MACROECONOMÍA · 2018. 2. 7. · Resumen El consumo es una de los componentes más importantes de...

MACROECONOMÍA

UNAAPROXIMACIÓN ECONOMÉTRICA DE LARELACIÓN ENTRE EL CONSUMO AGREGADO,PIB Y EL IPC EN BOLIVIA (1980-2015) CON ELSOFTWARE RATS v8.0

Written by Edwin Huacanchi S.

Potosí - Bolivia - 2017

Índice1. Introducción 6

2. Aspectos metodológicos 82.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . 82.2. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82.3. Objetivo específico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82.4. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3. Principales teorías del consumo 93.1. Teoría de consumo de Keynes . . . . . . . . . . . . . . . . . . . . . . . . . 93.2. La teoría del ciclo de vida . . . . . . . . . . . . . . . . . . . . . . . . . . . 103.3. Teoría del ingreso permanente . . . . . . . . . . . . . . . . . . . . . . . . . 12

4. Definiciones 124.1. Consumo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134.2. Producto Interno Bruto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134.3. Índice del Precio Consumidor . . . . . . . . . . . . . . . . . . . . . . . . . 13

5. Evidencias empíricas 13

6. Caracterización del consumo 13

7. Métodos econométricos y métodos de estimación 167.1. Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177.2. Estadísticas descriptivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177.3. Estimación del modelo econométrico . . . . . . . . . . . . . . . . . . . . . 187.4. Análisis econométrico de los datos . . . . . . . . . . . . . . . . . . . . . . . 20

7.4.1. Raíz unitaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207.5. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

7.5.1. Interpretación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217.5.2. Test de contrastes de los parámetros . . . . . . . . . . . . . . . . . 227.5.3. Contraste de significación conjunta y subconjunto de parámetros

(Test de Wald) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237.5.4. Cumplimiento de los supuestos del modelo econométrico . . . . . . 247.5.5. Test de cointegración . . . . . . . . . . . . . . . . . . . . . . . . . 29

8. Conclusiones 31

9. Recomendaciones 31

A. Apéndice 33

ÍNDICE DE CUADROS 3

Índice de cuadros1. PIB de diferentes pises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72. Estadísticas básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173. Coeficiente de correlaciones . . . . . . . . . . . . . . . . . . . . . . . . . . 184. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338. Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

4 ÍNDICE DE FIGURAS

Índice de figuras1. Importancia del consumo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62. Fases de Modigliani . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113. Consumo como porcentaje del PIB . . . . . . . . . . . . . . . . . . . . . . 144. Las variables en el modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . 145. Interés real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156. Dispersión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197. Gráfica de la normalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258. Normalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259. Residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2710. Residuos contra si rezagada . . . . . . . . . . . . . . . . . . . . . . . . . . 2811. FAC y FACP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

Resumen

El consumo es una de los componentes más importantes de la demanda agregada,por cuanto muchos economistas dedicaron al estudio del consumo en diferentes facetasde la historia económica. El documento expone recopilación de las diferentes teorías queexplican el consumo e importancia en las decisiones de las políticas económicas, bajodistintas perspectivas planteados por los investigadores. El análisis del comportamientodel consumo con la aplicación de los instrumentos de la estadística y econométrica enbase a un modelo de Mínimos Cuadrados Ordinarios, se pudo establecer que el consumoen Bolivia depende fundamentalmente del Producto Interno Bruto, teniendo una relaciónnegativa con el nivel general de los precios. Los resultados hallados, ponen de manifiesto yabre a un debate acerca de la importancia del consumo agregado de las familias, dado queesta variable, tiene mayor ponderación dentro de la estructura de la economía boliviana.

6

1. IntroducciónLa variable de consumo es una de las que tiene mayor peso en el Producto Interno

Bruto (PIB), no solamente en los países en vías de desarrollo sino también en los paísesdesarrollados, tal como muestra (Gregorio, 2007, p. 16) en el cuadro Nº 1.

Por otro lado (Blanchard, 2012) indica que el consumo es el mayor componente delPIB. En 2008, representó, en promedio, un 57,3% del PIB de la UE (UE15), en los PaísesBajos el consumo representa el 46% hasta un 71.2% en Grecia. En general, el consumorepresenta cerca del 60% o más de la renta nacional en las mayores economías europeas,mientras que en los países más pequeños tiende a estar más cerca del 50% del PIB.

En Bolivia tomando como periodo muestral de 1980 hasta 2015, en promedio, el consu-mo de las familias representa 46.16% con respecto al PIB y el resto 53.84% está distribuidaentre las variables del Gasto Público, Variación en Existenias, Inversión, Exportacionese Importaciones, tal como se puede observar en el Figura Nº 1. Hecho que muestra laimportancia que reviste analizar esta variable e intentar aproximarse a explicar medianteel modelo de Mínimos Cuadrados Ordinarios (MCO), una herramienta bastante utilizadaen estudios de la evidencia econométrica.

Los datos de Bolivia concuerda con los que plantéa Blanchard, en el sentido de que enlos países pequeños el consumo representaría cerca del 50%.

18%

10%

8%

46%

18%0%

Exportaciones de Bienes y Servic Formación Bruta de Capital Fijo

Gasto de Consumo Final de la Adm Gasto de Consumo Final de los Ho

Importaciones de Bienes y Servic Variación de Existencias

SEGÚN TIPO DE GASTO, 1980 - 2015 (En porcentaje)PARTICIPACIÓN DE LA DEMANDA AGREGADA CON RESPECTO AL PIB

Figura 1: Importancia del consumo

1 INTRODUCCIÓN 7

Composición del PIBEn los diferentes países

Países Consumo Gasto Gobierno Inversión Exportación Importación PIB

Argentina 62.7 11,4 15,1 25 14,2 11,436Australia 59.9 17,8 24,7 19,7 22,2 27,993Bolivia 73.7 16,6 11,1 23,7 25,1 2,444Brasil 59.2 19,3 17,8 16,9 13,1 7,36Canadá 56.2 19,2 20,2 41,5 37,2 28,981Chile 60,7 12 24,2 35,7 32,6 9,706Colombia 64,6 21,3 15,2 21,4 22,5 6,331Costa Rica 67,2 14,5 20,2 46,7 48,7 9,074Dinamarca 47,4 26,5 19,6 43,5 36,9 29,725Ecuador 67,9 9,5 27,7 23,8 28,8 3,44El Salvador 89,4 10,7 16,3 26,8 43,2 4,517Finlandia 52,4 22,1 18,5 37 30 26,091Francia 55,1 24,3 19,2 25,8 24.6 26,146Alemania 58,6 19,3 17,9 36 31.8 26,221Indonesia 69,3 9,2 16 31,2 25,7 3,175Irlanda 44,1 15,1 22,2 93,7 75 35,65Israel 60,1 30,6 16,1 37,3 44,1 18,925Italia 60,4 19,5 19,6 25,4 24,9 25,619Japón 56,9 17,5 24 11,8 10,2 26,42Malasia 43,7 13,9 21,4 114,3 93,3 8,986México 69,2 12,7 19,8 28,4 30,1 8,661Nueva Zelanda 59,9 17,6 21,1 32,3 30,8 21,333Paraguay 87,7 6,9 19,8 32,3 46,7 4,425Perú 71 10,1 18,8 17,7 17,6 4,969Polonia 70,1 16,4 18,9 21 26,4 10,749Sudáfrica 62,4 19,1 16,8 28,2 26,4 9,774Suecia 49 28,3 16 43,7 37,1 25,271Tailandia 57,4 10,6 25,2 65,7 58,9 7,175Reino Unido 65,6 21,1 16,3 25,1 28,1 25,645Estados Unidos 70,8 15,2 18,1 9,7 13,7 35,484Uruguay 72,9 11,7 13,1 25,6 23,2 7,822

Cuadro 1: PIB de diferentes pisesFuente: Banco Mundial, World Development Indicators 2005. Citado en (Gregorio, 2007)

8

2. Aspectos metodológicosPara desarrollar el presente trabajo se utilizaron los siguientes métodos teóricos. El

método de análisis y síntesis, permitió analizar el comportamiento de las variables quefueron utilizados en el documento. Este método permitió desintegrar los diferentes partesdel tema de estudio, para explicar sobre sus relaciones entre sí y con medio exterior.

