Académique Documents
Professionnel Documents
Culture Documents
Julio de 2016
NDICE
Pg.
1.
2.
ANTECEDENTES
ANLISIS DEL CAMBIO
CONTRATOS DE CONCESIN
2
DE NDICE EN LA DETERMINACIN DEL FACTOR DE
(WPSSOP3500)
PRECIOS
DE LOS
INFORMACIN HISTRICA.
2
2
2
3
6
7
10
DE LOS CONTRATOS DE CONCESIN, A FIN
22
1. Antecedentes
La Bureau of Labor Statistics (BLS) hizo un cambio en su ndice de precio del
productor (PPI) en Enero del 2014 pasando del sistema de etapas de
Metodologa de Evaluacin
2.2.1Anlisis de Regresin
La regresin lo que busca es a travs de una expresin matemtica representar
la relacin entre dos o ms variables, tal como lo seala Greene (2002) 1:
The multiple linear regression model is used to study
the relationship between a dependent variable and one
or more independent variables. The generic formo d
the linear regression model is:
y=f ( x 1 , x 2 , x 3 , .. , x k )+
1 x 1+ 2 x 2+ 3 x 3++ k x k +
Where y is the dependent or explained variable and
x1 ,.., xk
are the independent or explanatory
variables. () This function is common called the
population regression equation of y on x1 ,.., xk 2.
2.2.2Anlisis de Correlacin
La correlacin permite establecer el grado de asociacin entre 2 variables, a
diferencia de la regresin, esta no establece el comportamiento de una variable
a partir de otra. Nieves (2009) seala:Las relaciones estadsticas se obtienen
mediante una primera fase de exploracin conocida como anlisis de
correlacin, Consisten en analizar los datos muestrales para saber el grado de
asociacin o correlacin entre dos o ms variables de una poblacin. El grado de
correlacin se expresa como un nmero comprendido entre -1 y +1 y se le
conoce como coeficiente de correlacin3.
-
1 r=
Cov ( X , Y )
=
SX SY
( Xt X )(Yt Y )
t=1
t =1
+1
( Xt X )
( Yt Y )
t=1
o
o
o
o
-
de causalidad entre 2
Otra forma de detectar este tipo de inconsistencia es a travs del alto grado de
significancia en la relacin reflejado en el R 2, el cual a pesar del alto significado
estadstico del coeficiente de correlacin, el R 2 presenta un resultado
insignificante.
De lo sealado anteriormente, si bien no se puede establecer una relacin con
sentido el coeficiente de correlacin si nos permite determinar el sentido y fuerza
que puedan tener las variables a pesar de no tener un sustento con sentido para
dicha relacin. As, una aproximacin al grado de asociacin entre las variables
es a travs de un diagrama de dispersin y segn su intensidad se determinar
el coeficiente de correlacin.
Componente Tendencial
Este componente refleja la tendencia de largo plazo de una serie, es decir las
variaciones de la propia serie producida por factores persistentes a travs de
tiempo, tales como: cambios en la poblacin, caractersticas demogrficas,
cambio en los ingresos o tecnologa, entre otros. Este comportamiento se puede
generar hacia arriba o hacia abajo.
-
Componente Estacional
Componente Irregular
Estacionariedad
En las series de tiempo se dice una serie es estable a lo largo del tiempo si sus
valores tienden a oscilar alrededor de una media constante y la variabilidad con
respecto a esa media tambin permanece constante a travs del tiempo.
Por su parte, Lahura (2003) seala que:En este caso, la tendencia estocstica
que comparten las variables se interpreta como un camino comn del cual
puede desviarse temporalmente (Corto plazo) pero no permanentemente (Largo
plazo)9.
As, se dice que una serie es estacionaria si, formalmente se cumple lo siguiente:
-
Expresado matemticamente:
Media
E (X t) =
E (Xt+k) =
Varianza
V( Xt) =
V (Xt+k) =2
Covarianza :
E[(Xt - ) (Xt+k - )]
Donde:
k : La covarianza (o auto covarianza) al rezago k. Es la covarianza entre los
valores de Xt y Xt+k separados por k periodos.
