TRABAJO FINAL

Curso: Econometra
Profesor: Oscar Ricardo Alegre Valdez
Integrantes:

Introduccin
El presente trabajo de econometra tiene como objetivo aplicar todos
los conocimientos adquiridos a lo largo del curso, para ello en nuestro
equipo nos interesamos en el tema macroeconmico. Una de nuestras
interrogantes fue: cmo algunos factores afectan o no al ingreso per
cpita? Para entender ello el ingreso per cpita es un clculo que se
realiza para determinar el ingreso que recibe, en promedio, cada uno
de los habitantes de un pas; es decir, en promedio, cunto es el
ingreso que recibe una persona para subsistir. Este clculo se obtiene
dividiendo el ingreso nacional entre la poblacin total de un pas.
Entonces nuestro reto fue primero encontrar la data necesaria y las
variables independientes que pudieran afectar al ingreso percpita que
reciben las personas. Para ello escogimos IPC que es el ndice precio
consumidor y la inflacin, dos factores que presumimos afectan y son
fundamentales en la variacin del ingreso per cpita. Para todo ello se
ha realizado un proceso que sigue los pasos de la econometra, ello
est desarrollado a lo largo del presente documento.
Los alumnos.

1) Anlisis de Datos:

En el presente trabajo pretendemos entender como el Ingreso Per Capita en el Per

se ha visto afectado por variables como el ndice de Precios del Consumidor en el
Per y la Tasa de inflacin. Se ha tomado los datos desde el ao 1995 hasta el
2015, ya que en este intervalo de tiempo el contexto econmico y la situacin del
pas en general no nos muestran tanta distorsin en los datos (como en el primer
gobierno de Alan Garciua). Asimismo, hay distintas variables que afectan al Ingreso
Per Capita, pero en este informe solo nos enfocaremos en el IPC E inflacin.

2) Especificacin el modelo
-

MODELO MATEMATICO
Y = B0 + B1X1 + B2X2

MODELO ECONOMETRICO
Y = B0 + B1X1 + B2X2 + u

3) Determinar relacin de causalidad

Por razonamiento pordemos observar que la variavle ingreso per capita tiene
una relacion de causalidad con las variables IPC e inflacion; pero luego de
estimar el modelo determinaremos si esta relacion es certera o no.

4) Estimacin del modelo

5) Anlisis de los resultados

R2: Las variaciones de la variable Y son explicadas en un 90.5951% por las variaciones de
las variable X. Tenemos un R2 bueno, ya que est cercano a 1.
t-Statistic: Si el valor de t-statistic es mayor a 2 en valor absoluto significa que las variables
son significativas para el modelo. Pero en este caso se puede ver que no todas las variables
sobrepasa el valor de 2
F-statistic: El valor de f-statistic (86.69436) es mayor a 10 o 15, lo cual nos hace presumir
que el modelo es significativo globalmente.
Durbin-Watson: El durbin Watson es de 0.558520, lo cual significa que sospechamos que
hay autocorrelacin positiva.
IPC: Esta variable va a determinar en cuanto vara el Ingreso per cpita, si la variable IPC
aumenta en 73.24335.
Inflacin: En este caso, se va a determinar en cuanto variara el CONSUMO cuando la
variable Inflacin vara en 8945.997.

6) Prueba de Hiptesis
Prueba T

H0: b0=b1=b2=0
H1: b00, b10, b20
Tgl= (21-3)=18
TablaT= 2.101

Rechazo H0, por lo tanto con una significancia del 5% se puede afirmar de manera
individual que cada los parmetros B1 y B2 es diferente de 0, en consecuencia las
variables exgenas son significativas. Sin embargo, en la constante (B0) se acepta
H0 pero esto es indiferente, ya que no interviene en el modelo.

Prueba F (Global)
H0: Todos los parmetros son igual a 0
H1: Todos los parmetros son diferentes de 0

Fcalc(2,18)
F

3.55
86.69436

Con una significancia del 5% se puede afirmar que de manera conjunta los
parmetros son diferentes de 0, es decir que variables exgenas son significativas.

Prueba Farrar y Glauber

Lo que queremos saber saber es si existe multicolinealidad, para ello se har la
prueba de Farrar y Glauber, por lo que se necesita saber los grados de libertad, con
el chi cuadrado y el calculado, a continuacin se presentan los clculos respectivos:

Imagen: Hallamos la matriz con EViews para calcular el determinante.

H0: Las variables exgenas son ortogonales.

H1: Las variables exgenas no son ortogonales.