El método deductivo inductivo permitió hacer una concatenación dialéctica del com-portamiento de las variables vinculada con el fenómeno y objeto del estudio (el consumoagregado de Bolivia).

El Método histórico lógico resultó esencial para describir y explicar el comportamientohistórico de las tres variables consumo, PIB y el nivel de precios y su entorno. Este métodose aplicó en las diferentes etapas.

Por último, el método estadístico permitió hacer la interpretación numérica y gráficade los datos obtenidos de las fuentes secundarias, utilizando para ello un conjunto decálculos y porcentajes que ayudaron a interpretar el comportamiento y las tendencias delas mismas. El método estadístico se utilizó en la estimación del modelo econométrico ylas pruebas de Test para validar el modelo estimado y sus parámetros.

2.1. Planteamiento del problema

La pregunta que se intenta responder es el siguiente:¿Cómo el consumo agregado nacional de hogares de Bolivia se explica mediante el

ingreso nacional y el nivel general de precios entre 1980 a 2015?

2.2. Objetivo general

Para responder a la pregunta planteado fue necesario establecer el objetivo del trabajo,lo cual radica en describir y explicar mediante el análisis econométrico, la relación delconsumo de hogares, Ingreso Nacional y nivel general de precios, que a través de losresultados se pueda llegar a ciertas conclusiones que permita evidenciar las variables quemejor explican el comportamiento del consumo agregado nacional.

2.3. Objetivo específico

1. Revisar teorías de consumo, que permita establecer las relaciones del consumo conotras variables.

2. Contextualizar el comportamiento del consumo nacional agregado de Bolivia.

3. Elaborar un modelo econométrico que establezca los determinantes del nivel de con-sumo en Bolivia.

3 PRINCIPALES TEORÍAS DEL CONSUMO 9

2.4. Hipótesis

Las fluctuaciones del producto interno bruto y el nivel de precios son variables quemayor realación econométrica presenta con el consumo nacional.

3. Principales teorías del consumoLa estimación de la función de consumo ha sido estudiada por muchos economistas.

Según Muellbauer y Lattimore (1995) citado en (Alba & Ossio, 2014), en la mayoría delas economías en términos promedios el gasto de consumo de las familias representa entreel 50% y el 70% de las negociaciones totales. Por ello, no sorprende que la función deconsumo haya sido de las relaciones de gasto agregado más estudiadas, además de serun elemento clave en todos los esfuerzos por construir modelos macroeconómicos desde eltrabajo precursor de Klein y Goldberger (1955) citado en (Alba & Ossio, 2014).

Fernández-Corugedo quien estudio las funciones de consumo desde sus primeras teorías,sostiene que “El consumo es un componente importante en la mayoría de las economías.Para muchas economías constituye más del 50% del PIB. De aquí que la construcciónexitosa de modelos de consumo sea un requisito importante para la creación apropiada delas políticas económicas”. (Fernández-Corugedo, E., 2009, p.1) citado en (Alba & Ossio,2014)

Desde la teoría implementada por Keynes (1936), quien hizo referencia que el consumode un periodo está básicamente determinado por el nivel de ingreso del mismo periodo,pasando por la teoría del Ciclo de Vida de Modigliani (1949) hasta la teoría del Ingre-so Permanente de Friedman (1957) donde el fundamento principal es que los individuosconsumen una proporción constante de su ingreso permanente, mientras que los ingresostemporales tienden a ser ahorrados, se han desarrollado una variedad de investigacionesdel consumo considerando varios supuestos, los últimos estudios han implementado la in-certidumbre en su análisis, haciendo que los modelos de consumo sean más realistas eintertemporales. A continuación, se explica cada una de estas teorías descritas con susrespectivos autores.

3.1. Teoría de consumo de Keynes

La idea original de Keynes está sobre la función de consumo y la que hasta hoy es lamás utilizada en los modelos macroeconómicos, así como en la mayoría de los manualesde macroeconomía, está dada por la siguiente expresión matemática:

Ct = C + c (Yt − Tt) (1)

Donde Ct es el consumo, C la cantidad de consumo que se gasta en cada períodoindependientemente de las condiciones económicas y en particular del nivel de ingresos, yel término (Yt − Tt), es el ingreso disponible Yd1 que tienen los individuos para consumir

1Suponiendo transferencias TR = 0, de otra forma tendríamos que Yd = Y − T + TR.

10 3.2 La teoría del ciclo de vida

y ahorrar después de haber pagado los impuestos (T ) con el ingreso total (Y ).Esta teoría plantea que el principal determinante del consumo en el período t es el

ingreso disponible durante dicho período.La relación fundacional que presenta Keynes tiene implicancias muy interesantes para

la política económica, dado que c representa la propensión marginal a consumir (PMgC),que representa cuánto aumenta el consumo si el ingreso disponible se eleva marginalmenteen una unidad. El individuo usa su ingreso disponible para consumir y ahorrar, por lotanto, c es una fracción entre 0 y 1, pues el resto se ahorra. Es decir, si el ingreso sube enBs 1.-, el consumo subirá en Bs c, donde c ∈ [0, 1].

Matemáticamente esto quiere decir que:

PMg = c =∂C

∂ (Yt − Tt)(2)

Puesto que el ingreso no consumido corresponde al ahorro de los hogares, la fracción1− c también se conoce como propensión marginal al ahorro y se denota como s.

Otro concepto importante presentado por Keynes es la propensión media a consu-mir (PMeC), que representa, simplemente, la fracción del ingreso disponible usada paraconsumir. Es decir:

PMeC =c

Y − T(3)

Esto significa que PMeC cae a medida que el ingreso disponible aumenta, es decir; laPMeC es c+ C/(Y − T ), es decir, converge desde arriba hacia c.

Si bien es cierto que la función de consumo de Keynes establece adecuadamente perıo-dos relativamente largos, también puede contener muchos errores de predicción en periodosmás breves. Dado que las autoridades económicas, así como los analistas y los mercadosdesean predecir lo que ocurrirá en los próximos trimestres, la función consumo muchasveces es incapaz de predecir adecuadamente cambios bruscos.

3.2. La teoría del ciclo de vida

El precursor principal de esta teoría fue Franco Modigliani2 , cuya teoría enfatiza enque cada persona cumple un ciclo de vida económica en cuanto se refiere a sus ingresos.Este ciclo presenta tres fases:

No percibe ingresos.

Trabaja.

Se jubila.2Modigliani ganó el premio Nobel de Economía en 1985 por el desarrollo de esta teoría, además de

sus contribuciones a finanzas. Su “Nobel Lecture” (Modigliani, 1986) es una muy buena visión generalde la teoría del ciclo de vida. Posteriormente, Deaton (2005) hace una revisión de las contribuciones deModigliani a la teoría del consumo.

3 PRINCIPALES TEORÍAS DEL CONSUMO 11

Ciclo de vida

Figura 2: Fases de ModiglianiFuente: Dornbusch, Fischer, Startz, (2008). p. 322.

Esto implica que.“El consumo de los individuos en un periodo dado se relaciona con su ingreso en ese periodo. Por su

parte, la hipótesis del ciclo de vida considera que los individuos planean su consumo y ahorro en periodosprolongados, con la intención de distribuir su consumo de la mejor manera en el decurso de toda su vida.En lugar de confiar en un valor único (basado en una regla psicológica práctica) de la propensión marginala consumir, la teoría del ciclo de vida (fundada en maximizar la conducta) propone diversas propensionesmarginales a consumir dependientes del ingreso permanente, el ingreso transitorio y la riqueza. La premisabásica es que la mayor parte de las personas escoge estilos de vida estables, que, en general, no ahorradenodadamente en un periodo y despilfarran enormidades en el siguiente, sino que, en cambio, consumenmás o menos igual en todos los periodos. En su versión más simple, la premisa es que los individuos tratande consumir lo mismo cada año” (Dornbusc, Fischer, Startz, 2008. p. 321)

Para esta teoría la propensión marginal a consumir esta expresado de la siguientemanera:

PMgC =WL

NL(4)

Donde, WL =años de vida laboral, NL =Años de vida.Y el consumo anual está dada por

C =WL

NL(Y L) (5)

Donde, Y L =ingreso anual por el trabajoEste hecho se presenta con la figura Nº 1.

