Académique Documents
Professionnel Documents
Culture Documents
FASE 1
Introduccin
Para estimar la demanda de dinero, usaremos los datos macroeconmicos de
Dinamarca. Son parte de la base de datos de GRETL y se llevaran el resto del
proyecto.
En esta primera entrega intentaremos probar a priori las siguientes bases
tericas:
La teora econmica y financiera explican porque las personas deciden
mantener su dinero en efectivo. Explican que dos de las variables importantes
por entender la demanda de dinero(Y) son la tasa de inters(X1) y el nivel de
ingresos(X2). Y estas variables son precisamente las que tenemos en la base
de datos.
La tasa de inters es importante para explicar la demanda de dinero porque
representa el costo de oportunidad del efectivo. Es decir, si una persona en
lugar de mantener efectivo, pusiera ese dinero en el banco, el banco le pagara
intereses. Por lo tanto, cuando alguien mantiene efectivo est perdiendo los
intereses que el banco le paga. Por esta razn, le teora predice que la cantidad
de dinero y la tasa de inters tienen una relacin negativa.
Por otra parte, el ingreso tambin es determinante de la demanda de dinero. Ya
que los individuos necesitan el efectivo para hacer compras o gastos. Y la
teora dice que mientras ms altos sea el ingreso mayor son las compras o
gastos. Por esta razn, le teora predice que la cantidad de dinero y el ingreso
tienen una relacin positiva.
Desarrollo
Las relaciones tericas a probar en esta primera fase del proyecto son:
1. la cantidad de dinero y la tasa de inters tienen una relacin
negativa
2. la cantidad de dinero y el ingreso tienen una relacin positiva
xy =
>0
para
LRY
11.75440655 5.952388
E[X^2]
2= E[X^2]E[X]^2
0.022790717 0.005197
Desv
Cov(LRM,variable
i)
0.150965946 0.072092
0.009451
938 -0.003716
(LRM,LRY
)
0.86847
4702
0.80663
9
(LRM,IBO)
138.188864 35.43612
IBO
0.156356
2
0.025378
6
0.000931
3
0.030517
6
Conclusiones:
Despus de realizar una revisin grfica y de correlacin entre las variables:
(1) Logaritmo de la cantidad real de dinero -Logaritmo de ingreso real
(2) Logaritmo de la cantidad real de dinero - Tasa de inters que pagan los
bonos
Confirmamos las relaciones tericas que se plantearon en un principio.
Las grficas 1 y 3 sobre logaritmo de la cantidad real de dinero y Logaritmo
de ingreso real nos muestran que el ingreso real responde en la misma
direccin que la cantidad real de dinero y su grfica de dispersin deja ver una
pendiente positiva, esto es confirmado mediante el coeficiente de correlacin
de estas variables (LRM,LRY)=0 86 (valor positivo y cercano a uno)
FASE 2
Desarrollo
1. Estimar los coeficientes MCO para los siguientes modelos:
LRM = 1 + 2 LRY (1)
^
LRM i=0.92904+1.81866 LRY i
1=0.92904 ( Intercepto )
2=1.81866( Pendiente)
^
LRM i=12.378323.99032 IBO i
3=12.37832 ( Intercepto )
4=3.99032(Pendiente)
^
LRM i=0.92904+1.81866 LRY i
^
LRM i=12.378323.99032 IBO i
El coeficiente 2 de signo negativo indica un cambio en sentido opuesto.
El resultado observado, la pendiente negativa, es congruente con el hecho de
que entre ms alta sea la tasa de los bonos la cantidad de dinero real en el
mercado tiende a disminuir, en este principio se basa una poltica monetaria.
Por ejemplo, cuando el Banco de Mxico baja la tasa de inters esto tiene como
resultado una mayor cantidad de dinero circulante y viceversa, al aumentar la
tasa de inters se da como resultado que disminuye la cantidad de dinero
circulante2.
3. Interprete los coeficientes obtenidos en trminos de elasticidades,
especficamente 2 y 4. Como se espera que cambie LRM cuando
cambian cada una de las otras dos.
