econometria

UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE ECONOMÍA
ESCUELA PROFESIONAL DE ECONOMÍA

ANÁLISIS ESTRUCTURAL y REGRESIONES EN DIFERENCIA
Y LAS VARIABLES DICOTOMAS

1

ANÁLISIS ESTRUCTURAL y REGRESIONES EN DIFERENCIA

PROBLEMAS FRECUENTES EN MODELOS CON SERIES DE TIEMPO







Estacionariedad de las variables
Análisis estructural
Quiebre estructural
AutocorrelaciónHeterocedasticidad (con menor frecuencia en este tipo de modelos)
Series no estacionarias (regresiones espurias)

TIPOS DE MODELOS MULTIVARIADOS DE SERIES DE TIEMPO

Modelos estáticos.
Modelos dinámicos

Yt   0  1 X 1,t   2 X 2,t   t
Yt  1Yt 1   2Yt 2   0  1 X 1,t   2 X 2,t   t

Modelos con retardos distribuidos

Yt  0  1 X 1,t   2 X 2,t   1 X 1,t 1   2X 2,t 1   t

Modelos Estructurales con V. Cualitativas

Yt = 0 + 1 D1 + ß1 X1 + ß2 (D1 X1) + et
2

UNSA – Facultad de Economía

Econ. Orlando Torres Montes /otorresmontes@gmail.com

1

ANÁLISIS ESTRUCTURAL y REGRESIONES EN DIFERENCIA

APLICACIONES DE LA PRIMERA DIFERENCIA ENTRE SERIE

(1) yt 1   yt 1   t

Pseudo-F estadístico

(2) yt 1     yt 1   t

F(3) yt 1     t   yt 1   t
Pseudo-t estadístico por :

H0 :   0
H1 :   0

  modelo (1)
   modelo (2)
   modelo (3)

P(e  1.64)  0.05
P(  1.95)  0.05
P(   2.86)  0.05

( RSS R  RSSU ) / r
RSSU /(T  k )

para :
H0 :     0

 F1

modelo (2)

H 0 :       0  F2

modelo (3)

H0 :     0

modelo (3)

 F3

P( t 3.41)  0.05

t - t –1

Tinft – Tinfet
Tinft

= ß0 + ß1 T desempleot + et
= ß0 + ß1 T desempleot + et
= ß0 + ß1 T desempleot + et
3

UNSA – Facultad de Economía

Econ. Orlando Torres Montes /otorresmontes@gmail.com

ANÁLISIS ESTRUCTURAL y REGRESIONES EN DIFERENCIA

Contrastando por Raices Unitarias: DF test
1. Modelo regresión general

yt     t   yt 1   t

H 0 :  0
rechazar (no raiz unitaria)
   
H1 :   0 
acceptar (se va al paso 2.)
2. Contraste por la tendencia
rechazar (   0)  se puede usar la Normal
H 0 :     0  F3  
3. Estimar

acceptar (se va al paso 3.)
yt     yt 1   t

H 0 :   0
rejechazar (no raiz unitaria)
   
H1 :   0 
acceptar (se va al paso 4.)

4. Contraste por la deriva
5.Estimar

rejechazar (  0)  se puede usar la Normal
H 0 :     0  F1  
acceptar (se va al paso 5.)

yt   yt 1   t

H 0 :   0
rejechazar (no raiz unitaria)
  
H1 :   0 
accept (stop)
4

UNSA – Facultad de Economía

Econ. Orlando Torres Montes /otorresmontes@gmail.com

2

METODOLOGÍA BOX-JENKINS PARA PRONÓSTICOS
MODELO DINAMICOS ECONOMÍA PERUANAConsideremos los datos proporcionados por el BCRP dados en la tabla de Oferta y Demanda.
Esta suministra información sobre, el Producto Bruto Interno (PBI), Consumo Privado, Consumo Público, la
Inversión Bruta Fija (IBFIJA), las Exportaciones (EXPORT), las Importaciones (IMPORT) en millones de nuevos
soles a precios de 1994, para el Perú durante el periodo trimestral de 1980:01 – 2013:01
Supongamosque se desea estimar, el Producto Bruto Interno (PBI94 = Y) en función de la Inversión Bruta Fija
(IBFija = X)
Sobre esta información usaremos la Metodología de Box-Jenkins para pronosticar series de tiempo, mediante
procesos autorregresivos y medias móviles.
Empesaremos con la demostración de algunos conceptos, tal como Proceso estocástico discreto, estacionariedad,
ruido blanco yergodicidad u organicidad.
La relación funcional de las variables en estudio, nos conduce a demostrar y plantear las hipótesis siguientes:
HIPÓTESIS PARA LAS VARIABLES MACROECONÓMICAS
Ho: (Rho) ῥ1 = ῥ2 =… = ῥp = 0;
La serie es Estacionaria // Es ruido blanco//La serie no contiene raíz unitaria
La serie no es una caminata aleatoria o no es un paseo aleatorio
Ho: (Rho) ῥ1 ≠ ῥ2 ≠… = ῥp ≠ 0;
La serie...