12 3.3 Teoría del ingreso permanente

El consumo es constante durante toda la vida. En los años laborales, que duran WLaños, el individuo ahorra y acumula activos. Al final de la vida laboral, comienza a vivirde esos activos, de modo que “desahorra” (gasta más de lo que gana en un periodo) en losaños restantes (NL −WL) de manera que los activos sean exactamente cero al términode la vida.

Para esta teoría la PMCdel ingreso permanente es alta y la PMC del ingreso transi-torio es baja, casi de cero. La teoría del ciclo de vida implica que la propensión marginala consumir generada por la riqueza debe ser igual a la PMC del ingreso transitorio y, porconsiguiente, debe ser muy baja. El razonamiento es que el gasto de la riqueza, como eldel ingreso transitorio, se extiende a los años que queden de vida. La PMC que se generapor la riqueza se usa para unir los cambios que resultan del valor de los activos con elconsumo actual. Por ejemplo, un aumento en el valor de la bolsa de valores incrementaráel consumo actual. Hay pruebas de que la gente más rica tiene una menor propensiónmarginal a consumir generada por su ingreso.

3.3. Teoría del ingreso permanente

Al igual que la teoría anterior se basa en el hecho de que la gente desea suavizar elconsumo a lo largo de la vida. Pero en lugar de ver el ciclo de vida, enfatiza que, cuandoel ingreso de los individuos cambia, ellos están inciertos acerca de si estos cambios sontransitorios o permanentes.

La reacción a los cambios permanentes no será la misma que la reacción a los cambiostransitorios.

Según Dornbusc, Fischer, Startz, (2008), Como la hipótesis del ciclo de vida, la teoríadel ingreso permanente afirma que el consumo se relaciona no con el ingreso actual, sino conun cálculo del ingreso de largo plazo, lo que Milton Friedman, quien postuló la teoría, llamó“ingreso permanente”. Friedman daba un ejemplo sencillo: consideremos a una persona ala que se le paga o que recibe un ingreso una vez a la semana, los viernes. No esperamosque sólo consuma los viernes y nada el resto de los días de la semana. La gente prefiereun consumo continuo, más que la abundancia hoy y la escasez ayer o mañana.

La idea de que el gasto de consumo está articulado al ingreso de largo plazo (o promedioo permanente) es atractiva y es, básicamente, la misma que en la teoría del ciclo de vida. Elingreso permanente es la tasa continua de gasto que puede mantener una persona duranteel resto de su vida, dada su riqueza actual y el nivel de ingreso de ahora y del futuro. En suforma más simple, la teoría afirma que el consumo es proporcional al ingreso permanente:

C = cY P (6)

donde Y P es el ingreso permanente (disponible).

4. DefinicionesSe definen las variables.

6 CARACTERIZACIÓN DEL CONSUMO 13

4.1. Consumo

Es el gasto de las familias en bienes y servicios (Rodríguez, 2009)

4.2. Producto Interno Bruto

Es el valor monetario total de los bienes y servicios generados por una economía en unperíodo de tiempo (usualmente un año); es la más importante de las macromagnitudes dela economía (Rodríguez, 2009).

4.3. Índice del Precio Consumidor

Es la que mide las variaciones en los precios de un conjunto de bienes, normalmentelos que constituyen la denominada Canasta Básica Universal (CBU), también llamada“Canasta Básica Total (Rodríguez, 2009).

5. Evidencias empíricas

Según (Alba & Ossio, 2014), considerando que lo modelos no se pueden generalizara varios contextos lo que está hecha por una determinada economía, en ese marco, laimportancia que tiene el estudio del consumo en la formulación de las políticas económicas,y está claro que muchos aspectos de una economía está vinculada con el consumo y ahorro.

Se cree que el estudio con respecto al consumo de los hogares en Bolivia no se hadesarrollado aun, dado que no existen investigaciones que analicen este tipo de variablesy sus implicaciones económicas a corto y largo plazo.

En este contexto, la investigación tratara de contribuir al conocimiento del consumode hogares bolivianos bajo lineamientos teóricos.

6. Caracterización del consumo

En esta parte se caracteriza las variables que interviene en el modelo que se va estimar.La figura Nª 2 muestra el comportamiento histórico del consumo con respecto al Pro-

ducto Interno Bruto.Aunque la figura muestra que existe una tendencia a la baja, sin embargo, en términos

generales de puede establecer que tiende a su estado estacionario, es decir, que a largoplazo existe una tendencia a su media.

Las demás variables muestran el mismo patrón de comportamiento que el consumo,aunque con ciertas características particulares, que a continuación se detalla.

14

(En Miles de Bolivianos de 1980-2015)

Figura 3: Consumo como porcentaje del PIBFuente: UDAPEElaboración: Propia

PIB y Consumo Agregado de Bolivia(En millones de bolivianos de 1980-2015)

Figura 4: Las variables en el modeloFuente: UDAPEElaboración: Propia

6 CARACTERIZACIÓN DEL CONSUMO 15

Consumo como porcentaje del PIB(En porcentajes 1987-2015)

Figura 5: Interés realFuente: Banco Central de BoliviaElaboración: Propia

Como se puede observar que el Índice del Precio al Consumidor (IPC), consumo na-cional de hogares y el PIB en millones de bolivianos, conjuntamente muestran un com-portamiento unísono, más aun entre el consumo y el PIB, esto implica que existe unacorrelación positiva alta. Este comportamiento confirma la importancia que presenta elconsumo dentro de la estructura de la economía boliviana.

Es importante mencionar que en el presente trabajo existen dos variables candidatasque amobos son sustitutas y y éstas son el IPC y la tasa de interés real, de estas dosvariables finalmente fue tomada la variable IPC por la significancia estadística en el modeloestimado, para lo cual también fue necesario presentar el comportamiento de la tasa deinterés real.

La tasa de interés real presenta un patrón de comportamiento regular, sin volatilidadpronunciada, durante todo el periodo muestral 1980-2015.

En la última década (2006-2016), Bolivia adoptó un nuevo modelo económico, que, se-gún sus precursores, lleva el nombre de “Modelo Económico Sociocomunitario Productivo”,lo cual presenta un enfoque de dependencia Interna, esto implica que el motor fundamentales la demanda interna, cuya fuerza impulsaría un crecimiento sostenido de la economíaboliviana. En el fondo este enfoque, apunta principalmente a la variable de consumo,puesto que es la que más porcentaje representa con respecto al PIB. Por ello últimamentelas políticas redistributivas ha estado enfocada en la transferencia directa de los recursosa través de los bonos, de tal forma, impulsar la demanda interna a través del consumointerno de bienes y servicios.

16

7. Métodos econométricos y métodos de estimación

Para poder responder a la pregunta de investigación fue necesario describir la metodo-logía bajo el cual se pudo llegar a cumplir los objetivos planteados, para tal efecto, en estaparte se describe el método econométrico que fue utilizado en el presente trabajo de inves-tigación. La teoría del consumo, explicado por diferentes autores muestran que el consumose relaciona linealmente con el Producto Interno Bruto y el Índice de precios al consumi-dor. Por consiguiente, se tomó la de decisión de utilizar el método de Mínimos CuadrosOrdinarios, por ser intuitivo y relativamente sencillo en términos matemáticos y su consi-guiente obtención de los parámetros para posteriormente realizar los test estadísticos delmodelo estimado, de manera, validar los resultados obtenidos.

Bajo este contexto el modelo poblacional está dado de la siguiente forma.

