COINTEGRACION

ANALISIS DE COINTEGRACIÓN

I. DEFINICION DE DATOS

Periodo : 1994 - 2008.
Data : Mensual.
Institución : Banco de Crédito del Perú.
Fuente : Superintendencia de Banca y Seguros y AFP.

II. FORMA DEL MODELO

En el análisis de cointegración se presenta el siguiente modelo:



Variable Dependiente:

CRED : Créditos Netos de Provisiones e Ingresos no Devengados,medido en miles de nuevos soles.


Variables Independientes:


TAMN : Tasa Activa de Mercado en moneda nacional, medida en %.


INGF : Ingresos Financieros Brutos, medido en miles de nuevos soles.


OBLIPU : Obligaciones con el Público, medido en miles de nuevos soles.


TPMN : Tasa Pasiva de Mercado en moneda nacional, medida en %.


III. METODOS DE COMPROBACION
Existen tresmétodos para comprobar la cointegración, a saber:
1. El Durbin Watson de la ecuación de cointegración (Sargan y Bhargava, 1983).

2. Método de Engle y Granger (1987), se basa en evaluar si los errores de ecuaciones en equilibrio estimados uniecuacionalmente parecen ser estacionarios.

3. Método de Johansen (1988) y Stock y Watson (1988), está basado en el método VAR.

III.1 PRUEBADURBIN-WATSON SOBRE LA REGRESIÓN DE COINTEGRACIÓN (DWRC)
El modelo es:


La estimación en Eviews:
Dependent Variable: CRED

Method: Least Squares


Date: 08/23/09 Time: 12:36

Sample: 1994M01 2008M12

Included observations: 180











Variable
Coefficient
Std. Error
t-Statistic
Prob.  










C
-1605.798
121872.1
-0.013176
0.9895
TAMN
613.1400
3437.7850.178353
0.8587
INGF
0.904258
0.110020
8.219054
0.0000
OBLIPU
0.459840
0.011031
41.68555
0.0000
TPMN
2666.859
2968.232
0.898467
0.3702










R-squared
0.969753
    Mean dependent var
2460409.
Adjusted R-squared
0.969061
    S.D. dependent var
2060798.
S.E. of regression
362482.9
    Akaike info criterion
28.46673
Sum squared resid
2.30E+13
    Schwarzcriterion
28.55542
Log likelihood
-2557.005
    F-statistic
1402.652
Durbin-Watson stat
0.332767
    Prob(F-statistic)
0.000000










La prueba de hipótesis es:
DW = 0 ≡ no cointegración
Regla de decisión:
Si DW < 0.511 se acepta .
Tenemos:
DW= 0.332767 < 0.511
Se acepta . Por lo tanto al 1%, estadístico DW nos indica que no hay presencia de cointegración.

Enforma alternativa probaremos la cointegración a través de la existencia de Autocorrelación.
Marcaremos los residuos de la ecuación cointegrada y estimamos el modelo autoregresivo de primer orden (rho).

La estimación en Eviews:
Dependent Variable: RESID01

Method: Least Squares


Date: 08/23/09 Time: 13:02

Sample (adjusted): 1994M02 2008M12

Included observations: 179 after adjustmentsVariable
Coefficient
Std. Error
t-Statistic
Prob.  










RESID01(-1)
0.848332
0.042702
19.86645
0.0000










R-squared
0.689178
    Mean dependent var
423.4988
Adjusted R-squared
0.689178
    S.D. dependent var
359370.1
S.E. of regression
200353.9
    Akaike info criterion
27.25913
Sum squared resid
7.15E+12
    Schwarzcriterion
27.27694
Log likelihood
-2438.692
    Durbin-Watson stat
1.745415












La prueba de hipotésis es:
ρ = 1 = DW = 0 ≡ Existe Autocorrelación Perfecta ≈ No Cointegración

Realizamos la prueba del Wald al coeficiente:
Wald Test:


Equation: PA










Test Statistic
Value  
df    
Probability








F-statistic
12.61526
(1, 178)  0.0005
Chi-square
12.61526
1  
0.0004












Null Hypothesis Summary:









Normalized Restriction (= 0)
Value  
Std. Err.








-1 + C(1)
-0.151668
0.042702








Restrictions are linear in coefficients.



Por lo tanto se rechaza . El error es estacionario y se puede aceptar la cointegración.

III.2 PRUEBA DE ENGLE – GRANGER...