la información obtenida.
Por último, es necesario resaltar que el equipo consideró que para un mayor
entendimiento de los términos utilizados en la investigación, la presentación de
un glosario de términos, el cual contribuye enormente a la comprensión de la
terminología empleada en este tipo de operaciones económicas.
Finalmente, queremos expresar que este trabajo de investigación contribuyó en

gran parte a nuestra formación académica, ya que como futuros economistas
necesitamos conocer cómo funciona el mercado cambiario, puesto que las
operaciones de importación y exportación requieren de ese mercado en virtud
de que esas operaciones se realizan entre diferentes países, los cuales tienen
monedas diferentes y necesitan de la paridad cambiaria para realizar sus
operaciones internacionales.
TÍTULO
ESTIMACIÓN DE LA EVOLUCIÓN
DEL TIPO DE CAMBIO REAL (TCR)
PERIODO: 1980 A 2009(ANUAL)
ANTECEDENTES HISTORICOS
En 1994 ocurrieron varios eventos en México que provocaron inestabilidad en

los mercados y terminaron con un ataque especulativo a las reservas
internacionales del Banco de México a finales del año. Esto último llevó a la
insostenibilidad del régimen de bandas cambiarias. El Informe Anual del Banco
de México de aquel año describe los eventos más importantes:
“El 19 de diciembre de 1994 por la tarde, la Comisión de Cambios acordó

abandonar el régimen cambiario hasta entonces vigente, comunicando en el
seno del "Pacto" su decisión de pasar a un régimen de flotación. En ese foro se
encontró una opinión muy extendida en el sentido de que antes de ir a una
flotación, era conveniente intentar la estabilización del mercado cambiario
mediante la elevación del techo de la banda. La Comisión de Cambios decidió
aceptar esta fórmula. Como es del dominio público, el intento no tuvo éxito, por
lo que se acordó pasar al régimen de flotación con efectos a partir del 22 de
diciembre último.”
En el régimen de libre flotación, mismo que permanece hasta la fecha, el tipo

de cambio se determina libremente en el mercado sin la intervención de las
autoridades. Las operaciones que lleva a cabo el Banco de México en el
mercado cambiario se hacen a través de mecanismos preanunciados y reglas
transparentes.
TIPO DE CAMBIO “FIX”
Desde el 11 de noviembre de 1991, el Banco de México publica un tipo de

cambio de referencia, conocido como el tipo de cambio “FIX.” Esta referencia
puede ser utilizada por particulares en sus transacciones que involucren el
intercambio de divisas, aunque es importante destacar que las partes son libres
de acordar cualquier otra referencia para sus contratos.
El tipo de cambio FIX es determinado por el Banco de México con base en un

promedio de cotizaciones del mercado de cambios al mayoreo para
operaciones liquidables el segundo día hábil bancario siguiente y que son
obtenidas de plataformas de transacción cambiaria y otros medios electrónicos
con representatividad en el mercado de cambios. El Banco de México da a
conocer el FIX a partir de las 12:00 horas de todos los días hábiles bancarios,
se publica en el Diario Oficial de la Federación (DOF) un día hábil bancario
después de la fecha de determinación y es utilizado para solventar obligaciones
denominadas en dólares liquidables en la República Mexicana al día siguiente
de la publicación en el DOF.
EVOLUCION DEL TIPO DE CAMBIO REAL (TCR)
Fuente: Elaborado por el Centro de Estudios de las Finanzas Públicas de la

Cámara de Diputados, con datos del Banco de México y del Federal Reserve
Bank of St. Louis, E.U
Elaboración: Propia
La desaceleración del ritmo de la actividad económica 1 incidió en el menor

dinamismo de las importaciones que, a su vez, recibieron el impulso de la
apreciación del tipo de cambio real, que prevaleció hasta fines del tercer
1
MEXICO, Evolución Económica Durante 2008 Y Perspectivas Para 2009, Comisión Económica
para América Latina y el Caribe (CEPAL) • Sede Subregional en México
trimestre, y del incremento de los precios internacionales de combustibles y
alimentos. Sin embargo, globalmente, el mayor crecimiento de las
importaciones respecto de las exportaciones redundó en la ampliación del
déficit comercial. Todo esto, junto con la reducción de 3,6% en el flujo de
remesas internacionales, se tradujo en un déficit de la cuenta corriente
equivalente a 1,5% del PIB (0,8% en 2007). El balance del sector público
consolidado fue prácticamente de cero, dada la contribución de los ingresos
petroleros, que ascendieron 14% en términos reales.
En 2009 la economía mexicana atraviesa por una franca recesión, como

resultado del desplome de las exportaciones y la debilidad del mercado interno.
Desde el último trimestre de 2008, fecha de la agudización del retroceso
económico, la pérdida de empleos formales es muy marcada, lo que, aunado a
la caída de las remesas de los mexicanos que trabajan en los Estados Unidos,
hace que el consumo interno se deteriore considerablemente. Se observan
también fuertes contracciones en la inversión extranjera directa (IED) y, en
menor medida, en los ingresos por turismo; como los ingresos públicos han
disminuido, se limita también el margen de maniobra para implementar políticas
contracíclicas efectivas y de impacto en el corto plazo. En el primer trimestre de
2009 el PIB bajó 8,2% y las autoridades estiman un descenso de 10% en el
segundo trimestre. La CEPAL prevé un retroceso de 7% anual para 2009, lo
que representaría la peor caída de la economía desde los años treinta.
En un marco de flotación cambiaria, en la primera mitad de 2008 el peso se

fortaleció progresivamente respecto del dólar, alcanzó su mínima cotización en
agosto, para luego depreciarse persistentemente hasta marzo de 2009 a causa
de la crisis financiera internacional. También se acentuó la demanda de dólares
por parte de algunas empresas para hacer frente a sus posiciones en
instrumentos derivados en esta divisa. De esta manera, entre principios de
agosto de 2008 y fines de marzo de 2009 la cotización del dólar en pesos
ascendió 43%. En el promedio de 2008, sin embargo, el tipo de cambio real
bilateral con relación al dólar se depreció sólo 1,2%, mientras que el tipo de
cambio real efectivo (con todos los socios comerciales) se depreció 2,1%.
El Banco de México ha implementado diversas medidas para proveer de
liquidez a los mercados cambiarios y de valores, así como al sistema bancario.
Se han inyectado dólares al mercado cambiario mediante subastas
extraordinarias y diarias y, a partir de marzo de 2009, se puso en marcha un
mecanismo de subastas sin precio mínimo. En lo que se refiere a la liquidez en
moneda nacional, se establecieron mecanismos preventivos para suministrar
temporalmente a los bancos, y se adoptaron otras medidas orientadas a apoyar
la liquidez en los mercados internos de deuda. Asimismo, el organismo emisor
estableció un programa de garantías por parte de la banca de desarrollo para
colocar deuda privada de corto plazo, entre otras medidas.
A fines de marzo el gobierno acordó una línea de financiamiento contingente

con el FMI de aproximadamente 47.000 millones de dólares, con vigencia de
un año y renovable. Este monto se suma a los 30.000 millones de dólares de la
Reserva Federal de los Estados Unidos, a los que México tiene acceso
mediante el mecanismo de intercambio de divisas, una línea de canje vigente
hasta octubre de este año. Los 76.500 millones de dólares de las reservas
internacionales (a mayo de 2009) y las medidas que se han tomado para
detener la depreciación acelerada del peso frente al dólar, contribuyeron a
bajar la cotización, de alrededor de 15 pesos por dólar que se había alcanzado
en marzo, a casi 13 pesos en mayo. Este hecho otorga un mayor margen de
maniobra al Banco Central para reducir la tasa de interés ante la agudización
de la crisis.
MARCO TEÓRICO
TEORÍAS BÁSICAS
VARIABLE DEPENDIENTE:
TIPO DE CAMBIO REAL

1. Blanchard, Oliver (BI):
“MACROECONOMIA”.
Prentice Hall. Madrid- España. 1998
Pág. 59
El tipo de cambio real de un país nacional con respecto de otro

extranjero es el precio relativo de los bienes del país extranjero
expresados en términos de bienes nacional.
DEFINICIONES TEORICAS DEL TIPO DE CAMBIO REAL

