Universidad de el salvador

U NIVERSIDAD DE EL S ALVADOR
F ACULTAD
DE
C IENCIAS E CONÓMICAS
E SCUELA DE
ECONOMÍA
M ATERIA : E CONOMETRÍA .
T EMA : “I NFLACIÓN Y DESEMPLEO ” A PLICACIÓN
TEÓRICA DE LA C URVA DE P HILLIPS AUMENTADA
CON EXPECTATIVAS RACIONALES .
L ICENCIADA : G ILMA S ABINA L IZAMA G AITÁN
A LUMNOS :
K ATHERINE J OHANA R AMÍREZ R IVERA
RR 12020
J ONATHAN M OISÉS H ERNÁNDEZ C ARRANZA
HC 12015
B RENDA M ARÍA Q UEZADA H ERNÁNDEZ
QH 10001
H ENRY G EOVANNY F IGUEROA V ALLADARES
FV 12003
Ciudad Universitaria, San Salvador 18 de Junio 2014
ÍNDICE:
Tabla de contenido
Índice: .................................................................................................................................... 1
Índice de tablas: ..................................................................................................................... 2
Índice de Gráficos:................................................................................................................. 2
1.
Introducción: .................................................................................................................. 3
2. Marco Teórico: .................................................................................................................. 4
2.1 La Curva de Phillips: ....................................................................................................... 4
2.1.2 La Curva de Phillips con expectativas sobre la Inflación:............................................ 6
3.
Definición de las variables: ............................................................................................ 9
4.
Especificación del Modelo matemático ....................................................................... 10
5.
Especificación del Modelo econométrico: ................................................................... 11
Simplificación del Modelo: ........................................................................................... 11
6.
Datos: ........................................................................................................................... 12
7.
Estimación del Modelo Econométrico: ........................................................................ 14
8. PRUEBAS de Significancia Estadística .......................................................................... 22
Supuesto1 ............................................................................................................................ 22
Supuesto 2 ........................................................................................................................... 22
8.
Conclusiones: ............................................................................................................... 31
9.
Bibliografía: ................................................................................................................. 32
1
ÍNDICE DE TABLAS:
Tabla 1. Datos sobre inflación(IPC) y desempleo .............................................................. 12
Tabla 2. Inflación y Desempleo........................................................................................... 13
Tabla 3.Prueba de Simultaneidad ........................................................................................ 14
Tabla 4.Prueba de exogeneidad ........................................................................................... 15
Tabla 5.Correlograma de la inflacion .................................................................................. 16
Tabla 6 Test Dickey-Fuller para la tasa de inflacion.......................................................... 17
Tabla 7.Correlograma de desempleo Real ........................................................................... 19
Tabla 8.Test Dickey-Fuller para tasa de desempleo ............................................................ 20
Tabla 9. Modelo VAR ......................................................................................................... 21
Tabla 10.Prueba de White ................................................................................................... 24
Tabla 11. Prueba de Breush-Godfrev primera corrida ........................................................ 25
Tabla 12. Test Breusch-Godfrey segunda corrida ............................................................... 26
Tabla 13.Prueba de Normalidad .......................................................................................... 28
Tabla 14.Prueba de significancia de los parámetros............................................................ 30
ÍNDICE DE GRÁFICOS:
grafico 1.Tasa de inflación .................................................................................................. 16
grafico 2.Tasa de desempleo Real ....................................................................................... 18
grafico 3.Homoscedasticidad............................................................................................... 24
grafico 4.Prueba de normalidad ........................................................................................... 29
2
1. INTRODUCCIÓN:
El Informe presente ha sido elaborado por estudiantes de la Licenciatura en Economía,
Impartido por la Escuela de Economía, “Licenciada Gilma Sabina Lizama Gaitán”
Facultad de Ciencias Económicas, Universidad de El Salvador, Ciclo I 2014.
El tema general del cual se parte "Inflación y desempleo" Aplicación teórica de la Curva de
Philips aumentada con expectativas racionales; caso de estudio el salvador 1991-2012, que
fue concesionado en clase por Docente y alumnos fue. Falta tema El objetivo que se
persigue es comprobar la teoría Económica, de la relación Lineal de la Tasa de Inflación y
La Tasa de Desempleo de El Salvador para el periodo 1990-2012; técnicamente lo que se
busca comprobar es la realidad de la Curva de Phillips, con la inclusión de las expectativas
racionales, y a la ves generar pronósticos que tendrán estas variables a corto o largo plazo
en la economía salvadoreña.
El documento se ha estructurado en siete partes principales. En la primera parte se detalla
la teoría económica que respalda esta investigación, es decir la curva de Phillips normal y
aumentada, asi como también diferentes particularidades conceptuales de las mismas. La
segunda parte se enfoca en la definición de la tasa de inflación y la de desempleo, al igual
que los tipos de inflación y desempleo existente en la realidad macroeconómica. La tercera
y cuarta parte se enfoca a la definición del modelo matemático y econométrico, donde
mediante fórmulas se busca comprimir la teoría económica expuesta en la primera parte,
así como también identificar la función de regresión que se usara para estimar la Inflación
Esperada. La parte quinta, se enfatiza a la estimación del modelo econométrico, donde se
realizan diferentes pruebas como: simultaneidad, exogeneidad, pruebas de Estacionariedad
(Box Pierce y el Test Dickey-Fuller); así como el análisis y comprobación de las mismas, y
luego se define un modelo econométrico esencial para el análisis de la curva de Phillips
aumentada, La sexta parte se enfoca a las diferentes pruebas de significancia estadística,
donde se espera comprobar que tan significativos son los coeficientes estimados mediante
las pruebas t y F. La Última parte se enfoca en el contraste de los resultados obtenidos en
el modelo, con los supuestos MCRL, para verificar la violación o el cumplimiento de los
mismos.
Para elaborar este informe se ha utilizado la metodología de lectura y aplicación de los
diferentes conceptos y particularidades básicas de la Econometría, además de esto; para
correr el modelo econométrico especificado, se ocupó dos software: Eviews 7 y SPSS 21,
econométrico y estadístico respectivamente.
Las referencias bibliográficas utilizadas provenientes de distintas fuentes, como lo es el
libro de Econometría de Damodar N. Gujarati, Edición 4 y 5; además de esto, también la
apreciación de tutoriales sobre el uso de los software anteriormente dichos, y la obtención
de información necesaria en la web sobre el tema a tratar; y además para la obtención de
datos ABANSA y BCR para la inflación y CEPAL para desempleo
3
2. MARCO TEÓRICO:
2.1 LA CURVA DE PHILLIPS:
En 1958, A. W. Phillips, que era por entonces profesor de la London School of Economics,
publicó un extenso estudio sobre la conducta de los salarios en el Reino Unido durante los
años l86l-1957. La Figura 6-4, procedente de su artículo, resume el principal resultado.
