Trabajo Final

Anlisis economtrico a
travs del tiempo.

Producto Interno Bruto y Consumo Privado

29/05/2014
Escuela Superior de Economa.
3EM8: Cortez de la Rosa Fernando.


2
NDICE.
Introduccin. _________________________________________________________ 3.
Base terica. _________________________________________________________ 4.

Anlisis estadstico. __________________________________________________ 12.
1) Cuatro momentos estadsticos.
Anlisis economtrico. ________________________________________________ 14.
1) Estacionalidad, Tendencia, Ciclo e Irregularidad (ETCI).
2) Correlograma (AC y PAC).
3) Prueba de raz unitaria.
4) Criterio de Akaike: ARIMA (1, 1, 1) vs. (2, 1, 2)

Modelo de correccin de errores y cointegracin. ___________________________ 24.
Calculo de vectores autoregresivos (VAR). ________________________________ 26.

Correccin de la violacin de los supuestos del modelo. ______________________ 30.
1) Funcin impulso-respuesta.
Aplicacin del modelo corrector de errores (VEC o MEC). ____________________ 39.

Conclusin. _________________________________________________________ 43.
Bibliografa. _________________________________________________________ 45.


3
INTRODUCCIN.
Cul es la importancia del PIB? El Producto Interno Bruto (PIB), que muchas veces lo
escuchamos en la tele, la radio o en el peridico; es la suma de todos los bienes y
servicios finales producidos en un pas durante un ao.
Este resultado de todos los bienes es tanto de la inversin nacional como la extranjera,
el PIB esta en todo lo que adquirimos o consumimos como por ejemplo: un vehculo,
una vivienda, ropa, calzado, comida, o servicios como un corte de pelo, servicio de
seguridad, servicio de limpieza, etc.
De hecho, el PIB es el indicador comnmente utilizado para medir el crecimiento
econmico de una regin (pas, estado, ciudad) durante el periodo de un ao. Sin
embargo, es importante hacer notar que crecimiento econmico no es igual a desarrollo
econmico; ya que, ste ltimo s considera el bienestar social. Esto es, por ejemplo,
pudiera ser que el PIB aumentase 10% en un ao, pero si su poblacin aumenta a un
ritmo del 11%, entonces el PIB per cpita (por persona) en realidad ha disminuido, y
por tanto, su bienestar tambin.
As, suponer que un crecimiento del PIB indica mejores condiciones de vida, es una
falacia lgica. Por ello considero trascendental conocer el comportamiento de este
indicador a travs de un anlisis economtrico dinmico.
El presente trabajo inicia especificando que es el PIB, posteriormente un anlisis
estadstico del PIB y finalmente el anlisis economtrico, en la segunda parte del
trabajo presento un modelo de consumo privado en funcin del Ingreso real y la
inflacin usando un modelo de Vectores Autorregresivos (VAR) y posteriormente un
Modelo de Corrector de Errores (MCE).


4
BASE TERICA.
Los principales componentes del PIB: son el gasto en consumo privado, la inversin
privada bruta, gastos del gobierno, exportaciones e importaciones.
El PIB es un indicador que es representado a precios corrientes y a precios constantes.
De acuerdo al Instituto Nacional de Estadstica y Geografa (INEGI):
PIB a precios corrientes: Este indicador proporciona informacin sobre el valor de
todos los bienes y servicios finales producidos en la economa, valuados a precios
bsicos vigentes en el trimestre en cuestin. La informacin se presenta para la
economa en su conjunto y para cada uno de los 20 sectores de actividad (INEGI,
2014).
PIB a precios constantes: Se emplea en el clculo de las Cuentas de Bienes y
Servicios del Sistema de Cuentas Nacionales de Mxico (SCNM). ste se obtiene a
partir de la elaboracin de ndices mensuales y trimestrales -de volumen fsico de la
produccin- de formulacin Laspeyres, que tienen su base fija en el ao de 2008
(INEGI, 2014). Los datos corresponden al total de la economa, as como para cada
uno de los 20 sectores que la componen:
1. ACTIVIDAD PRIMARIA: Agricultura, ganadera, aprovechamiento forestal, pesca
y caza;

2. ACTIVIDAD SECUNDARIA: Minera; Electricidad, agua y suministro de gas por
ductos al consumidor final; Construccin; Industrias manufactureras;

3. ACTIVIDAD TERCIARIA: Comercio; Transportes, correos y almacenamiento;
Informacin en medios masivos; Servicios financieros y de seguros; Servicios
inmobiliarios y de alquiler de bienes muebles e intangibles; Servicios
profesionales, cientficos y tcnicos; Direccin de corporativos y empresas;
Servicios de apoyo a los negocios y manejo de desechos y servicios de
remediacin; Servicios educativos; Servicios de salud y de asistencia social;
Servicios de esparcimiento culturales y deportivos, y otros servicios recreativos;
Servicios de alojamiento temporal y de preparacin de alimentos y bebidas;
Otros servicios excepto actividades del Gobierno; Actividades del Gobierno, y los
Servicios de intermediacin financiera medidos indirectamente.
Para poder analizar el PIB a detalle ocupare la identidad contable I G C Y + + = SIN
considerar el mercado externo, para ello usar el Consumo Privado (GCPRI), el
Consumo de Gobierno (GCPUB) y la Formacin Bruta de Capital (FBK). De acuerdo al

5
INEGI y su marco conceptual:
Consumo Privado: Consiste en los bienes o servicios de consumo adquiridos por los
hogares individuales, ya sea comprndolos (incluidos los gastos en bienes o servicios
no de mercado vendidos a precios que no son econmicamente significativos) o de las
instituciones sin fin de lucro que sirven a los hogares (ISFLSH) en forma de
transferencias sociales en especie (las cuales se financian fundamentalmente con
suscripciones, contribuciones o donativos, o bien con rentas de la propiedad; INEGI,
2011).
Consumo de gobierno: El gobierno general efecta gastos en una amplia gama de
bienes y servicios de consumo, ya sean servicios colectivos o de ciertos bienes o
servicios individuales. Los gastos del gobierno se financian principalmente mediante
impuestos u otros ingresos gubernamentales (INEGI, 2011).
Formacin Bruta de Capital: Este concepto comprende dos aspectos importantes.
Por una parte, el aumento o disminucin en inventarios de materiales, suministros,
productos y bienes terminados que se encuentran en poder de las industrias y los
productores, los que en conjunto representan las llamadas existencias. Por otra, la
formacin bruta de capital fijo que se refiere al incremento de los activos fijos o capital
fijo durante un perodo determinado (INEGI, 2011).
La base de datos obtenida es del Banco de Informacin Econmica (BIE) en la seccin
de cuentas nacionales, cuyo indicador esta expresado en precios del 2008, para el
presente trabajo usar exclusivamente datos a precios del 2010, al respecto INEGI
dice:


