Econometria Final Baez


Universidad Autónoma de Baja California
Facultad de Economía y Relaciones Internacionales

Econometría III
Profesor: Rogelio Varela Llamas

Francisco Gabriel Báez Márquez
Trabajo Final: Modelo De Corrección De Error





Tijuana, Baja California a 28 de Mayo del 2015


Contenido



Introducción 3
Fuentes de información y descripción de variables 4 4
Conclusiones 16
Referencias 17
Anexos 18Introducción
En el presente trabajo se estima el sentido y la magnitud de las relaciones de largo plazo para para ingreso, ahorro, se utilizó la base de Banco Mundial, para el PIB, Tasa de Interés (CETES). Con series en periodicidad trimestral y el periodo es de 1981 a 2013. Para ello recurrimos al análisis de cointegración. La finalidad es encontrar un modelo de corrección deerrores (MCE).















Fuentes de información y descripción de variables 4

Las series tienen periodicidad trimestral y el periodo es de 1981 a 2013, el trabajo utilizó una base de datos recopiladas de distintas fuentes, para ingreso, ahorro, se utilizó la base de Banco Mundial, para el PIB, Tasa de Interés (CETES).
Se necesitó de labor econométrica a través del software estadístico EViews, pararealizar las regresiones a partir de la siguiente función


Dónde:




El modelo econométrico a través de MCO fue el siguiente:


Se reporta los resultados sintetizados de las pruebas de raíces unitarias por prueba Dickey-Fuller

Cuadro 1. Dickey-Fuller


Variable

Modelo

t-Statistic

5%

Prob.

LNCONSUMO
Intercept




Constant, Linear Trend
-4.061664
-3.445308
0.0091

none




LNPIB
InterceptConstant, Linear Trend
-3.445308
-3.445308
0.0077

none




LNAHORRO
Intercept




Constant, Linear Trend
-2.168110
-3.445308
0.5028

none



LNINTERES
Intercept




Constant, Linear Trend
-3.352007
-3.445308
0.0627

none




Se construyó un modelo VAR1 debido que tenemos que las variables a utilizar deben ser de orden de integración 1, es decir I (-1).



Antes de especificar el número derezagos a emplear, se utilizó los criterios de decisión para el número de rezagos óptimo propuesto por el programa.

VAR Lag Order Selection Criteria




Endogenous variables: LNCONSUMO LNPIB LNAHORRO LNINTERES 


Exogenous variables: C 




Date: 25/05/15 Time: 11:16




Sample: 1980Q1 2013Q1




Included observations: 125


















 Lag
LogL
LR
FPE
AIC
SC
HQ














0
 607.9650NA 
 7.47e-10
-9.663441
-9.572935
-9.626673
1
 937.2896
 632.3030
 4.97e-12
-14.67663
-14.22410
-14.49279
2
 1033.684
 178.9090
 1.37e-12
-15.96295
-15.14840
-15.63204
3
 1098.874
 116.8199
 6.27e-13
-16.74999
-15.57341
-16.27200
4
 1186.771
 151.8854
 1.99e-13
-17.90033
 -16.36173*
-17.27528
5
 1219.149
  53.87715*
  1.54e-13*
 -18.16238*
-16.26176
 -17.39026*
6
 1234.565
 24.66632
 1.57e-13-18.15305
-15.89039
-17.23385
7
 1243.877
 14.30217
 1.77e-13
-18.04603
-15.42135
-16.97976
8
 1254.695
 15.92465
 1.95e-13
-17.96312
-14.97642
-16.74978














 * indicates lag order selected by the criterion



 LR: sequential modified LR test statistic (each test at 5% level)


 FPE: Final prediction error




 AIC: Akaike information criterion




 SC: Schwarz information criterion




 HQ:Hannan-Quinn information criterion
















En su mayoría los criterios nos señalan que el número de rezagos óptimo son 5 (Sólo el SC muestra que 4 es el número óptimo) En función a los resultados obtenidos, se estimó el modelo con 5 rezagos:
 Vector Autoregression Estimates


 Date: 25/05/15 Time: 11:14


 Sample (adjusted): 1980Q3 2013Q1


 Included observations: 131 after adjustmentsLNCONSUMO
LNPIB
LNAHORRO
LNINTERES










LNCONSUMO(-1)
-0.961140
-1.264384
-2.018095
 5.294442

 (0.76490)
 (0.72939)
 (2.31840)
 (4.92702)

[-1.25655]
[-1.73348]
[-0.87047]
[ 1.07457]





LNCONSUMO(-2)
 0.529995
 2.517207
 6.449528
-1.454747

 (0.77160)
 (0.73577)
 (2.33869)
 (4.97013)

[ 0.68688]
[ 3.42118]
[ 2.75775]
[-0.29270]





LNPIB(-1)
 1.830317
 2.173310
 2.886010...