La curva de Phillips es una relación inversa entre la tasa de desempleo y la tasa de
aumento de los salarios monetarios. Cuanta más alta es la tasa de desempleo, más baja es
la tasa de inflación de los salarios. En otras palabras, existe una disyuntiva o intercambio
entre la inflación de los salarios y el desempleo.1
La curva de Phillips muestra que la tasa de inflación salarial disminuye cuando aumenta la
tasa de desempleo. Sea Wt el salario de este periodo y Wt-1 el salario del siguiente
periodo. La tasa de inflación salarial, gw se define como:
gw =
Wt + Wt − 1
Wt
(2)
Si u* representa la tasa natural de desempleo, podemos formular la sencilla curva de
Phillips de la forma siguiente:
𝑔𝑤 = −∈ (𝑢 − 𝑢∗ )
(3)
En la que ∈ mide la sensibilidad de los salarios al desempleo. Esta ecuación establece que
los salarios bajan cuando la tasa de desempleo excede la tasa natural, es decir, cuando u >
1
Rudiger, Fisher Stanley y Stanrtz Richard. “Macroeconomía. Decima Edición. Dornbusch”
4
u*, y suben cuando el desempleo es menor que dicha tasa natural. La diferencia entre el
desempleo y la tasa natural, u - u*,se llama Brecha del desempleo.
Supóngase que la economía se encuentra en equilibrio, es decir, que los precios se
mantienen estables y que el desempleo se encuentra en su tasa natural, ahora la cantidad de
dinero experimenta, por ejemplo , un aumento del 10 por ciento. Los precios y los salarios
tienen que subri un 10 por ciento para que la economía retorne al equilibrio. Pero la curva
de Phillips muestra que para que los salarios suban un 10 por ciento, la tasa de desempleo
tiene que descender, lo que hará que la tasa de subida de los salarios aumente, los salarios
comenzarán a subir, los precios también subirán y finalmente la economía retornara al
nivel de producción y desempleo de pleno empleo. Este punto puede verse fácilmente
reformulando la ecuación (2) por medio de la definición de la tasa de inflación de los
salarios, con el fin de examinar el nivel actual de los salarios en relación con el pasado:
∗
Wt − 1 = Wt − 1[1−∈ (𝑢 − 𝑢
)]
(3A)
Para que los salarios suban y traspasen su nivel interior, el desempleo debe bajar con
respecto a la tasa natural.
Aunque la propia curva de Phillips relaciona la tasa de subida de los salarios o inflación de
los salarios y el desempleo, como en la ecuación 3 el término “curva de Phillips” acabo
utilizándose gradualmente para describir o bien la curva original de Phillips o bien la curva
que relaciona la tasa de subida de los precios – la tasa de inflación – y la tasa desempleo.
La curva de Phillips se convirtió inmediatamente en una pieza clave del análisis de la
política macroeconómica. Sugería que los responsables de la política económica podían
elegir diferentes combinaciones de tasas de desempleo y de inflación, Por ejemplo, podían
conseguir un bajo desempleos siempre que estuvieran dispuestos a tolerar una elevada
inflación; también podría mantener baja la inflación si se conservaba alto el desempleo.
5
Se llegó a la conclusión o la idea de que existe una disyuntiva o intercambio permanente
entre el desempleo y la inflación debe ser falso puesto que sabe que la curva de oferta
agregada a largo plazo es vertical. La pieza de puzle que faltaba en la sencilla curva de
Phillips es el papel que desempeñan las expectativas sobre los precios. Si observamos
los datos plasmados en la figura 6-5 de manera clara y precisa se observa que en primer
lugar, existe una disyuntiva a corto plazo entre el desempleo y la inflación; en segundo
lugar, la curva de Phillips (por lo tanto la curva de oferta agregada) en realidad es bastante
plana a corto plazo. Aplicando la econometría ocular se concluye que una reducción del
desempleo de un punto porcentual (que es mucho) eleva la tasa de inflación a corto plazo
alrededor de medio punto, (cantidad relativamente modesta) además que en la tasa de
desempleo muy baja, la disyuntiva entre la inflación y el desempleo se vuelve bastante
vertical.
2.1.2 LA CURVA DE PHILLIPS CON EXPECTATIVAS SOBRE LA INFLACIÓN:
La sencilla relación de la curva de Phillips se vino abajo a partir de los años 60, tanto en
Gran Bretaña como en Estados Unidos; en la figura 6-6 muestra la conducta de la inflación
y del desempleo en Estados Unidos desde 1960. Los datos de los años 70 y 80 no encajan
con la sencilla explicación de la curva de Phillips.
Algo le faltaba a la curva simple de Phillips: La inflación esperada o anticipada.
Cuando trabajadores y empresas negocian salarios, se interesan en el valor real de estos, así
que los dos lados están más o menos dispuestos a ajustar el nivel del salario nominal a la
inflación que se espera en el periodo del contrato. El desempleo no depende del nivel de
la inflación, sino más bien del monto que la inflación rebase las expectativas.
6
Podemos volver a escribir la ecuación (2), la curva original de salarios e inflación de
Phillips, para mostrar que lo que importa es cuanto la inflación salarial supera a la inflación
(𝑔𝑤 − 𝜋 𝑒 ) = −∈ (𝑢 − 𝑢∗ )
esperada.
(4)
Donde 𝜋 𝑒 es el nivel de la inflación esperada de los precios.
Si se mantiene la suposición de un salario real constante, la inflación real, 𝜋, es igual a la
inflación salarial. Así, la ecuación de la versión moderna de la curva de Phillips, la
curva
de
Phillips
aumentada
𝜋 = 𝜋 𝑒 −∈ (𝑢 − 𝑢∗ )
con
expectativas
(e
inflación),
es:
(5)
Las propiedades esenciales de la curva de Phillips moderna:
 La inflación esperada pasa gradualmente a la inflación real, es decir la inflación
esperada se refleja en su totalidad en la inflación efectiva.
 El desempleo está en la tasa natural cuando la inflación real o inflación efectiva es
igual a la inflación esperada.
 Ahora en lugar de cruzar la tasa natural de desempleo en cero, la curva moderna de
Phillips la cruza en el nivel de la inflación esperada.
Otro factor que determina la altura de la curva de Phillips a corto plazo (y la
correspondiente curva de oferta agregada a corto plazo). En lugar de cortar a la tasa
natural de desempleo en el nivel igual a cero, la curva de Phillips moderna la corta en
el nivel de inflación esperada.