1 -0.59602283
-0.59602283
1

DET

0.64475679

LOG

-0.43888211

Xc

8.11931902

Gl

Xcalc

3.84146

Entonces rechazo H0.

Con una significancia del 5% se puede afirmar que las variables exgenas no son
ortogonales, por lo tanto estn correlacionadas y por ello existe multicolinealidad.

Heterocedasticidad
Se desea saber si existe heterocedasticidad, para ello se har la prueba de White,
para ello se necesita conocer F-Statistic, Prob. F(5,15)

Prueba F

H0: No existe heterocedasticidad

H1: Existe heterocedasticidad
F (5,15 ) =2.90

F-Statistic = 0.424326

Entonces No Rechazo H0
Con una significancia del 5% se puede afirmar que no existe heterocedasticidad o
que existe homoscedasticidad.

Autocorrelacin

El criterio Durbin Watson nos resulta 0.558520, est muy lejano a 2, entonces
presumimos que existe autocorrelacin. Para ello haremos la prueba forecast en
Eviews.

Se supone que bias proportin & variance proportin tienen que tender a cero, y
covariance proportin debe tender a uno. Si todo se cumpliera, aparentemente no
habra autocorrelacin.

En este correlograma podemos apreciar que las probabilidades son menores a

0.005, esto significa que presumimos autocorrelacin entre las variables.

Seguidamente hacemos la prueba de LM, Aqu esta tanto el F-statistic (calculado)

= 17.77y al costado hay prop. F(1,18) estos son los grados de libertado, uso la
tabla F cuadrado con 1 nominador, 18 denominador.
Multiplico el nmero de observaciones por el r2 = al chi cuadrado y correo con 1
grado de libertad en la tabla chi cuadrado => 21*10.43
Para la prueba de hiptesis se necesita DL y DU

Ho: No existe Significativa Autocorrelacin

H1: Existe Significativa Autocorrelacin

Haciendo la prueba resulta que se Rechaza Ho. Es decir que existe significativa
autocorrelacin.

Se procedi a reducir la autocorrelacin con el comando AR(1), y funcion ya que

las bandas ya no se salen de las bandas.

Normalidad de los residuos

Prueba de Jarque Bera

Para la prueba de Jarque Bera se busca que los residuos tengan una forma
mesocurtica, es decir una asimetra(S) de valor cero o cercano a ese valor y una
kurtosis(K) de valor 3 o tambin cercano a ese valor. En el cuadro analizamos una
S= 0.497323, una K= 2.783442 y un Jarque bera calculado de 0.906690 para
nuestro modelo. Procederemos con la prueba de hiptesis, en el cual buscamos de
preferencia el rechazo en H0.

Ho: No existe normalidad en los residuos

H1: Existe normalidad en los residuos
Con 2 GL hallamos en la tabla chi cuadrado el valor 5.99 procedemos a graficar.

Con una significancia del 5% como resultado el no rechazo, por ello podemos decir
que no existe normalidad en los residuos y por ello no tienen una forma mesocurtica.
Por otro lado, para poder modificar este resultado lo que se podra hacer es
aumentar la muestra u cambiar la muestra a otro periodo.

Conclusiones

Nuestro modelo economtrico tiene la siguiente forma:

Y = B0 + B1X1 + B2X2 + u , donde Y es el ingreso per cpita, X1 es el IPC y
X2 es la inflacin.

R2: Las variaciones de la variable Y son explicadas en un 90.5951% por las

variaciones de las variable X. Tenemos un R2 bueno, ya que est cercano
a 1.

t-Statistic: Si el valor de t-statistic es mayor a 2 en valor absoluto significa

que las variables son significativas para el modelo. Pero en este caso se
puede ver que no todas las variables sobrepasa el valor de 2

F-statistic: El valor de f-statistic (86.69436) es mayor a 10 o 15, lo cual nos

hace presumir que el modelo es significativo globalmente.

Durbin-Watson: El durbin Watson es de 0.558520, lo cual significa que

sospechamos que hay autocorrelacin positiva.

Con una significancia del 5% se puede afirmar que las variables exgenas
no son ortogonales, por lo tanto estn correlacionadas y por ello existe
multicolinealidad.

Con una

significancia

del 5% se puede

afirmar

que

no

existe

heterocedasticidad o que existe homoscedasticidad.

Tambin hallamos autocorrelacin la cual se disminuye considerablemente

mediante Eviews con el comando AR(01).

Pudimos hallar tambin que no existe normalidad en los residuos al hacer la

prueba de jarque bera, por ello los residuos no tienen una forma mesocurtica,
y dado por el valor tan cercano de kutosis(K) y asimetra(S), podemos decir
que tienen una forma platicurtica.