Consumo = f (PIB, IPC) (7)

Esta relación funcional se expresa en términos econométricos de la siguiente manera(modelo de regresión poblacional)

Ct = β1 + β2PIBt + β3IPCt + et (8)

DondeCt =Consumo agregado de hogares de Bolivia.PIBt =Producto Interno Bruto.IPCt =Índice de Precios al Consumidor.µt= La variable de perturbación o aleatoria.t =Representa el tiempo en que está medido las variables.A partir de ese modelo poblacional se estimó el modelo de regresión muestral, cuya

representación econométrica es el siguiente.

Ct = β1 + β2PIBt + β3IPCt + et (9)

Dondeβ1, β2 y β3 son parámetros a estimarLos signos esperados de los parámetros estimados son:

β1 > 0| < 0

β2 > 0

β3 < 0

7 MÉTODOS ECONOMÉTRICOS Y MÉTODOS DE ESTIMACIÓN 17

7.1. DatosLos fuentes de información, ha Banco Central de Bolivia, Unidad de Análisis de Polí-

ticas Económicas (UDAPE) y el Instituto Nacional de Estadística (INE).PIBT =Producto Interno Bruto Medido en millones de bolivianos.Ct =Consumo Medido en millones de bolivianos.IPCt = Índice del Precio al Consumidor (2007=100).A partir de estas variables se estableció, la variable endógena y exógenas, dentro de

la variable exógena o explicada está el Consumo agregado de los hogares de Bolivia, yentre las variables explicativas están el Producto Interno Bruto y el Índice de Precios alconsumidor.

Estas variables pertenecen al tipo de datos de series de tiempo, dado que las tresvariables están medidas en el tiempo, que corresponde al periodo muestral de 1990 a 2015.Es importante recalcar que estos datos están expresados en términos nominales ya queestán presentadas en millones de bolivianos.

7.2. Estadísticas descriptivas

Estadisticas de las variablesen millones de bolivianos

C PIB IPCMean 16484919 22639621 65,25135Median 15537161 21196671 66,98672Maximum 29861937 42555792 158,4042Minimum 9934989. 13485735 0,000255Std. Dev. 5686798. 8434999. 47,18463Skewness 0,763866 0,825992 0,277369Kurtosis 2,567854 2,619314 2,112441

Jarque-Bera 3,781074 4,310962 1,643243Probability 0,150991 0,115847 0,439718

Sum 5,93E + 08 8,15E + 08 2349,049Sum Sq. Dev. 1,13E + 15 2,49E + 15 77923,62

Observations 36 36 36

Cuadro 2: Estadísticas básicasElaboración: Propia

Las estadísticas descriptivas muestran que existe variabilidad grande, dado que lasdesviaciones típicas son grandes de las tres variables. También se observa a partir del esta-dístico de Jarque-Bera de que las variables se distribuyen normalmente, esto se corrobora

18 7.3 Estimación del modelo econométrico

a través de sus respectivas probabilidades. El hecho de que las variables se distribuyannormalmente tienen implicancias deseables para la estimación del modelo.

Estadisticas dede correlación

CorrelationProbability C PIB IPC

C 1,000000—–

PIB 0,997756 1,0000000,0000 —–

IPC 0,982023 0,971571 1,0000000,0000 0,0000 —–

Cuadro 3: Coeficiente de correlacionesElaboración: Propia

La matriz de correlaciones muestra que entre las variables existen fuerte asociaciónlineal .

7.3. Estimación del modelo econométrico

Para fines de interpretación, el modelo fue estimado en logaritmos, por lo tanto, elmodelo presentado previo a la estimación se modificó a lo siguiente:

Ct = β1PIBβ2t IPC

β3t e

µt (10)

Logaritmizando se tiene:

LnCt = Lnβ1 + β2LnPIBt + β3IPCt + µ (11)

Entonces se trata de un modelo log-log, es decir, logaritmo en ambos lados.Se pudo observa que le modelo Nº 11 presentó problemas de autocorrelación, por lo

tanto se estableció el siguiente modelo:

LnCt = Lnβ1 + β2LnPIBt + β3IPCt + β4LnCt−1 + β5LnCt−2 + β6LnCt−3 + µt (12)

Para ver la relación de las variables se realizó la gráfica de dispersión como se observaen la Figura 5.


Relación entre el consumo, el PIB y el IPC

Figura 6: DispersiónElaboración: Propia

20 7.4 Análisis econométrico de los datos

Estas gráficas muestran que existiría una relación positiva entre el consumo, PIB yel IPC. Se advierte que la relación entre el consumo y el IPC estaría exhibiendo todo locontrario al sentido económico, no obstante, una vez hecha la regresión cumplió con lossignos esperados.

7.4. Análisis econométrico de los datos

7.4.1. Raíz unitaria

Los datos utilizados en el presente trabajo de investigación son de series de tiempo,por lo tanto fue necesario realizar el comportamiento de cada una de ellas.

Dickey-Fuller Unit Root Test, Series DDLCRegression Run From 1983:01 to 2015:01

Observations 34With intercept

Using 0 lags on the differencesSig Level Crit Value1%(**) -3.635245%(*) -2.9498610% -2.61327

T-Statistic -5.14919**

Al 1%, 5% y 10% se rechaza la hipótesis nula de que el consumo tiene raíz unitaria,en consecuencia, se establece que el consumo es estacionaria en segundas diferencias, esdecir, el LC es I (2).





Al 1%, 5% y 10% se rechaza la hipótesis nula de que el consumo tenga raíz unitaria,en consecuencia, se establece que LPIB es estacionaria en segundas diferencias (PIB loga-ritmizado), es decir, LPIB es I (2), por que el valor de T-Statistic es superior a los demásestadísticos.






Al 1%, 5% y 10% se rechaza la hipótesis nula de que el consumo tenga raíz unita-ria, en consecuencia, se establece que el LIPC logaritmizado es estacionaria en segundasdiferecnias, puesto que el T-Statistic es superior a los valores críticos.

De acuerdo al análisis de raíces unitarias las series son LC, LPIB y LIPC son I (2)respectivamente. Lo que en términos significa que tanto el consumo, el PIB y el IPC llegana un equilibrio a largo plazo, pudiendo presentar desequilibrio a corto plazo, lo cual fuercorregido por cointegración y Mecanismo de Corrección de Errores (MCE)3

Los comandos utilizados en Rats v8.0 para fueron4.

7.5. Resultados

7.5.1. Interpretación

La interpretación del Cuadro Nº 4 es el siguiente .Para la interpretación del parámetro intercepto, es decir β1, se tomó antilogaritmo de

β1, esto implica que exp(0.473300693 )=1.60528 cuya valor significa que en promedio elconsumo en Bolivia no depende de las variables considerada en el trabajo de investigaciónen 1,60528 ∼= 1,6. Este valor implica que 1.6 millones del consumo agregado en Bolivia nodepende del Producto Interno Bruto ni del Índice de Precios al consumir.

El segundo parámetro significa que conforme se incrementa el PIB en 1% el consumoagregado en Bolivia aumenta en 0.27% en el periodo muestra de 1980 a 2015. En tantoque cuando aumenta el IPC en 1% el consumo aumenta en 0.004%, en el periodo muestrade 1980 a 2015. Los términos rezagados de consumo significan lo siguiente

β4 = 1,27 % lo cual indica que dado un cambio de 1% en el consumo de los hogares delaño anterior se estima que el incremento de del consumo en el año actual se incrementará

3J.D. Sargan, “Wages and Prices in the United Kingdom: A Study in Econometric Methodology”,publicado, citado en (Gujarati, Gujarati & Porter, 2009. p. 764)

4@adfautoselect(maxlags=20,det=trend,print) ddLC@dfunit DDLC@adfautoselect(maxlags=20,det=trend,print) DDLPIB@dfunit DDlPIB@adfautoselect(maxlags=20,det=trend,print) DDLIPC@dfunit DDlIPC

22 7.5 Resultados

Modelo estimado

Dependent Variable LnCVariables Coeff Std Error T-Stat SignifConstant 0.473300693 0.169897486 2.78580 0.00964627LnPIB 0.274784742 0.059236678 4.63876 0.00008041LnIPC 0.004436360 0.001156649 3.83553 0.00068273LnC−1 1.277733998 0.150181493 8.50793 0.00000000LnC−2 -0.851191305 0.191460691 -4.44578 0.00013494LnC−3 0.264876001 0.100297512 2.64090 0.01357821Centered R2 0.9995966Regression F (5, 27) 13382.0650Significance Level of F 0.0000000n 33

Cuadro 4: Resultados

en 1.27% manteniendo todo lo demás constante, la relación que existe entre estas dosvariables es directa.