2. Dornbusch & Fisher & Startz(D/F):
“MACROECONOMIA”
Mc Graw Hill Interamericana de España.
Octava Edición. 2001
Pág. 250
El tipo de cambio real es una variable ampliamente usada en

contextos académicos y de política económica, aunque no siempre con
un significado único.
No obstante bajo cualquier definición se trata de un precio relativo.
En términos de política económica cuando existe un proceso de
estabilización con el fin de reducir los altos niveles de inflación, la
autoridad monetaria establece como objetivo primordial el nivel de
precios y como objetivo secundario el establecimiento del tipo de
cambio real alto, pero ambos no pueden ser tomados a la vez por lo que
existe un trade - off entre tipo de cambio real e inflación; por lo tanto se
establecen anclas monetarias y cambiarias . el uso de anclas
cambiarias reduce en un principio la persistencia de la inflación , pero
de todas formas genera una apreciación real ya que esta estimula
inicialmente el nivel de actividad económica que produce una caída de
la tasa de interés que hará que sustituyan consumo presente por
consumo futuro , que genere déficit de la balanza comercial y una
apreciación o caída del tipo de cambio real ,por lo se afirma que
cuando se opta por un ancla cambiaria los efectos negativos
aparecen en las etapas posteriores mientras que con el ancla
monetaria los efectos recesivos aparecen en las primeras etapas del
programa de estabilización.
3. Barro, Robert (B):

“MACROECONOMIA”
Mc Graw Hill. , México. 1992
Pág. 35
Una segunda definición se refiere al coeficiente de precios transables

(Pt) a no transables(Pnt) o dicho de otro modo TCR =Pt/Pnt .este
indicador es muy común , es un precio relativo de los bienes y
servicios transables comerciales frente a los no transables no
comerciales por razones de costos de transporte.
OTRAS DEFINICIONES
4. Sachs & Larrain S/L
“MACROECONOMIA EN LA ECONOMIA GLOBAL”
Prentice Hall , Primera Edición. 1994
a) El coeficiente de precios transables, Pt, a precios no transables Pnt. Su
evolución influye en las decisiones de consumo y producción entre
ambos tipos de bienes.
b) El tipo de cambio nominal deflactado por un ÍNDICE GENERAL DE
PRECIOS Pd, el uso de este indicador es amplio porque permite tratar
tanto el problema del efecto de la inflación domestica sobre la
rentabilidad del sector transable nacional , así como el manejo de
instrumentos de política comercial (impuestos ,subsidios y aranceles).
c) El tipo de cambio nominal deflactado por un índice de precios

domésticos Pd, y uno externo, Pe, enfoque asociado a la paridad de
compra (PPC). la cual señala que el tipo de cambio del mercado refleja
la comparación de los poderes de compra de dos monedas a través
del cociente de los niveles precios respectivos.
VARIABLES INDEPENDIENTES:
 DEFICIT FISCAL
5. De Gregorio (2003)
“MACROECONOMIA”
Universidad de Chile. Versión Digital de un texto preliminar
Déficit fiscal, entendiendo como tal la diferencia entre lo que el Estado

recauda en su territorio a través de los impuestos y los fondos que se
revierten, bien por la financiación directa, por las obras públicas que
realice el Estado o por las subvenciones y ayudas que les preste.
EL SALDO EN CUENTA CORRIENTE 1

Corresponde a los ingresos menos los gastos de un país, o equivalentemente,
al ahorro menos la inversión de un país. En ambos casos, cuando el primero
supera al segundo, se habla de un superávit en cuenta corriente; en caso
1
Superintendencia De Bancos E Instituciones Financieras De Chile. Disponible en:
http://www.sbif.cl/sbifweb/servlet/Glosario?indice=5.0&letra=B
contrario, déficit. El saldo en cuenta corriente también se entiende como la
Balanza Comercial más los pagos netos a factores provenientes del exterior,
así como el cambio en la posición de activos externos netos del país.
 RESERVAS INTERNACIONALES NETAS

6. Jiménez, Félix (J):
“MACROECONOMIA: Enfoques y modelos”.
Pontificia Universidad Católica del Perú. Lima, 2001. 1/
Corresponde al número o la cantidad de divisas que tiene el país, con el

fin de mantener una estabilidad y respaldo de su moneda.
Son reducidas en periodos de apreciación, debido al incremento de las

importaciones e incrementadas en la devaluación (tipo de cambio se
incrementa) debido al incremento de las exportaciones (entrada de
divisas a México)
 INFLACION
7. Mankiw, Gregory 1998
“Resiente Desarrollo en la Macroeconomía”
Periodo en el cual los precios tienden a subir y a generar una

inestabilidad en la economía.
Es una de las variables más importantes de la macroeconomía, la
inflación es la evolución del nivel agregado de precios de una economía.
Se mide como la variación porcentual en el índice precios al
consumidor (IPC).
MARCO METODOLÓGICO
METODOLOGIA
En el presente trabajo trataremos de explicar la evolución del tipo de cambio

real a través de los años para lo cual se tuvo que recurrir a las siguientes
fuentes:”BANCO CENTRAL DE MEXICO”, “CENTRO DE ESTUDIOS DE
FINANZAS PUBLICAS- CAMARA DE DIPUTADOS”.
Pues nuestra consigna es explicar la evolución de este a través del tiempo, por
lo que se consideró datos desde el año 1980, debido a la importancia del tipo
de cambio el cual es uno de los factores determinantes de la economía
mexicana.
Además se realizara un estudio de los datos obtenidos mediante el software,
obteniendo así un análisis más detallado de la evolución del tipo de cambio.
PLANTEAMIENTO DE LA ECUACIÓN
Dentro de la especificación es necesaria la especificación entre las relaciones

de causa – efecto del tipo de cambio real con sus respectivas variables
explicativas
VARIABLE ENDOGENA:
TCR : Tipo de Cambio Real
VARIABLES EXOGENAS:
DF : Déficit Fiscal (saldo de la cuenta corriente) medido en

Millones de dólares
RIN : Reservas Internacionales Netas medido en Millones .US$
INF : Inflación medido en Variación %
MODELO BÁSICO:
TCR = f (DF, RIN, INF)
MODELO MATEMÁTICO:
TCR = α0 + α1 DF + α2 RIN + α3 INF
MODELO ECONOMÉTRICO:
TCR = α0 + α1DF + α2 RIN + α3 INF + µi
SIGNOS O IMPACTOS DE LOS PARÁMETROS:
α0 <>=0 Autónoma o fija
α1 < 0 De acuerdo con el enfoque fiscal del tipo de cambio, un mayor déficit
tendría efectos negativos sobre el tipo de cambio real ya que estos
efectos no solo son de signos contrarios, sino dependiendo sí el gasto
se realiza en los bienes transables y no transables debido a que la
magnitud depende también si son de carácter permanente o transitorio
α2 <0 El impacto se debe a que las RIN van ha estar influenciadas por el tipo
de cambio, debido , por ejemplo una reevaluación o apreciación , va a
reducir las reservas debido a que se van aumentar las importaciones
bienes por la caída del tipo de cambio ,entonces las familias
incrementaran su demanda de divisas ,ocasionando perdidas de
divisas para el Banco De México.
α3 < 0 El TCR pude afectar la inflación , influenciada por el déficit fiscal ,
debido a que la aplicación de una política de una política fiscal
expansiva , causa un incremento en el ingreso de la economía
mexicana ,así como una apreciación de la moneda nacional (TCR
reduce) , orientando al deterioro de la balanza comercial , estos
incrementos pueden causar serios procesos inflacionarios.
µi : Perturbaciones aleatorias
OBJETIVOS
 OBJETIVO GENERAL
Estimar la evolución del tipo de cambio real en la economía Mexicana.
 OBJETIVOS ESPECÍFICOS
a. Sistematización del mar teórico legal e institucional.
b. Identificar la relación exógena (déficit fiscal) en relación con el

impacto con el tipo de cambio.
c. Identificar el impacto de las RIN en relación con el tipo de cambio

real.
d. Analizar el impacto que ocasiona la inflación sobre el tipo de cambio

real.
HIPÓTESIS
 HIPÓTESIS GENERAL
Analizar el impacto que ocasionan las variables exógenas, sobre la

variable endógena (tipo de cambio real).
 HIPÓTESIS ESPECÍFICAS
1. Existe una relación negativa entre el déficit fiscal y el tipo de cambio,

debido a que a que si aumenta el déficit fiscal, entonces el tipo de
cambio tiende a caer.
2. Existe una relación negativa entre las reservas internacionales netas y

el tipo de cambio, debido a que si disminuyen las RIN, entonces el tipo
de cambio aumenta.
3. Existe una relación negativa entre la inflación y el tipo de cambio real,