6
Qu es el cambio de ao base?
Es la actualizacin del ao que se utiliza como referencia para medir el crecimiento de
los indicadores econmicos de un pas, descontando el efecto de la inflacin, con el
propsito de reflejar mejor la realidad econmica y sus cambios estructurales en el
tiempo.
Cada cundo se lleva a cabo?
La experiencia mexicana ha consistido en llevar a cabo Cambios de Ao base cada 10
aos: 1970, 1980, 1993 y 2003; a partir del Cambio de Ao base a 2008, Mxico los
realizar en forma quinquenal, es decir, cada cinco aos.
Por qu se hacen los cambios de ao base?
La dinmica de las actividades econmicas impone necesidades de actualizacin y
mejora en las fuentes y mtodos de clculo, lo cual obliga a cambiar el ao de
referencia respecto al cual se compara el crecimiento real o sin efecto inflacionario
(precios constantes) de un pas. Si el cambio no se realiza, al menos cada diez aos,
las variaciones en los indicadores no reflejarn la realidad, debido a su
desactualizacin.
Cmo se elige el ao base?
El ao base que se elija debe presentar estabilidad econmica y social; asimismo, el
ao elegido como base debe contar con abundante informacin estadstica proveniente
de censos, encuestas y registros administrativos.
Para el siguiente anlisis economtrico he cambiado la base del 2008 al 2010, para
homogenizar la serie, es decir, para no perder la proporcionalidad de los ndices, as,
primero se obtiene el deflactor 2010 de base 2008, cuyo valor es 108.1549, se realiza
la razn de cada uno de los ndices entre 108.1549, finalmente se empalma la serie
2010 en adelante.
Cmo paso los valores del PIB a 2010?
Sabemos que el deflactor es construido

lo nico que se debe
hacer es cambiar el deflactor 2008 por el construido 2010, por tanto:
1. De corriente a constante: (

)

2. De constante a corriente: (

)

7
Grficamente los valores a precios del 2010 construidos son:

Fuente: Elaboracin propia con datos del INEGI.

Grfica 1. Producto Interno Bruto (1993:01-2013:03), miles de pesos (2010=100).
Grfica 2. Consumo Privado (1993:01-2013:03), miles de pesos (2010=100).

8


Grfica 3. Consumo de Gobierno (1993:01-2013:03), miles de pesos (2010=100).
Grfica 4. Formacin Bruta de Capital (1993:01-2013:03), miles de pesos (2010=100).

9

Analizando las variables con el cambio de base del 2008 al 2010 con ayuda de la
grfica 5 y el cuadro 1, se observa en la grfica 1 el efecto que tuvo la crisis de 1995
(error de diciembre - Mxico) contrayndose la economa en 6.77% y la crisis del 2008
(Burbuja especulativa inmobiliaria en EE.UU.) donde sus efectos se dejaron ver en el
2009 ya que para finales del primer semestre del 2009 la economa cerro
negativamente en 7.94%, terminando el ao con un crecimiento negativo de 1.04%,
adems de 1995 a 2007 se observa una fluctuacin del PIB en un rango de -1.64% a
2.05% trimestral, esto significa que en promedio trimestre tras trimestre de 1995 a 2007
hubo una variacin de 0.89%, as, de manera ms notable de 2009 en adelante, el
nico valor atpico son el primer trimestre ao tras ao, que es razonablemente un
comportamiento normal debido al exceso de demanda que hay en diciembre.
Por un lado, en la grfica 2 se observa que el consumo de las familias tambin se
contrajo debido a las mismas causas que se contrajo la produccin, lo interesante es
ver que el consumo para el termino del ao 1995 se contrajo en 7.17% y para el primer
Grfica 5. Tasas de crecimiento (1994:01-2013:03)

10
semestre del 2009 creci negativamente en 7.58% finalizando el ao con una
contraccin de 3.10%, al igual se observa que el efecto estacional (ltimo trimestre de
cada ao) afecta de manera severa al consumo pues cada cuarto trimestre se observa
un aumento de casi el doble.

Por otro lado, la grfica 3 muestra un manejo casi constante hasta el ao 2000, pues
slo vario del 1% al 2% excepto en 1997 donde el gasto de gobierno creci ms de 3%
a partir del cambio de gobierno del PRI al PAN slo el 2000 registro una tasa de
crecimiento de 4.35% y fue hasta el 2005 cuando el gasto de gobierno volvi a registrar
tasas de crecimiento alrededor del 5%, sin embargo, cuando sucede la crisis del 2008
el gasto de gobierno creci en un 7.14% para finales del 2008, desde entonces la tasa
de crecimiento oscila en el 3% 1%. Lo anterior ha sido a causa de polticas fiscales
activas, de hecho en la grfica 6 se observa claramente que la poltica fiscal a travs
del gasto de gobierno han sido contracclicas, es decir, que en periodos de crisis el
gasto de gobierno aumenta, mientras que periodos de auge el gasto de gobierno se
modera, esto con la nica finalidad de generar un crecimiento estable y sostenido.
Finalmente la grfica 4 ensea que la inversin crece o decrece a tasas muy elevadas,
la inversin es una variable sumamente importante para que exista crecimiento
econmico en el pas, se observa que el comportamiento de la inversin va conforme al
ciclo econmico, es importante mencionar que dicha variable es muy voltil y sensible a
situaciones econmicas, poltico y sociales. Por ejemplo, para finales del ao 1995 la
inversin decreci en 23.85% pero el siguiente ao se recuper alcanzando un
crecimiento de 20.84%, analizando toda la serie se muestra que trimestralmente la
Cuadro 1. Profundidad y duracin de los ciclos econmicos de Mxico

11
variacin es en promedio 1.48% lo que quiere decir que de un trimestre a otro la
inversin puede crecer o decrecer en promedio en 45,346 mdp (millones de pesos). La
grfica 7 muestra con mayor detalle el comportamiento de la inversin comparada con
el crecimiento del PIB.

Fuente: Elaboracin propia con paquetera Eviews 7.

Grfica 6. %PIB vs. %Gasto de Gobierno (1994:01-2013:03)
Grfica 7. %PIB vs. %Inversin (1994:01-2013:03)

12
ANLISIS ESTADSTICO.
PRODUCTO INTERNO BRUTO.

CONSUMO PRIVADO.