2http://www.ehow.com/facts_7478920_relationship-money-supply-interest-rates.html#ixzz2LBcgYjkh
^
LRM i=0.92904+1.81866 LRY i
^
LRM i= 1+ 2 LRY i
es una
ln ^
RM i = + 2 ln RY i
^
LRM i=12.378323.99032 IBO i
La segunda ecuacin
es un modelo en el cual
La cantidad
r2
1. Un
).
r =0.72450
^
LRM i=0.92904+1.81866 LRY i
, la medida
el
modelo
r 2=0.65067
de
regresin
^
LRM i=12.378323.99032 IBO i
tenemos
IBO.
ii.
iii.
iv.
v.
vi.
vii.
t=
^2 2
Estimador Parmetro
=
^
Error
estndar
estimado delestimador
se( 2 )
de
significancia
estadstica
para
el
=12.7540
|1.818660
0.14259 |
t=
|t|>t /2, gl
hiptesis de que LRY no est relacionada con LRM, es decir, no hay elementos
para afirmar que 2=0.
ii.
de
significancia
estadstica
para
el
=9.93566
|3.990310
0.40161 |
t=
|t|>t /2, gl , por lo tanto se rechaza la hiptesis de que IBO no est relacionada
con LRM, es decir, no hay elementos para afirmar que 4=0
iii.
=2.23471
|1.818661.5
0.14259 |
t=
|t|>t /2, gl
t=
3.99031(3.5)
=1.22086
0.40161
|t|>t /2, gl
t=
1.818661.5
=2.23471
0.14259
t> t ,gl
t=
3.99031(3.5)
=1.22086
0.40161
t> t ,gl
, por lo tanto no se
H 0 : 2=a
H 1: 2 a ,
en la cual se establece que el verdadero coeficiente de la pendiente es a segn
la hiptesis nula, pero menor o mayor que a segn la hiptesis alternativa, es
conocida como hiptesis bilateral o de dos colas. Si bien la hiptesis nula
es puntual, la alternativa es compuesta ya que puede estar hacia la derecha o
la izquierda del valor a.
Con mucha frecuencia, dicha hiptesis alternativa bilateral refleja el hecho de
que no se tiene una expectativa a priori o terica slida sobre la direccin en la
cual debe moverse la hiptesis alternativa respecto de la hiptesis nula.
La regin de aceptacin de la hiptesis nula en una prueba bilateral est dada
por el intervalo de confianza:
Pr 2 t ee ( ^2 ) ^ 2 2 +t ee ( ^ 2) =1
2
H 0: 2 a
H 1 : 2 >a ,
En donde H1 es an una hiptesis compuesta, ahora es unilateral. Para probar
esta hiptesis se utiliza una prueba de una cola (la cola derecha). En este caso
no es preciso considerar la cola inferior de la distribucin t y su regin de
aceptacin est dada por:
Pr [ ^ 2 2 +t ee ( ^ 2 ) ]=1
El lado derecho de esta desigualdad constituye la regin de rechazo (ver
grfica 4)
Grfica 4. Regin de rechazo para una hiptesis unilateral de cola derecha
JB=
S (K 3)
+
6
24
X2
u3t
t=1
S=
n
T
3/2
( )
u
t =1
2
t
n
T
u 4t
t =1
K=
n
T
( )
u
t =1
2
t
X ( 2) ,0.05=5.99147
^
LRM i=0.92904+1.81866 LRY i
Hiptesis nula Ho = los residuos se distribuyen normalmente.
Hiptesis alternativa Ha = los residuos no se distribuyen normalmente
S=-0.2880
K =2.4898
Estadstico JB = 1.3566
Como el valor obtenido para el estadstico es menor que el valor crtico
tabulado (2 = 5.99 para un nivel de significacin del 5%), no se puede
rechazar la hiptesis nula de normalidad de los residuos. No se rechaza Ho, los
errores del modelo se distribuyen aproximadamente normal.
Regresin 2:
^
LRM i=12.378323.99032 IBO i
Hiptesis nula Ho = los residuos se distribuyen normalmente.
Hiptesis alternativa Ha = los residuos no se distribuyen normalmente
S=-1.0492
K =3.8763
Estadstico JB = 11.8497
Como el valor obtenido para el estadstico es mayor que el valor crtico
tabulado (2 = 5.99 para un nivel de significacin del 5%), se rechaza la
hiptesis nula de normalidad de los residuos, inferimos que no hay normalidad
en los residuos.