debido a que si aumenta la inflación, entonces el tipo de cambio cae.
TIPO DE CAMBIO REAL 1
El tipo de cambio real capta la tasa de cambio entre bienes de diversos países,
para lo cual no solo se debe tener en cuenta la tasa de cambio entre las divisas
(tipo de cambio nominal), sino también los diferentes precios de los bienes
entre los países. Una forma de captar los precios de los bienes en los países
es utilizando un índice de precios. Un índice de precios que capta el precio de
todos los bienes producidos en una economía es el deflactor del PBI.
El tipo de cambio real se define entonces de la siguiente forma:
e = (E.P* / P)
Siendo:
e: tipo de cambio real entre el país doméstico y el extranjero
E: tipo de cambio nominal
P*: deflactor del PBI del país extranjero
P: deflactor del PBI del país doméstico
Los deflectores del PBI son números índice, que asumen un valor de 100 en el
año que se elija como base. Por lo tanto, el tipo de cambio real varía de
acuerdo al año que se elija como base para cada deflactor del PBI. Entonces,
el valor del tipo de cambio real es arbitrario, sin embargo, las variaciones del
tipo de cambio real no lo son. Un aumento del tipo de cambio real significa que
los bienes extranjeros se volvieron más caros. Esto puede ser porque aumentó
el tipo de cambio nominal, o porque la inflación en el extranjero fue mayor a la
inflación en el país doméstico.
Un aumento del precio de los bienes domésticos expresado en bienes

extranjeros se denomina apreciación real, mientras que una disminución se
denomina depreciación real. Una apreciación real corresponde con una caída
del tipo de cambio real, y viceversa. El tipo de cambio real se puede realizar
entre dos países, en cuyo caso se denomina “tipo de cambio real bilateral”, o
1
Autor: Lic. Federico Anzil.
Disponible en: http://www.zonaeconomica.com/tipo-de-cambio
bien entre un país y varios países. En este caso se denomina “tipo de cambio
real multilateral”.
México: Tipo de Cambio Real¹, 1980-2010

(Pesos Por Dólar, Promedio Anual)
2
Periodo Tipo de Cambio Real
1980 5,4869
1981 5,0459
1982 7,3405
1983 8,4710
1984 7,4640
1985 7,3913
1986 9,5577
1987 9,8728
1988 7,8911
1989 7,4362
1990 7,0804
1991 6,4522
1992 5,8979
1993 5,5687
1994 5,7840
1995 8,4211
1996 7,6186
1997 6,7234
1998 6,7825
1999 6,2331
2000 5,8168
2001 5,5557
2002 5,5514
2003 6,0687
2004 6,2275
2005 5,9777
2006 5,9571
2007 5,9075
2008 5,9313
2009 6,8286
1/ Tipo de Cambio Real.- Proporciona una medida de valor del dólar en términos de su poder de compra.
Se calcula multiplicando el tipo de cambio nominal por la razón del índice de precios de Estados Unidos
y México. Año base 1996 = 100
Fuente: Elaborado por el Centro de Estudios de las Finanzas Públicas de la Cámara de Diputados, con
datos del Banco de México y del Federal Reserve Bank of St. Louis, E.U
EVALUACIÓN ECONÓMICA
Podemos decir que las variables usadas para explicar el modelo si determinan
el comportamiento de la variables endógena (Tipo de cambio real).
 En lo que respecta al déficit fiscal podemos ver que hay una relación
positiva entre este y el tipo de cambio real en México, es decir, cuando el
déficit fiscal aumenta en un dólar, el tipo de cambio real aumenta en 5.37E-
05. Con este resultado estamos comprobando que hipótesis planteada
inicialmente es falsa.
 Analizando el valor estimado de las reservas internacionales netas podemos

observar que el valor representa una relación negativa respecto a el tipo de
cambio real, es decir, que cuando las reservas internacionales aumentan un
dólar el tipo de cambio real cae en 2.67E-06 lo cual lleva a aceptar la
hipótesis planteada.
 Asimismo la inflación juega un papel muy importante en la determinación del

tipo de cambio real, la relación es directa de tal forma que si aumenta un
punto porcentual el tipo aumenta en 0.017674 el tipo de cambio real, lo cual
contradice la hipótesis inicial planteada.
EVALUACIÓN ESTADÍSTICA
INTERVALOS DE CONFIANZA
A continuación evaluaremos el modelo establecido mediante los intervalos de

confianza, para lo cual se aplico la siguiente fórmula:
^ ^ ^ ^
Prob(αi - s αi*t α αi + s αi*t)=(1-


Donde:
sαi = stándar error

αi = coeficiente
Para el análisis calcularemos los intervalos de confianza de los parámetros a
un 95%.
1.- Para el coeficiente “α ”
α1 = 5.37E-05
sα1  1.94E-05
Ttabla = T(0.95;26gl) = 2.05(encontrado en eview)
Ahora aplicamos la formula en eview:
Scalar lim_inf_DF =5.37E-05 - 1.94E-05*(2.05) = 1.393E-005
Scalar lim_sup_DF=5.37E-05 - 1.94E-05*(2.05) = 9.347E-005
Entonces podemos concluir que existe un 95% de confianza de que el

verdadero parámetro de “DF” ó “ α1”, su valor oscile entre 1.393E-005 y 9.347E-
005.
2.- Para el coeficiente “α ”
α2 = -2.67E-06
sα2  5.94E-06
Scalar lim_inf_RIN =-2.67E-06 - (5.94E-06)*(2.05) = -1.4847E-005
Scalar lim_sup_RIN=-2.67E-06 + (5.94E-06)*(2.05) = 9.507E-006

verdadero parámetro de “RIN” ó “α2”, su valor oscile entre -1.4847E-005 y
9.507E-006.
3.- Para el coeficiente “α ”
α3 = 0.017674
sα3  0.005696
Scalar lim_inf_INF = 0.017674 - (0.005696)*(2.05) = 0.0059972
Scalar lim_sup_RIN= 0.017674 + (0.005696)*(2.05) = 0.0293508

verdadero parámetro de “INF” ó “α3”, su valor oscile entre 0.0059972 y
0.0293508.
PRUEBAS DE HIPOTESIS
A continuación evaluaremos el modelo mediante otro tipo de inferencias, las

cuales son las pruebas de hipótesis, las cuales se analizaran por valores
estandarizados.
Para las pruebas de hipótesis estandarizadas se utiliza la siguiente formula:
Tc=( αi - αi*)/ sαi

, el cual se iguala con un Ttabla
Para este análisis supondremos los valores hipotéticos de α 1*=α2*=α 3*=0; en

los intervalos de confianza se especifica los valores α i y sαi
Evaluación estadística de la variable DF:
Ho: 1 = 0; el estimador del modelo no es estadísticamente significativo.

H1: 1  0; el estimador del modelo es estadísticamente significativo.
Tc = 2.77 Ttabla = T(0.95,26)= 2.05

-2.05 0 2.05 2.77
Tc > Ttabla
Al 5% de significancia estadística aceptamos la hipótesis alterna; es decir que

el estimador del modelo es estadísticamente significativo. Además podemos
afirmarlo porque el T-Student de la variable DF en el modelo estimado es
mayor (2.76) a 2 y su probabilidad es menor (0.0102) a 0.05, así corroborando
que el estimador del modelo es estadísticamente significativo.
Evaluación estadística de la variable RIN:

Tc = -0.45 Ttabla = T(0.95,26)= 2.05
-2.05 -0.45 0 2.05
Tc < Ttabla
Al 5% de significancia estadística aceptamos la hipótesis nula; es decir que el

estimador del modelo no es estadísticamente significativo. Además podemos
afirmarlo porque el T-Student de la variable RIN en el modelo estimado es
menor (0.45) a 2 y su probabilidad es mayor (0.657) a 0.05, así corroborando
que el estimador del modelo no es estadísticamente significativo.
Evaluación estadística de la variable INF:

Tc = 3.10 Ttabla = T(0.95;26gl)= 2.05
-2.05 0 2.05 3.10
Tc > Ttabla
Al 5% de significancia estadística aceptamos la hipótesis alterna; es decir que

el estimador del modelo es estadísticamente significativo. Además podemos
afirmarlo porque el T- Student de la variable

