Trabajo final econometria UPC suscribete a mi canal https://www.youtube.com/user/Econociendo

1. TRABAJO FINAL
Curso: Econometría
Profesor:Oscar Ricardo Alegre Valdez
Integrantes:

2. Introducción
El presente trabajo de econometríatiene como objetivo aplicar todos
los conocimientos adquiridos a lo largo del curso, para ello en nuestro
equipo nos interesamos en el tema macroeconómico.Una de nuestras
interrogantes fue: ¿cómo algunos factores afectan o no al ingreso per
cápita? Para entender ello el ingreso per cápita es un cálculo que se
realiza para determinar el ingreso que recibe,en promedio,cada uno
de los habitantes de un país; es decir, en promedio,cuánto es el
ingreso que recibe una persona para subsistir. Este cálculo se obtiene
dividiendo el ingreso nacional entre la poblacióntotal de un país.
Entonces nuestro reto fue primero encontrar la data necesaria y las
variables independientes que pudieran afectar al ingreso percápita que
recibenlas personas.Para ello escogimosIPC que es el índice precio
consumidor y la inflación, dos factores que presumimos afectany son
fundamentales en la variación del ingreso per cápita. Para todo ello se
ha realizado un proceso que sigue los pasos de la econometría,ello
está desarrollado a lo largo del presente documento.
Los alumnos.

3. 1)Análisis de Datos:
En el presente trabajo pretendemos entender como el Ingreso Per Capita en el Perú
se ha visto afectado por variables como el Índice de Precios del Consumidor en el
Perú y la Tasa de inflación. Se ha tomado los datos desde el año 1995 hasta el
2015, ya que en este intervalo de tiempo el contexto económico y la situación del
país en general no nos muestran tanta distorsión en los datos (como en el primer
gobierno de Alan Garciua). Asimismo, hay distintas variables que afectan al Ingreso
Per Capita, pero en este informe solo nos enfocaremos en el IPC E inflación.

4. 2)Especificación el modelo
- MODELO MATEMATICO
Y = B0 + B1X1 + B2X2
- MODELO ECONOMETRICO
Y = B0 + B1X1 + B2X2 + u
3)Determinar relación de causalidad
Por razonamiento pordemos observar que la variavle ingreso per capita tiene
una relacion de causalidad con las variables IPC e inflacion; pero luego de
estimar el modelo determinaremos si esta relacion es certera o no.
4)Estimación del modelo

5. 5)Análisis de los resultados
R2: Las variaciones de la variable Y son explicadas en un 90.5951% por las variaciones de
las variable X. Tenemos un R2 bueno, ya que está cercano a 1.
t-Statistic: Si el valor de t-statistic es mayor a 2 en valor absoluto significa que las variables
son significativas para el modelo. Pero en este caso sepuede ver que no todas las variables
sobrepasa el valor de 2
F-statistic: El valor de f-statistic (86.69436) es mayor a 10 o 15, lo cual nos hace presumir
que el modelo es significativo globalmente.
Durbin-Watson: El durbin Watson es de 0.558520, lo cual significa que sospechamos que
hay autocorrelación positiva.
IPC: Esta variable va a determinar en cuanto varía el Ingreso per cápita, si la variable IPC
aumenta en 73.24335.
Inflación: En este caso, se va a determinar en cuanto variaría el CONSUMO cuando la
variable Inflación varía en 8945.997.
6)Prueba de Hipótesis
Prueba T

6. H0: b0=b1=b2=0
H1: b0≠0, b1≠0, b2≠0
Tgl= (21-3)=18
TablaT= 2.101
Rechazo H0, por lo tanto con una significancia del 5% se puede afirmar de manera
individual que cada los parámetros B1 y B2 es diferente de 0, en consecuencia las
variables exógenas son significativas. Sin embargo, en la constante (B0) se acepta
H0 pero esto es indiferente, ya que no interviene en el modelo.
Prueba F (Global)
H0: Todos los parámetros son igual a 0
H1: Todos los parámetros son diferentes de 0
Fcalc(2,18) 3.55
F 86.69436

7. Con una significancia del 5% se puede afirmar que de manera conjunta los
parámetros son diferentes de 0, es decir que variables exógenas son significativas.

8. Prueba Farrar y Glauber
Lo que queremos saber saber es si existe multicolinealidad, para ello se hará la
prueba de Farrar y Glauber, por lo que se necesita saber los grados de libertad, con
el chi cuadrado y el calculado, a continuación se presentan los cálculos respectivos:
Imagen: Hallamos la matriz con EViews para calcular el determinante.
H0: Las variables exógenas son ortogonales.
H1: Las variables exógenas no son ortogonales.