Observaciones finales
De acuerdo a las pruebas de realizadas, encontramos que el segundo modelo
no explica correctamente el comportamiento de la variable dependiente, el tipo
de modelo pareciera ser el problema y de acuerdo a los resultados obtenidos,
se propone un modelo cuadrtico para explicar mejor la regresin.
Como adicional a esta conclusin, se agrega solo para conocimiento que
despus de un anlisis en MiniTab, se sugiere un modelo cuadrtico en:
^
LRM i=12.378323.99032 IBO i
A continuacin se agrega la grfica del modelo en su expresin cuadrtica
LRM
12.00
11.75
Modelo cuadrtico
11.50
0.10
0.12
0.14
0.16
I BO
0.18
0.20
0.22
Estadsticas
R-cuadrado (ajustado)
Valor p, modelo
Valor p, trmino lineal
Valor p, trmino cuadrtico
Valor p, trmino cbico
Desviacin estndar de los residuos
Modelo seleccionado
Lineal
64.41%
0.000*
0.000*
0.091
Modelos alternativos
Cuadrtica
Cbico
70.35%
71.07%
0.000*
0.000*
0.000*
0.038*
0.001*
0.087
0.136
0.083
0.082
FASE 3
El desarrollo de cada uno de los puntos presentados se adjunta en archivo
Excel.
EF_Equipo3_Proyect
oIntegrador_Fase3.xlsx
Desarrollo
1. Estimar el siguiente modelo de regresin:
LRM = 1 + 2 LRY + 3 IBO
^
LRM i=4.46759+1.28720 LRY i2.39903 IBO i
1=4.46759 ( Intercepto )
2=1.28720 ( Pendiente para X 2 , LRY )
3=2.39903(Pendiente para X 3 , IBO)
Despus de analizar los datos de Gretl se obtuvo la siguiente informacin
Valor
Varianza
B2
B3
B1
1.28720
-2.39903
4.46759
0.00871
0.04859
0.32975
Error Estndar
(ee)
0.09331
0.22043
0.57424
Varianza de
perturbaciones
muestrales ^2
0.0018073
r12
0.8684747
r122
0.7542483
1-r122
r13
-0.8066389
r132
0.6506663
1-r132
r23
-0.5233199
r232
0.2738637
1-r232
0.245751
7
0.349333
7
0.726136
3
t=
^2 2
Estimador Parmetro
=
se( ^2 ) Error estndar estimado delestimador
=7.77996
|4.467590
0.57424 |
t=
|t|>t /2, gl
=12.7540
|1.287200
0.09331 |
t=
|t|>t /2, gl
hiptesis de que LRY no est relacionada con LRM, es decir, no hay elementos
para afirmar que 2=0.
Prueba de significancia estadstica para el parmetro 3
La hiptesis nula que se plantea para el coeficiente 3 establece que al
mantener constante LRY, IBO no tiene influencia (lineal) sobre LRM, mientras
que la hiptesis alternativa nos habla de que s existe una relacin, ya sea
directa o inversa. Abrir la hiptesis alternativa ante ambas posibilidades se
conoce como una hiptesis de dos colas.
Ho : B3=0 , H1 : B3<>0
=10.88346
|2.399030
0.22043 |
t=
|t|>t /2, gl
hiptesis de que IBO no est relacionada con LRM, es decir, no hay elementos
para afirmar que 3=0.
R2=
SCE ^ 2 y i x 2 i+ ^3 y i x 3 i
=
SCT
y 2i
R=
SCE
SCR
=1
SCT
SCT
u^ 2i /(nk )
R=
y 2i /(n1)
2
2=1(1R 2) n1
R
nk
Lo cual implica que, a medida que aumenta el nmero de variables X, R 2
ajustada aumenta menos que R2 no ajustada.
1R
( 2)
(nk )
R2
( k1)
F=
Ho : 2= 3=0
Contra la hiptesis alternativa H1 : no todos los coeficientes de pendiente son
simultneamente cero.