RIN en el modelo Ftabla= F(k-1)(n-k) estimado es mayor
(3.10) a 2 y su probabilidad es menor
(0.0046) a 0.05, así corroborando que el estimador del modelo es
estadísticamente significativo.
PRUEBA DE HIPOTESIS CONJUNTA
La significancia global trata de evaluar si el modelo estimado a resultado ser

estadísticamente significativo o no en forma conjunta o global, para ello se
plantean las siguientes hipótesis:
H0: 0=1=2=3(el modelo no es estadísticamente significativo)
H0: 0 ≠ 1 ≠ 2 ≠ 3 (el modelo si es estadísticamente significativo)
 Para este análisis se utiliza la F_fisher.
 Para probar las hipótesis se emplea como prueba estadística la función

de distribución F_fisher.
El cual se compara con un:
Fformula= R2 /(K-1)
(1-R2)/(N-K)
Para este análisis debemos saber que los valores de:
 K=3 (#variables explicatorias incluyendo el intercepto)
 n=30 (datos tomados de los años para el análisis)
Por lo que al trabajar el “F_tabla” en eview a un 95% de confianza obtenemos:

Ftabla= F(4-1)(30-4)=2.93
Mientras que el F_formula, tomando los datos de la eq1 nos da un valor de:
Fformula= R2 /(K-1) = 24.47

2
(1-R )/(N-K)
Por lo tanto luego de encontrar los valores del estadístico “F_fisher” y de

“Fformula”, podemos concluir lo siguiente:
2.93 24.47
Por lo tanto podemos concluir que el modelo si es estadísticamente significativo

en forma global, es decir por lo tanto rechazamos H0.
TEST DE NORMALIDAD DE LOS ERRORES
µi N (0,1)
TEST DE JARQUE BERA (JB)
H0: u = N (0,2)
H1: u  N (0,2)
8
Series: Residuals
7 Sample 1980 2009
Observations 30
6
Mean 3.07e-16
5
Median -0.015942
4 Maximum 1.409594
Minimum -1.309951
3 Std. Dev. 0.617551
Skewness 0.083309
2 Kurtosis 3.072794
1 Jarque-Bera 0.041326
Probability 0.979549
0
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
J.B = 0.041326  CHI CUADRADO= X2(%,2gl) = 5.99
0.04 5.99
Como JB es menor a X2 acepto H1, por lo tanto los errores se distribuyen

normalmente con una media cero y una varianza 2.
TEST DE ESTABILIDAD PARAMETRICA
Según ploteo en el modelo resultan 9 puntos de quiebre, de los cuales

escogeré un punto de quiebre pronunciado. El punto de quiebre es el dato del
año 1996.
Para el dato del año 1996

Dividimos la muestra:
N1: 1980 - 1995

N2: 1996 – 2009
H0: el modelo estimado es estable paramétricamente.

H1: el modelo estimado no es estable paraméticamente.
CHOW  F (0.95, K, N-2K)
Según el reporte del test de chow (chow breakpoint test)
Chow Breakpoint Test: 1996
F-statistic 1.542420 Probability 0.224751

Log likelihood ratio 7.416113 Probability 0.115466
Donde Fc= 1.542420
Por otro lado el Ftabla = F(0.95,4,20)= 2.87
1.54 2.87
Se acepta la hipótesis nula, porque el F c < Ftabla , por lo tanto el modelo

estimado es estable paramétricamente.
RESTRICCIONES LINEALES
H0: 1 + 2 = 1
H0: 1 + 2 ≠ 1
Modelo Estimado:
TCR = α0 + α1 DF + α2 RIN + α3 INF
De donde se reemplaza la restricción lineal (1 + 2 = 1), y obtenemos:
TCR - DF = α0 - α2 (RIN + DF) + α3 INF
FC = 1988838751.11 y Ftabla = F(0.95,1,26) = 4.23

Como F c > Ftabla, se concluye que se rechaza la hipótesis nula, es decir que la
suma de los estimadores (1 + 2 ≠ 1) es diferente de 1.
TEST DE WALD
Según el reporte del test de wald, tenemos:
Wald Test:
Equation: EQ01
Test Statistic Value df Probability
F-statistic 3.14E+09 (1, 26) 0.0000

Chi-square 3.14E+09 1 0.0000
Null Hypothesis Summary:
Normalized Restriction (= 0) Value Std. Err.
-1 + C(2) + C(3) -0.999949 1.78E-05
Restrictions are linear in coefficients.

Como observamos en el cuadro, tenemos que el F-statistic es 3.14E+09, por
tanto mayor a 2 y la probabilidad del F-statistic es 0.0000, el cual es menor que
0.05, por lo que podemos concluir que rechazamos la hipótesis nula, es decir
que la suma de los coeficientes α1 y α2 es diferente de 1 (1 + 2 ≠ 1).
PROYECCIONES DEL MODELO
Dentro de las proyecciones debemos advertir, que se realizan con el fin de

determinar cuál podría ser el comportamiento de las variables del modelo a
futuro, basándonos en la base histórica que se tiene de las variables.
Para las proyecciones del modelo se considerara que el análisis debe

proyectarse hasta el periodo (año) 2015, con lo cual se realiza el estudio.
Para las proyecciones se tendrá en cuenta que los criterios de evaluación son:
 R2 = adjusted R-squared
 Significancia de los i
 Coeficiente THEIL
Para proyectar el modelo debemos tener en cuenta los siguientes pasos:
1.-cambiar el range y sample del reporte de la ecuación original (hasta el año

2015)
2.-generar la variable tiempo, un periodo antes del inicio, esto es:
Genr t=@trend(1979)
3.-realizar las regresiones respectivas en función de la variable tiempo, esto es:
3.1.- Para una Ec. Lineal:
Dependent Variable: TCR

Method: Least Squares
Date: 10/30/10 Time: 19:09
Sample (adjusted): 1980 2009
Included observations: 30 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 7.602861 0.421060 18.05648 0.0000

T -0.055364 0.023718 -2.334282 0.0270
R-squared 0.162902 Mean dependent var 6.744720

Adjusted R-squared 0.133005 S.D. dependent var 1.207579
S.E. of regression 1.124407 Akaike info criterion 3.136730
Sum squared resid 35.40017 Schwarz criterion 3.230143
Log likelihood -45.05095 F-statistic 5.448872
Durbin-Watson stat 0.791371 Prob(F-statistic) 0.026981
3.2.- Para una Ec. Cuadrática:

Date: 10/30/10 Time: 19:35
C 7.146961 0.661678 10.80126 0.0000

T 0.030117 0.098393 0.306091 0.7619
T^2 -0.002757 0.003080 -0.895365 0.3785

3.3. - Para una Ec. Cubica:

Date: 10/30/10 Time: 19:36
C 5.281633 0.805883 6.553844 0.0000

T 0.698048 0.221457 3.152070 0.0041
T^2 -0.055750 0.016456 -3.387857 0.0023
T^3 0.001140 0.000349 3.262663 0.0031

Para analizar cual Ec. Conviene proyectar, teniendo en cuenta los criterios de
evaluación de las ecuaciones:
Significancia(t_statistic)
Ecuación 2 Theill
R (ajustado)
1 2 3
LINEAL 0.133005 -2.334282 0.079814
CUADRATICA 0.126821 0.306091 -0.895365 0.078640
CUBICA 0.356642 3.152070 -3.387857 3.262663 0.066121
Para analizar las ecuaciones debemos considerar que la que más se ajusta, o
la que mejor puede explicar a la proyección es la ecuación cúbica, ya que su
THEILL, cuando mas tiende a cero es mejor, además de que su R 2, también
tiende a la unidad por lo que es la mejor ecuación.
 A continuación la Ec. Lineal proyectada:
10
Forecast: TCRF
9 Actual: TCR
Forecast sample: 1980 2015
8 Included observations: 30
7 Root Mean Squared Error 1.086281