Cuyo valor mnimo histrico registrado durante
el primer trimestre de 1993 a tercer trimestre
de 2013 fue $ 8, 454, 887 y para el mismo
periodo el valor mximo histrico registrado es
de $ 14, 861, 815 asimismo una media
aritmtica $ 11, 502,492 una desviacin
estndar de $ 1, 764, 896 cuyo sesgo (3
momento estadstico) es a la derecha y una
curtosis (4 momento estadstico) de 1.92, es
decir, es leptocrtica. Adicionalmente, el
estadstico Jarque-Bera bajo un criterio del 5%
muestra que hay suficiente evidencia para
concluir que el PIB sigue una distribucin de
probabilidad normal, como consecuencia son
no rechazables las pruebas del t-student, chi
cuadrada y F de Fisher.
aritmtica $ 7, 797, 430 una desviacin
estndar de $ 1, 225, 032 cuyo sesgo (3

13
CONSUMO DE GOBIERNO.

INVERSIN.


estndar de $ 173, 769.4 cuyo sesgo (3
momento estadstico) es a la izquierda y una
muestra que NO hay suficiente evidencia para
rechazables las pruebas del t-student, chi
de $ 3, 548, 213, asimismo una media
estndar de $ 562, 047 cuyo sesgo (3

14
ANLISIS ECONOMTRICO.
A continuacin mostrar a travs del grfico 8 la estacionalidad del PIB, donde a
simple vista el grfico presenta variaciones estacionales trimestrales. Esto no indica la
veracidad de mi planteamiento, se requiere demostrarlo formalmente.


Fuente: Elaboracin propia con paquetera Excel 2010.
Grfica 8. Producto Interno Bruto (1993:01-2013:03), miles de pesos (2010=100).
Grfica 9. ETCI del PIB (1993:01-2013:03), miles de pesos (2010=100).

15

Una primera inspeccin de la serie indica que a lo largo del periodo 1993:01 2013:03
sigue una tendencia creciente con sus respectivas oscilaciones, para ello en la grfica
9 se muestra la Estacionalidad, Tendencia, Ciclo e Irregularidad (ETCI) de la serie,
para el presente caso:
1) Estacionalidad: Son las fluctuaciones estacionales trimestral. La variacin
estacional se refiere a un patrn de cambio, regularmente recurrente a travs del
tiempo. El movimiento se completa dentro de la duracin de un ao y se repi te a
s mismo ao tras ao, en este caso representa el cuarto trimestre. (vase:
grfica 9).

2) Tendencia: Representa el componente de largo plazo, como se presenta en la
grfica 9. Las fuerzas bsicas que podran cambiar la tendencia del PIB son:
cambios en la poblacin, inflacin, cambio tecnolgico e incremento en la
productividad.

3) Ciclo: es el conjunto de fluctuaciones en forma de onda o ciclos, de ms de un
ao de duracin, producidos por cambios en las condiciones econmicas.
(vase: grfica 1).

4) Irregularidad: este comportamiento irregular est compuesto por fluctuaciones
causadas por sucesos impredecibles o no peridicos, como el clima poco usual,
huelgas, guerras, rumores, elecciones y cambio de leyes. (vase: grfica 5)
Grfica 10. Producto Interno Bruto (1993:01-2013:03), logaritmo natural (2010=100).

16
El modelo que estoy considerando es aditivo ya que el modelo es lineal de acuerdo a
su tendencia, adems sus componentes son un elemento independiente de adicin que
lo conforman y justifican la trayectoria as como el comportamiento de la variable a
travs del tiempo.
Para propsitos del desarrollo del ejercicio, se trabajara con la serie en logaritmos (LY),
la cual se presenta en la grfica 10 mostrando fundamentalmente una dinmica similar
a la serie en valores originales (vase: grfica 8).
A partir de la inspeccin visual de la serie, notamos que la misma no parece
evolucionar alrededor de una media, lo cual puede sugerir que la serie es no
estacionaria. Para continuar con el anlisis, se estiman los coeficientes de
autocorrelacin simple y parcial representados en el correlograma de la figura 1. Las
barras que aparecen en las dos primeras columnas, corresponden a la grfica de los
coeficientes de autocorrelacin simple y autocorrelacin parcial respectivamente, que
se refieren a los valores de la tercera y cuarta columna que tienen como encabezado
AC (autocorrelaciones simples) y PAC (autocorrelaciones parciales). La quinta columna
reporta los valores del estadstico Q de Ljung Box y en la sexta y ltima columna, se
reportan las probabilidades asociadas a dicho estadstico.

Figura 1. Correlograma de LY (2010=100)
T= 83 y k = 36

17
La estacionalidad y estacionariedad las detectare a travs de las funciones de
autocorrelacin (AC) y autocorrelacin parcial (PAC), las cuales medirn la relacin
estadstica entre las observaciones de la serie temporal. Para hablar de
estacionariedad partir del supuesto de:
( ) ( )
1
=
t t
y Var y Var
Al observar las barras de la primera columna, se puede constatar que con excepcin
del rezago nmero 25, todos los coeficientes
k
son positivos y se encuentran fuera
del intervalo de confianza del 95%, determinado por las lneas punteadas ubicadas en
los extremos de la lnea continua. Aunque el ancho de las barras tiende a disminuir
desde el primer rezago hasta el ltimo, est claro que no hay evidencia suficiente para
NO rechazar la hiptesis individual de que cada 0 =
k
, ya que los intervalos no
contienen el valor de cero, lo que a su vez sugiere, que la serie LY es, efectivamente,
no estacionaria.
Para evaluar la hiptesis conjunta de que todos los coeficientes de autocorrelacin
simple (AC) son simultneamente iguales a cero, nos referimos a la prueba de Box
Pierce y Ljung Box. En este caso la hiptesis a probar es que 0 ,..., , , :
3 2 1 0
=
k
H
Si el valor del estadstico de Ljung y Box, que es el que se muestra en el correlograma
para 36 = k , excede al valor de la
2
_ terico a un nivel de significancia del 95% y con
k grados de libertad, se rechaza la hiptesis de que todos los coeficientes son iguales
a cero, lo que se corrobora con la probabilidad reportada en el correlograma de 0.000
asociada al retardo 36 = k . En este sentido, se puede concluir que el PIB se comporta
como una serie no estacionaria en niveles.
El anlisis se inicia aplicando la prueba de Dickey-Fuller (DF) sin considerar intercepto
o tendencia. Los resultados se reportan en el Cuadro 2. Se observa que, en trminos
absolutos, el estadstico de prueba (3.652320) es menor que los valores crticos de
MacKinnon al 1%, 5% y 10%, por lo que no se rechaza la hiptesis nula, esto es, la
variable presenta raz unitaria.
Los resultados del Cuadro 3 corresponden a una regresin en donde slo se introduce
el intercepto, e igualmente se obtiene un estadstico de prueba menor que los valores
crticos. Nuevamente hay presencia de raz unitaria.
Los resultados del Cuadro 4, incorporan una variable de tendencia y se aprecia que
tanto sta como el intercepto son estadsticamente significativos, e interesantemente el
estadstico de prueba es mayor en trminos absolutos a cualquiera de los valores
crtico.

