UNIVERSIDAD NACIONAL FEDERICO VILLAREAL

FACULTAD DE CIENCIAS ECONMICAS

TRABAJO FINAL
ECONOMETRA I

13

UNIVERSIDAD NACIONAL FEDERICO VILLAREAL

FACULTAD DE CIENCIAS ECONMICAS

TRABAJO INDIVIDUAL
Profesor

: Oscar Samanamd Loyola

Curso

: Econometra I

Tema

: Trabajo Final

Integrante

: Palomino Escobar, Grundy Betty

Norabuena Castaeda, Diego Ernesto
Lazo Gonzales Rosa Aracely

2015

INDICE
1. Data ...4
2. Estimacin De La Regresin ...5
2.1 .Ecuacin De La Granadilla ..5
3 Multicolinealidad..6
3.1 Las Regresin Auxiliares ..6
3.2 Grafica De Dispersin....10
3.3 Correlacin...10
3.4 Variable Inflation Factors ..10
4. Quiebre Estructural.12
4.1 Chow Breakpoint Test...................................................12
4.2 Quandt-Andrew Breakpoint Test...12
4.3 Multiple Breakpoint Test..13
4.4 Chow Forecast Test.13
4.5 Recursive Estimate..14
4.5.1 Rescursive Residuals.....14
4.5.2 Cusum Test..14
4.5.3 Cusum Of Squares..14
4.5.4 One Step Forecast Test.15
4.5.5 N Step Forecast Test..15
4.5.6 Recusive Test..15
4.6 Creacin De Demanda Ficticia..16
5. Heterocedasticidad/Homocedasticidad...16
5.1 Prueba White....17
5.2 Prueba De Gejser.17
5.3 Prueba Park..18
6. Test Goldfeld Y Quandt18
7. Solucin De Heteroscedasticidad..26
8. Autocorrelacin.31
8.1. Deteccin De La Autocorrelacin......33
8.2 Solucin De La Auto Correlacin....33
8.3 Prueba De Breusch-Godfrey.34

PARTE FINAL
1. LA DATA

2. ESTIMACIN DE LA REGRESIN

2 .1. LA ECUACIN DE LA GRANADILLA

3 .MULTICOLINEALIDAD
El proceso o trmino de Multicolinealidad en Econometra es una situacin en
la que se presenta una fuerte correlacin entre variables explicativas del
modelo. Las pruebas de deteccin de la Multicolinealidad son formales o
informales y no existe una prueba nica que nos detecte la Multicolinealidad

sino debemos de hacer un conjunto de pruebas para ver si existe o no la

multicolinealidad. Entonces lo que se trata de encontrar problemas de
Multicolinealidad, a continuacin se utilizara Eview para encontrar algn
problema.

3.1 LAS REGRESIN AUXILIARES

Manifiesta que el coeficiente de determinacin auxiliar de una regresin
auxiliar es mayor o menor que el coeficiente de determinacin global o
general entonces esa variable puede o no provocar la multicolinealidad.

REGRESIN AUXILIAR 1

REGRESIN AUXILIAR 2

REGRESIN AUXILIAR 3

3.2 GRAFICA DE DISPERSIN

3.3 CORRELACIN

3.4 VARIABLE INFLATION FACTORS

4.QUIEBRE ESTRUCTURAL

4.1 CHOW BREAKPOINT TEST

4.2 QUANDT-ANDREW BREAKPOINT TEST:

4.3 MULTIPLE BREAKPOINT TEST:

4.4 CHOW FORECAST TEST

4.7 RECURSIVE ESTIMATE:

4.7.1 RESCURSIVE RESIDUALS

4.7.2 CUSUM TEST

4.7.3 CUSUM OF SQUARES

4.7.4 ONE STEP FORECAST TEST

4.7.5 N STEP FORECAST TEST

4.7.6 RECUSIVE TEST

4.8 CREACIN DE DEMANDA FICTICIA

Observacin: Las variables ficticias solo se desarrollan para corregir el

modelo.

5. Heterocedasticidad/Homocedasticidad
La heterocedasticidad consiste en que las observaciones mustrales tienen
varianzas del error diferentes entre s, viola la hiptesis clsica de
homocedasticidad, o igual varianza de los n errores aleatorios, y es un caso
particular, junto a la autocorrelacin, de perturbaciones no esfricas.
La heterocedasticidad puede surgir por causas estructurales o mustrales, es
decir, su presencia puede ser sugerida por la teora o por el propio diseo
muestral y plan de muestreo en la recogida de la informacin para estimar el
modelo
La heterocedasticidad se puede detectar con diversas pruebas ente ellas
tenemos:
La prueba grafica
El test de White
El test de Park

5.1

PRUEBA WHITE:

5.2 PRUEBA DE GEJSER:

Regresamos a la ecuacin general y generamos una serie (r1)

Cae en zona de aceptacin, rechazamos la hiptesis Ha y aceptamos la Ho,

entonces existe homocedasticidad

5.3 PRUEBA PARK:

6. TEST GOLDFELD Y QUANDT

p=valor de las observaciones centrales=4

n=numero de datos
n 30

n=57
p=4
Como nuestros nmeros de datos son menores a 60 usaremos

p=4

ORDEN

ASCENDENTE

n 60

p=

( n p ) ( 584 )
=
=26
2
2

26
observacione

4 observaciones
centrales

27
observacione

Generamos Serie1

Dt_gc1=dt_gc

pt_gc1=pt_gc

pt_gs=pt_gs

Ipdfm1=ip

Con las nuevas variables (dt_gc1, pt_gc1, pt_gs e ipdfm1), obtenemos una nueva
tabla:

Object:

Se ingresa cada variable (dt_blanca1, pt_blanca1, pt_morada e ipdfm1)