Mean Absolute Error 0.771232
Mean Abs. Percent Error 11.45163
6
Theil Inequality Coefficient 0.079814
Bias Proportion 0.000000
5
Variance Proportion 0.424897
Covariance Proportion 0.575103
4
3
1980 1985 1990 1995 2000 2005 2010 2015
TCRF
Mediante una ecuación lineal se puede observar un comportamiento adecuado

del “TCR”, su comportamiento al año 2015 es muy similar al de los años
actuales, es decir no se espera un comportamiento que pueda hacer variar o
tener grandes procesos de ciclicidad de la variable “TCR”.
 A continuación la Ec. Cuadrática proyectada:
10
Forecast: TCRF
9 Actual: TCR
8 Forecast sample: 1980 2015
Included observations: 30
7
Root Mean Squared Error 1.070504
6
Mean Absolute Error 0.778080
5 Mean Abs. Percent Error 11.56851
Theil Inequality Coefficient 0.078640
4 Bias Proportion 0.000000
Variance Proportion 0.396179
3
2
1
1980 1985 1990 1995 2000 2005 2010 2015
TCRF
Bajo esta ecuación podemos observar un comportamiento, en el cual se puede
decir que para el periodo 2015 la variable dependiente tendrá una tendencia a
disminuir, con lo cual puede afectar a la economía.
 A continuación la Ec. Cúbica proyectada:
18
Forecast: TCRF
16 Actual: TCR
Forecast sample: 1980 2015
14 Included observations: 30
12
Root Mean Squared Error 0.901712
10 Mean Absolute Error 0.675578
Mean Abs. Percent Error 9.916478
8 Theil Inequality Coefficient 0.066121
Bias Proportion 0.000000
6 Variance Proportion 0.211728
4
2
1980 1985 1990 1995 2000 2005 2010 2015
TCRF
Bajo esta ecuación podemos observar un comportamiento, en el cual se puede

decir que para el periodo 2015 la variable dependiente tendrá una tendencia
creciente desde el 2009 hasta el 2015.
 Por otro lado tenemos en comportamiento de la variable TCR y TCRF, el

cual se muestra en la siguiente grafica:
12
11
10
4
1980 1985 1990 1995 2000 2005 2010 2015
TCRF TCR
Se puede observar que el comportamiento del “TCR”, incrementara llegando a
su máximo en el año 2015 a 11.32 con lo demuestra que existe una tendencia
creciente del “TCR”. Esta cifra se observa en el cuadro posterior.
Ahora veamos en cifras el comportamiento de la variable proyectada:
obs TCRF TCR

1980 5.925071 5.486900
1981 6.463847 5.045900
1982 6.904799 7.340500
1983 7.254765 8.471000
1984 7.520582 7.464000
1985 7.709088 7.391300
1986 7.827121 9.557700
1987 7.881518 9.872800
1988 7.879118 7.891100
1989 7.826758 7.436200
1990 7.731275 7.080400
1991 7.599508 6.452200
1992 7.438293 5.897900
1993 7.254470 5.568700
1994 7.054875 5.784000
1995 6.846346 8.421100
1996 6.635721 7.618600
1997 6.429838 6.723400
1998 6.235534 6.782500
1999 6.059647 6.233100
2000 5.909015 5.816800
2001 5.790476 5.555700
2002 5.710867 5.551400
2003 5.677026 6.068700
2004 5.695790 6.227500
2005 5.773998 5.977700
2006 5.918487 5.957100
2007 6.136094 5.907500
2008 6.433659 5.931300
2009 6.818017 6.828600
2010 7.296007 NA
2011 7.874467 NA
2012 8.560235 NA
2013 9.360147 NA
2014 10.28104 NA
2015 11.32976 NA
MULTICOLINEALIDAD
Uno de los principales de problemas que se presentan a la hora de evaluar un

modelo econométrico es la “MULTICOLINEALIDAD”, debido a la relación
existente entre las variables, según la teoría económica debe existir relación
entre las variables de un modelo, en cambio la econométria muestra lo
contrario donde nos dice que no debe existir relación entre las variables, es por
ello que la multicolinealidad es uno de los problemas que se presentan en la
econométria, donde se busca que esta sea mínima para que el modelo sea
aceptado, para corregir la multicolinealidad se evalúa con diferentes reglas y
tests que analizaremos a continuación:
1.-REGLA DE KLEIN
Este regla se presenta en las 2 siguientes formas:
A.-
si: rxixj > RY
en este caso podemos decir que existe multicolinealidad en alto grado.
si: rxixj > RY
en este caso podemos decir que existe multicolinealidad en bajo grado.
Donde:
 rxixj= coeficiente de correlación simple entre 2 variables explicatorios.
 RY=coeficiente de correlación múltiple del modelo original.
2
 RY= RY
A continuación veremos los resultados de las correlaciones entre 2 variables

independientes, obtenidas en “eview”.
Matrix de Correlación entre variables explicativas
INF DF RIN
INF 1.000000 0.628618 -0.573232
DF 0.628618 1.000000 -0.104388
RIN -0.573232 -0.104388 1.000000
A.1.- Correlación entre “DF” Y “RIN”
rxixj= -0.104388
RY= 0.859345
rxixj < RY , entonces podemos decir que no existe relación entre las variables
explicatorios “DF” y “RIN”, por lo tanto no existe multicolinealidad en alto grado.
A.2.- Correlación entre “DF” Y “INF”
rxixj= 0.628618
RY= 0.859345
rxixj < R Y , entonces podemos decir que no existe relación entre las variables
explicatorias “DF” Y “INF”, entonces no existe multicolinealidad en alto grado.
A.3.- Correlación entre “RIN” Y “INF”
rxixj= -0.573232
RY= 0.859345
rxixj < R Y , entonces podemos decir que no existe relación entre las variables
explicatorios “DF” Y “INF”, entonces no existe multicolinealidad en alto grado.
B.-
Si: r xixj > rxiy
En este caso existe multicolinealidad en alto grado.

Si: r xixj < rxiy
En este caso no existe multicolinealidad en alto grado.
Donde:
 rxiy=coeficiente de correlación simple entre una variable explicatoria y la

variable dependiente.
Matrix de correlacion de explicativas; y explicativas y dependiente
INF RIN DF TCR

INF 1.000000 -0.573232 0.628618 0.809949
RIN -0.573232 1.000000 -0.104388 -0.404757
DF 0.628618 -0.104388 1.000000 0.729705
TCR 0.809949 -0.404757 0.729705 1.000000
B.1.- Correlación “DF” Y “RIN” vs correlación “TCR” Y “DF”
rxixj= -0.104388
rxiy= 0.729705
rxixj < rxiy, en este caso se puede observar que no existe multicolinealidad en
alto grado.
B.2.- Correlación “DF” Y “INF” vs correlación “TCR” Y “DF”
rxixj= 0.628618
rxiy= 0.729705
alto grado.
B.3.- Correlación “RIN” Y “INF” vs correlación “TCR” Y “DF”
rxixj= -0.573232
rxiy= 0.729705
alto grado.
2.- TEST DEL DETERMINANTE
Este test se presenta de la siguiente manera:
Si: RK/ Rx <  existe multicolinealidad en alto grado.
Si: RK/ Rx < 1, existe multicolinealidad en bajo grado.
Donde:
Rx= (X’X), del modelo original.
Rk=(x1’x1), se quita una de las variables explicatorios.
Ahora veamos la aplicación de este test para corregir la multicolinealidad.
a.- Cuando al modelo le excluimos “INF”
 Segundo encontramos la matriz x2, respectivamente.

 Encontramos la matriz que se quiere = (X’X).
 encontramos el valor del determinante RK/ Rx , el cual nos da 7.6272
 por lo tanto como RK/ Rx > 1, podemos decir que existe
multicolinealidad en alto grado.
b.- Cuando al modelo le excluimos “RIN”


c.- Cuando al modelo le excluimos “DF”


3.- TEST DE FARRAR GLAUBERT
Este test se presenta de 3 maneras:
2
a.-calculando el estadístico x
H0: existe multicolinealidad en alto grado.
H1: existe multicolinealidad en bajo grado.
2
X2 tabla=X k(k-1)/2
X2 formula=-(n-1-1/6(2k+5)=log R
Donde:
 K= numero de variables explicatorios sin intercepto.