0.92503
(31)
F=
=320.79276
(10.92503)
(553)
El valor F es mayor que 3.17514 3 el valor crtico de una distribucin F con (k-1)
y (n-k) grados de libertad y con =0.05, por lo cual no hay elementos para
afirmar que todos los coeficientes de pendientes son simultneamente cero,
considerando la evidencia estadstica se rechaza la hiptesis nula que
establece que LRY e IBO juntas no explican LRM por lo tanto podemos decir que
debido a la evidencia obtenida LRY e IBO conjuntamente son significativas
3
S (K 3)
JB= +
6
24
X2
u3t
t=1
S=
n
T
3/2
( )
u
t =1
2
t
n
T
u 4t
t =1
K=
n
T
( )
u
t =1
2
t
Nuestra
X 2( 2) ,0.05=5.99147
^
LRM i=4.46759+1.28720 LRY i2.39903 IBO i
Hiptesis nula Ho = los residuos se distribuyen normalmente.
Hiptesis alternativa H1 = los residuos no se distribuyen normalmente
S=-0.0680
K =2.7630
Estadstico JB = 0.1711
Obteniendo el dato por medio de Gretl se obtiene lo siguiente:
^
LRM i=0.92904+1.81866 LRY i
1=0.92904 ( Intercepto )
r 2=0.75425
2=1.81866 ( Pendiente )
^
LRM i=4.46759+1.28720 LRY i2.39903 IBO i
1=4.46759 ( Intercepto )
2=1.28720 ( Pendiente para X 2 , LRY )
3=2.39903(Pendiente para X 3 , IBO)
Adicionalmente tenemos:
R2
R2ad
0.92503
0.92214
F=
(RnuevaR vieja)/ gl
2
(1R nueva)/ gl
F=
(0.925030.75425)/1
=118.44981
(10.92503)/52
El valor F es mayor que 4.04710 el valor crtico de una distribucin F con (1) y
(n-k) grados de libertad y con =0.05, es decir, este valor F es muy
significativo, lo cual sugiere que la incorporacin de IBO al modelo aumenta en
gran medida la SCE y, por tanto, el valor R 2. En consecuencia, IBO debe
incorporarse al modelo.
FASE 4
Con lo estimado en las etapas anteriores, parece ser que las variables LRY e
IBO contribuyen a explicar la variable LRM, por lo que el modelo siguiente para
ser apropiado:
LRM = 1 + 2 LRY + 3 IBO (1)
Alguien opina que la demanda de dinero no es constante a lo largo del tiempo.
En particular se dice que la elasticidad con respecto al ingreso y con respecto a
la tasa de inters cambio a partir del primer trimestre de 1982.
1.
Slo explique cmo tendra que ser la variable dicotmica necesaria para
llevar a cabo la validacin emprica de la afirmacin.
0.1547356
0.1779912
0.1705647
0
0
0
5.903658
5.87382
5.837818
1981:3
1981:4
1982:1
1982:2
1982:3
2. LRY: Logaritmo
de ingreso real
1974:1
1974:2
1974:3
1. LRM:
Logaritmo de la
cantidad real de
dinero
11.63255
11.60415
11.58152
Observaci
n
11.60378
11.62906
11.60202
11.60378
11.59462
5.883451
5.894687
5.902336
5.924388
5.949907
0.2032333
0.1923333
0.2032667
0.2107667
0.2088667
0
0
1
1
1
Variable
dictoma
2. LRY: Logaritmo
de ingreso real
1987:2
1987:3
1. LRM:
Logaritmo de la
cantidad real de
dinero
Observaci
n
12.03979
12.01529
6.06373
6.05083
0.1173333
0.1189667
1
1
BD_Integ.xlsx
LRM
E( iDi =0, LRY i , IBOi )= 1+ 1 LRY i + 3 IBOi
LRM
( 1+ 2) LRY i + 3 IBO i
E( iDi =1, LRY i , IBOi)= 1 +
const
LRY
DUM_LRY
IBO
Coefficient
4.40276
1.2987
-0.00058299
-2.41263
Std. Error
0.644751
0.106668
0.00254075
0.230219
11.75441
0.093881
0.925105
209.9832
97.21766
-178.4060
0.620938
t-ratio
6.8286
12.1751
-0.2295
-10.4797
p-value
<0.00001
<0.00001
0.81943
<0.00001
***
***
***
0.152357
0.042905
0.920699
1.11e-28
-186.4353
-183.3303
0.719762
LRM
LRM
const
LRY
DUM_LRY
IBO
Coefficient
4.40276
1.2987
-0.00058299
-2.41263
Std. Error
0.644751
0.106668
0.00254075
0.230219
t-ratio
6.8286
12.1751
-0.2295
-10.4797
p-value
<0.00001
<0.00001
0.81943
<0.00001
***
***
***
const
LRY
DUM_LRY
IBO
Coefficient
4.40276
1.2987
-0.00058299
-2.41263
Std. Error
0.644751
0.106668
0.00254075
0.230219
11.75441
0.093881
0.925105
209.9832
97.21766
-178.4060
0.620938
t-ratio
6.8286
12.1751
-0.2295
-10.4797
p-value
<0.00001
<0.00001
0.81943
<0.00001
***
***
***
0.152357
0.042905
0.920699
1.11e-28
-186.4353
-183.3303
0.719762
Test for omission of variables Null hypothesis: parameters are zero for the variables
DUM_LRY
Test statistic: F(1, 51) = 0.0526502
with p-value = P(F(1, 51) > 0.0526502) = 0.819432
3.