β5 = 0,85 % nos indica que dado un cambio de 1% en el consumo de los hogares dedos año anterior se estima que el drecremento del consumo en el año actual se reduciráen 0.85%*manteniendo todo lo demás constante, la relación que existe entre estas dosvariables es directa.

β6 = −0,26 % significa que que dado un cambio de 1% en el consumo de los hogaresde tres año anteriores se estima que el incremento del consumo en el año actual se incre-mentará en 0.26% manteniendo todo lo demás constante, la relación que existe entre estasdos variables es directa.

El R2 muestra que el modelo explica al consumo agregado de Bolivia en 99%, y el resto1% es capturada por el término de perturbación del modelo, es decir, en esa proporciónlas variables utilizadas para modelar no logró explicar en comportamiento del consumo.

7.5.2. Test de contrastes de los parámetros

Pruebas individuales Las pruebas individuales establecen la significancia estadísticade cada uno de ellos, en ese contexto, se testea cada parámetro ante la hipótesis nula deque las variables presentes (PIB e IPC) en el modelo no explican a la variable endógena(consumo), es decir sus parámetros con cero.


Prueba individual para el parámetro del interceto || Hipótesis H0: Constante = 0t(27)= 2.785802 or F(1,27)= 7.760691 with Significance Level 0.00964627

Prueba individual para el parámetro LPIB|| Hipótesis H0: LPIB = 0t(27)= 4.638760 or F(1,27)= 21.518096 with Significance Level 0.00008041

Prueba individual para el parámetro LIPC|| Hipótesis H0: LIPC = 0t(27)= 3.835530 or F(1,27)= 14.711287 with Significance Level 0.00068273Prueba individual para el parámetro LC{1}|| Hipótesis H0: LC{1}= 0

t(27)= 8.507932 or F(1,27)= 72.384915 with Significance Level 0.00000000Prueba individual para el parámetro LC{2}|| Hipótesis H0: LC{2}= 0

t(27)= -4.445776 or F(1,27)= 19.764922 with Significance Level 0.00013494Prueba individual para el parámetro LC{3}|| Hipótesis H0: LC{3}= 0

t(27)= 2.640903 or F(1,27)= 6.974369 with Significance Level 0.01357821

Se muestra que todos los parámetros son estadísticamente signficativos.

7.5.3. Contraste de significación conjunta y subconjunto de parámetros (Testde Wald)

Cuya proposición es el siguiente

(b− β

)T −1∑(b− β

)∼= χ2 (n)

Mientras mayor sea la diferencia entre el valor de los coeficientes estimados b y elvalor de los coeficientes poblacionales hipotetizados(β), mayor será el valor calculado dela prueba, lo que incidirá en que puede ser rechazada la hipótesis de igualdad con másfuerza.

Para el caso de que las restricciones (hipótesis) sean combinaciones lineales de loscoeficientes (sin importar el tipo de modelo subyacente), siempre podrán escribirse como:

Rβ = r

donde R es una matriz mxk con m el número de restricciones y k el número de paráme-tros del modelo, β es un vector de Kx1, y r es un vector de Qx1 conteniendo los coeficientesde la derecha de las hipótesis.

Así, la expresión general para restricciones lineales del test de Wald es:

(b− β

)T [R∑X

RT

] (b− β

)∼= χ2 (n)

donde∑X es la matriz de varianzas y covarianzas de los coeficientes que ha sido

estimada.Planteamiento de la hipótesis:

24 7.5 Resultados

H0: El modelo no sirve β1 = β2 = β3 = β4 = β5 = β6 = 0

H1 El modelo no sirve β1 6= β2 6= β3 6= β4 6= β5 6= β6 6= 0

Los resultados son los siguientes

Todo los parámetros del modelo son iguales a cero,es decir, que el LnPIB y LnIPC no explican el consumo

F(6,27)=30371338.33722 with Significance Level 0.00000000

Con una probabilidad de 0% rechazamos la hipótesis de que el LnPIB y LnIPC noexplican el consumo, por lo tanto, sus parámetros son significativos estadísticamente.

7.5.4. Cumplimiento de los supuestos del modelo econométrico

Normalidad El cumplimiento de la normalidad en los residuos es muy importante talcomo señala (Gujarati & Porter, 2009. p. 99)5.

Para realizar el contraste, primeramente se tomó la prueba informal, es decir, pruebagráfica.

Las figuras 7-8 muestran que los residuos se distribuirían normalmente, en un primermomento, se establece que no se rechaza la hipótesis nula de la normalidad de los residuos.

Prueba forma de Jarque-BeraPlanteamiento de la hipótesis:

H0: Los residuos se distribuyen normalmenteH1 : Los residuos no se distribuyen normalmente

Chi-Squared(2) 1.504469with Significance Level 0.47131231

normalidad Anderson-Darling

Anderson-Darling Test for NormalitySeries RESIDS Observations 33

AD Statistic 0.50682Approximate P-value 0.72657

Ambas pruebas, no rechazan la hipótesis de la normalidad a un nivel de 5%, ya que lasprobabilidades son 0.47 y 0.72 respectivamente, en consecuencia, la población de la cualse obtuvo la muestra tiene una distribución normal.

5Una variante del teorema del límite central establece que, aunque el número de variables no sea muygrande, o si estas variables no son estrictamente independientes, su suma puede estar aún normalmentedistribuida. Con el supuesto de normalidad, se derivan con facilidad las distribuciones de probabilidadde los estimadores de MCO. Una propiedad de la distribución normal es que cualquier función lineal devariables normalmente distribuidas estará también normalmente distribuida. Como las β1, β2, β3, β4, β5y , β6 son funciones lineales de µt. Por consiguiente, si las µtestá normalmente distribuida, también loestán las β1, β2, β3, β4, β5 y , β6 , lo cual hace que la tarea de probar hipótesis sea muy fácil.


Prueba gráfica de los residuos del modelos

Figura 7: Gráfica de la normalidad

Histograma de los residuos

Figura 8: Normalidad

26 7.5 Resultados

Análisis de la Mala especiación del modelo (Prueba de Ramsey) Planteamientode la hipótesis:

H0: El modelo no tiene variables omitidasH1 : El modelo si tiene variables omitidas

Los parámetros de Ce2 y Ce3 son iguales a cero, es decir: || Ce2=Ce=0

t(25) -1.062120F(1,25) 1.128099

with Significance Level 0.29833408

Con 0.30 de probabilidad aceptamos la hipótesis nula de que el modelo esta bienespecificado.

Prueba multicolinealidad Se entiende por multicolinealidad a la dependencia línea delos vectores de las variables explicativas.

Planteamiento de la hipótesis:

H0: Existe relación de dependencia entre el PIB y IPCH1 : Existe relación de dependencia entre el PIB y IPC

:

Correlation Matrix of CoefficientslPIB lIPC

LPIB 1 0.5567174332LIPC 0.5567174332 1


El Cuadro Nº 5, matriz de correlaciones, muestra que las variables independientes nose correlaciona de manera fuer, puesto que el coeficiente de correlación entre LPIB y LIPCrLPIB;LIPC = 0,57, que en términos estadísticas esta dentro de los márgenes de tolerancia.

Prueba de heteroscedasticidad Es importante que los datos se comporten parejos,es decir, que no haya observación comparativamente mayor al resto, y fuese el caso, losresiduos serán homoscedasticos.


H0: Varianza constante en los residuosH1 : Varianza no constante en los residuos

Resultados


White Heteroscedasticity TestChi-Squared(14) 12.665252


Breusch-Pagan Heteroscedasticity TestChi-Squared(14) 4.101769


Tando el Test White y Breusch-Pagan, muestran que no existe heteroscedasticidad enlos residuos, puesto en ambas pruebas las probabilidades son superiores al 5%, de tal modono se puedo rechazar la hipótesisi nula.

Prueba de autocorrelación Los datos utilizados en el presente trabajan pertenecenal tipo de series de tiempo, por lo tanto, es posible que el modelo presente el problema deautocorrelación en los residuos.


H0: No hay autocorrelación en los residuosH1 : Existe autocorrelación en los residuos

Resultados

Prueba no formal de la autocorrelación

Figura 9: Residuos

28 7.5 Resultados

Dispersión de los residuo

Figura 10: Residuos contra si rezagada

Función de autocorrelacióny la función de autocorración parcial

Figura 11: FAC y FACP


Autocorrelacióny autocorrelación parcial

Rezagos Autocorrelación Autocorrelación parcial1 -0.11110 -0.111102 0.28748 0.278573 0.23972 0.322404 0.02518 0.017435 0.13998 -0.023166 -0.15931 -0.280257 -0.11224 -0.305388 0.07690 0.118069 -0.39813 -0.17619


Autocorrelación y autocorrelación parcial

La autocorrelación simple y parcial muestra que no existe residuos significativos quese pudieran mostrarse, fundamentalmente en las primeras observaciones. Esto implica queno existen autocorrelación de primer orden ni de orden superior. En términos generales,tomando un periodo muestral de 1980 a 2015, el modelo se ajusta muy bien, de tal maneradando de manifiesto, fiel cumplimiento de los supuestos del modelo clásico de regresiónlineal.

Test de Durbin-Watson

Durbin-Watson Statistic 1.81976Exact Significance Level 0.30909

Estos resultaron al aplicar un procedimiento que lleva Rats (@RegExactDW ). Cuandose estimó el modelo, el estadístico de de W-B fue de 2.1443, en consecuencia la hipótesisnula de la no existencia de la autocorrelación.

7.5.5. Test de cointegración

Para probar la existencia de cointegración, se realizó el test de Dickey-Fuller Aumen-tada, obteniendo los siguientes resultados.

30 7.5 Resultados

Dickey-Fuller Unit Root Test, Series RESIDSRegression Run From 1984:01 to 2015:01




Con lo cual se llegó a establecer que las variables Consumo agregado de bolivia, elProducto Interno Bruto medido medido en millones de bolivianos y el Índice de Preciosdel Consumidor, a largo plazo llegan a un equilibrio.

9 RECOMENDACIONES 31

8. ConclusionesDiferentes teorías revisadas, pone de manifiesto de que el consumo es una de lasvariables macroeconómicas más estudiadas por su relevancia para adoptar políticaseconómicas, que vayan en favor del crecimiento y desarrollo económico.

En Bolivia el consumo agregado de las familias en promedio representa el 46.16%como proporción del producto interno bruto, cosa que respalda las ultimas políticaseconómicas adoptadas en Bolivia, con énfasis en el consumo de las familias, impul-sado fundamentalmente mediante las transferencias directas del Estado hacia lasfamilias bolivianas con diferentes bonos.

El modelo econométrico estimado, muestra que el consumo es sensible al ingresonacional, lo cual implica, que la elasticidad del consumo agregado del Estado Pluri-nacional de Bolivia con respecto al aumenta del Producto Interno Bruto de 1% es0.27%, mientras que la elasticidad entre el consumo y el Índice de Precios al Con-sumidor es 0.00%, lo cual implica que el incrementa del nivel general de los preciosen Bolivia no explica el comportamiento del consumo, es decir, el consumo es inelás-tico con respecto al nivel de precios. Los parámetros rezagados significan que dadoun cambio de 1% en el consumo de los hogares del año anterior se estima que elincremento del consumo en el año actual se incrementará en 1.27%, en tanto que el0,85% indica que ante un cambio de 1% en el consumo de los hogares de dos añoanteriores, se estima que el decremento del consumo en el año actual será alrede-dor de 0.85%. Por ultimo, cuando el consumo de los hogares de tres año anteriorescambie, se estima que el impacto en el consumo del año actual es de 0.26%.

9. RecomendacionesLas teorías presentadas en el presente documento son básicas, para un estudio másprofundo de las teorías de consumo que contengan otras variables importantes, serecomienda recurrir a la bibliografía más actualizada.

El consumo agregado de las familias del Estado Plurinacional de Bolivia es un compo-nente de la demanda agregada más importante, en término proporciones representamás del 46.16% del producto interno bruto, en consecuencias los hacedores de la po-lítica tomaran en cuenta los efectos que pueda tener todas las acciones de decisioneseconómicas.

El modelo econométrico estimado, apenas pasa los test de cumplimientos de lossupuestos, por cuanto los investigadores y lectores tomaran en cuenta como basepara estimar modelos más elaborados, como modelo VAR.

32 REFERENCIAS

Referencias[1] Abel, A. B., & Bernanke, B. S. (2004). Macroeconomía (Cuarta ed.). Madrid, España:

Pearson Addison Wesley.

[2] Alba, L. C., & Ossio, P. H. (2014). Consumo e Incertidumbre: Una investigaciónEmpírica para Bolivia. Macroeconomía Aplicada, 2-6.

[3] Barro, R. J., Grilli, V., & Febrero, R. (1997). Macroeconomía Teoria y Politica (Pri-mera ed.). Mexico: McGraw-Hill.

[4] Dorbusch, R., Fisher, S., & Start, R. (2008). Macroeconomía (Décima ed.). México:McGraw-Hill.

[5] Estima. (2007). Guía de Usuario. United States of America: Digital.

[6] Estima. (2007). Manual de Referencia. United States of America: Digital.

[7] Gregorio, J. D. (2007). Macroeconomía Teoría y Plítica (Primera ed.). Santiago:Pearson-Educación.

[8] Gujarati, D. N., & Porter, D. C. (2009). Econometría (Quinta ed.). México: McGraw-Hill.

[9] Jimenez, F. (2006). Macroeconomía Enfoques y Modelos (Tercera ed., Vol. I). Lima,Perú: Fondo Editorial. Recuperado el 2017.

[10] Rodríguez, P. C. (2009). Diccionario de Economía. Mendoza, Argentina: Versón Di-gital.

[11] Stewart, J., & Gill, L. (1998). Econometrics (Segunda ed.). Prentice-Hall.

[12] Wooldridge, J. M. (2010). Introducción a la Econometría un Enfoque Moderno (Cuar-ta ed.). (C. E. Roa, & É. M. D´Borneville, Trads.) México: Cengage Learning.

[13] Zuñiga, S. (2009). Econometría Práctica con Rats 4.3 (Digital ed.). Perú.