La altura de la curva de Phillips a corto plazo, el nivel de inflación esperada 𝜋 𝑒 , se mueve
en sentido ascendente o descendente con el tiempo en respuesta a los cambios de las
expectativas de las empresas y de los trabajadores. El papel de la inflación esperada
como elemento que desplaza la curva de Phillips añade otro mecanismo de ajuste
automático al lado de la oferta agregada de la economía. Cuando una elevada demanda
agregada traslada a la economía en sentido ascendente y hacia la izquierda a lo largo de la
curva de Phillips a corto plazo, hay inflación. Si ésta persiste, la gente acaba esperando que
haya inflación en el futuro (𝜋 𝑒 Aumenta) y la curva de Phillips a corto plazo se desplaza en
sentido ascendente.
La estanflación: es un término acuñado para referirse a un elevado desempleo
“estancamiento” y una elevada inflación. Una vez que la economía se encuentra en una
7
curva de Phillips a corto plazo que contiene una inflación esperada considerable, una
recesión lleva a la inflación efectiva por debajo de la esperada. En otras palabras, la
inflación es inferior a la esperada, pero muy superior a cero.
La inflación esperada, a diferencia de la inflación y del desempleo, que pueden medirse
directamente y ser publicados periódicamente por los institutos oficiales de estadista es una
idea que está en mente de todo el encargado de fijar los precios y los salarios. No puede
existir ningún indicador oficial razonable de la inflación esperada si bien hay encuestas, en
las que se pregunta a los expertos en predicciones económicas que inflación esperan para el
año que viene. No obstante, obtenemos unos resultados sorprendentemente buenos
partiendo del ingenuo supuesto que la gente espera que la inflación de este año sea igual
que la del año pasado: Suponemos que 𝜋𝑡𝑒 = 𝜋𝑡−1 .
Por lo tanto, para comprobar la curva de Phillips moderna, representamos:
𝜋 − 𝜋𝑒
≈ 𝜋 − 𝜋𝑡−1 =
−∈(𝑢−𝑢∗ )
En la figura muestra que incluso este sencillísimo modelo de la inflación esperada funciona
bastante bien, aunque ciertamente no la perfección. Y lo que es más, la línea que pasa por
los datos de la figura 6-8 nos permite dar un valor a la pendiente de la curva de Phillips a
corto plazo. Un punto adicional de desempleo solo reduce la inflación alrededor de medio
punto porcentual; en otras palabras ∈ = 0.5 . Un punto de desempleo es mucho. Medio
punto de inflación es bastante poco. Por lo tanto la figura muestra que la curva de Phillips a
corto plazo (y la correspondiente curva de oferta agregada a corto plazo) es bastante plana,
aun cuando sepamos que la curva de Phillips a largo plazo (y la correspondiente curca de
oferta agregada a largo plazo) es vertical.
8
3. DEFINICIÓN DE LAS VARIABLES:
Variable Dependiente:
Inflación: Incremento sostenido en el nivel general de los precios y servicios de la
economía; esto implica que el aumento de unos pocos precios, sea por razones estacionales
o no, no constituye inflación; como tampoco debe denominarse inflación un incremento
ocasional de precios. Su medición se realiza utilizando diversos índices, entre los que
pueden citarse el Indice de Precios al Consumidor (IPC), el Índice de Precios Mayoristas
(IPM), el Índice de Precios de la Construcción, etc.
Diferentes teorías analizan las causas que dan origen a la inflación, las que consideramos a
continuación:
 Inflación de Demanda: se produce por el incremento persistente de la demanda
agregada de la economía, resultante por ejemplo por la acción de un importante
comprador externo.
 Inflación de Costos: Producto del incremento en los costos de un insumo importante,
particularmente la energía, con efectos difusores en la generalidad de las actividades
económicas.
 Inflación clásica: Surge de la monetización del déficit fiscal, esto es la emisión de
dinero sin respaldo, a los efectos de cubrir el excedente de gastos del gobierno.
Variable independiente:
Desempleo: Está constituido por aquellas personas que careciendo de ocupación, buscan
activamente un empleo. Se mide a través del Índice de Desempleo, que relaciona el total de
desempleados con respecto a la población económicamente activa (PEA). La economía
intenta explicar el desempleo reconociendo diferentes causas en su origen, que dan lugar a
distintas teorías explicativas sobre los tipos de desempleo, entre las cuales pueden citarse
como más relevantes:
I.
Coyuntural: relacionado con los ciclos de la actividad económica; durante los
períodos de recesión se genera una pérdida de puestos de trabajo, que son recuperados
al reactivarse la economía; el desempleo estacional (en particular el derivado del ciclo
agrícola, turismo, etc.) podría considerarse una forma del desempleo coyuntural.
9
II.
Friccional: Aun estando la economía en pleno empleo, se reconoce que puede existir
una tasa de desempleo (del 2 ó 3 %) derivada de la salida de alguna empresa del
mercado por quiebra o cierre, personas que están cambiando de actividad o domicilio
geográfico, etc.
III.
Clásico: Es en general resultante de la existencia de rigideces en mercado del trabajo,
en particular por la fijación de salarios mínimos por parte de la autoridad reguladora.
IV.
Estructural: constituye la variante más grave del desempleo, dado que la economía del
país no puede generar la cantidad suficiente de puestos de trabajo para mantener el
pleno empleo; generalmente se debe a la incorporación masiva de modernas
tecnologías que desplazan mano de obra, la cual al carecer de capacitación adecuada no
consigue reincorporarse al mercado laboral.
Tasa Natural de Desempleo: Otro concepto importante es el de Tasa Natural de
Desempleo (TND), que puede sintetizarse como la tasa de desempleo a que tiende la
economía en el largo plazo (el nivel de desempleo en el “estado estacionario”); suele
calcularse como el promedio del índice de desempleo de los 10 años anteriores y los 10
posteriores al año en consideración; alternativamente, se puede tomar la tasa de desempleo
promedio de la década.
4. ESPECIFICACIÓN DEL MODELO MATEMÁTICO
𝜋𝑡 − 𝜋 𝑒 = 𝛽2 (𝑈𝑁𝑡 − 𝑈 𝑛 )
Las Variables que conforman dicha ecuación, se han definido con anterioridad en la
especificación anterior. Los cambios que sufre la Ecuación son las siguientes.
𝜋𝑡 − 𝜋 𝑒 = 𝛽2 (𝑈𝑁𝑡 − 𝑈 𝑛 ) +c
𝜋𝑡 = 𝜋𝑡−1 − 𝛽2 (𝑈 𝑅 ) + 𝑐
Función de Inflación Esperada.
