economia de el nuevo mundo

Ejercicio 1.
Para llevar a cabo este ejercicio hemos realizado dos regresiones, que explicamos a continuación:
Tasa variación PIB industriali = ðI + ðI Tasa variación PIBi
Tasa variación PIB serviciosi = ðS + ðS Tasa variación PIBi
Vamos a analizar cada una de las afirmaciones por separado porque hemos planteado un modelo para
comprobar cada una de ellas. En cada uno de los modelos lo único quecambiamos es la variable endógena,
que en el primer modelo será la tasa de variación del PIB industrial y en el segundo será la tasa de variación
del PIB de servicios. En ambos casos, la variable exógena será la tasa de variación del PIB.
1ª afirmación El autor piensa que la industria es muy sensible a fluctuaciones en el conjunto del sistema
productivo.
Hemos creado el siguiente programa paraestimar el primer modelo a través del programa TSP:
freq n;
smpl 71 90;
load(file='a:ind.txt',format=free)I;
print I;
load(file='a:PIB.txt',format=free)PIB;
print PIB;
regopt (resetord=4,bplist=(c PIB),pvprint,LMlags=4)all;
olsq I c PIB;
mmake res @res;
print res;
write(format='1f8.4',file='a:res.dat')res;
end;
Los resultados a los que hemos llegado tras realizar la regresión nos llevan a especificarel siguiente modelo:
= −1,37548 + 1,45879 X1
: Tasa variación PIB industrial
X1: Tasa variación PIB

1

Lo primero que vamos a pasar a analizar son las propiedades del modelo.
Vamos a analizar los residuos y a comprobar que el modelo es esférico, es decir, que cumple los requisitos de
linealidad, no autocorrelación, homoscedasticidad y normalidad.
Residuos.
Para el análisis de los residuosprestamos atención al gráfico de la serie , al correlograma y a la función de
autocorrelación parcial. En el grafico de la serie vemos que los valores giran en torno a cero (media de los
residuos) por lo que se puede aceptar la estacionariedad en media. En cuanto a la estacionariedad en varianza
no parece tan claro, aunque si aceptamos dicha estacionariedad.

A partir de aquí, nos fijamos en elcorrelograma y de la función de autocorrelación parcial muestral . En
ambos gráficos vemos como ningún palo sale de los límites que marcan la significatividad, lo que nos indica ,
junto con la estacionariedad antes mencionada, que la serie de los residuos es un ruido blanco.

2

Contrastes de esfericidad.
1.) LINEALIDAD los instrumentos más importantes para comprobar la linealidad son el análisis delgráfico
que relaciona los residuos con la endógena estimada y el contraste Reset que obtenemos en la salida del TSP.
Veamos el análisis gráfico:
No parece presentar ningún tipo de comportamiento sistemático, de modo que es una evidencia a favor de la
linealidad del modelo.
Respecto del contraste Reset, los resultados obtenidos con el programa han sido los siguientes:
Ramsey's RESET2 = 7.33927 [.015]Ramsey's RESET3 = 4.67256 [.025]
Ramsey's RESET4 = 11.0599 [.000]
Con estos valores se rechaza la Ho de linealidad que plantea el contraste para un nivel de significación del
5%. Esto es contradictorio con el análisis gráfico y la explicación puede ser que haya un problema de
especificación en las explicativas del modelo.
2.)NO AUTOCORRELACIÓN nos hemos fijado en los siguientes estadísticos:
−)Durbin−Watson: es un contraste cuya Ho es la no existencia de autocorrelación:
Durbin−Watson = 1.89305 [<.462]
El valor del estadístico es próximo a 2, de modo que nos encontramos en la región de aceptación de la Ho, es
decir, aceptamos la no autocorrelación.
−) Breusch−Godfrey: es un contraste más general. La Ho también es la no existencia de autocorrelación. El
inconveniente de este contraste esque solo es válido asintoticamente:
Breusch/Godfrey LM: AR/MA1 = .300174E−04 [.996]
Breusch/Godfrey LM: AR/MA2 = .592580 [.744]
3

Breusch/Godfrey LM: AR/MA3 = 1.88622 [.596]
Breusch/Godfrey LM: AR/MA4 = 1.95480 [.744]
En todos los casos se acepta la Ho, lo cual es evidencia a favor de la no autocorrelación.
3.) HOMOSCEDASTICIDAD vamos a comprobar los siguientes contrastes:
−) Breusch−Pagan:...