18
Los resultados de la tercera especificacin apuntan hacia la no existencia de una raz
unitaria, cmo resolvemos esta contradiccin? Notamos que en las tres
especificaciones se aprecia un problema de correlacin en los residuales, el estadstico
Durbin-Watson es muy elevado.


Cuadro 2.
t t t
u y y + = A
1
o

Cuadro 3.
t t t
u y y + + = A
1 1
o |

19


Tomando el resultado de no estacionariedad del PIB en niveles como vlido,
procedemos a ilustrar el concepto de integracin. As, aplicamos las pruebas de raz
unitaria a la primera diferencia del logaritmo del PIB, que denote como D(LY). Los
resultados de la estimacin de la prueba DF se muestran en el Cuadro 5, se nota que
en trminos absolutos, el estadstico de prueba es superior a los valores crticos,
observando tambin que el estadstico de Durbin Watson es igual a 1.91.
Con base en este instrumento, se determina que un modelo idneo a estimar es el
Cuadro 4.
t t t
u y t y + + + = A
1 2 1
o | |
Cuadro 5. Resultado en Primera Diferencia de la Prueba DF.

20
siguiente: ) 1 ( _ ) 1 ( _ _ MA AR C DLY que contempla un autorregresivo de orden 1 y una
media mvil de orden 1 en la parte regular.

Figura 2. Correlograma de DLY (2010=100)
T= 82 y k = 36
Fuente: Elaboracin propia con paquetera
Eviews 7.
Figura 3. Correlograma de los residuales
del modelo estimado.
Fuente: Elaboracin propia con paquetera
Eviews 7.

21
Se analiza que el PIB (vease figura 3) sigue un proceso mixto de orden 1, adems es
significativa al 1% a partir del cuarto rezago, no rechazando la hipotesis nula de que los
coeficientes de autocorrelacion son iguales a cero. Adems se observa que las
funciones AC y FAC tambien validan los periodos estacionales porque los coeficientes
del FAC para retardos mltiplos del periodo estacional de la serie son
significativamente distintos de cero. en la figura 4 se muestra la no existencia de raz
unitaria, puesto que los dos puntos se encuentran cerca de la circunferencia,
mostrando que la serie es estacionaria.

Por un lado, los estadsticos t indican que los tres regresores son significativos a un
nivel de confianza del 95%. Aunado a esto, el estadstico de Durbin-Watson y el
coeficiente de determinacin mltiple son aceptables, por otro lado, al considerar un
modelo ) 2 ( _ ) 1 ( _ ) 2 ( _ ) 1 ( _ _ MA MA AR AR C DLY que contempla dos autorregresivo de
orden 1 y 2, asmismo dos medias mviles de orden 1 y 2 en la parte regular, donde los
estadsticos t indican que los cinco regresores excepto la media mvil de orden 1 son
significativos a un nivel de confianza del 95%. Adicionalmente, el coeficiente de
determinacin mltiple es aceptable, pero el estadstico de Durbin-Watson muestra que
hay suficiente evidencia para concluir que hay autocorrelacin negativa, adems el
criterio de Akaike muestra que el mejor modelo es ) 1 ( _ ) 1 ( _ _ MA AR C DLY . Por lo que
Figura 4. Prueba de raz unitaria.

22
se puede considerar como una especificacin adecuada (vase cuadro 6).

En la grfica 11 se puede apreciar que la perturbacin estocstica no sigue un patrn.

Cuadro 6. Comparacin del modelo ARIMA (1, 1, 1) vs. ARIMA (2, 1, 2).
Grfica 11. PIB vs. Estimacin (1993:01 2013:03).

23
Sin embargo, los residuales no son ruido blanco puesto que la prueba de Jarque-Bera
muestra que bajo el criterio de significancia del 5%, incluso 1%, no hay suficiente
evidencia para no rechazar la hiptesis nula de que el modelo sigue una distribucin
normal, causando la no veracidad en las pruebas de primer orden bajo una distribucin
normal, sin embargo, la aplicacin de Dickey-Fuller causa que el presente modelo ya
no siga una distribucin normal.


Sin embargo usando la prueba de Chow con el modelo especificado (vase: cuadro 8)
se puede observar que ya no persiste el cambio estructural que se efectuaba en 2008
debido a la crisis inmobiliaria en EE.UU.
Cuadro 7. Histograma del modelo ARIMA (1, 1, 1).
Cuadro 8. Prueba de Cambio estructural de ARIMA (1, 1, 1).

24
MODELO DE CORRECCIN DE ERRORES Y COINTEGRACIN.
Ahora usar como ejemplo del mecanismo corrector de errores realizado en Eviews,
para este caso, planteare un modelo de consumo privado, el cual expresare de la
siguiente manera:
t = Yr GCPRI
Donde:
= GCPRI Consumo Privado.
= Yr Ingreso real.
= t Inflacin.
NOTA: las series estn expresadas en el mismo ao base (2010) tienen periodicidad
trimestral y el periodo es de 1993:1 a 2013:3.
Antes de modelar, transformare la serie en logaritmos de GCPRI, Yr y por
conveniencia.
A travs de la grfica 12, 13 y 14 representar la serie original y su forma logartmica
para demostrar que el comportamiento de la variable sigue siendo el mismo slo que
con una base distinta.

Grfica 12. Consumo privado vs. Logaritmo de Consumo privado (1993:01 2013:03).

25


A continuacin aplicar la prueba de Dickey Fuller como herramienta auxiliar para
corroborar no tiene raz unitaria, es decir, si la serie es estacionaria, en el cuadro 9.
Es importante mencionar que
0
H es que existe raz unitaria en la serie y
1
H es que la
serie es estacionaria. Por tanto, para rechazar la hiptesis nula (
0
H ) la probabilidad
debe ser menor a 0.05 (5%) o en su defecto, en trminos absolutos al valor crtico del
5% (si no pasa al 5% podemos flexibilizarnos al 10%) para NO rechazar
0
H la
probabilidad debe ser mayor a 0.05.

Grfica 13. Ingreso real vs. Logaritmo de Ingreso real (1993:01 2013:03).
Grfica 14. INPC vs. Logaritmo de INPC (1993:01 2013:03).