𝜋𝑡 = 𝛽1 𝜋𝑡−1 − 𝛽2 𝑈 𝑅 + 𝑐 ; 0 < 𝛽1 < 1 ; -1< 𝛽2 < 0
Dónde .los parámetro 𝛽1 𝑦 𝛽2 estan entre cero y uno
Dónde. 𝛽2 Debe ser negativo. Este parámetro indica que la tasa natural de
desempleo en el tiempo influye de manera negativa a la Inflación Esperada.
10
5. ESPECIFICACIÓN DEL MODELO ECONOMÉTRICO :
𝜋𝑡 − 𝜋 𝑒 = 𝛽2 (𝑈𝑁𝑡 − 𝑈 𝑛 ) + 𝑢𝑡
Donde:
𝜋𝑡 = Tasa de Inflación.
𝜋 𝑒 =Tasa Real de la inflación esperada en el tiempo t, donde la expectativa se forma en
el año (t-1).
𝑈𝑁𝑡 = Tasa de desempleo en el periodo de tiempo comprendido.
𝑈 𝑛 =Tasa natural de desempleo en el tiempo.
𝑢𝑡 = Termino de error estocástico.
En este modelo el término de error puede ser algún choque entre fuerzas de mercado,
Oferta y Demanda Agregada.
Simplificación del Modelo:
𝜋𝑡 − 𝜋 𝑒 = 𝛽2 (𝑈𝑁𝑡 − 𝑈 𝑛 ) + 𝑢𝑡 (1)
Dado que no conocemos
las expectativas es posible
sustituir la variable por la
misma pero con un rezago
en el Tiempo.
Toma el valor del parámetro
𝛽1 Dado que son constantes
en el Tiempo “t”
𝜋𝑡 − 𝜋𝑡−1 = 𝛽1 − 𝛽2 𝑈 𝑅 + 𝑢𝑡 (2)
En esta ecuación (2) lo que se establece que el cambio en la tasa de inflación entre los dos
periodos esta linealmente relacionado con la tasa de desempleo Real.
Se espera que 𝛽2 sea negativo y 𝛽1 sea positivo (esto se debe a que 𝛽2 es negativa y 𝑈 𝑅 es
positiva). Esta relación se conoce como la curva de Phillips de expectativas aumentadas
(Para Indicar que 𝜋𝑡−1 significa la Inflación esperada).
Lo que queremos estimar es la Inflación en el periodo determinado, así pues, la Formula
Anteriormente especificada se traduciría en.
𝜋𝑡
= 𝛽0 + 𝛽2 𝜋𝑡−1 − 𝛽3 𝑈𝑛 + 𝑢𝑡
11
6. DATOS:
Los datos que a continuación se presenta comprende de una serie de tiempo desde el año
de 1990 hasta 2012, fueron tomados de dos publicaciones: la primera fue la publicación de
la Asociación Bancaria Salvadoreña de donde se obtuvieron los datos de la inflación en
base al Índice de Precios del Consumidor (IPC), cabe mencionar que a partir de enero 2010
se utiliza para el IPC el año 2009 como año base. Los datos del desempleo fueron tomados
de las publicaciones realizadas por la Comisión Economica para América Latina y el
Caribe: División del desarrollo económico (CEPAL)
Tabla 6.1 Datos sobre inflación (IPC) y desempleo de El Salvador 1990-2012
Tabla 1. Datos sobre inflación(IPC) y desempleo
Año
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Desempleo
10.0
7.9
8.2
8.1
7.0
7.0
7.5
7.5
7.6
6.9
6.7
7.0
6.2
6.2
6.5
7.3
5.7
5.8
5.5
7.1
6.8
6.6
6.2
Inflación
19.3
9.8
19.9
12.1
8.9
11.4
7.4
1.9
4.2
-1.0
4.3
1.4
2.8
2.5
5.4
4.3
4.9
4.9
5.5
-0.2
2.1
5.1
0.8
Fuente: Elaboración Propia.
12
Tabla 6.2: Datos sobre Inflación y Desempleo ((𝜇)𝑡−𝜇^𝑛 ), de El Salvador Periodo
1990-2012.
Tabla 2. Inflación y Desempleo
Año
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Inflación
19.3
9.8
19.9
12.1
8.9
11.4
7.4
1.9
4.2
-1
4.3
1.4
2.8
2.5
5.4
4.3
4.9
4.9
5.5
-0.2
2.1
5.1
0.8
Desempleo:
2.99
0.89
1.19
1.09
-0.01
-0.01
0.49
0.49
0.59
-0.11
-0.31
-0.01
-0.81
-0.81
-0.51
0.29
-1.31
-1.21
-1.51
0.09
-0.21
-0.41
-0.81
Fuente: Elaboración Propia.
13
7. ESTIMACIÓN DEL MODELO ECONOMÉTRICO :
Para poder estimar el modelo econométrico se utilizo las variables presentadas en la tabla
6.1; donde se calculo el desempleo dada la ecuación: (𝑈𝑁𝑡 − 𝑈 𝑛 ) que se especifico en el
modelo econométrico dado eso presentamos los nuevos resultados del desempleo como:
Desempleo R= 𝛽2 (𝑈𝑁𝑡 − 𝑈 𝑛 )
Dado la especificación del modelo econométrico, se realizaron pruebas, para determinar la
simultaneidad entre las variables, así como determinar si la variable dependiente inflación
era o no exógena con lo que se obtuvieron los siguientes resultados:
Prueba de Simultaneidad:
Tabla N° 7.1 Prueba de simultaneidad de las variables
Tabla 3.Prueba de Simultaneidad
Dependent Variable: DESEMPLEOR
Method: Least Squares
Date: 06/17/14 Time: 19:54
Sample: 1 23
Included observations: 23
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-1.615235
7.23E-16
-2.23E+15
0.0000
INFLACIONESTIMADA
0.269792
1.04E-16
2.60E+15
0.0000
VT
-8.43E-18
9.19E-17
-0.091659
0.9279
R-squared
1.000000
Mean dependent var
-7.56E-11
Adjusted R-squared
1.000000
S.D. dependent var
0.983179
S.E. of regression
1.77E-15
Sum squared resid
6.29E-29
F-statistic
3.38E+30
Durbin-Watson stat
0.557286
Prob(F-statistic)
0.000000
Fuente: Elaboración Propia.
Planteamiento de Hipótesis:
H0= NO HAY SIMULTANEIDAD.
H1= HAY SIMULTANEIDAD
Conclusión: Ya que el coeficiente del término residual no es estadísticamente significativo
aceptamos la hipótesis nula de no simultaneidad.