 R=matriz de correlaciones simples de las variables explicatorios del
modelo original.
 Log R =logaritmo del determinante de la matriz R.
Para encontrar la matriz R se realiza lo siguiente:
 Primero abrimos en eview correlaciones explicatorios.
 Luego encontramos el valor de:
 X2 formula = 25.22, el cual se compara con :
 X2 tabla=X2 k(k-1)/2=7.81
7.81 25.22
Entonces podemos deducir que aceptamos H1, por lo tanto existe

b.- calculando el estadístico “F”
Fformula= R 2xk/(k-1)
(1-R 2xk)/(n-k)

Ftabla=F (k-2,n-k+1)
Donde:
R2xk=R_squared de regresionar una independiente en función de las otras

independientes.
b.1.- Cuando “DF” es dependiente
Dependent Variable: DF
Date: 10/31/10 Time: 00:29
Sample: 1980 2009
C -19240.07 2825.895 -6.808487 0.0000

INF 205.2171 40.52255 5.064269 0.0000
RIN 0.123057 0.053997 2.278965 0.0308
R-squared 0.492737 Mean dependent var -9058.630

Sum squared resid 1.13E+09 Schwarz criterion 20.62533
R2 xk= 0.492737
Fformula= R 2 xk/(k-1) = 27.198

(1-R 2 xk)/(n-k)
Ftabla=F (k-2,n-k+1)= 4.18
4.18 27.198
Entonces de esto podemos deducir que aceptamos H1, por lo tanto podemos
decir que existe multicolinealidad causada por “DF”,o la multicolinealidad es
estadísticamente significativa.
b.2.- Cuando “INF” es dependiente
Dependent Variable: INF

Date: 10/28/10 Time: 20:47
Sample: 1980 2009
C 73.60836 7.091724 10.37947 0.0000

RIN -0.000684 0.000151 -4.519647 0.0001
DF 0.002374 0.000469 5.064269 0.0000

R2 xk= 0.655669
Fformula= R 2 xk/(k-1) = 53.32

(1-R 2 xk)/(n-k)
Ftabla=F (k-2,n-k+1)= 4.18
4.18 53.32
decir que existe multicolinealidad causada por “INF”, o la multicolinealidad es
b.2.- Cuando “RIN” es dependiente
Dependent Variable: RIN

Date: 10/31/10 Time: 00:42
Sample: 1980 2009
C 61538.35 9533.175 6.455179 0.0000

INF -629.8253 139.3528 -4.519647 0.0001
DF 1.310989 0.575256 2.278965 0.0308

Sum squared resid 1.21E+10 Schwarz criterion 22.99122
R2 xk= 0.436910
Fformula= R 2 xk/(k-1) = 21.73

2
(1-R xk)/(n-k)
Ftabla=F (k-2,n-k+1)= 4.18
4.18 21.73
decir que existe multicolinealidad causada por “RIN”, o la multicolinealidad es
HETEROCEDASTICIDAD
La heterocedastidad tiene que ver con el análisis cuando la varianza de las

variables deja de ser constante, es por ello que para corregir este problema se
utilizan los siguientes test:
1.-TEST GRAFICOS
Se presenta en 2 versiones:
a.-diagrama de dispersión bivariable
Se realiza para cada variable:
a.1.- Para DF
10000
0
DF
-10000
-20000
-30000
5 6 7 8 9 10
TCR
En el grafico anterior se puede observar la heterocedasticidad de “DF”, la cual
está muy dispersa y en este caso podemos decir que es decreciente, ya que a
medida que “DF” aumenta, disminuye la dispersión.
a.2.- Para RIN
100000
80000
60000
RIN
40000
20000
0
5 6 7 8 9 10
TCR
En el grafico anterior no se puede observar la heterocedasticidad de “RIN”
a.3.- Para INF
140
120
100
80
INF
60
40
20
0
5 6 7 8 9 10
TCR
En el grafico anterior se puede observar la heterocedasticidad de “INF”, la cual
está muy dispersa y en este caso podemos decir que es decreciente, ya que a
medida que “INF” aumenta, disminuye la dispersión
2.-TEST DE BREUSCH Y PAGAN
Se trata de regresionar la varianza estimada de los errores en función de una

combinación lineal de variables.
H0: 1 = 2 = 3 (no existe heterocedasticidad)

H1:  ≠ 2 ≠ 3(existe heterocedasticidad)
Dependent Variable: VARN

Date: 10/28/10 Time: 22:04
Sample: 1980 2009
C 1.496919 1.004759 1.489829 0.1483

INF 0.004613 0.012206 0.377929 0.7086
DF 1.51E-05 4.15E-05 0.362637 0.7198
RIN -1.72E-05 1.27E-05 -1.348629 0.1891

Para el análisis de este test lo que interesa es:
SEC=SRC/2*(R 2/1-R2)
E igualamos con:
X2p
Donde:

P=numero de variables explicatorias del modelo original, sin intercepto.
SEC = 5.69
X2p = 7.81
5.69 9.48
Entonces podemos decir que no existe heterocedasticidad en el modelo, ya

que estamos aceptando H0.
3.-TEST DE GLESJER
En este modelo se ensaya la posible presencia de heterocedasticidad
probando con los siguientes modelos de regresión lineal simple:
 x
 x
 sqr(x
 sqr(x

Existirá heterocedastidad en la variable explicatoria evaluada si al menos el
“”en alguno de los cuatro modelos estimados es estadísticamente
significativo, de lo contrario no existirá heterocedasticidad causada por dicha
variable.

A. Para el modelo   x

a.1.-para “DF”
Dependent Variable: RESID01^2

Date: 10/31/10 Time: 01:08
Sample: 1980 2009
C 0.477433 0.142617 3.347655 0.0023

DF 1.20E-05 1.14E-05 1.053436 0.3011

Entonces de este modelo podemos deducir que no existe heterocedastidad en

la variable “DF” debido a que el “ ” no es estadísticamente significativo, que
su T_calculado es menor que 2, y además su probabilidad es mayor que 0.05.
a.2.- Para “RIN”

Date: 10/31/10 Time: 01:12
Sample: 1980 2009
C 0.599745 0.137553 4.360088 0.0002

RIN -7.81E-06 3.45E-06 -2.264164 0.0315

Entonces de este modelo podemos deducir que si existe heterocedastidad en
la variable “RIN” debido a que el “ ” es estadísticamente significativo,ya que
su T_calculado es mayor que 2, y además su probabilidad es menor que 0.05.
a.3.- Para “INF”

Date: 10/31/10 Time: 01:17
Sample: 1980 2009
C 0.200832 0.125893 1.595252 0.1219

INF 0.005266 0.002634 1.999463 0.0553


la variable “INF” debido a que el “ ” no es estadísticamente significativo, que
b.- para el modelo x
b.1.- Para “DF”

Date: 10/31/10 Time: 01:11
Sample: 1980 2009
C 0.314513 0.096664 3.253677 0.0030

1/DF -614.2166 291.4659 -2.107336 0.0442


la variable “DF” debido a que el “ ” es estadísticamente significativo,ya que su
T_calculado es mayor que 2, y además su probabilidad es menor que 0.05.
b.2.- Para “RIN”

Date: 10/31/10 Time: 01:15
Sample: 1980 2009
C 0.263704 0.125487 2.101450 0.0447

1/RIN 1061.110 801.1495 1.324485 0.1961

la variable “RIN” debido a que el “ ” no es estadísticamente significativo, que
b.3.- Para “INF”

Date: 10/31/10 Time: 01:23
Sample: 1980 2009
C 0.601758 0.138008 4.360299 0.0002

1/INF -2.424693 1.068341 -2.269587 0.0311


la variable “INF” debido a que el “ ” es estadísticamente significativo, que su
c.- Para el modelo sqr(x

c.1.- Para “DF”

Date: 10/31/10 Time: 01:12
C 0.140600 0.289270 0.486049 0.6750

SQR(DF) 0.002701 0.004711 0.573284 0.6243

Adjusted R-squared -0.288297 S.D. dependent var 0.150854
S.E. of regression 0.171224 Akaike info criterion -0.384840
Sum squared resid 0.058635 Schwarz criterion -0.691693
Log likelihood 2.769681 F-statistic 0.328655

c.2.- Para “RIN”

Date: 10/31/10 Time: 01:16
Sample: 1980 2009
C 0.830960 0.201829 4.117137 0.0003

SQR(RIN) -0.003005 0.001173 -2.561098 0.0161

la variable “RIN” debido a que el “ ” es estadísticamente significativo, que su
c.3.- Para “INF”

Date: 10/31/10 Time: 01:24
Sample: 1980 2009
C -0.005107 0.184403 -0.027696 0.9781

SQR(INF) 0.076328 0.032665 2.336697 0.0268


la variable “INF” debido a que el “ ” es estadísticamente significativo, que su
d.- para el modelo sqr(x
d.1.- para “DF”

Date: 10/31/10 Time: 01:12
C 0.447288 0.190598 2.346758 0.1435

1/SQR(DF) -7.484335 8.753575 -0.855003 0.4826

S.E. of regression 0.158108 Akaike info criterion -0.544229
Sum squared resid 0.049996 Schwarz criterion -0.851081
Log likelihood 3.088457 F-statistic 0.731031

d.2- Para “RIN”

Date: 10/31/10 Time: 01:16
Sample: 1980 2009
C 0.020030 0.187756 0.106680 0.9158

1/SQR(RIN) 40.35305 18.87889 2.137470 0.0414

la variable “RIN” debido a que el “” es estadísticamente significativo, que su
d.3.- Para “INF”

Date: 10/31/10 Time: 01:25
Sample: 1980 2009
C 0.808319 0.199851 4.044603 0.0004

1/SQR(INF) -1.592179 0.644560 -2.470178 0.0199


la variable “INF” debido a que el “” es estadísticamente significativo, que su
 A manera de conclusión todas las variables explicativas a través del test de

glesjer generan heterocedasticidad en el modelo estimado
4.- TEST DE HARVEY
Dependent Variable: LOG(RESID01^2)

Date: 10/28/10 Time: 22:15
Sample: 1980 2009
C -1.316295 1.839051 -0.715747 0.4805

RIN -1.23E-05 2.33E-05 -0.530353 0.6004
DF 0.000106 7.60E-05 1.389170 0.1766
INF 0.003756 0.022341 0.168123 0.8678

Donde se compara el F-statistic con un chi cuadrado:
X2 p = 7.81
P= numero de variables explicatorios del modelo original, sin intercepto.