26

Obsrvese que LYReal es significativa cuando se le agrega la tendencia al igual que
LINPC, todas las dems no son significativas bajo el criterio del 5%, por tanto se
presenta un problema de NO estacionariedad en niveles.
CALCULO DE VECTORES AUTOREGRESIVOS.
Es importante reiterar que tenemos que las variables a utilizar deben ser de orden de
integracin 1, es decir I (1), La forma de demostrar el orden de integracin, es a travs
de la raz unitaria.
El VAR es un modelo que implica un sistema de ecuaciones. Todas las variables son
endgenas en el sistema y son explicadas por los rezagos de las mismas, por tanto, es
un modelo dinmico pero aterico.
Antes de especificar el nmero de rezagos a emplear utilizar los criterios de decisin
para el nmero de rezagos ptimo propuesto por el programa Eviews. En un modelo
con series trimestrales recomiendo colocar 8 para el nmero de rezagos que demanda
el software (vase: cuadro 10).
Los asteriscos indican cual es el nmero de rezagos ptimo para el modelo. Todos los
criterios sealan que el nmero de rezagos ptimo es el 5.
IMPORTANTE: Cabe aclarar que el nmero de rezagos ptimo que arrojan los
criterios, no necesariamente son del todo exactos, nicamente nos dan un punto de
referencia.
En funcin a los resultados obtenidos el modelo se estimara con 5 rezagos. (Vase:
cuadro 11).
Variable Modelo t-Statistic 5% Prob
Constante -2.304411 -2.901779 0.1734
Constante y Tendencia -3.148245 -3.471693 0.1031
None 2.659844 -1.945324 0.9979
Constante -4.169539 -2.901779 0.0014
None -1.506174 -1.945024 0.1229
Constante -4.018232 -2.899115 0.0022
None 0.970044 -1.945024 0.9108
LGCPRI
LYReal
LINPC
Cuadro 9. Modelo en niveles (levels); Dickey Fuller.

27


Donde las ecuaciones quedan de la siguiente manera:
Cuadro 10. Criterio de Seleccin para el Orden de Rezago
Cuadro 11. Modelo VAR estimado con 5 rezagos.

28
No es fundamental reportar los resultados obtenidos por el modelo VAR ya que se
requiere aplicar las pruebas de diagnstico a los errores del modelo. La primera prueba
a aplicar es la prueba de normalidad. Para ello aplicar un mtodo de ortogonalizacin,
prueba de Cholesky (vase: cuadro 12).

Cuadro 12. Normalidad de modelo. Prueba de Cholesky.
VAR Model - Substituted Coefficients:
========================================
LGCPRI = 0.885491939018*LGCPRI(-1) - 0.192009863954*LGCPRI(-2) - 0.100308469834*LGCPRI(-3) +
0.984220096665*LGCPRI(-4) - 0.745892067811*LGCPRI(-5) - 0.433130029496*LYREAL(-1) + 0.541452751866*LYREAL(-2) +
0.0578857122663*LYREAL(-3) - 0.500333278676*LYREAL(-4) + 0.326962081043*LYREAL(-5) - 0.42608144792*LINPC(-1) +
0.369973222494*LINPC(-2) + 0.848106909252*LINPC(-3) - 1.06133222886*LINPC(-4) + 0.321972366865*LINPC(-5) +
2.54076752101

LYREAL = 0.16816615736*LGCPRI(-1) - 0.145534484291*LGCPRI(-2) - 0.0597714968074*LGCPRI(-3) +
0.240566633535*LGCPRI(-4) - 0.197736129477*LGCPRI(-5) + 0.293365743563*LYREAL(-1) + 0.487604978266*LYREAL(-2) -
0.00487457838323*LYREAL(-3) + 0.0947968928953*LYREAL(-4) - 0.198166466998*LYREAL(-5) - 1.35327410928*LINPC(-1) +
1.55654945028*LINPC(-2) - 0.352954697103*LINPC(-3) + 0.256931361674*LINPC(-4) - 0.330608517143*LINPC(-5) +
4.79811323981

LINPC = 0.0133836591719*LGCPRI(-1) + 0.00223476651394*LGCPRI(-2) - 0.0601302465724*LGCPRI(-3) -
0.0070678153038*LGCPRI(-4) + 0.102472326943*LGCPRI(-5) - 0.0012100884308*LYREAL(-1) + 0.0135441205205*LYREAL(-
2) + 0.079316210028*LYREAL(-3) + 0.046589531499*LYREAL(-4) - 0.0858728923325*LYREAL(-5) + 1.66170782084*LINPC(-1)
- 1.09743937556*LINPC(-2) + 0.891493782407*LINPC(-3) - 0.401446087075*LINPC(-4) - 0.046619149528*LINPC(-5) -
1.46564159089

29
En primera instancia el cuadro 12 muestra en sus primeros dos cuadros las pruebas
de simetra (Skewness) y curtosis (Kurtosis). La Jarque-Bera es una prueba que
considera las otras dos, por tal motivo, la lectura de la prueba de normalidad se realiza
en el ltimo cuadro reportado. Los resultados encerrados en el cuadro rojo indican la
probabilidad del estadstico de la prueba por ecuacin. En la columna component se
hallan las ecuaciones del modelo, en este caso 1 representa la ecuacin de LGCPRI, 2
la ecuacin de LYReal y 3 la de LINPC. Joint, es el resultado de la prueba en su
conjunto la cual est enmarcada en el cuadro azul.
Como se puede observar en el cuadro anterior, el modelo en la prueba conjunta tiene
problemas, ya que la probabilidad es menor al 5%, pero antes de solucionar el
problema de normalidad hay que realizar las otras pruebas.
La siguiente prueba que analizar es la de Autocorrelacin, las pruebas que maneja la
paquetera Eviews para la correlacin son la Portmanteu y la prueba LM. Sin embargo,
la prueba de Portmanteu slo sirve para un nmero de rezagos extenso, por tal motivo,
slo usare la prueba LM (vase: cuadro 13).

Donde la hiptesis nula indica la ausencia de autocorrelacin. En este caso la
probabilidad es de 0.5726, lo cual indica que no tenemos problemas de autocorrelacin
bajo el criterio del 5% de significancia.
A continuacin, se aplicar una prueba para heteroscedasticidad. La prueba de White
para trminos no cruzados (vase: cuadro 14).
Cuadro 13. No autocorrelacin del modelo. Prueba LM.

30

Para este caso slo se observa la probabilidad de la prueba conjunta (la cual est
marcada con el rectngulo rojo), donde la hiptesis nula indica que la varianza de los
errores es homoscedstica. Esto implica que el modelo tiene problemas de
heteroscedasticidad.
En sntesis, el modelo presenta problemas de normalidad y de heteroscedasticidad. El
problema de normalidad se podra arreglar con variables dummy y el problema de
heteroscedasticidad sea mediante la transformacin logartmica o deflactar todas las
variables por alguna medida de tamao.
CORRECCIN DE LA VIOLACIN DE LOS SUPUESTOS DEL
MODELO.
Primero, se intentara corregir la normalidad. Para ello se requiere ver el
comportamiento de los errores en el tiempo de dicha ecuacin y ser a travs de los
grficos de los errores (vase: grfica 15).
Los residuales del consumo privado muestran cuatro tipos de impulso durante el
periodo de estudio, por tanto lo recomendable es generar una variable dummy (vase:
cuadro 15) para los aos
Las dummy propuestas se deben a tres cambios significativos en la economa
mexicana, primero el impacto que tuvo la crisis de 1995, la cual sin duda provoco
Cuadro 14. Heteroscedasticidad del modelo. Prueba White (trmino no cruzados).