Prueba de Exogeneidad:
Tabla N° 7.2. Prueba de exogenidad
14
Tabla 4.Prueba de exogeneidad
Dependent Variable: DESEMPLEOR
Method: Least Squares
Date: 06/17/14 Time: 20:02
Sample: 1 23
Included observations: 23
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-1.615235
1.12E-15
-1.44E+15
0.0000
INFLACION
4.65E-16
1.42E-16
3.270148
0.0038
INFLACIONESTIMADA
0.269792
2.15E-16
1.26E+15
0.0000
R-squared
1.000000
Mean dependent var
-7.56E-11
Adjusted R-squared
1.000000
S.D. dependent var
0.983179
S.E. of regression
2.74E-15
Sum squared resid
1.51E-28
F-statistic
1.41E+30
Durbin-Watson stat
1.409647
Prob(F-statistic)
0.000000
Fuente: Elaboración Propia.
Conclusión: como Inflación estimada es estadísticamente significativo conduce a la
conclusión que Inflación no es exógena.
Dado lo anterior se concluyo que el modelo no es simultáneo y que la variable inflación no
es exógena por lo que el modelo se puede estimar mediante los Mínimos Cuadrados
Ordinarios (MCO).
Pero dado que el modelo es característico de modelos de series de tiempo, se hizo las
pruebas correspondientes de Estacionariedad (análisis de AC coeficientes de correlación, Q
de Box Pierce y el Test Dickey-Fuller en EViews) para verificar si las variables se
encontraban estacionarias con ello se obtuvieron los siguientes resultados:
Prueba de Estacionariedad:
Inflación:
Grafico 7.1. Tasa de inflación:
15
grafico 1.Tasa de inflación
Tasa de Inflacion
24
20
16
12
8
4
0
-4
2
4
6
8
10
12
14
16
18
20
22
Fuente: Elaboración Propia
Correlograma de la inflación:
Tabla 7.3 Correlograma de la tasa de inflación:
Tabla 5.Correlograma de la inflacion
Date: 06/17/14 Time: 18:41
Sample: 1 23
Included observations: 23
Autocorrelation
Partial Correlation
AC
PAC
Q-Stat
Prob
. |**** |
. |**** |
1
0.498
0.498
6.4912
0.011
. |**** |
. |*** |
2
0.590
0.454
16.008
0.000
. |*** |
. | . |
3
0.369
-0.030
19.919
0.000
. |* . |
***| . |
4
0.138
-0.377
20.499
0.000
. | . |
. *| . |
5
0.040
-0.177
20.551
0.001
. | . |
. |* . |
6
-0.048
0.130
20.630
0.002
.**| . |
. *| . |
7
-0.218
-0.103
22.335
0.002
. *| . |
. |* . |
8
-0.101
0.092
22.722
0.004
.**| . |
. | . |
9
-0.210
-0.013
24.533
0.004
. | . |
. |* . |
10
-0.064
0.114
24.713
0.006
. *| . |
. *| . |
11
-0.109
-0.118
25.278
0.008
. | . |
. *| . |
12
-0.055
-0.104
25.438
0.013
Fuente: Elaboración Propia
Conclusión: Dado que el Coeficiente AC= coeficiente de correlación; disminuye
gradualmente y luego aumentan
es un indicio de que
la inflación: ES NO
ESTACIONARIO.
16
A partir del estadístico Q de Box Pierce, el cual está repartido aproximadamente como
una distribución ji-cuadrado (en muestras grandes) con m (longitud del rezago) grados de
libertad; donde la regla establece que si esta Q excede al valor crítico de la tabla al nivel
de significancia seleccionado, se puede rechazar la hipótesis nula de que todos los
coeficiente de correlación son igual a cero; por lo menos algunos de ellos deben ser
diferentes de cero.
Ho: Todos los coeficientes de auto correlación son igual a cero
H1: Los coeficientes de auto correlación no son cero
m=12 gl. α= 0.05
Q critico= 21.0261
Regla de decisión: Si Q-Stat > Q se rechaza Hipótesis nula de que los coeficientes de auto
correlación son cero.
Conclusión: en todos los coeficientes Q-Stat supera al valor crítico de la tabla de
distribución ji-cuadrada por lo que concluimos que los coeficientes son diferentes de cero.
En la tabla anterior la probabilidad de cometer error tipo 1 al rechazar la hipótesis nula es
menor a 0.05, por lo que concluimos de que los coeficientes de auto correlación no son
igual a cero.
Mediante la prueba de Test Dickey-Fuller en eviews.
Tabla 7.4 Prueba de Test Dickey-fuller para la tasa de inflación.
Tabla 6 Test Dickey-Fuller para la tasa de inflacion.
Null Hypothesis: INFLACION has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on Modified AIC, maxlag=4)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-1.443955
0.8163
Test critical values:
1% level
-4.467895
5% level
-3.644963
10% level
-3.261452
*MacKinnon (1996) one-sided p-values.
17
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(INFLACION)
Method: Least Squares
Date: 06/17/14 Time: 18:51
Sample (adjusted): 3 23
Included observations: 21 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
INFLACION(-1)
-0.343994
0.238231
-1.443955
0.1669
D(INFLACION(-1))
-0.450337
0.198757
-2.265770
0.0368
C
2.240174
3.424013
0.654254
0.5217
@TREND(1)
-0.087241
0.180497
-0.483338
0.6350
R-squared
0.478830
Mean dependent var
-0.428571
Adjusted R-squared
0.386859
S.D. dependent var
4.290821
S.E. of regression
3.359856
Akaike info criterion
5.431316
Sum squared resid
191.9067
Schwarz criterion
5.630273
Hannan-Quinn criter.
5.474495
Durbin-Watson stat
1.763287
Log likelihood
-53.02882
F-statistic
5.206305
Prob(F-statistic)
0.009843
Fuente: Elaboración Propia
Prueba de Hipótesis:
Ho= tiene raiz unitaria.
H1= no tiene raiz unitaria.
Conclusión: Se Rechaza la HO que tiene raíz unitaria Inflación ES NO ESTACIONARIA.
Desempleo Real:
Grafico 7.2. Tasa de Desempleo Real
grafico 2.Tasa de desempleo Real
Tasa de desempleo Real
4
3
2
1
0
-1
-2
2
4
6
8
10
12
14
16
18
20
22
Fuente: Elaboración Propia,
18
Correlograma del Desempleo Real:
Tabla 7.5 Correlograma del Desempleo Real
Tabla 7.Correlograma de desempleo Real
Date: 06/17/14 Time: 19:02
Sample: 1 23
Included observations: 23
Autocorrelation
Partial Correlation
AC
PAC
Q-Stat
Prob
. |*** |
. |*** |
1
0.458
0.458
5.4766
0.019
. |*** |
. |* . |
2
0.359
0.189
9.0021
0.011
. |**. |
. | . |
3
0.263
0.057
10.991
0.012
. |**. |
. |* . |
4
0.260
0.104
13.037
0.011
. |* . |
. | . |
5
0.205
0.025
14.380
0.013
. |* . |
. | . |
6
0.187
0.035
15.567
0.016
. |* . |
. *| . |
7
0.078
-0.088
15.786
0.027
. |* . |
. | . |
8
0.091
0.023
16.107
0.041
. *| . |
. *| . |
9
-0.074
-0.187
16.329
0.060
. *| . |
.**| . |
10
-0.197
-0.218
18.044
0.054
. *| . |
. | . |
11
-0.159
0.001
19.256
0.057
. *| . |
. *| . |
12
-0.185
-0.066
21.043
0.050
Fuente: Elaboración Propia.