9. Entonces rechazo H0.
Con una significancia del 5% se puede afirmar que las variables exógenas no son
ortogonales, por lo tanto están correlacionadas y por ello existe multicolinealidad.
1 -0.59602283
-0.59602283 1
DET 0.64475679
LOG -0.43888211
Xc 8.11931902
Gl 1
Xcalc 3.84146

10. Heterocedasticidad
Se desea saber si existe heterocedasticidad, para ello se hará la prueba de White,
para ello se necesita conocer F-Statistic, Prob. F(5,15)
Prueba F
H0: No existe heterocedasticidad
H1: Existe heterocedasticidad
F (5,15 ) =2.90

11. F-Statistic = 0.424326
Entonces No Rechazo H0
Con una significancia del 5% se puede afirmar que no existe heterocedasticidad o
que existe homoscedasticidad.
Autocorrelación

12. El criterio Durbin Watson nos resulta 0.558520, está muy lejano a 2, entonces
presumimos que existe autocorrelación. Para ello haremos la prueba forecast en
Eviews.
Se supone que “ bias proportión” & variance proportión” tienen que tender a cero, y
“ covariance proportión” debe tender a uno. Si todo se cumpliera, aparentemente no
habría autocorrelación.

13. En este correlograma podemos apreciar que las probabilidades son menores a
0.005, esto significa que presumimos autocorrelación entre las variables.

14. Seguidamente hacemos la prueba de LM, Aquí esta tanto el F-statistic (calculado)
= 17.77y al costado hay “prop. F(1,18)  estos son los grados de libertado, uso la
tabla F cuadrado con 1 nominador, 18 denominador.
Multiplico el número de observaciones por el r2 = al chi cuadrado y correo con 1
grado de libertad en la tabla chi cuadrado => 21*10.43
Para la prueba de hipótesis se necesita DL y DU
Ho: No existe Significativa Autocorrelación
H1: Existe Significativa Autocorrelación
Haciendo la prueba resulta que se Rechaza Ho. Es decir que existe significativa
autocorrelación.

15. Se procedió a reducir la autocorrelación con el comando AR(1), y funcionó ya que
las bandas ya no se salen de las bandas.

16. Normalidad de los residuos
Prueba deJarque Bera
Para la prueba de Jarque Bera se busca que los residuos tengan una forma
mesocurtica, es decir una asimetría(S) de valor cero o cercano a ese valor y una
kurtosis(K) de valor 3 o también cercano a ese valor. En el cuadro analizamos una
S= 0.497323, una K= 2.783442 y un Jarque bera calculado de 0.906690 para
nuestro modelo. Procederemos con la prueba de hipótesis, en el cual buscamos de
preferencia el rechazo en H0.
Ho: No existe normalidaden los residuos
H1: Existe normalidaden los residuos
Con 2 GL hallamos en la tabla chi cuadrado el valor 5.99 procedemos a graficar.

17. Con una significancia del 5% como resultado el no rechazo, por ello podemos decir
que no existe normalidad en los residuos y por ello no tienen una forma mesocurtica.
Por otro lado, para poder modificar este resultado lo que se podría hacer es
aumentar la muestra u cambiar la muestra a otro periodo.

18. Conclusiones
 Nuestro modelo econométrico tiene la siguiente forma:
Y = B0 + B1X1 + B2X2 + u , donde Y es el ingreso per cápita, X1 es el IPC y
X2 es la inflación.
 R2: Las variaciones de la variable Y son explicadas en un 90.5951% por las
variaciones de las variable X. Tenemos un R2 bueno, ya que está cercano
a 1.
 t-Statistic: Si el valor de t-statistic es mayor a 2 en valor absoluto significa
que las variables son significativas para el modelo. Pero en este caso se
puede ver que no todas las variables sobrepasa el valor de 2
 F-statistic: El valor de f-statistic (86.69436) es mayor a 10 o 15, lo cual nos
hace presumir que el modelo es significativo globalmente.
 Durbin-Watson: El durbin Watson es de 0.558520, lo cual significa que
sospechamos que hay autocorrelación positiva.
 Con una significancia del 5% se puede afirmar que las variables exógenas
no son ortogonales, por lo tanto están correlacionadas y por ello existe
multicolinealidad.
 Con una significancia del 5% se puede afirmar que no existe
heterocedasticidad o que existe homoscedasticidad.
 También hallamos autocorrelación la cual se disminuye considerablemente
mediante Eviews con el comando AR(01).
 Pudimos hallar también que no existe normalidad en los residuos al hacer la
prueba de jarque bera, por ello los residuos no tienen una forma mesocurtica,
y dado por el valor tan cercano de kutosis(K) y asimetría(S), podemos decir
que tienen una forma platicurtica.