31
cambios en el movimiento de la mayora de las variables macroeconmicas, para el
presente caso impacto en tres trimestres, una situacin similar paso para el ao 2008,
dada nuestra fuerte dependencia econmica con la de EE.UU., Mxico se vio afectada
por la crisis inmobiliaria afectando el segundo y tercer trimestre del 2008 y el primer y
segundo trimestre del 2009, pero Qu paso en 2003? De acuerdo a Banco de Mxico
el consumo privado, el principal rubro de la demanda agregada en cuanto a su
participacin, de nuevo contribuy a la expansin de la actividad econmica en el ao
en su conjunto. Sin embargo, con datos desestacionalizados el crecimiento de dicho
gasto se atenu en la segunda mitad del ao. En 2002 la evolucin de dicho gasto se
vio influida por una mayor disponibilidad de financiamiento, por plazos ms largos para
liquidar los crditos, por menores tasas de inters y por el aumento en varios sectores
de las remuneraciones medias en trminos reales. No obstante lo anterior, el consumo
privado se desaceler de manera significativa con relacin a lo observado en los aos
previos (BANXICO, 2002).

Grfica 15. Comportamiento de los residuales (1993:01 2013:03).

32
Dicha desaceleracin afecto todo el ao 2003 en parte por el reducido crecimiento de la
economa mexicana, Banxico dice Por un lado, la economa mexicana ha venido
perdiendo competitividad en un mundo globalizado, como lo demuestra la menor
participacin de las exportaciones nacionales en el mercado estadounidense. Por el
otro, las empresas manufactureras continan en la bsqueda de las ubicaciones ms
rentables a nivel internacional en donde realizar su produccin. Ello ha dado origen a
que las actividades manufactureras que utilizan la mano de obra con mayor intensidad
relativa, tiendan a desplazarse de las naciones con costos laborales ms altos y cuellos
de botella en sectores fundamentales para la economa, hacia aqullas con menores
costos de la mano de obra y un marco econmico ms flexible y eficiente (BANXICO,
2003).

En el cuadro 16 se vuelven aplicar las pruebas de normalidad, autocorrelacin y
heteroscedasticidad y ver si no viola algn supuesto.

d95 d03 d08 d09
Q1 1 1 0 1
Q2 1 1 1 1
Q3 0 1 1 0
Q4 1 1 0 0
Variables Dummy
Cuadro 15. Construccin de la Variable Dummy.
Cuadro 16. Correccin de los supuestos del modelo

33

Este modelo reporta resultados ms contundentes en las pruebas de diagnstico. Pero,
el modelo presenta unos parmetros de difcil interpretacin. Por ello, la simulacin con
modelos VAR adquiere matices especiales. Se realiza a travs de las funciones de
impulso-respuesta y del anlisis de la descomposicin de la varianza del error.
La funcin de impulso-respuesta y el anlisis de descomposicin de la varianza
analizan las interacciones dinmicas que caracterizan al consumo privado estimado.
Ello permite identificarlas con la simulacin del modelo. Con la simulacin pretendo
analizar los efectos que en las variables endgenas provocan las variaciones de las
variables exgenas.
Puesto que en los modelos VAR no existen, en sentido estricto, variables exgenas, las
alteraciones se incluyen en algunas de las variables explicadas.
La funcin impulso-respuesta muestra la reaccin (respuesta) de las variables
explicadas en el sistema ante cambios en los errores. Un cambio (shock) en una
variable en el perodo t afectar directamente a la propia variable y se transmitir al
resto de variables explicadas a travs de la estructura dinmica que representa el
modelo VAR (vase: grfica 16).
Tcnicamente, esto significa que los errores se ortogonalizan por el procedimiento de
descomposicin de Cholesky, de forma que la matriz de covarianzas de las
innovaciones resultante es diagonal. Aunque la descomposicin de Cholesky es un
mtodo de uso generalizado, no deja de ser bastante arbitrario a la hora de atribuir los
efectos comunes.
De esta forma, una funcin de impulso-respuesta medir el efecto de desviacin en
LGCPRI hoy sobre el valor actual y futuro de LGCPRI, LYReal y LINPC (vase: cuadro
17).
As, un cambio en los errores de la ecuacin del consumo privado, del orden de una
desviacin tpica del error de esta primera ecuacin, provoca un incremento
equivalente a 0.016 en el perodo inicial, disminuyendo a 0.005 en el periodo dos. A

34
partir del sexto perodo los efectos tienden a decrecer lentamente. Por otra parte, el
efecto sobre el ingreso real es nulo en el primer perodo (por planteamiento), incluso
negativo durante los perodos 5 y 6, pero va acumulando sus efectos hasta aadir
negativamente 0.002 al cabo de 10 perodos.
Un cambio en LYReal, equivale a una desviacin tpica del error de esta segunda
ecuacin (0.01, segn resultados precedentes), apenas tiene efecto sobre el consumo
privado en el primer perodo (como resultado de situar la variable LGCPRI antes de
LYReal en el orden), y provoca una cada de 0.05 y 0.06 despus de 2 y 3 perodos en
LGCPRI. Sobre el propio ingreso real, el efecto va aumentando durante los dos
primeros perodos hasta transformar el cambio inicial de 0.010 a 0.011, para despus ir
reducindose progresivamente su impacto hasta alcanzar 0.006 al final del perodo
considerado de 10 meses.

Grfica 16. Funcin impulso-respuesta.

35
Un cambio en LINPC, equivale a una desviacin tpica del error de esta segunda
ecuacin (0.005, segn resultados precedentes), apenas tiene efecto sobre el consumo
privado en el primer perodo (como resultado de situar la variable LGCPRI antes de
LYReal en el orden), y provoca una cada de 0.001 y 0.0007 despus de 2 y 3 perodos
en LGCPRI. Sobre el propio ingreso real, el efecto va aumentando progresivamente
durante los 10 perodos hasta transformar hasta alcanzar 0.018.

Las variables se cointegran? En los modelos VAR, as como en la modelizacin
univariante de series temporales, asumimos que las series temporales utilizadas son
estacionarias. Cuando efectuamos regresiones entre variables no estacionarias
podemos caer en el problema de las denominadas regresiones espurias. Ahora bien,
modelizaciones entre variables no estacionarias, pero que cumplen ciertas condiciones
denominadas de cointegracin, no slo no son espurias, sino que aportan gran
informacin sobre las relaciones de equilibrio a largo plazo de las variables
econmicas.
Pues bien, un modelo de vector de correccin del error (VEC) es un modelo VAR
restringido (habitualmente con slo dos variables) que tiene restricciones de
Cuadro 17. Tabla impulso respuesta del modelo.