Conclusión: Dado que el Coeficiente AC= coeficiente de correlación; disminuye
gradualmente y luego aumentan
es un indicio de que
el desempleo: ES NO
ESTACIONARIO.
A partir del estadístico Q de Box Pierce, el cual está repartido aproximadamente como
una distribución ji-cuadrado (en muestras grandes) con m (longitud del rezago) grados de
libertad
Ho:
Todos
los
coeficientes
de
auto
correlación
son
igual
a
cero.
H1: Los coeficientes de auto correlación no son cero
m=12 gl. α= 0.05
Q critico= 21.0261
Regla de decisión: Si Q-Stat > Q se rechaza Hipótesis nula de que los coeficientes de auto
correlación son cero.
Conclusión: en todos los coeficientes Q-Stat supera al valor crítico de la tabla de
distribución ji-cuadrada por lo que concluimos que los coeficientes son diferentes de cero.
19
Mediante la prueba de Test Dickey-Fuller en eviews .
Tabla 7.6 Prueba de Test Dickey-fuller para Tasa de Desempleo Real
Tabla 8.Test Dickey-Fuller para tasa de desempleo
Null Hypothesis: DESEMPLEOR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 3 (Automatic - based on Modified AIC, maxlag=4)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-2.595803
0.2854
Test critical values:
1% level
-4.532598
5% level
-3.673616
10% level
-3.277364
*MacKinnon (1996) one-sided p-values.
Warning: Probabilities and critical values calculated for 20 observations
and may not be accurate for a sample size of 19
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(DESEMPLEOR)
Method: Least Squares
Date: 06/17/14 Time: 18:45
Sample (adjusted): 5 23
Included observations: 19 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
DESEMPLEOR(-1)
-1.362745
0.524980
-2.595803
0.0222
D(DESEMPLEOR(-1))
0.476902
0.434996
1.096337
0.2928
D(DESEMPLEOR(-2))
0.321485
0.372306
0.863495
0.4035
D(DESEMPLEOR(-3))
-0.039667
0.234905
-0.168866
0.8685
C
0.944345
0.812762
1.161895
0.2662
@TREND(1)
-0.099715
0.064088
-1.555904
0.1437
R-squared
0.554054
Mean dependent var
-0.100000
Adjusted R-squared
0.382537
S.D. dependent var
0.698411
S.E. of regression
0.548803
Akaike info criterion
1.889936
Sum squared resid
3.915404
Schwarz criterion
2.188180
Hannan-Quinn criter.
1.940410
Durbin-Watson stat
1.680928
Log likelihood
-11.95439
F-statistic
3.230304
Prob(F-statistic)
0.041018
20
Fuente: Elaboración Propia.
Prueba de Hipotesis:
Ho= tiene raiz unitaria.
H1= no tiene raiz unitaria.
Conclusión: Se acepta la HO que tiene raíz unitaria Desempleo (R) ES NO
ESTACIONARIA.
Dado las pruebas anteriores se concluye la no Estacionariedad de las variables inflación y
desempleo por lo tanto se estimara un modelo de Vectores Autorregresivos (VAR) ya que
de por si el modelo se sabe a priori que se especifica mediante las expectativas racionales
que la inflación se encuentra correlacionada con valores de periodos anteriores, para ello
realizamos el correlograma utilizando Eviews 7 para identificara cantidad de rezagos
estadísticamente significativos, para posteriormente incorporar esos periodos al modelo.
Después de varias interacciones se logro determinar el modelo apropiado:
Tabla 7.7 Modelo VAR para estimar la Curva de Phillips con expectativas
aumentadas
Tabla 9. Modelo VAR
Vector Autoregression Estimates
Date: 06/15/14 Time: 16:15
Sample (adjusted): 4 23
Included observations: 20 after
adjustments
Standard errors in ( ) & t-statistics in [ ]
INFLACION
INFLACION(-1)
0.215410
(0.17602)
[ 1.22379]
INFLACION(-2)
0.141034
(0.14987)
[ 0.94105]
INFLACION(-3)
0.349250
(0.16616)
[ 2.10194]
C
-0.225170
21
(1.20299)
[-0.18718]
DESEMPLEOR
-1.742409
(1.05696)
[-1.64851]
R-squared
0.622941
Adj. R-squared
0.522392
Sum sq. resids
87.01223
S.E. equation
2.408488
F-statistic
6.195391
Log likelihood
-43.08193
Akaike AIC
4.808193
Schwarz SC
5.057126
Mean dependent
4.435000
S.D. dependent
3.485047
Fuente: Elaboración Propia.
Ecuación estimada del Modelo (1):
INFLACION = 0.215410137416*INFLACION (-1) + 0.141034058034*INFLACION (-2)
+ 0.349250182375*INFLACION (-3) - 0.225169886204 - 1.7424090092*DESEMPLEOR
Los resultados que obtuvimos que corresponde a la ecuación (1); se hizo mediante cuatro
interacciones. Ahora dado el modelo podemos observar que el signo como ya es esperaba a
priori del desempleo es negativo dado la teoría económica; por lo que a medida que el
desempleo aumente en una unidad la inflación se reducirá en -1.74 puntos. El desempleo
explica en un 62.29% a la tasa de inflación.
8. PRUEBAS DE SIGNIFICANCIA ESTADÍSTICA
SUPUESTO1
𝐼𝑛𝑓𝑙𝑎𝑐𝑖𝑜𝑛𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑎 = 𝛽1 − 𝛽2 𝑈 𝑛 + 𝑢𝑡
𝐼𝑛𝑓𝑙𝑎𝑐𝑖𝑜𝑛𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑎 = (𝐼𝑛𝑓𝑙𝑎𝑐𝑖𝑜𝑛𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑎 ⋮ 𝑈 𝑛 ) + 𝑢𝑡
Por lo cual decimos que la tasa de desempleo en el tiempo , está relacionada linealmente
con inflación esperada de un país.
SUPUESTO 2
22
𝐼𝑛𝑓𝑙𝑎𝑐𝑖𝑜𝑛𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑎 = 𝛽1 − 𝛽2 𝑈 𝑛 + 𝑢𝑡 . En donde se supone que la variable regresora
incluida (𝑈 𝑛 “Tasa de Desempleo en el tiempo”) es no estocástica.