Esto se compara con:
F_statistic = 1.87
1.87 7.81
Podemos decir que no existe heterocedasticidad debido a que se acepta H 0.

5.- TEST DE PARK

Ttabla=T(n-k)
Este se da para cada variable.
H0: (no existe heterocedasticidad)

H1: (existe heterocedasticidad)

a.- para DF

Date: 10/28/10 Time: 22:18
C -3.621816 3.011734 -1.202569 0.3522

LOG(DF) 0.288090 0.374107 0.770075 0.5218

Como el t-statistic es menor a 2 (0.770075), se concluye que la variable DF no

genera heterocedasticidad.
b.- Para RIN

Date: 10/28/10 Time: 22:16
Sample: 1980 2009
C 4.688914 4.322299 1.084820 0.2873

LOG(RIN) -0.735513 0.438463 -1.677481 0.1046

Como el t-statistic es menor a 2 (1.677481), se concluye que la variable RIN no

genera heterocedasticidad.
c.- Para INF

Date: 10/28/10 Time: 22:17
Sample: 1980 2009
C -4.558094 1.304382 -3.494447 0.0016

LOG(INF) 0.712272 0.424431 1.678180 0.1044

Como el t-statistic es menor a 2 (1.678180), se concluye que la variable INF no

genera heterocedasticidad
6.- TEST DE WHITE
Se presenta en 2 versiones:
a.- GENERAL (CRROSSTERM)
H0: existe heterocedasticidad en alto grado.

H1: no existe heterocedasticidad en alto grado.
White Heteroskedasticity Test:

Obs*R-squared 10.61731 Probability 0.302855
Test Equation:
Dependent Variable: RESID^2
Date: 10/31/10 Time: 01:50
Sample: 1980 2009
C -0.095996 1.408079 -0.068175 0.9463

DF -6.63E-05 0.000124 -0.536154 0.5978
DF^2 -1.75E-09 2.91E-09 -0.600190 0.5551
DF*RIN 8.29E-10 1.09E-09 0.759297 0.4565
DF*INF -1.18E-07 1.47E-06 -0.080613 0.9366
RIN -1.28E-05 3.01E-05 -0.424274 0.6759
RIN^2 2.02E-10 2.18E-10 0.926603 0.3652
RIN*INF 1.45E-07 5.91E-07 0.245254 0.8088
INF 0.018061 0.034092 0.529770 0.6021
INF^2 -9.06E-05 0.000196 -0.461977 0.6491

N*R_squared = 10.62
X2 5%,9 =16.92
10.62 16.92
Entonces podemos decir que bajo este test no existe heterocedasticidad, ya

que se acepta H0.
b.- WHITE SIMPLIFICADO (NO CROSSTERRN)
H0: existe heterocedasticidad en alto grado.

H1: no existe heterocedasticidad en alto grado.
White Heteroskedasticity Test:

Test Equation:
Date: 10/31/10 Time: 01:53
Sample: 1980 2009
C 0.555618 0.848068 0.655158 0.5189

DF -4.28E-05 3.61E-05 -1.186575 0.2475
DF^2 -1.76E-09 1.24E-09 -1.418569 0.1694
RIN -2.82E-05 2.01E-05 -1.400716 0.1746
RIN^2 2.50E-10 1.80E-10 1.385804 0.1791
INF 0.005466 0.021741 0.251414 0.8037
INF^2 -1.60E-05 0.000137 -0.116737 0.9081

N*R_squared = 9.30
X2 5%,6 = 12.59
9.30 12.59
Entonces podemos decir que bajo este test no existe heteroc edasticidad, ya
que se acepta H0.
7.- TEST DE HETEROCEDASTICIDAD CONDICIONAL (ARCH)
ARCH Test:

Test Equation:
Date: 10/31/10 Time: 01:57
C 0.268720 0.116586 2.304904 0.0291

RESID^2(-1) 0.179799 0.177970 1.010274 0.3213

N*R_squared = 1.056
X2 5%,1 = 3.84
1.056 3.84
Entonces podemos decir que bajo este test no existe heterocedasticidad, ya

que se acepta H0.
8.- TEST DE SPEARMAN
Este test se evalúa siguiendo los siguientes pasos:
 generar(o editar), la ecuación del modelo y determinar sus residuos

(resid01).
 generar el valor absoluto de los residuos y luego ordenarlos en forma
creciente.
 generamos una variable que establezca un ranking de la variable “VAR”,
determinada en forma creciente anteriormente.
 ordenamos en forma creciente los valores de la variable explicativa que
queremos ensayar en el test.
 Aplicamos la formula: rs=1-6D1/n(n2-1).
Donde:
D=diferencia de las 2 variables medidas en el ranking.
a.- Para “DF”

 rs=1-6D2/n(n2-1) = 0.415, que se muestra en el informe “rs”(en eview).
Además debemos saber que :
 D1=RVAR-RDF(en eview).
El cual igualamos con:
 Ttabla=T(n-k)
 Ttabla=t(n-k) = 2.05
-2.05 0.415 2.05
Podemos decir que aceptamos H0, entonces bajo este test la variable “DF” no
genera heterocedastidad.
b.- Para “RIN”
 rs1=1-6D2/n(n2-1) = -0.44, que se muestra en el informe “rs1”(en

eview).
 D1=RVAR-RRIN (en eview).
 Ttabla=T(n-k)
-2.05 -0.44 2.05
Podemos decir que aceptamos H0, entonces bajo este test la variable “RIN” no
b.- Para “INF”
 rs1=1-6D2/n(n2-1) = -0.44, que se muestra en el informe “rs2”(en

eview).
 D1=RVAR-RINF (en eview).
 Ttabla=T(n-k)
-2.05 -0.44 2.05
Podemos decir que aceptamos H0, entonces bajo este test la variable “RIN” no
AUTOCORRELACION
La “AUTOCORRELACION” es uno de los principales problemas que se

presentan en la econometria, debido a que esta siempre trabaja con modelos
económicos en los cuales siempre se expresa la relación existente entre las
variables exógenas.
Además la teoría económica expresa que debe existir relación entre las
variables, lo cual la econometria busca eliminar.
1.- TEST GRAFICOS
Estos se dan en función al tiempo.

a.- Para resid01
1.5
1.0
0.5
RESID01
0.0
-0.5
-1.0
-1.5
0 4 8 12 16 20 24 28 32
T
Podemos observar la correlación del modelo debido al grafico el cual nos

muestra que existe una autocorrelación mixta, donde primero el
comportamiento del modelo sube y luego disminuye.
b.- Para resd01(-1) resd01
1.5
1.0
0.5
RESID01(-1)
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
RESID01
En este grafico se puede determinar la existencia de autocorrelación debido a
que muestra un comportamiento positivo con algunos datos esparcidos, pero
se puede concluir que existe autocorrelación positiva.
2.- TEST DE DURBIN WATSON
Es un test que sirve para evaluar la autocorrelacion de primer orden en un

modelo de regresión estático.