36
cointegracin incluidas en su especificacin, por lo que se disea para ser utilizado con
series que no son estacionarias pero de las que se sabe que son cointegradas. En este
caso se aplic la prueba de Dickey-Fuller (vase: cuadro 18).

Una de las claves de los modelos VEC es determinar si las series que modelizamos
son cointegradas y, si es as, determinar la ecuacin de integracin. Para ello
utilizamos el mtodo de Johansen. A continuacin aplicar dicha prueba de
cointegracin, las opciones que se presentan son:

Aplicare la opcin de resumen para tener una mayor certeza de cul de las otras
opciones ser la ms adecuada, para el presente se deber especificar el nmero de
rezagos del modelo (1 al 5); esta opcin me permite observar, de manera general si
alguna de las opciones anteriores presenta vectores de cointegracin al 5% (vase:
cuadro19). En esta tabla se puede ver claramente que si existen vectores de
cointegracin en alguna de las opciones.
Variable Modelo t-Statistic 5% Prob
Constante -3.300075 -2.901779 0.0184
None -1.526864 -1.94526 0.1182
Constante -2.407239 -2.899115 0.1431
None -1.945525 -3.159541 0.002
Constante -2.040117 -2.899115 0.2695
None -1.494346 -1.945024 0.1256
LYReal
LINPC
LGCPRI
Cuadro 18. Modelo de integracin 1 (1st difference); Dickey Fuller.

37
Para facilitar la bsqueda del modelo, recomiendo realizar la prueba de cointegracin
con varios rezagos.

Un rezago.

Dos rezagos.

Tres rezagos.

Cuatro rezagos.

Cuadro 19. Prueba de cointegracin de Johansen.

38

Cinco rezagos.

Al observar las tablas presentadas, el modelo presenta cointegracin segn las
pruebas. Para el modelo con 5 rezagos tenemos que pasa las pruebas de normalidad,
autocorrelacin y heteroscedasticidad sin problemas al 5%. Por tanto, es un modelo
que, de antemano, s que pasa la prueba de cointegracin (vase: cuadro 20).

Cuadro 20. Prueba de cointegracin con intercepto (no tendencia) en CE.

39
Podemos observar a travs del cuadro rojo que existe un vector de cointegracin al
5%. Sin embargo, an falta comprobar que los signos de dicho vector son los que
esperamos segn la teora.
Tengo a los coeficientes normalizados de cointegracin, los cuales nos darn los
valores del vector de cointegracin, que es informacin a largo plazo:
( ) ( ) 0 6182 . 2 0521 . 1 Re 7224 . 0 = LINPC al LY LGCPRI
Es decir, ( ) ( ) LINPC al LY LGCPRI 0521 . 1 Re 7224 . 0 6182 . 2 + + =
Los signos del vector son los esperados segn la teora. El ingreso real y la inflacin
tienen un impacto positivo sobre el consumo. Sin embargo, la variable que tiene mayor
influencia sobre el consumo es el ingreso.
Encontramos que existe una relacin de equilibrio a largo plazo entre variables las
econmicas y que, sin embargo, en el corto plazo puede haber desequilibrios. Con los
modelos de correccin del error, una proporcin del desequilibrio de un perodo (el
error, interpretado como un alejamiento de la senda de equilibrio a largo plazo) es
corregido gradualmente a travs de ajustes parciales en el corto plazo.
APLICACIN DEL MODELO CORRECTOR DE ERRORES (MCE).
MODELO GENERAL A LO ESPECFICO.
A continuacin, representaremos el modelo corrector de errores. Para ello se requiere
que las variables sean estacionarias. Como las variables utilizadas son de orden de
integracin 1, para que sean estacionarias, es necesario aplicarles primera diferencias.
Con estas variables garantizamos un nuevo modelo lineal simple, el nmero de
rezagos para este modelo no depende del modelo VAR hecho con anterioridad. Es
decir, este es un modelo independiente, as, este modelo puedo utilizar nuevos
componentes (variables dummy, tendencia, componentes estacionales, etc.).
Para poder introducir el vector en el modelo es necesario crear una variable que
llamar V, la cual contendr el vector.
( ) ( ) V LINPC al LY LGCPRI = 6182 . 2 0521 . 1 Re 7224 . 0
Lo que espero de este modelo es que el mecanismo corrector de errores, implica que el
vector V sea significativa (su probabilidad sea menor que 0.05). El proceso es ir
eliminando de la variable menos significativa a la ms significati va, excepto el vector V
(-1), tambin el modelo debe aprobar las pruebas de diagnstico (normalidad,

40
autocorrelacin y heteroscedasticidad).

Como se puede observar en el cuadro 21 la variable V (-1) es no significativa. Por lo
tanto, se tiene que eliminar las variables que no son significativas en el sistema.
Continuamos este proceso que todas las variables sean significativas (o por lo menos
la mayora, vase: cuadro 22).
La continuacin del proceso condujo a este ltimo modelo, el cual representa
nicamente que la variable V (-1) es significativa al 10%, asimismo las dems variables
son significativas.

Cuadro 21. MCO: Consumo Privado con V (1993.01 2013.03).

41

A continuacin en el cuadro 23 aplicaremos las pruebas de diagnstico del modelo.

Normalidad

Cuadro 22. MCO: Consumo Privado con V (1993.01 2013.03).
Cuadro 23. Pruebas de diagnstico del modelo estimado.

42
Autocorrelacin.

Heteroscedasticidad.

Como se puede observar en las pruebas, la prueba de normalidad pasa sin problemas
al 5%, la prueba de heteroscedasticidad tambin sin problemas; pero, en el caso de la
prueba de autocorrelacin, la prueba pasa tambin no tan holgadamente como en los
otros dos casos. Para esta prueba la probabilidad es mayor a 0.01 y aceptable el
resultado.

Grfica 17. MCE: Consumo privado (1993:01 2013:03).