-
8 Idem. Pg 23.
9 Idem.
DXt = gXt-1 +
bjD X t1
+ et
t =1
DXt = a0 + gXt-1 +
bjD X t1
t =1
+ et
bjD X t1
t =1
+ et
Cointegracin
Las dos series son integradas de orden I (1), en otras palabras se hacen
estacionarias en primera diferencia
Hay alguna combinacin lineal de xt e yt de orden I (0) que sea aleatoria.
Cuando ocurre ello, se puede decir que cualquier correlacin a lo largo del
tiempo entre las variables xt e yt no ser esprea, en otras palabras las series
estn cointegradas.
Lopz, Ortuo y otros (1996), definen la cointegracin como la existencia de una
relacin de equilibrio entre variables no estacionarias, donde los desequilibrios
que puedan presentarse son transitorios o de corto plazo. De ese modo, permite
discriminar las relaciones de largo plazo de las espreas.
Asimismo, Asteriou (2002), seala que la cointegracin es el equivalente
estadstico de una relacin econmica de largo plazo existente entre variables
integradas de orden I (1), lo que significa que existe una relacin de equilibrio de
largo plazo12.
del indicador del sistema de etapas de procedimiento (SOP) al uso del sistema
de demanda intermedia y demanda final (FD-ID). La importancia de esta
validacin se debe a que muchos de los contratos de concesin otorgados por el
MINEM utilizan dicha serie (SOP) y es fundamental contrastar la consistencia al
usar el otro indicador (FD-ID).
Por su parte, de acuerdo a lo sealado por la BLS, los componente del ndice SOP
forman parte del FD-ID as los usuario del SOP podrn migrar a su uso sin ningn
problema.
In January 2014, the Producer Price Index (PPI)
transitioned from the Stage of Processing (SOP)
aggregation system to the Final Demand-Intermediate
Demand (FD-ID) aggregation system. Because all the
indexes that constitute the SOP system are component
indexes of the FD-ID system, and because PPI
continued calculating and publishing the SOP structure
to ease the transition for data users, two versions of
the SOP indexes existed within the PPI database
through January 2016.13
De lo indicado, se recoger las series generadas a travs del tiempo de ambos
indicadores y se evaluar su correlacin y equilibrio de largo plazo para
establecer si puede calificar como reemplazo para ser usado en el factor de
ajuste de precios sealados en los contratos de concesin, las series en
evaluacin son las siguientes14:
1.- Indicador SOP:
WPSSOP3500 (Ajustado Estacionalmente)
2.- Indicador FD-ID: WPSFD4131 (Ajustado Estacionalmente)
Las series corresponden al periodo 2004 -2015 y son de frecuencia mensual. A
fin de facilitar el uso de los trminos en la metodologa, al indicador N 1 se
denominar en adelante I_SOP, mientras que al indicador N2 se denominar
I_FD_ID. Asimismo para el procedimiento estadstico se ha hecho uso del
software E-Views 8.015.
-
I_SOP
I_FD_ID
I_SOP
I_FD_ID
1.000000
0.999247
0.999247
1.000000
series dentro del intervalo [-1,+1]. Sin embargo, al ser series temporales estas
incluyen un componente tendencial que podra estar explicando en gran medida
esa correlacin, as podramos estar cometiendo el error de considerar como
fuertemente relacin pero sin ningn sentido producto de la tendencia, es decir
podramos estar frente a una relacin esprea.
Por otro lado, la presencia en ambas series de un componente tendencial
tambin genera a travs del tiempo cambios en su media (media no estable)
hacindola no estacionaria, lo cual podra llevarnos, de acuerdo a la teora
establecida previamente, a considerar una relacin como cierta cuando no es
(Relacin esprea).
Por ello, se tendr que realizar una evaluacin ms all de la correlacin que
respalde la fuerte relacin encontrada a travs del anlisis de correlacin, as
evaluaremos a continuacin la estacionariedad de cada serie para validar si
existe una relacin con sentido entre ellas.
-
Anlisis de Estacionariedad
o Serie I_SOP
Aqu, la primera evaluacin es la de autocorrelacin, como el estadstico DurbinWatson se encuentra alrededor de 2 (2.101111), podemos decir entonces que no
hay presencia de autocorrelacin por tanto el contraste no podr ser invalidado.