Date: 10/29/10 Time: 00:58
Sample: 1980 2009
C 6.746435 0.468875 14.38854 0.0000

DF 5.37E-05 1.94E-05 2.769962 0.0102
RIN -2.67E-06 5.94E-06 -0.449159 0.6570
INF 0.017674 0.005696 3.102927 0.0046

En el cuadro se puede apreciar al valor de DURBIN WATSON=1.980139
Auto No hay Auto

(+) A Auto B (-)
1.21 1.65 2 1.98 2.35 2.89 4 DW
Como es DW = 1.98 y este se encuentra en la zona en donde no existe

autocorrelación, entonces se concluye que no existe autocorrelación de 1°
orden en el modelo.
3.- TEST DE BREUSH GODFREY
Este test consiste en regresionar los residuos en función de las variables

explicatorias y los residuos rezagados del modelo original.
Breusch-Godfrey Serial Correlation LM Test:

Test Equation:
Dependent Variable: RESID
Date: 10/30/10 Time: 22:01
Presample missing value lagged residuals set to zero.
C 0.204482 0.467471 0.437422 0.6657

DF 1.71E-06 1.95E-05 0.087909 0.9307
RIN -2.59E-06 5.89E-06 -0.439601 0.6642
INF -0.003440 0.005777 -0.595472 0.5571
RESID(-1) 0.424177 0.215834 1.965292 0.0611
RESID(-2) -0.198522 0.220317 -0.901074 0.3765
R-squared 0.139974 Mean dependent var 3.07E-16

Para el análisis de este test se tiene en cuenta:
Obs*R_squared=4.199219, el cual se compara con un X2(0.95,2)=5.99
4.19 5.99
Entonces podemos decir que aceptamos H 0, por lo tanto podemos decir que no
existe autocorrelación.
4.-TEST DE BOX PIERCE
Date: 10/30/10 Time: 22:12

Sample: 1980 2009
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. |**. | . |**. | 1 0.304 0.304 3.0509 0.081

. | . | . *| . | 2 -0.018 -0.121 3.0617 0.216
N*(p12+p22)= 30*(0.3042+ (-0.018) 2)=2.77, el cual se compara con un chi

cuadrado X2(0.95, 2)=5.99
2.77 5.99
Entonces debemos aceptar H 0, por lo tanto podemos decir que no existe

autocorrelación de segundo grado.
CONCLUSIONES
1.- La inflación y el déficit fiscal tienen una relación positiva contrastando con la
hipótesis, lo que representa que para el tipo de cambio real mexicano este
se ve afectado positivamente de la inflación y el déficit fiscal.
2.- El único estimador que no es estadísticamente significativo en el modelo es

el estimador de las reservas internacionales netas. Pero por otro lado todo
el modelo en conjunto es estadísticamente significativa.
3.- El modelo es estable paramétricamente y sus errores se distribuyen

normalmente.
4.- A través de los distintos test para identificar multicolinealidad, existe

multicolinealidad en el modelo según la mayoría de los test.
5.- A través de los distintos test para identificar heterocedasticidad en la

mayoría de los test manifiestan que no existe heterocedasticidad o que
determinadas variables explicativas no generan heterocedasticidad.
6.- Por otro lado ninguno de los test para identificar autocorrelación en el
modelo manifiesta que exista autocorrelación, por lo que se concluye que el
modelo no presenta autocorrelación.
7.- Y por último las variables explicativas que tratan de explicar la tasa de
interés real en México, manifiestan correctamente el comportamiento
endógeno de la variable TCR, es decir, que el modelo está bien estimado
BIBLIOGRAFÍA
- Página del Banco de México, www.banxico.org.mx

- Blanchard, Oliver (BI):
“MACROECONOMIA”.
Prentice Hall. Madrid- España. 1998
Pág. 59
- Dornbusch & Fisher & Startz(D/F):
“MACROECONOMIA”
Mc Graw Hill Interamericana de España.
Octava Edición. 2001
Pág. 250
- Barro, Robert (B):
“MACROECONOMIA”
Mc Graw Hill. , México. 1992
Pág. 35
- Sachs & Larrain S/L
“MACROECONOMIA EN LA ECONOMIA GLOBAL”
Prentice Hall , Primera Edición. 1994
- De Gregorio (2003)
“MACROECONOMIA”
Universidad de Chile. Versión Digital de un texto preliminar
- Jiménez, Félix (J):
“MACROECONOMIA: Enfoques y modelos”.
Pontificia Universidad Católica del Perú. Lima, 2001. 1/
- Mankiw, Gregory 1998
“Resiente Desarrollo en la Macroeconomía”
- Dancourt, Oscar
“Documento de trabajo Nº 116”
Pontificia Universidad Católica del Perú
- Introducción a la Econometría (Camilo Dagum)

Informe Final

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Informe Final

Загружено:

Авторское право:

Доступные форматы

“AÑO DE LA CONSOLIDACION ECONOMICA Y

UNIVERSIDAD NACIONAL DE PIURA

TEMA : ESTIMACIÓN DE LA EVOLUCIÓN DEL TIPO

INTEGRANTE : RUMICHE ROSALES, JOSE ALEJANDRO

CURSO : MODELOS ESTADISTICOS

AÑO ACADÉMICO : 2010

PROFESOR : Econ. MARTÍN CASTILLO AGURTO

El mercado cambiario implica el sistema de cambio el cual está influenciado por

Consideramos que la elaboración de la presente trabajo de investigación es

Para elaborar esta investigación consultamos variadas fuentes de información y

Finalmente, queremos expresar que este trabajo de investigación contribuyó en

En 1994 ocurrieron varios eventos en México que provocaron inestabilidad en

“El 19 de diciembre de 1994 por la tarde, la Comisión de Cambios acordó

En el régimen de libre flotación, mismo que permanece hasta la fecha, el tipo

TIPO DE CAMBIO “FIX”

Desde el 11 de noviembre de 1991, el Banco de México publica un tipo de

El tipo de cambio FIX es determinado por el Banco de México con base en un

EVOLUCION DEL TIPO DE CAMBIO REAL (TCR)

Fuente: Elaborado por el Centro de Estudios de las Finanzas Públicas de la

La desaceleración del ritmo de la actividad económica 1 incidió en el menor

En 2009 la economía mexicana atraviesa por una franca recesión, como

En un marco de flotación cambiaria, en la primera mitad de 2008 el peso se

A fines de marzo el gobierno acordó una línea de financiamiento contingente

TIPO DE CAMBIO REAL

El tipo de cambio real de un país nacional con respecto de otro

DEFINICIONES TEORICAS DEL TIPO DE CAMBIO REAL

El tipo de cambio real es una variable ampliamente usada en

3. Barro, Robert (B):

Una segunda definición se refiere al coeficiente de precios transables

c) El tipo de cambio nominal deflactado por un índice de precios

Déficit fiscal, entendiendo como tal la diferencia entre lo que el Estado

EL SALDO EN CUENTA CORRIENTE 1

 RESERVAS INTERNACIONALES NETAS

Corresponde al número o la cantidad de divisas que tiene el país, con el

Son reducidas en periodos de apreciación, debido al incremento de las

Periodo en el cual los precios tienden a subir y a generar una

En el presente trabajo trataremos de explicar la evolución del tipo de cambio

Dentro de la especificación es necesaria la especificación entre las relaciones

TCR : Tipo de Cambio Real

DF : Déficit Fiscal (saldo de la cuenta corriente) medido en

TCR = f (DF, RIN, INF)

TCR = α0 + α1 DF + α2 RIN + α3 INF

TCR = α0 + α1DF + α2 RIN + α3 INF + µi

SIGNOS O IMPACTOS DE LOS PARÁMETROS:

α0 <>=0 Autónoma o fija

Estimar la evolución del tipo de cambio real en la economía Mexicana.

a. Sistematización del mar teórico legal e institucional.

b. Identificar la relación exógena (déficit fiscal) en relación con el

c. Identificar el impacto de las RIN en relación con el tipo de cambio

d. Analizar el impacto que ocasiona la inflación sobre el tipo de cambio

Analizar el impacto que ocasionan las variables exógenas, sobre la

1. Existe una relación negativa entre el déficit fiscal y el tipo de cambio,

2. Existe una relación negativa entre las reservas internacionales netas y

3. Existe una relación negativa entre la inflación y el tipo de cambio real,

Un aumento del precio de los bienes domésticos expresado en bienes

México: Tipo de Cambio Real¹, 1980-2010

 Analizando el valor estimado de las reservas internacionales netas podemos

 Asimismo la inflación juega un papel muy importante en la determinación del

A continuación evaluaremos el modelo establecido mediante los intervalos de

sαi = stándar error

1.- Para el coeficiente “α ”

sα1  1.94E-05

Ttabla = T(0.95;26gl) = 2.05(encontrado en eview)

Ahora aplicamos la formula en eview:

Para este análisis supondremos los valores hipotéticos de α 1=α2=α 3*=0; en