De tal forma que podemos decir que es determinista, ya que los valores no cambian en
distintas muestras.
Esto se afirma ya que no existe simultaneidad en las variables, por lo tanto decimos que las
tasas de desempleo en el tiempo son deterministas.
A manera de ejemplo: Para el periodo 2008 existe un valor fijo, es decir este no sufrirá
variaciones ya que en ese año solo existe un dato de la tasa de desempleo. Así mismo, en el
periodo comprendido de los 23 años, esos valores se mantendrán fijos para cada año.
Supuesto 3:
El valor medio de la perturbación Ut es igual a cero: dado el valor de X, la media o el valor
esperado del termino de perturbación aleatoria Ut es cero.
Simbólicamente, tenemos que E(ui |Xi) =0 : en el presente modelo el valor promedio de los
residuos es 0,0000000000000007916372871 por lo que no se presenta una violación
aparente al supuesto.
Supuesto 4:
Homoscedasticidad o varianza constante de Ut: la varianza del término de error, o de la
perturbación, es la misma sin importar el valor de X.
Del gráfico 7.1 se observo que la relación entre las variables es lineal, lo que nos lleva a
pensar que errores al cuadrado de las perturbaciones crece linealmente. Si observamos bien
esta relación es exponencial por lo que nos animamos a dar el factor de la varianza. Var ( i )   2Yˆi 2
Grafico 7.1 Prueba de Hoscedasticidad. Inflación vs residuos
23
grafico 3.Homoscedasticidad
Fuente: Elaboración Propia.
Prueba de White
Tabla 7.1 Prueba de White.
Tabla 10.Prueba de White
Heteroskedasticity Test: White
F-statistic
0.056933
Prob. F(1,21)
0.8137
Obs*R-squared
0.062187
Prob. Chi-Square(1)
0.8031
Scaled explained SS
0.042691
Prob. Chi-Square(1)
0.8363
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
16.72842
5.076696
3.295140
0.0034
DESEMPLEOR^2
-0.594035
2.489603
-0.238606
0.8137
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/17/14 Time: 22:05
Sample: 1 23
Included observations: 23
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.002704
Mean dependent var
16.17917
-0.044787
S.D. dependent var
21.23008
21.70028
Akaike info criterion
9.075469
9888.948
Schwarz criterion
9.174208
Hannan-Quinn criter.
9.100301
Durbin-Watson stat
2.401465
-102.3679
F-statistic
0.056933
Prob(F-statistic)
0.813724
Fuente: Elaboración Propia.
24
Prueba de Hipotesis:
H0: No existe Heteroscedasticidad (igualdad de varianzas) .
H1 : Existe Heteroscedasticidad.
Conclusión: con una probabilidad de significancia de 8.031% (mayor a 5%) por lo que se
acepta la hipótesis nula de que no hay heteroscedasticidad, por lo que la variable es
constante y homoscedastica .
Supuesto 5:
No hay autocorrelacion entre las perturbaciones: Dado dos valores cualesquiera de X, Xi y
Xj (i diferente de j), la correlación entre dos Ui y Uj cualesquiera (i diferente de j) es cero.
Prueba de Hipotesis:
H0= No hay autocorrelación serial.
H1= Hay autocorrelación serial.
Tabla 7.2 test de Breusch-Godfrey (BG) Primera corrida.
Tabla 11. Prueba de Breush-Godfrev primera corrida
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
1.767997
Prob. F(1,20)
0.1986
Obs*R-squared
1.868061
Prob. Chi-Square(1)
0.1717
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 06/18/14 Time: 01:16
Sample: 1 23
Included observations: 23
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-0.027527
0.862371
-0.031920
0.9749
DESEMPLEOR
-0.209791
0.910357
-0.230449
0.8201
RESID(-1)
0.291306
0.219083
1.329661
0.1986
R-squared
Adjusted R-squared
0.081220
Mean dependent var
-3.77E-15
-0.010658
S.D. dependent var
4.112735
25
S.E. of regression
4.134594
Akaike info criterion
5.797763
Sum squared resid
341.8973
Schwarz criterion
5.945871
Hannan-Quinn criter.
5.835011
Durbin-Watson stat
2.037237
Log likelihood
-63.67427
F-statistic
0.883999
Prob(F-statistic)
0.428662
Fuente: Elaboración Propia.
Regla de decisión: Como la probabilidad (0.1986) de la prueba F es menor al 5%
rechazamos la HO, decimos que la serie no es estacionaria por lo tanto hay correlación
serial.
Pero dado que conocemos con aterioridad que para volver estacionaria la serie, se ocupo el
modelo VAR, que implico 4 rezagos la prueba de BG:
Tabla: 7.3 test de Breusch-Godfrey (BG) Segunda corrida.
Tabla 12. Test Breusch-Godfrey segunda corrida
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.539502
Prob. F(4,17)
0.7088
Obs*R-squared
2.590778
Prob. Chi-Square(4)
0.6285
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 06/18/14 Time: 01:08
Sample: 1 23
Included observations: 23
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.002773
0.927806
0.002989
0.9977
DESEMPLEOR
-0.215909
1.002779
-0.215311
0.8321
RESID(-1)
0.247276
0.245731
1.006287
0.3284
RESID(-2)
0.194186
0.253496
0.766029
0.4542
RESID(-3)
-0.058843
0.259051
-0.227148
0.8230
RESID(-4)
-0.056208
0.265256
-0.211901
0.8347
R-squared
Adjusted R-squared
0.112643
Mean dependent var
-3.77E-15
-0.148345
S.D. dependent var
4.112735
26
S.E. of regression
4.407242
Akaike info criterion
6.023834
Sum squared resid
330.2043
Schwarz criterion
6.320049
Hannan-Quinn criter.
6.098331
Durbin-Watson stat
1.976878
Log likelihood
-63.27409
F-statistic
0.431601
Prob(F-statistic)
0.820339
Fuente: Elaboración Propia
Regla de decisión: Como la probabilidad (0.7088) de la prueba F es mayor al 5%
aceptamos la HO, decimos que la serie no es estacionaria por lo tanto no hay correlación
serial.
Con los rezagos corregimos la autocorrelación en dicho modelo.
Supuesto 6:
El número de observaciones n debe ser mayor que el numero de parámetros por estimar:
sucesivamente, el numero de observaciones n debe ser mayor que el numero de variables
explicativas.
En nuestro estudio tenemos 23 datos disponibles y en el modelo hemos obtenido 6
parámetros
por
lo
que
no
presentamos
violaciones
a
este
supuesto.
Supuesto 7:
Debe haber variación en los valores de las variables X.