Por otro lado, dentro de las variables explicativas se encuentra el rezago de la
variable dependiente, el rezago de la primera diferencia de la variable
dependiente y la tendencia, ya que esta ltima se ha considerado incluirla dentro
del anlisis.
Al evaluar la significacin del retardo encontramos un P-value de 0.0009 lo que
nos dice que es un retardo significativo, asimismo la primera diferencia del
retardo presenta un pvalue de 0.0005 haciendo tambin significativa. Entonces
dado que los retardos son significativos y no hay presencia de autocorrelacin,
podemos decir que el modelo puede ser usado para evaluar los resultados
obtenidos en el contraste.
Tabla N3: Contraste de Hiptesis Nula - Presencia de Raz Unitaria
Null Hypothesis: I_SOP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=13)
t-Statistic
Prob.*
-3.385615
-4.023975
-3.441777
-3.145474
0.0574
Serie I_FD_ID
t-Statistic
Prob.*
-2.367671
-4.023506
-3.441552
-3.145341
0.3948
El anlisis obtenido del contraste de DF muestra un estadstico de - 3.441552 que al 95% de confianza (Valor
Al evaluar las series se encontr una fuerte correlacin entre ellas, sin embargo
era necesario realizar el contraste correspondiente, para poder determinar que la
relacin obtenida no pueda ser considerada como esprea (Sin sentido).
Los resultados sealan que las series I_SOP e I_FD_ID son no estacionarias lo que
nos llevara a pensar que la alta correlacin se explica por la presencia de una
tendencia determinstica y que la relacin entre ambas series podra tener un
sentido espreo. El caso donde ambas series a pesar de presentar dichas
caractersticas puede ser consistentes es cuando ambas est cointegradas. En
ese caso, la evaluacin recae sobre los residuos los cuales debern ser
estacionarios para que la relacin sea superconsistente. Cabe recordar que la
cointegracin establece una relacin de equilibrio de largo plazo.
En este caso ambas series se hacen estacionarias en primera diferencia como
observamos anteriormente en el correlograma siendo por tanto integradas de
orden 1.
Prueba Dickey-Fuller:
nuestra evaluacin establece que nuestra serie tiene raz unitaria, mientras que
la hiptesis alternativa (H1) nos indica que no la tiene.
A diferencia de la evaluacin anterior, la presencia en los residuos de una
tendencia determinstica no se hace evidente por ello, se har la evaluacin con
los 3 tipos de ecuacin para la evaluacin de raz unitaria a fin de descartar
cualquier tipo d significancia de intercepto o tendencia.
Tabla N7: Tipos de Modelo de Ecuacin para evaluar Raz Unitaria
7.a) Ecuacin de Regresin del tipo (Intercepto y Tendencia):
a1t+ et
X t =a0 + r Xt-1 +
X t =a0 + r Xt-1 + et
X t =r Xt-1 + et
t-Statistic
Prob.*
-11.72161
-2.581233
-1.943074
-1.615231
0.0000
Contratos RER
En la actualidad, tenemos que el clculo de la tarifa es igual a la tarifa de
adjudicacin por el factor e, donde el factor est compuesto por el ndice
WPSSOP3500 entre el ndice correspondiente a la fecha de inicio del plazo de
vigencia del mismo ndice, representado de la siguiente manera:
Tarifa
Dnde:
IPP
IPPo
Factor e de WPSFD4131:
Tarifa = Tarifa_Base x
Factor e
Dnde:
Tarifa_Base
Factor e
IPP:
IPP
IPP a
IPP
Factor = IPPo
Donde:
IPP:
IPPo: ndice de Precios Finished Goods Less Food and Energy, Serie
WPSSOP3500 a la fecha de la POC.
TC:
Donde:
Precio_Base =
Factor e
TC
IPP
IPP a
=
=
IPP:
IPPa:
Tipo de cambio.
TC:
Contratos Transmisin
En el caso de los contratos de transmisin se propone incluir el ndice
PSFD4131 a travs del factor e:
Factor e
Donde:
IPP
IPP a
IPP: