Vous êtes sur la page 1sur 8

EJEMPLO DE ANALISIS Y VALORACIÓN DE UN

MODELO UNIECUACIONAL CON E-VIEWS

Integrantes
Jens Anthony Cabrera Meza
Jean Franco Ore León
Carlos Francisco Campodónico Jiménez
Docente:
José Francisco Pinto Castro

Con este documento se pretende ilustrar de un modo aplicado cómo debe realizarse
el análisis de un modelo uniecuacional a partir de los contenidos aprendidos en la
asignatura Economía y Finanzas (obviándose el análisis de cumplimiento de
hipótesis básicas sobre las perturbaciones aleatorias).
Para ello, se ha descrito un modelo real de la una empresa de construcción “San
Martin” sobre la que se hará el análisis correspondiente.

Se seguirán las siguientes fases:

1. Planteamiento del estudio econométrico (reseña de la especificación)


2. Estimación del modelo.
3. Valoración y contraste del modelo.
a. Análisis preliminares (signos)
b. Análisis de significatividad individual (t-student)
c. Análisis de significatividad conjunta (F-snedecor y R’s cuadrados)
d. Análisis de bondad a priori.
e. Contraste de hipótesis sobre la estructura.
f. Análisis de bondad a posteriori.
4. Reseña sobre la utilización del modelo y análisis estructural.
1. Planteamiento del estudio econométrico (reseña de la especificación)

La empresa San Martin Contratistas Generales S.A. (San Martín) es una empresa
peruana con más de 27 años de experiencia en el país, cuenta con dos unidades de
negocios:
(a) Unidad de minería

- Las actividades que se desarrollan son: Perforación, voladura, carguío,


acarreo y mantenimiento de vías.

(b) Unidad de construcción

- La división de construcción se encarga de realizar obras de construcción para


clientes mineros y no mineros, obras civiles y obras viales.
- Las actividades que se desarrollan son: construcción y mantenimiento de
vías, preparación de sitio y plataformas, m movimiento de tierra a gran
escala, presas y diques, plataformas de lixiviación, túneles, canales,
instalación de geo sintéticos, producción de agregados, tuberías y montajes.

La empresa San Martin quiere estimar cuál podría ser su crecimiento para los
siguientes años, para lo cuál cuenta con información sobre los ingresos brutos
trimestrales, el PBI del sector construcción y el PBI nacional para un total de 36
observaciones.
Después de haber realizado un profuso estudio sobre las características del mercado
y a partir de nuestra propia experiencia, decidimos especificar un modelo
econométrico del siguiente tipo:

IB = C (1) + C (2)*PBIC + C(3)*PBIN

Donde las variables responden a la siguiente descripción:

IB Ingreso brutos trimestrales (millones de soles)


PBIC Producto Bruto Interno del Sector Construcción ()
PBIN Producto Bruto Interno Nacional ()
OBSERVACIONES PARA EL MODELO

Meses OBS Ingreso Bruto PBI Construcción PBI Nacional

1T -2015 1 294 468.8269401 423.3622793


2T 2 261 501.7263393 452.9098262
3T 3 197 549.3561692 455.3664807
4T 4 167 693.7931331 480.136009
1T -2016 5 238 479.6968473 442.7927602
2T 6 305 507.408983 470.4590919
3T 7 227 528.1450751 477.018163
4T 8 213 627.4029757 494.7531117
1T -2017 9 301 453.2787587 452.7906968
2T 10 295 491.4955121 482.6372364
3T 11 210 559.2089569 490.1192889
4T 12 141 683.7966528 506.2573215
1T -2018 13 345 475.6328793 467.3738837
2T 14 305 527.7809567 509.3265836
3T 15 259 565.5001645 502.4207201

ESTADÍSTICAS DESCRIPTIVAS DE DATOS

2. Estimación del modelo.

Utilizando el programa e-views 10, se obtienen los siguientes resultados al realizar


la estimación del modelo propuesto:
3. Valoración y contraste del modelo

Es frecuente que, en el proceso de depuración del modelo estimado, se incluyan


cambios en la especificación inicial, afectándose a todos los resultados preliminares
(signos, cuantía, errores, etc.) Por ello, cada vez que se produce un cambio de
variables incluidas en el modelo deberán repartirse todas las fases de validación
desde el principio.

a. Análisis preliminares (signos)


El modelo que se propone se puede asociar a cualquier teoría clásica con un enfoque
macroeconómico de los ingresos de una empresa, que vendría entonces definida por
las siguientes variables: producto bruto interno del sector construcción (relación
directa) y productor bruto interno nacional (relación directa).

Entre las variables de nuestro modelo, existen varias relaciones con estos conceptos:

Esta variable expresa el valor monetario de la producción de bienes


PBIC
y servicios de demanda final en el sector construcción peruano.
Esta variable expresa el valor monetario de la producción de bienes
PBIN
y servicios de demanda final en el Perú.

Cubierto el análisis teórico de los signos (presupuesto), se debe comparar si los


parámetros estimados se corresponden con lo esperado:

PARÁMETRO ESTIMADO TEÓRICO CONCLUSIÓN


PBIC - + Incorrecto
PBIN + + Correcto

El parámetro PBIN presenta un signo acorde a lo esperado teóricamente, esto se


corrobora debido a que el ingreso de la empresa “San Martin” es mayormente
minero y que el PBIN depende en su mayoría del sector minero. Por otro lado, la
relación inversa con respecto al parámetros PBIC es negativo lo que puede deberse
a que en esos periodos la empresa no se desarrolló fuertemente en proyectos de
construcción.

b. Análisis de significatividad individual (t-student e intervalo de confianza


de los parámetros)

En primer lugar, el contraste T-Estadística (o empírica) nos permitirá comprobar si


el verdadero valor del parámetro es igual a cero o no.

Para ello, la salida de la regresión nos muestra (en la columna marcada como
“Probabilista”) la “probabilidad de rechazar la hipótesis nula del contraste cuando esta es
cierta”. Estadísticamente, es común dar por bueno un resultado cuando puedo
rechazar la hipótesis nula con un 95% de confianza o más.
En el modelo expuesto, los valores de “Prob.” Para la “T-Statistic” solo la variable
pbic su probabilidad es inferior a 5%. Es decir, para este caso puedo decir que la
probabilidad de equivocarme cuando rechazo la hipótesis nula (el verdadero
parámetro es 0.001) es de menos de 5%.

c. Análisis de significatividad conjunta (F-snedecor y R’s cuadrados)

Con el contraste de la F-snedecor se plantea la hipótesis de si todos los parámetros


del modelo (excepto la de la constante) realmente valen cero. En nuestro caso,
observando la probabilidad asignada a la F del ejercicio,

Analizando los valores de la R cuadrado, en los modelos de corte temporal es


frecuente exigir un altísimo valor (más del 98%) si las variables están en niveles, ya
que la simple correlación entre explicativas y explicada por la tendencia que
comparten hace que sea muy fácil obtener valores relativamente altos de la R a pesar
de que el modelo pueda ser escasamente explicativo.

En el caso de los modelos temporales en tasas de crecimiento o los de corte


transversal, el R cuadrado exigible puede ser algo menor y, en cualquier caso, el
valor a partir del cual daremos el modelo como bueno depende de nuestro objetivo
concreto en la utilización que de él vayamos a hacer.

En el caso de nuestro ejemplo, podemos decir que somos capaces de recoger más de
un 80% de la variación de las ventas a partir de la especificación suministrada,
quedando el resto del porcentaje en elementos que no podemos explicar con este
modelo.

Atendiendo a la R cuadrado ajustada (78,0%) podremos intuir, en algunas ocasiones,


si existe algún problema de omisión de variables relevantes en el modelo. Si la
diferencia entre ésta y la R cuadrado sin ajustar es relativamente elevada, habrá
indicios de un problema de especificación: faltarán variables relevantes en el
modelo. En nuestro ejemplo, la diferencia es de apenas dos puntos porcentuales, no
pudiendo inferirse así problemas de mala especificación con este indicador.
d. Análisis de bondad a priori.

i) Análisis gráfico

Flecha en negro errores tipo II y en azul errores tipo I


ii) Ratios de error
iii) Análisis de cambio de tendencia

El análisis se desarrolla marcando los máximos y mínimos locales en las series de la endógena
estimada y real, para marcar posteriormente los puntos de error tipo I o II que se detectan. En
el gráfico de ajuste superior, se han marcado estos puntos con flechas negras y azules.

Ingreso
Ingreso Estimado REAL ESTIMADO Error
Bruto
294 259.5 Máximo Máximo
261 253.4
197 236.2
167 143.8 Mínimo Mínimo
238 267.2
305 280.4 Máximo Máximo
227 269.1
213 181.6 Mínimo Mínimo
301 282.5 Máximo Error tipo I
295 290.3 Máximo Error tipo II
210 259.9
141 161.2 Mínimo Mínimo
345 300.6 Máximo Máximo
305 294.3
259 277.9 Mínimo Mínimo
El total de cambios de tendencia que se producen en la serie real es de 8 y en la estimada de 8. Se
pueden construir las siguientes ratios:

% Errores tipo II (suma errores tipo II entre suma total cambios en la real): 1/8=12,5 %.
% Errores tipo I (suma errores tipo I entre suma total cambios en la estimada): 1/8= 12.5%.

En definitiva, del total de cambios de tendencia realmente observables, el modelo no es capaz de


recoger un 12.5%. Simplemente, “los olvida”. Por otro lado, el 12.5% de los cambios que indica el
modelo estimado son falsos: en la realidad no se producen o, vulgarmente, “se los inventa”.

Vous aimerez peut-être aussi