A APÉNDICE 33

A. Apéndice

LinReg Lc 1980:1 2015:1 Resids �# Constant LPIB LIPC LC{1 TO 3}

Modelo Estimado

Dependent Variable LnCAnnual Data From 1980:01 To 2015:01Usable Observations 33Degrees of Freedom 27Skipped/Missing (from 36) 3Centered R2 0.9995966R−Bar2 0.9995219Uncentered R2 0.9999999Mean of Dependent Variable 16.598105101Std Error of Dependent Variable 0.323107340Standard Error of Estimate 0.007064601Sum of Squared Residuals 0.0013475318Regression F (5, 27) 13382.0650Significance Level of F 0.0000000Log Likelihood 119.9238Durbin-Watson Statistic 2.1443Variables Coeff Std Error T-Stat SignifConstant 0.473300693 0.169897486 2.78580 0.00964627LnPIB 0.274784742 0.059236678 4.63876 0.00008041LnIPC 0.004436360 0.001156649 3.83553 0.00068273LnC−1 1.277733998 0.150181493 8.50793 0.00000000LnC−2 -0.851191305 0.191460691 -4.44578 0.00013494LnC−3 0.264876001 0.100297512 2.64090 0.01357821


34

CÓDIGO EN RATS PARA REALIZAR EL TEST DE WALDLinReg(noprint) Lc 1980:1 2015:1 Resids# Constant LPIB LIPC LC{1 TO 3}Display "Todo los parámetros del modelo son iguales a cero, es decir, que el LnPIB yLnIPC no explican el consumo"Restric 6# 1# 1 0# 2# 1 0# 3# 1 0# 4# 1 0# 5# 1 0# 6# 1 0

CÓDIGO EN RATS PARA REALIZAR EL TEST DE WALDLinReg(noprint) Lc 1980:1 2015:1 Resids# Constant LPIB LIPC LC{1 TO 3}Display "Todo los parámetros del modelo son iguales a cero, es decir, que el LnPIB yLnIPC no explican el consumo"Restric 1# 1 2 3 4 5 6# 1 1 1 1 1 1 0

A APÉNDICE 35

CUADRO DE DATOSMedido en Millones de Bolivianos

(Periodo 1980-2015)

Cuadro 8: DatosFuente: UDPE.Elaboración: PropiaIPC (2007=100)

* WRITENN BY EDWIN HUACANCHI S. 26/12/2017 *=================================================================== * OPEN DATA "E:\2017\Publish_I\Publish.xlsx" CALENDAR(A) 1980:1 DATA(FORMAT=XLSX,ORG=COLUMNS,BOTTOM=37) 1980:01 2015:01 Year G C VE FBKF X M PIB IPC * * *clear memory *OPEN DATA "E:\2017\Publish_I\PublishI.xlsx" *CALENDAR(A) 1980:1 *DATA(FORMAT=XLSX,ORG=COLUMNS,BOTTOM=37) 1980:01 2015:01 Year G C VE FBKF X M PIB IPC R TT table print * * table / C PIB IPC print / C PIB IPC Set rc = C/PIB graph(vlabel="C/PIB", hlabel="Year", frame=half) 1 # Rc / 2 * graph(vlabel="Tasas de interés real", hlabel="Year", frame=half) 1 # R / 2 * * * graph(key=below, kwidth=1, overlay=line, vlabel="IPB y C", ovlabel="C", frame=half) 5 # C # PIB # TT # IPC # R * * * graph(key=below, kwidth=1, overlay=line, vlabel="IPB y C", ovlabel="C", frame=half) 3 # C # PIB # IPC * * set lc = log(c) set lpib = log(pib) set lt = log(tt) set lipc = log(ipc) graph( style=Line, key=attached, klabels=||"C", "PIB", "IPC"||, overlay=Line, vlabel="C, PIB", ovlabel ="IPC") 3 # Lc # LPIB # LIPC graph(key=below, kwidth=1 , overlay=Line, vlabel="C, PIB", ovlabel ="IPC") 4 # Lc

# LPIB

# Lt

# LIPC *

LinReg Lc 1980:1 2015:1 Resids

# Constant LPIB LIPC LC{1 to 3} lt r

*============================GRAPH SCATTER AMONG VARIBLE

*hfields=3,vfields=2 grparm axislabel 25 header 25

grparm(italics) subheader 19 * spgraph(hfields=2,footer="")

scatter(axis=none, vlabel="Ln C", hlabel = "Ln PIB", style=dots)

# LC LPIB / 2 scatter(axis=none, vlabel="Ln C", hlabel = "LC IPC", style=dots)

# LC LIPC / 2 spgraph(done)

*

* *================================ ANALESYS OF ROOT UNIT ====== THE RULE FOR LAG ES (n/4) OR (n/3)

source(noecho) c:\winrats\QPlot.src * Computando y gráfica de autocorrelación de C itself

corr(results=corrs,partial=pcorrs,number=9) Lc 1980:1 2015:1

graph(headder="Autocorrelación en level",footer="FIGURE 1. ACF and PACF of the Lc",key=below,style=bar,nodates,min=-1.0,max=1.0,number=0) 2

# corrs

# pcorrs @bjident LC

@dfunit(Det=constant, lag=9) C @dfunit(Det=constant, lag=9) LPIB @dfunit(Det=constant, lag=9) lIPC

* DIFF LC / DLC

DIFF LPIB / DLPIB

DIFF LIPC / DLIPC

@dfunit(Det=constant, lag=9) DLC 1980:1 *

@dfunit(Det=constant, lag=9) DLPIB 1980:1 * @dfunit(Det=constant, lag=9) DLIPC 1980:1 *

Diff DLC / DDLC

Diff DLPIB / DDLPIB

Diff dLIPC / dDLIPC *

*@DFUNIT(DET=TREND,LAGS=9) DDLC 1980:1 * * @adfautoselect(maxlags=20,det=trend,print) ddLC

@dfunit DDLC

@adfautoselect(maxlags=20,det=trend,print) DDLPIB @dfunit DDlPIB

@adfautoselect(maxlags=20,det=trend,print) DDLIPC @dfunit DDlIPC

@KPSS(LAGS=12) DDLC @KPSS(LAGS=12) DDlPIB @KPSS(LAGS=12) DDLC

@KPSS(LAGS=12) DDLC @bjident DDLC @bjident DDLPIB @bjident DDLIPC @dfunit(Det=constant, lag=9) DDLC @dfunit(Det=constant, lag=9) DDLPIB @dfunit(Det=constant, lag=9) DDLIPC LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 TO 3} * *================================= PRUEBAS INDIVUALS LinReg(noprint) Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 TO 3} compute Urss = %rss Exclude # Constant * Display "En muchas ocasiones se requiere efectuar estimaciones de modelos en que deben imponerse restricciones sobre los coeficientes." * Rstringiendo el Constante restrict(Create) 1 # 1 # 1 0 * * Rstringiendo el LPIB restrict(Create) 1 # 2 # 1 0 * * Rstringiendo el LIPC restrict(Create) 1 # 3 # 1 0 * Test (Title="Prueba individual del intercepto") # 1 # 1 0 * LinReg(noprint) Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 TO 3} * Test(Title="Prueba individual para el parámetro del interceto || Hipótesis H0: Constante = 0") # 1 # 0 Test(Title="Prueba individual para el parámetro LPIB|| Hipótesis H0: LPIB = 0") # 2 # 0 Test(Title="Prueba individual para el parámetro LIPC|| Hipótesis H0: LIPC = 0") # 3 # 0 Test(Title="Prueba individual para el parámetro LC{1}|| Hipótesis H0: LC{1}= 0") # 4 # 0 Test(Title="Prueba individual para el parámetro LC{2}|| Hipótesis H0: LC{2}= 0") # 5 # 0

Test(Title="Prueba individual para el parámetro LC{3}|| Hipótesis H0: LC{3}= 0") # 6 # 0 * *================================= PRUEBAS WALD LinReg(noprint) Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 TO 3} Display "Todo los parámetros del modelo son iguales a cero, es decir, que el LnPIB y LnIPC no explican el consumo" Restric 6 # 1 # 1 0 # 2 # 1 0 # 3 # 1 0 # 4 # 1 0 # 5 # 1 0 # 6 # 1 0 * Display "Todo los parámetros del modelo son iguales a cero, es decir, que el LnPIB y LnIPC no explican el consumo" Restric 1 # 1 2 3 4 5 6 # 1 1 1 1 1 1 0 * graph(key=below, overlay=Line) 1 # resids / 2 * @dfunit(Det=constant, lag=0) Resids * corr(results=corrs,partial=pcorrs,number=10) resids 1980:1 2015:1 graph(headder="Autocorrelación en level",footer="FIGURE 1. ACF and PACF of the C",key=below,style=bar,nodates,min=-1.0,max=1.0,number=0) 2 1980:1 2015:1 # corrs # pcorrs * @bjident resids @dfunit(Det=constant, lag=0) resids * @regconfidence(conf=.95) * * * *========================================== PRUEBA DE WALD ============ ************************** * TEST *************************** * LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 TO 3} * display exp(0.473300693) display %BETA Display %STDERRS Display %TSTATS Display %RHO

