Académique Documents
Professionnel Documents
Culture Documents
Luego de realizar la regresin procedemos a formar nuestra funcin, con los datos del
intercepto y de las pendientes que se han proporcionado.
Luego aparece una grfica donde los crculos de color azul indican los puntos de quiebre
del periodo 1980-2013.
Punto de quiebre del 1980 al 2013
Se observa que en nuestro modelo, presenta variaciones con picos que pasan los niveles
de confianza, y que pasan el 5%, demostrndonos que existe el quiebre estructural.
Se observan que los residuos varan alrededor del valor 0 con saltos, llegando a
mnimamente sobrepasar las bandas de confianza en ms de un punto.
Cusum test
Se observa que el grafico se aleja cada vez ms hasta llegar el 1986, donde se produce
un dbil alejamiento pasando el nivel de confianza.
Se observa en el grafico que los residuos se mantienen dentro de las bandas de confianza
desde 1995 2013 donde comienza a presentar un leve cambio de dinmica del
estadstico lo que nos dice no hay evidencias de quiebre estructural a partir del ao 2007.
N-Step Forecast Test
Recursive coefficents
Ahora realizaremos la estimacin de la regresin de la ecuacin para el periodo 19801985 del modelo LOG-LOG. Que nos ofrece la siguiente informacin:
1980-1985 Regresin:
Ahora realizaremos la estimacin de la regresin de la ecuacin para el periodo 19862013 del modelo LOG-LOG. Que nos ofrece la siguiente informacin:
1986-2013 Regresin:
Si comparamos la estimacin LOG-LOG del 1980 al 2013 con las regresiones auxiliares
1980-1985 y 1986-2013, observamos que las pendientes de los logaritmos del PBIR como
de la TIR cambian y no son iguales, esto nos indica que hay punto de quiebre y que la
regresin inicial no sigue una tendencia lineal.
Ahora el siguiente paso consta en realizar la prueba de CHOW para el ao 1986, tambin
lo que se realizara es verificar si en verdad existe un punto de quiebre, esto se
comprobara con los datos que calcule el programa de EVIEW.
ZR
0.000
ZA
0.05
1.0
0.0289
de
clara
recuperacin.
Los
sectores
que
En el modelo LOG-LOG se logr observar que hay puntos de quiebre, esto es causado
por variables exgenas que no estn dentro del modelo, por lo tanto para poder tomarlas
en cuentas se procede a realizar la variable dummy.
Lo primero es que en nuestra base datos agregamos una variable ms, en este caso la
variable dummy. se pondr uno donde empieza el punto de quiebre, en este caso desde
1986 en adelante, antes de ese ao se colocara 0.
Como se observa a la variable DUMMY para ese ao 1986 se coloca 1, antes de ese ao
se coloca 0.
Luego
dirigimos a recursive estimates (OLS only)
nos
Y luego nos aparecer el cuadro siguiente, el cual damos clic en One-Step Forecast Test y
damos ok, al final nos aparecer una grfica la cual ya no hay puntos de quiebre, por lo
tanto se corrigi mediante variables dummy.
La comparacin nos hace dar cuenta de que el mejor modelo que explica el
comportamiento de la inversin privada en el Per es el modelo logartmico y este es
utilizado por que hay un ajuste real del modelo que deseamos explicar, este se aplica por
que son sensibilidades porcentuales de nuestra variable explicada en funcin de nuestra
variable explicativa y nos brinda una informacin ms exacta, estos se expresan en tasas
porcentuales.