43
CONCLUSIN.
Todo lo que se realiz en el presente trabajo recae en el vector corrector de error, pues
este ltimo requiere de la aplicacin de todo lo que se realiz al principio del trabajo,
por ello he de concluir el trabajo dando una explicacin detallada del MEC y una
interpretacin acerca de los resultados estimados.
Es importante destacar que aunque en general la regresin entre series no
estacionarias (por ejemplo, dos series I (1)) nos conduzca a correlaciones espurias,
existe una situacin especial en el que tal regresin no sera espuria, sino que el
estimador MCO sera correcto. Esa situacin especial recibe el nombre de
cointegracin. Engle y Granger quienes sealaron que una combinacin lineal de dos o
ms series no estacionarias puede ser estacionaria (Engle y Granger, 1987). En otras
palabras, si existe una combinacin lineal de series que es estacionaria, I (0), se dice
que las series no estacionarias, con raz unitaria, que dan lugar a esa combinacin
estn cointegradas. La combinacin lineal estacionaria se denomina ecuacin de
cointegracin y puede interpretarse como la relacin de equilibrio a largo plazo entre
las distintas variables que conforman la ecuacin por lo cual, en s misma, tiene una
alta importancia para el anlisis de los fenmenos econmicos.
Por lo tanto, si se verifica que un conjunto de variables son integradas del mismo
orden, todas ellas, estn cointegradas, se asegura la existencia de una relacin no
espuria entre las mismas que, adems, es estacionaria (es decir, de equilibrio en el
sentido estadstico). El concepto de cointegracin es la nocin estadstica equivalente a
la idea de equilibrio estable, en el sentido de que cuando existe una relacin de este
tipo entre variables econmicas, las desviaciones de la citada relacin no pueden ser
fuertes ni crecer ilimitadamente. De esta forma, la cointegracin de las variables de un
modelo da validez al mismo a largo plazo.
Cuando una serie es no estacionaria o integrada, los valores que toma en un momento
del tiempo son, por definicin, la acumulacin de todas las perturbaciones o shocks
pasados, a diferencia de las series estacionarias, para las cuales el efecto de las
perturbaciones es transitorio.
Entonces, el hecho que una combinacin lineal de un conjunto de variables sea
estacionaria implica, que la forma en que estas se mueven en el tiempo es similar.
Adems, la relacin de cointegracin actuara como un atractor para el conjunto de
variables bajo anlisis, en el sentido de que tiendan a formar un modelo compacto en el
transcurso del tiempo.
El anlisis de la cointegracin me permiti, entre otras cosas, detectar si existe la
posibilidad de obtener estimaciones correctas, es decir, libres de resultados espurios,

44
de los parmetros que definen las relaciones entre dos o ms series, tanto a corto
como a largo plazo.
Por ejemplo, en Teora Econmica la relacin de equilibrio a largo plazo entre la renta
nacional y el consumo agregado es de gran importancia. Se puede asumir que en el
corto plazo tal relacin puede verse alterada, pero se confa en una convergencia a
largo plazo hacia una relacin estable. Pues bien, es bastante probable que la serie de
datos de consumo privado y de renta familiar o ingresos de las familias estn
cointegradas. Si no fuese as, se interpretara que a largo pl azo el consumo podra
oscilar permanentemente sin alcanzar un valor estable de equilibrio. La estimacin de
un modelo VEC nos permitir obtener conclusiones sobre la relacin a largo plazo, y
las desviaciones en el corto plazo.
El ajuste de este modelo de correccin del error asociado a la relacin de cointegracin
es el siguiente:

Si la variable DLGCPRI estaba en el periodo de t-1 por encima de su valor de equilibrio
es de esperar que C (6) sea negativo. Si la variable DLGCPRI estaba en el periodo t-1
por debajo de su valor de equilibrio es de esperar que C (6) sea positivo.
Como el estimador C (6) = 0.076 es negativo, el consumo privado estaba un periodo
rezagado por encima de su valor de equilibrio, con lo que empezar a disminuir en el
siguiente periodo hasta restaurar el valor de equilibrio.
Sabemos que el coeficiente del residuo en el modelo VEC mide la velocidad de
convergencia al equilibrio del modelo cointegrado en el largo plazo. Por lo tanto el
estimador C (6) = 0.076 indica que la velocidad de convergencia al equilibrio del
modelo de consumo privado cointegrado en el largo plazo NO es aceptable. La
estabilizacin del consumo privado en el tiempo es muy lenta. De hecho el consumo
privado se ajusta lentamente a los cambios a corto plazo experimentados en el ingreso
real y la inflacin.

Estimation Equation:
=========================
DLGCPRI = C(1)*DLGCPRI(-6) + C(2)*DLYREAL + C(3)*DLYREAL(-4) + C(4)*DLINPC + C(5)*DLINPC(-4)
+ C(6)*V(-1)

Substituted Coefficients:
=========================
DLGCPRI = -0.139365478206*DLGCPRI(-6) + 1.34640247538*DLYREAL + 0.435959909479*DLYREAL(-4)
+ 1.49085821755*DLINPC + 0.384868386725*DLINPC(-4) - 0.0760475874344*V(-1)

45
BIBLIOGRAFA.
- Maddala G. S., Econometra, Ed. McGraw Hill, ed. 1985, pp.271.

- Engel R.F. y Granger, CWJ co-integration and error correction: presentation,
estimation and testing, Ed. 1987, pp. 251-276.

- INEGI (n.d.). Informacin econmica de coyuntura. Obtenida el 20 de marzo de
2014, de
http://www.inegi.org.mx/inegi/contenidos/espanol/prensa/Boletines/Boletin/metabol10.a
sp?s=inegi&c=295
- Instituto Nacional de Estadstica y Geografa (Mxico). SCNM: Sistema de
Cuentas Nacionales de Mxico: Metodologa / Instituto Nacional de Estadstica y
Geografa.-- Mxico: INEGI, c2011, pp. 15 20.

- INEGI (n.d.). Preguntas frecuentes: cambio de ao base 2008. Obtenida el 20 de
marzo de 2014, de
http://www.inegi.org.mx/est/contenidos/proyectos/cn/preguntas_frecuentes.aspx
- Heath, Jonathan. Lo que indican los indicadores: cmo utilizar la informacin
estadstica para entender la realidad econmica de Mxico/ Jonathan Heath;
prl. Eduardo Sojo Garza-Aldape.--Mxico: INEGI, c2012, pp. 419.

- Banco de Mxico (2002). Informe anual. Consultado el 15 de mayo de 2014.
http://www.banxico.gob.mx/publicaciones-y-discursos/publicaciones/informes-
periodicos/anual/%7B16ECB401-6EFF-90E0-1770-2420A397D9FA%7D.pdf

- Banco de Mxico (2003). Informe anual. Consultado el 20 de mayo de 2014.
http://www.banxico.org.mx/dyn/publicaciones-y-
discursos/publicaciones/informes-periodicos/anual/%7BC6A1A11E-53CA-9F10-
1D84-DE87B064348C%7D.pdf

- Wooldridge, Jeffrey. 2010. Introduccin a la Econometra: Un Enfoque
Moderno. 4 Edicin. Cengage Learning, pp. 865.

- Hamilton James D. 1994. Time Series Analysis. Princeton University Press, pp.
820.

Trabajo Final

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Trabajo Final

Diunggah oleh

Hak Cipta:

Format Tersedia

Anlisis economtrico a

travs del tiempo.

Anda mungkin juga menyukai