Modelo econometrico de indice de tasa de cambio real

Determinantes del Índice de
Tasa de Cambio Real (ITCR)

Alfredo Trespalacios Carrasquilla
Juan Fernando Rendón García
Natalia Cañas Arboleda

Econometría
2009

INFORMACIÓN INICIAL
Descricpción del trabajo
• Se tomó un trabajo de grado en el que se hace análisis del índice de la tasa de cambio
real colombiana.
• Se verificó el modelo que se analiza en el trabajo de grado.
• Se tomóparte de la teoría económica en la que está sustentada el Trabajo de Grado y
se analiza el desempeño de los datos en Colombia ante ésta.
• Se hizo análisis con resolución mensual y trimestral
• El modelo que se presentó en clase corresponde al de la teoría económica con
resolución trimestral.

INFORMACIÓN INICIAL
Modelo Económico (Buitter and Miller, 1982)

log( ITCR) = β1 ⋅ ITCR − β 2⋅ M 1 + β3 ⋅ PIB − β 4 ⋅ π
Modelo Contrastado - Tomado de Trabajo de Grado: Franco, Maria Adelaida y Montoya,
Tatiana. 2006. “¿Cuáles son los determinantes de la Tasa de Cambio en Colombia para el
Periodo 1985-2005?”. Universidad EAFIT.
Ficha de Base de Datos:
Periodo de Estudio: Enero 2000 – Diciembre 2008 (Datos Mensuales y Trimestrales)

CONTENIDO

Modelo Tesis (Análisis Mensual)Modelo Económico (Análisis Mensual)
Modelo Económico (Análisis Trimestral)
El que se presentó en clase

MODELO TESIS
Estimation Equation:
=====================
LOG(ITCR) = C(1) + C(2)*LOG(PIB) + C(3)*PRIME + C(4)*(@TREND^2)
Substituted Coefficients:
=====================
LOG(ITCR) = -48.5841448 + 3.216334095*LOG(PIB) - 2.395863543*PRIME - 0.0001532427553*(@TREND^2)

Dependent Variable:LOG(ITCR)
Method: Least Squares
Date: 04/28/09 Time: 21:59
Sample: 1 108
Included observations: 108
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
LOG(PIB)
PRIME
@TREND^2

-48.58414
3.216334
-2.395864
-0.000153

5.238457
0.315086
0.374282
1.16E-05

-9.274514
10.20781
-6.401225
-13.25059

0.0000
0.0000
0.0000
0.0000

R-squared
Adjusted R-squared
S.E.of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.821685
0.816541
0.071666
0.534145
133.4524
0.422612

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

4.615693
0.167318
-2.397267
-2.297929
159.7453
0.000000

MODELO TESIS
Revisando los Residuales …

5.0
4.8
4.6
0.3

4.4

0.2

4.20.1

4.0

0.0
-0.1
-0.2
-0.3
20

40
Residual

60
Actual

80

100
F itted

Se presenta Autocorrelación de los
Residuales y no hay ruido blanco, por
lo tanto no cumple con los supuestos
de MCO

MODELO TESIS
Incorporando el termino en el Modelo AR(1) …
Estimation Equation:
=====================
LOG(ITCR) = C(1) + C(2)*LOG(PIB) + C(3)*PRIME + C(4)*(@TREND^2) +[AR(1)=C(5)]
Substituted Coefficients:
=====================

LOG(ITCR) = -3.389756535 + 0.490794006*LOG(PIB) + 0.6345338418*PRIME - 6.349084751e-05*(@TREND^2) + [AR(1)=0.9236543019]

Dependent Variable: LOG(ITCR)
Method: Least Squares
Date: 04/28/09 Time: 22:20
Sample(adjusted): 2 108
Included observations: 107 after adjusting endpoints
Convergence achieved after 14 iterations
VariableCoefficient

Std. Error

t-Statistic

Prob.

C
LOG(PIB)
PRIME
@TREND^2
AR(1)

-3.389757
0.490794
0.634534
-6.35E-05
0.923654

8.232654
0.494930
1.491847
1.92E-05
0.037482

-0.411745
0.991644
0.425334
-3.305378
24.64239

0.6814
0.3237
0.6715
0.0013
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson statInverted AR Roots

0.946399
0.944297
0.039675
0.160562
196.0256
2.315746
.92

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

4.615655
0.168105
-3.570572
-3.445673
450.2366
0.000000

MODELO TESIS
Probamos Homocedasticidad y No Autocorrelación …

P − value > α
W hite Heteroskedasticity Test:
F-statistic...