La naturaleza de las variables X En la muestra de datos de desempleo real la varianza es de
0,96664032 lo cual nos dice que los valores de la muestra no son todos iguales, los valores
se encuentran entre cero y tres no se muestran valores atípicos por lo que no se presenta
violación a este supuesto.
Supuesto 8:
27
No debe haber colinealidad exacta entre las variables explicativas X
La multicolinealidad en el Modelo Lineal General se presenta cuando las variables
independientes presentan alto nivel de correlación. En el modelo que presentamos de la
curva de Phillips podemos observar que no existe multicolinealidad ya que una de las
pruebas es un alto valor R2 y poco t significativos, lo que el modelo no presenta.
Supuesto 9:
El modelo esta correctamente especificado.
El modelo no presenta sesgo de especificación dado que en el están planteadas todas las
variables que explican al modelo sin obviar ninguna.
Supuesto 10:
El termino de error esta normalmente distribuido
Prueba de hipótesis:
Ho: Los residuos siguen una distribución normal
H1: Loa residuos no siguen una distribución normal
Con Eviews 8 realizamos la prueba de normalidad y obtuvimos los siguientes resultados:
Tabla 7.4 Prueba de Normalidad de los residuos
Tabla 13.Prueba de Normalidad
VAR Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 06/15/14 Time: 19:27
Sample: 1 23
Included observations: 20
Component
Skewness
Chi-sq
df
Prob.
1
-0.503563
0.845254
1
0.3579
0.845254
1
0.3579
Joint
28
Component
Kurtosis
Chi-sq
df
Prob.
1
2.758157
0.048740
1
0.8253
0.048740
1
0.8253
Joint
Component
Jarque-Bera
df
Prob.
1
0.893994
2
0.6395
Joint
0.893994
2
0.6395
Fuente: Elaboración Propia
Grafico 7.2 Prueba de Normalidad de los residuos
grafico 4.Prueba de normalidad
6
Series: RESID01
Sample 1 23
Observations 20
5
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
4
3
2
Jarque-Bera
Probability
1
9.33e-16
0.140128
3.308867
-4.728937
2.139998
-0.503563
2.758157
0.893994
0.639546
0
-5
-4
-3
-2
-1
0
1
2
3
4
Fuente: Elaboración Propia
En base a los resultados anteriores no podemos rechazar la hipótesis nula con un nivel de
significancia del 0.05 ya que la probabilidad de cometer error tipo 1 al rechazar la hipótesis
nula es de 0.3605 mucho mayor al 0.05 que establecimos. Se acepta la Hipótesis nula de
que los residuos siguen una distribución normal.
29
Prueba de significancia de los parámetros estimados.
Prueba de Hipotesis:
HO= los coeficientes son igual a cero.
H1= los coeficientes no son igual a cero.
N=23
Gl= n-5 23-5= 18
TC= 2.101
Nivel de significancia: 0.05%
Tabla 7.5 Prueba de Significancia de los Parámetros
Tabla 14.Prueba de significancia de los parámetros
Coeficiente
Estadístico t
Conclusiones :
0.215410137416*INFLACION (-1)
1.22379
Rechazamos la hipótesis nula, con un nivel
de confianza del 95%, ya que el valor de t
< tc por lo tanto el coeficiente es
estadísticamente significativo
0.141034058034*INFLACION (-2)
0.94105
Rechazamos la hipótesis nula ya que el
valor de t < tc por lo tanto el coeficiente es
estadísticamente significativo
0.349250182375*INFLACION (-3)
2.10194
Rechazamos la hipótesis nula, con un nivel
de confianza del 95%, ya que el valor de t
< tc por lo tanto el coeficiente es
estadísticamente significativo
- 0.225169886204*DESEMPLEOR
[-0.18718
Rechazamos la hipótesis nula, con un nivel
de confianza del 95%, ya que el valor de t
< tc por lo tanto el coeficiente es
estadísticamente significativo
- 1.7424090092
[-1.64851
Aceptamos la hipótesis nula, con un nivel
de confianza del 95%, ya que el valor de t
>tc por lo tanto el coeficiente es no es
estadísticamente significativo
30
8. CONCLUSIONES:
La inflación y desempleo muestran un patrón inverso a través de la historia, por ello
Philips en su estudio realiza un modelo teórico sobre este comportamiento que años
posteriores tendría que incorporársele el factor especulativo al modelo, así las expectativas
racionales son hasta ahora una de las variables que no se pueden dejar fuera en el análisis
de la inflación.
En el presente trabajo realizamos un estudio sobre las variables que influyen en el nivel de
inflación a partir de una muestra de 23 datos correspondientes al periodo 1991-2012 de
inflación y desempleo en El Salvador, con la cual aplicamos el modelo de la curva de
Philips que relaciona el nivel de inflación con el desempleo, además, incluimos las
expectativas racionales a nuestro modelo, la cual se le conoce como curva de Philips
ampliada con expectativas racionales. Para esta labor utilizamos métodos de estimación
estadísticos y pruebas que indicarían la fiabilidad de nuestro modelo, de lo cual concluimos
que:
Toda la teoría económica especificada en el trabajo sobre la curva de Phillips, se ha podido
comprobar mediante la aplicación de herramientas econométricas; donde pudimos observar
que la fluctuación que tenga el desempleo en 1%, la inflación disminuirá
considerablemente en 1.74 puntos porcentuales. La formulación de este tipo de modelos,
nos da la pauta para la elaboración de los pronósticos para años futuros, sobre las variables
utilizadas en el mismo, y mediante esto tomar medidas de política económica, que sirvan
para prevenir los diferentes impactos que pueden generar las fluctuaciones de las mismas,
además de esto; las diversas repercusiones que pueden tener dichas fluctuaciones en otras
variables económicas. Más que haber aprendido a usar econometría básica, se tiene la
satisfacción de haber comprobado la teoría económica a la realidad económica.
31
9. BIBLIOGRAFÍA:
Sitio web:
Asociación Bancaria Salvadoreña. Inflacion Anual de El Salvador. Disponible en sitio
web: file:///C:/Users/katherine/Downloads/documento%20(5).pdf.
Comision Economica para America Latina. Tasa de desempleo. Disponible en Sitio web:
http://interwp.cepal.org/sisgen/ConsultaIntegrada.asp?idIndicador=127&idioma=e
Curva de Phillips. Disponible en Sitio web: http://www.slideshare.net/dvlzq79/curva-dephillips
Introduccion
a
Eviews
parte
II
.
Disponible
en
sitio
web:
http://metodos.cucea.udg.mx/img/academias/archivos/IntroEViews-II.pdf
Libros:
Damodar N.Gujarati. Econometria quinta edición.
Rudiger Dornbusch, Stanley Fischer & Richard Startz. Macroeconomía - 9na Edición.
32