tesis


1. MODELO IS-LM PARA LA ECONOMÍA PERUANA

En el presente trabajo se estimara un modelo IS LM simplificado para la economía peruana, entre los años 1999 hasta el 2013, usando data mensual. Las ecuaciones planteadas son las siguientes:

Ecuación IS:


Ecuación LM:

Donde:
Y: PBI
R: Tasa de interés de largo plazo
I: Inversión
M/P: Saldosreales

Para estimar las curvas IS y LM se utilizó el método de mínimos cuadrados en 2 etapas MC2E

1ra etapa:
En el presente modelo tenemos 2 variables endógenas R e Y, y 2 variables exógenas I y M/P. Por lo tanto las condiciones de orden y rango serán las siguientes
Condiciones de orden
Ecuación IS: Para la ecuación IS tenemos que se ha omitido una variable explicativa y a la vez tenemosuna variable endógena como explicativa. Por lo tanto la ecuación esta exactamente identificada
Ecuación LM: Al igual que en el caso anterior tenemos una variable explicativa excluida y una variable endógena incluida como explicativa. Por lo tanto la ecuación LM también esta exactamente identificada



Condiciones de Rango:
Como el sistema tiene 2 ecuaciones la condición de rango estableceque cada ecuación está identificada si se puede formar un determinante no nulo de orden 1x1 a partir de los coeficientes de variables excluidas de esa ecuación (endógenas y exógenas) pero incluidas en la otra
Ecuación IS: La única variable excluida ese M/P. además se puede formar un determinante no nulo con su coeficiente, por lo tanto esta ecuación está identificada según la condición de rangoEcuación LM: La única variable excluida ese I. Por lo tanto, al igual que la IS, esta ecuación si está identificada

A continuación se estiman cada una de las variables endógenas, en función de todas las variables exógenas (incluida el intercepto C) y se calculan los valores estimados para cada variable:

Regresión 1

Y = C(1) + C(2)*M_P + C(3)*I



Luego haciendo uso de la opciónforecast, se calculan los valores que predice la regresión anterior para Y, y se guardan bajo el nombre de YF.





Regresión 2
R = C(1) + C(2)*M_P + C(3)*I


Se utiliza de nuevo la opción forecast para calcular los valores que predice la regresión para R, y se guardan bajo el nombre de RF.

Etapa 2:
En esta etapa se estiman las ecuaciones originales del modelo IS – LM, utilizando comovariables explicativa RF en vez de R y YF en vez de Y, para solucionar el problema de endogeneidad.

Ecuación IS: Y = C(1) + C(2)*RF + C(3)*I




Ecuación LM:
R = C(1) + C(2)*YF + C(3)*M_P



Conclusiones
Todos los coeficientes estimados tienen los signos correctos que predicen la teoría. El coeficiente de la tasa de interés en la curva IS es negativo como se esperaríaa priori y el coeficiente del PBI en la curva LM es positivo indicando la relación positiva que plantea la curva LM
Si bien es cierto, para realizar inferencia en el modelo se deben corregir los errores estándar de los estimadores, la diferencia no es tan relevante y los coeficiente si son significativos incluso al nivel de 1%. Además el estadístico F indica que en conjunto todas las variablestambién son significativas. Por otro lado el estadístico DW indicaría la presencia de autocorrelación positiva de primer orden en los residuos.






Otra forma de estimación
Alternativamente el programa Eviews permite la estimación simultánea de ambas ecuaciones, haciendo uso de un objetivo system.






Haciendo click en la opción estimate obtenemos la siguiente ventana,obteniéndose asi los mismos coeficientes que en las regresiones anteriores. Adicionalmente este método reporta los correctos errores estándar de los coeficientes.

















1. OFERTA Y DEMANDA DE POLLO

En el presente modelo se estimara las funciones de oferta y demanda agregada de carne de pollo para la economía peruana entre los años 1999 y 2012, utilizando datos mensuales....