Display %WMATRIX Display %XX Display %XXSYS Display %JSIGNIF * display "NULL HYPHOTESIS H0: Bi=.0.7347 (los interceptos son iguales a cero)" display "ALTERNATIVE HYPHOTESIS H1: Bi=/=0.7347 (los interceptos no son iguales a cero)" * restrict 2 # 1 2 3 4 5 6 # 1 1 1 1 1 1 0 # 4 5 6 # 1 1 1 0 LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 TO 3} * * *================== QPLOT ============ source(noecho) c:\winrats\QPlot.src @QPlot(distri=normal, bound=0) resids ********************QQPLOT MINE************* LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 TO 3} * * set ii = T print / ii set pi = (ii-3/8)/(%nobs+1/4) set qq = %cdf(pi) ***Para el Eje de X print / qq order resids *** resids irá al Eje de Y print / ii pi qq resids scatter(axis=none) # resids qq * scatter(lines=||0,1||,style=dots,header="title",vlabel="Quantiles",hlabel="Data") # resids qq scatter(style=dots,header="",vlabel="Quantiles",hlabel="Data") # resids qq / 2 * scatter(lines=||1, 0||, axis=none, vlabel="Quantiles", hlabel = "Data", style=dots) # resids qq / 2 * *================= TEST DE NORMALIDAD DE JARQUE-BERA ============== STATISTICS(print) resids 1980:1 2015:1 COMPUTE BJ = %NOBS*((%SKEWNESS^2)/6.0+(%KURTOSIS)^2/24.0);* disp %NOBS*((%SKEWNESS**2)/6.0+(%KURTOSIS)**2/24.0) CDF CHISQR BJ 2 *================HISTOGRAMA ================== @Histogram(distrib=normal, stats, header="", counts) resids / 2 *================ANDERSON-DARLING TEST FOR NORMALITY ============= @ADTest resids *

* *============================ PRUEBA DE MALA ESPECIFICACIÓN DEL MODELO LinReg(noprint) Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 TO 3} Set Ce = Lc - Resids Set Ce2 = ce^2 Set ce3 = ce^3 LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 TO 3} Ce2 Ce3 Display "Los parámetros de Ce2 y Ce3 son iguales a cero, es decir: || Ce2=Ce=0" Restric 1 # 7 8 # 1 1 0 * *=============================MULTICOLINEAIDA================== VCV / [novcv] 1990:1 2015:1 # LPIB LIPC 1990:1 2015:1 * VCV # LPIB LIPC * CMOM(CORR, PRINT) 1980:1 2015:1 # LPIB LIPC scatter(axis=none, vlabel="PIB", ovlabel = "IPC") # LPIB LIPC 1980:1 2015:1 * LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 to 3} * scatter(header="Dispersión entre el PIB e IPC" ,style=dots, window="Scatter", axis=none) 1 # Lpib Lipc 1980:1 2015:1 * * LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 to 3} * set u2 = resids^2 set Cest = C - resids set chat2 = Cest^2 * scatter(axis=none, vlabel="Residuos^2", hlabel = "C-estimado") # Cest u2 / 2 *hfields=3,vfields=2 grparm axislabel 25 header 25 grparm(italics) subheader 19 * spgraph(hfields=3,footer="") scatter(axis=none, vlabel="Residuos^2", hlabel = "C-estimado", style=dots) # Cest u2 / 2 scatter(axis=none, vlabel="Residuos^2", hlabel = "PIB", style=dots) # lPIB u2 / 2 scatter(axis=none, vlabel="Residuos^2", hlabel = "IPC", style=dots) # lIPC u2 / 2 spgraph(done) *

@regcorrs(number=20,report) u2 1990:1 2015:1 correlate(results=rescorrs,number=12,span=1,qstats,dfc=%narma) %resids graph(header="AR(17)",style=bar,nodates,min=-1.0,max=1.0,number=1) # rescorrs ***************************************************************** ***************************************************************** * TES DE HETEROSCIDASTICIDAD ***************************************************************** ***************************************************************** LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 to 3} print / resids set u2 = resids^2 scatter(footer="Figure 1", header="Resids v. Ln IPC",style=dots, window="Scatter", vlabel="Residuos^2", hlabel="Ln IPC") # u2 Lipc / 2 @RobustLMTest(title="Test de heteroscedasticidad-consistente LM, LA HIPÓTESIS H0: HOMOSCEDÁSTICA EN LAS VARIANZAS.") # resids * *hfields=3,vfields=2 grparm axislabel 25 header 25 grparm(italics) subheader 19 * spgraph(hfields=2,footer="") scatter(axis=none, vlabel="Residuos^2", hlabel = "PIB", style=dots) # lPIB u2 / 2 scatter(axis=none, vlabel="Residuos^2", hlabel = "IPC", style=dots) # lIPC u2 / 2 spgraph(done) * * * * @RegWhiteTest(type=full) resids *===========TEST DE "White" test for heteroscedasticity @RegWhiteTest(type=bp) resids *====================== Breusch-Pagan Heteroscedasticity Test @RegWhiteTest(robust) resids *=======LM test robust to heteroscedasticity in the Xuu'X terms @ARCHTest(lags=4, span=1, dfc=0, form=lm, print) resids *================== AUTOCORRELACIÓN LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 to 3} * * Set u1 = resids{1} scatter(lines=||0,1||, axis=none, vlabel="Residuos^2", hlabel = "Residuos{-1}", style=dots) # resids u1 / 2 table / Resids u1 * scatter(lines=||0,0||, axis=none, vlabel="Residuos", hlabel = "Residuos{-1}", style=dots, vgrid=||0||,hgrid=||0||) # resids u1 / 2

* *=========== DURBIN-WATSON ======= graph(key=below, kwidth=1, overlay=line) 1 # resids / 2 * Computando y gráfica de autocorrelación de ipc itself corr(results=corrs,partial=pcorrs,number=10) resids graph(headder="Autocorrelación en level",footer="FIGURE 1. ACF and PACF of the IPC",key=below,style=bar,nodates,min=-1.0,max=1.0,number=0) 2 # corrs # pcorrs @bjident resids *@dfunit(Det=constant, lag=0) resids @dfunit resids * ============Prueba Formal @RegExactDW @bjident Resids @regcorrs(dfc=%narma,method=burg) @regcorrs(dfc=%narma,number=20,qstats,report, method=burg,title="ARMA(1,1) model diagnostics") *** ===================MODELO DE CORRECIÓN DE ERROR (MCE) LinReg Lc 1980:1 2015:1 Resids # Constant LPIB LIPC LC{1 to 3} * Set DLC = Lc-Lc{1} Set DLPIB = LPIB-LPIB{1} Set DLIPC = LIPC-LIPC{1} Set L1c = Lc{1} - Lc{2} Set L2c = Lc{2}-Lc{3} Set L3c = Lc{3}-Lc{4} Set u1 = Resids - Resids{1} table / Dlc DLPIB DLIPC L1c L2c L3c u1 print / Dlc DLPIB DLIPC L1c L2c L3c u1 * LineReg Dlc / Resids # Constant DLPIB DLIPC L1c L2c L3c u1 Test (" El coeficiente de U1 es cero") # 7 # 0 * PRUEBA DE QUIEBRAS ESCTRUCURALES ************************************************************************ ************************************************************************ *============Andrews-Quandt============================================= * structural break tests for a model estimated by maximum likelihood @APGradientTest(graph) 1961:1 2012:1 # resid @APGradientTest(graph) 1980:01 2015:11 # ipc_2007 @APGradientTest(graph) 1981:01 2015:11 # dlipc_2007

MACROECONOMÍA · 2018. 2. 7. · Resumen El consumo es una de los componentes más importantes de...

Documents

Transcript of MACROECONOMÍA · 2018. 2. 7. · Resumen El consumo es una de los componentes más importantes de...