LRM
E( iDi =0, LRY i , IBOi )= 1+ 1 LRY i + 2 IBOi
LRM
( 2+ 3 )IBO i
E( iDi =1, LRY i , IBOi)= 1 + 1 LRY i+
const
LRY
IBO
DUM_IBO
Coefficient
4.38118
1.30212
-2.40097
-0.0362809
Std. Error
0.616162
0.10088
0.222265
0.0886067
11.75441
0.093670
0.925273
210.4945
t-ratio
7.1104
12.9076
-10.8023
-0.4095
p-value
<0.00001
<0.00001
<0.00001
0.68392
***
***
***
0.152357
0.042856
0.920877
1.05e-28
Log-likelihood
Schwarz criterion
rho
97.27954
-178.5297
0.618494
Akaike criterion
Hannan-Quinn
Durbin-Watson
-186.5591
-183.4541
0.723886
const
LRY
IBO
DUM_IBO
Coefficient
4.38118
1.30212
-2.40097
-0.0362809
Std. Error
0.616162
0.10088
0.222265
0.0886067
t-ratio
7.1104
12.9076
-10.8023
-0.4095
p-value
<0.00001
<0.00001
<0.00001
0.68392
***
***
***
const
LRY
IBO
DUM_IBO
Coefficient
4.38118
1.30212
-2.40097
-0.0362809
Std. Error
0.616162
0.10088
0.222265
0.0886067
11.75441
0.093670
0.925273
210.4945
97.27954
-178.5297
0.618494
t-ratio
7.1104
12.9076
-10.8023
-0.4095
p-value
<0.00001
<0.00001
<0.00001
0.68392
***
***
***
0.152357
0.042856
0.920877
1.05e-28
-186.5591
-183.4541
0.723886
Test for omission of variables Null hypothesis: parameters are zero for the variables
DUM_IBO
Test statistic: F(1, 51) = 0.167657
with p-value = P(F(1, 51) > 0.167657) = 0.683917
4.
LRM
E( iDi =0, LRY i , IBOi )= 1+ 1 LRY i + 3 IBOi
LRM
( 3+ 4 )IBO i
( 1+ 2) LRY i +
E( iDi =1, LRY i , IBOi)= 1 +
const
LRY
DUM_LRY
IBO
DUM_IBO
Coefficient
4.90332
1.20275
0.0179541
-2.0154
-0.655334
Std. Error
0.772965
0.134476
0.0161137
0.410997
0.562588
11.75441
0.091400
0.927083
158.9287
97.95400
-175.8713
t-ratio
6.3435
8.9440
1.1142
-4.9037
-1.1649
p-value
<0.00001
<0.00001
0.27052
0.00001
0.24960
***
***
***
0.152357
0.042755
0.921250
9.00e-28
-185.9080
-182.0267
rho
0.640457
Durbin-Watson
0.686122
const
LRY
DUM_LRY
IBO
DUM_IBO
Coefficient
4.90332
1.20275
0.0179541
-2.0154
-0.655334
Std. Error
0.772965
0.134476
0.0161137
0.410997
0.562588
t-ratio
6.3435
8.9440
1.1142
-4.9037
-1.1649
p-value
<0.00001
<0.00001
0.27052
0.00001
0.24960
***
***
***
const
LRY
DUM_LRY
IBO
DUM_IBO
Coefficient
4.90332
1.20275
0.0179541
-2.0154
-0.655334
Std. Error
0.772965
0.134476
0.0161137
0.410997
0.562588
11.75441
0.091400
0.927083
158.9287
97.95400
-175.8713
0.640457
t-ratio
6.3435
8.9440
1.1142
-4.9037
-1.1649
p-value
<0.00001
<0.00001
0.27052
0.00001
0.24960
***
***
***
0.152357
0.042755
0.921250
9.00e-28
-185.9080
-182.0267
0.686122
Test for omission of variables Null hypothesis: parameters are zero for the variables
DUM_LRY
DUM_IBO
Test statistic: F(2, 50) = 0.704956
with p-value = P(F(2, 50) > 0.704956) = 0.498975
Referencias bibliogrficas:
Gujarati, D. y D. Porter (2010). Econometra, 5. Ed., MacGraw Hill, Mxico.
