QUIEBRE ESTRUCTURAL MODELO LOG-LOG

Luego de realizar la regresin procedemos a formar nuestra funcin, con los datos del
intercepto y de las pendientes que se han proporcionado.

EN ESTE CASO DE 1980 AL 2013 DEL MODELO LOG-LOG

LNINV = 8.701523 + 1.576061*LNPBIR

0.126607*LNTIR

Ahora realizamos el Stability

diagnostic:
Luego nos dirigimos a recursive
estimates (OLS only)

Y luego nos aparecer el

cuadro siguiente, el cual damos
clic en One-Step Forecast Test
y damos ok

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.

Recursive residual-residuos recursivos

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.

Cusum of square test

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

Los test realizados nos confirman la existencia de puntos de quiebres en nuestro

modelo, debido a que pasan de los intervalos de confianza.

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:

LNINV = -15.8170011563 + 2.24992353631*LNPBIR - 0.405964603209*LNTIR

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:

LNINV = -9.554096 + 1.622534 *LNPBI - 0.036236*LNTIR

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.

Grfico de los pasos para la prueba de CHOW

De la ecuacin inicial LOG-LOG nos dirigimos a view, luego damos clic en Stability
Diagnostics y luego vamos a CHOW breakpoint test y despus nos aparecer un cuadro.

Luego colocaremos el ao 1986 como punto de quiebre:

[Escriba una cita del

documento o el resumen de
un punto interesante. Puede
situar el cuadro de texto en
cualquier lugar del
documento. Use la ficha
[Escriba
una cita
Herramientas
de del
dibujo para
documento
o el resumen
cambiar
el formato
del de
[Escriba
una
cita
del
un
punto
interesante.
Puede
cuadro de texto de la cita.]
documento
o el resumen
de
situar
el cuadro
de texto en
un punto interesante.
Puede
cualquier
lugar del
situar el cuadro
texto en
documento.
Usede
la ficha
cualquier lugarde
del
Herramientas
dibujo para
documento.
Use la ficha
del
Cuando se realiza la pruebacambiar
de puntoel
deformato
quiebre
de CHOW el programa de EVIEW usa
Herramientas
de
dibujo
para
cuadro
de esta
textoprobabilidad
de la cita.]
un nivel de significancia del 5%
o 0.05,
que utiliza es predeterminada y
cambiar
el
formato
del
lanza la hiptesis planteada: que existe estabilidad estructural de los parmetros
de texto
la cita.]
poblacionales en el punto cuadro
especificado
(nodeexiste
punto de quiebre en la punto
especificado), por lo que la hiptesis alternativa sera: que no existe estabilidad estructural
de los parmetros poblacionales en el punto especificado. Entonces Cae en la Zona de
Rechazo, rechazamos la HP(no existe punto de quiebre en la punto especificado) y
aceptamos la HA ( existe punto de quiebre en la punto especificado)
Tambin nos brinda el Eviews la probabilidad F, es la que utilizaremos para poder
rechazar o aceptar la hiptesis nula.
HP = Existe estabilidad estructural de los parmetros poblacionales en el punto
especificado (no existe punto de quiebre en la punto especificado)

HA = No existe estabilidad estructural de los parmetros poblacionales en el punto

especificado (existe punto de quiebre en el punto especificado).

ZR

0.000

ZA

0.05

1.0

0.0289

Como observamos en el cuadro de que la probabilidad de F es de 0.0011, entonces la

hiptesis nula se rechaza y se acepta la hiptesis alternativa, en conclusin nos quiere
decir de que si existe en el ao 1986 un punto de quiebre de toda la regresin de la
funcin de la inversin privada.

CONTEXTO ECONMICO DEL PER EN 1986

A inicios del gobierno de Garca

En los primeros das del gobierno, el ministro de
economa, Luis Alva Castro anunci que se cancelara la
deuda externa que ascenda a 14 mil millones de dlares
"sin sacrificar ms al pueblo y sin aceptar las condiciones
propuestas por el Fondo Monetario Internacional".
En un comienzo, las medidas adoptadas dieron resultados
positivos. Ya en setiembre de 1985, la inflacin baj a
3,5 % (comparado con 12,5 % en abril del mismo ao).
Hacia el segundo trimestre de 1986, la economa dio
seales

de

clara

recuperacin.

Los

sectores

que

dependan de la demanda interna (manufactura, construccin, agricultura) crecieron, no

as los sectores dedicados a la exportacin (minera, pesca). En 1986, la economa creci
10 %. Fue el mayor crecimiento desde los aos 50, con ello Garca disfruto entonces de
una popularidad rcord en Amrica Latina. Cuando la capacidad de gasto del estado fue
agotada entonces comenzaron mltiples problemas.

El primer problema fue que a pesar de la reactivacin econmica, el Estado casi no

perciba mayores ingresos, Otro problema consista en que, despus del gran crecimiento
de 1986, la capacidad productiva de la modesta industria nacional estaba llegando a sus
lmites. Hacan falta inversiones para instalar nuevas capacidades y as continuar con la
reactivacin. Para ello, era necesario recurrir a inversiones y prstamos extranjeros.

La poca confianza de la ciudadana en las polticas econmicas del Gobierno condujo a

que, hacia fines de 1986, muchos cambiaron sus intis por dlares temiendo - y, al mismo
tiempo, originando - una devaluacin del inti. El paquete de medidas adoptadas por
Garca inclua el congelamiento del tipo de cambio inti-dlar. Pero tal congelamiento
tenda a ser artificial en tanto la demanda real de intis iba perdiendo cada vez ms terreno
frente al dlar. Este cambio se vio reflejado en la tasa de cambio libre, aquella de los
cambistas de la calle, paralela al cambio oficial.

PASOS PARA CORREGIR EL PUNTO DE QUIEBRE MEDIANTE LA VARIABLE

DUMMY MODELO LOG-LOG

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 se procede a realizar la estimacin LOG-LOG con la variable Dummy

La estimacin de la ecuacin sera:

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.

Se puede apreciar que mediante la variable Dummy ya no hay punto de quiebre.

COMPARACION DE MODELOS
En el aspecto de los criterios Akaike observamos que en el modelo inicial siempre va ser
mayor al modelo logartmico, ahora referente al criterio Schwarz observamos que en el
modelo logartmico es menor al modelo normal, conclusin en el modelo inicial el criterio
Schwarz es mayor respecto al logartmico. Entonces el modelo que nos brinda una mejor
regresin de las variables que estamos utilizando sera el logartmico, porque sus criterios
son menores, esto se efecta en variables DUMMY, multicolinealidad, heterocedasticidad
y aurocorrelacion. Hay que tener en cuenta que cuando se compara los modelos se hace
con AKAIKE AKAIKE y SCHWARZ SCHWARZ, se escoge el que tenga menor criterio.

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.