ANEXO 1 FASE 1
Datos de la Base
Ao
Ingreso
Trimestre
1974 - 1
1974 - 2
1974 - 3
1974 - 4
1975 - 1
1975 - 2
1975 - 3
1975 - 4
1976 - 1
1976 - 2
1976 - 3
1976 - 4
1977 - 1
1977 - 2
1977 - 3
1977 - 4
1978 - 1
1978 - 2
1978 - 3
1978 - 4
1979 - 1
1979 - 2
1979 - 3
1979 - 4
1980 - 1
1980 - 2
1980 - 3
1980 - 4
1981 - 1
1981 - 2
1981 - 3
1981 - 4
1982 - 1
1982 - 2
1982 - 3
1982 - 4
1983 - 1
1983 - 2
1983 - 3
1983 - 4
1984 - 1
1984 - 2
1984 - 3
1984 - 4
1985 - 1
1985 - 2
1985 - 3
1985 - 4
1986 - 1
1986 - 2
1986 - 3
LRY
5.903658
5.87382
5.837818
5.812255
5.803945
5.786761
5.833412
5.929849
5.937654
5.935332
5.931755
5.940524
5.928044
5.93718
5.956553
5.939602
5.932408
5.931238
5.972136
5.968729
5.962473
5.986486
5.984788
5.977044
5.985101
5.945198
5.901625
5.90244
5.897422
5.893866
5.883451
5.894687
5.902336
5.924388
5.949907
5.928668
5.91589
5.93867
5.932186
5.974309
5.963916
6.000994
5.990538
5.968702
6.0138
6.003318
6.044517
6.081291
6.09557
6.089658
6.098992
Cantidad.
Dinero
LRM
11.63255
11.60415
11.58152
11.60185
11.5863
11.6045
11.65331
11.76425
11.75293
11.76548
11.78058
11.77018
11.74589
11.76865
11.74982
11.7487
11.70492
11.70344
11.703
11.70367
11.6789
11.70778
11.67616
11.68592
11.64161
11.63518
11.60926
11.65761
11.62782
11.62885
11.60378
11.62906
11.60202
11.60378
11.59462
11.60382
11.61713
11.6881
11.72651
11.78125
11.79762
11.84191
11.8403
11.92358
11.90296
11.92678
11.971
12.0259
12.05115
12.07546
12.05619
Tasa de Interes
IBO
0.1547356
0.1779912
0.1705647
0.1522273
0.1342276
0.1334805
0.1284132
0.1288357
0.1413445
0.1531187
0.1605787
0.1618325
0.1665814
0.1630213
0.1692466
0.1728896
0.1717371
0.1757075
0.1711933
0.1820041
0.1700434
0.1689293
0.178275
0.1804463
0.1910667
0.1967
0.1923
0.1829667
0.1845333
0.1928667
0.2032333
0.1923333
0.2032667
0.2107667
0.2088667
0.1970667
0.1611
0.1383
0.1417
0.1338
0.1341
0.1417
0.1448
0.1412
0.1317
0.1196
0.107
0.1037
0.0977
0.0984
0.1115
Ao
Ingreso
1986 - 4
1987 - 1
1987 - 2
1987 - 3
6.080706
6.061175
6.06373
6.05083
Cantidad.
Dinero
12.07163
12.02795
12.03979
12.01529
Tasa de Interes
0.114267
0.1193333
0.1173333
0.1189667