Seleccionamos add-ins

Nueva ecuacin:

Cambiamos el SAMPLE de 2011M01 2015M10 lo cambiamos por 2011M01

2013M01 y 2013M01 al 2015M10

Cambiamos de scalar

Scalar se1 =@se

Scalar se2 =@se

En nuestro caso el primer scalar es mayor que el segundo

se 1
se 2

( )

scalar F=

Hallamos grados de libertad Prob F

( n p2 k )
2
n=57

p=4

( 5742(4) )
2

scalar prob=(1-@cfdist(F,23,23))

k =4 (constante y parmetro)

=22.5 23(redondeando)

Y como el porcentaje cae en zona de rechazo se acepta que hay heteroscedasticidad

Valores de las frmulas:

Se 1=188.1632787056328
Se 2=155.1012556584364
F=1.471767187904025
Scalar Prob=0.1803859406607258 ( zona de aceptacion)

7.SOLUCIN DE HETEROSCEDASTICIDAD
La existencia de una matriz de varianzas y co-varianzas de las perturbaciones
no escalar genera problemas de eficiencia este resultado puede considerarse
natural, si se tiene en cuenta que los estimadores mnimos cuadrticos
ordinarios se calculan sin contar con la informacin que suministra la matriz de
varianzas y co-varianzas de las perturbaciones o errores estocsticos por lo
que parece razonable pensar en un estimador que incorpore esa informacin
adicional y por lo tanto ser ms eficiente (mtodos de mnimos cuadrados
generalizados) y del cual se desprende el mtodo de mnimos cuadrados
ordinarios.

METODO DE MINIMOS CUADRADOS

Matriz de varianzas y covarianzas

w1 0
= 1
0 wn

[ ]
1

w1

0

Diagonal principal son

0 las varianzas y las covarianzas son las

dems diagonales

1
wn

MINIMOS CUADRADOS GENERALIZADOS FACTIBLE

[ ]

w1
P ( ponderacin )=

1
wn

Por lo tanto, la especificacin del modelo transformado ser igual

i
X ij
X ij
X ij
1
= o
+ 1
+ 2
++ k
wi
wi
wi
wi
wi

( ) ( )

( )

Ponderacin:

Ponde=

i
1
1
=
+
ingreso2 ingreso wi

Ponde=

1
ingreso

Estimacin la regresin:

i=1 n

Estimamos dentro del cuadro

Por minimos cuadrados ponderados ya le quitamos la heterocedasticidad

Test White

8. Autocorrelacin
La autocorrelacin se puede definir como la correlacin entre miembros de
series de observaciones ordenadas en el tiempo (informacin de series de
tiempo) o en el espacio (informacin de corte de transversal). El modelo de
regresin lineal supone que no debe existir auto correlacin en los errores, es
decir, el trmino de perturbacin relacionado con una observacin cualquiera

no debera estar influenciado por el trmino de perturbacin relacionado con

cualquier otra observacin.
El mtodo de MCO tiene otro supuesto importante de que los errores
estocsticos o residuales no estn correctamente entre ellas mismas ya que
este problema de auto correlacin afecta a la estimacin de la regresin
mnima cuadrtica perdiendo eficiencia en la estimacin de los parmetros
poblacionales.

8.1.

DETECCIN DE LA AUTOCORRELACIN:

No hay autocorrelacin, Se puede observar que todas las barras estn dentro de los parmetros o bandas establecidas para todos los periodos.

La 1 zona, la zona del centro es donde no existe autocorrelacin de los errores estocsticos dond
Tambin hay 2 zonas de indecisin, y esas zonas estn delimitadas en la tabla de D-W como lmite
8.2.

SOLUCIN DE LA AUTO CORRELACIN

Se detecte un problema, por lo tanto se estable la ecuacin estimada a

los siguientes parmetros:

AR (proceso auto regresivo) o MA

(promedios mviles).
PARA ESTE CASO USAREMOS PARA EL PERIODO 1 AR (1) porquela
probabilidad (0.0000) es altamente significativa.

La autocorrelacin ha sido corregida

8.3.

PRUEBA DE BREUSCH-GODFREY

La presencia de Auto correlacin, es un modelo autorregresivo, es decir que

incluye el valor rezagado de la regresada y generalmente para este tipo de
modelos la prueba d de Durbin Watson es cercana a 2.
Debido a esto utilizaremos la Prueba Breusch-Godfrey, la cual deja de lado
estos inconvenientes y podemos aplicarla a nuestro modelo bajo la siguiente
hiptesis:

H Planteada: No hay correlacin

H Alternativa: Existe correlacin
Probabilidad F Statistic :
1.41
Como podemos observar la probabilidad F es alta (1.41>0.05), se acepta la hiptesis
planteada, y se rechaza la hiptesis alternativa.

9.

Ecuacin final:

Nuestra ecuacin final quedar as:

DT GS=4.0919081.158853 P T GS +0.348058 P T GC +O .54810 IPDFM

Podremos observar que:

DT GS
=1.15853
PT GS

vemos que si ante el aumento de un nuevo sol en

el precio del bien granadilla de la selva, la demanda de la granadilla de

la selva disminuye en -1.15853 toneladas

DT GS
=0.655097
PT GC

vvemos que si ante el aumento de un nuevo sol en

el precio del bien granadilla de la costa, la demanda de la granadilla de

la selva aumenta en -0.348058 toneladas..

DT GS
=0. 542810
IPDFM

vvemos que si ante el aumento de un nuevo sol

en el ingreso de las familias, la demanda de la granadilla de la selva

aumenta en 0 .542810

toneladas.

CONCLUSIONES
Gracias a su dulce sabor, la granadilla es tal vez la fruta favorita de los nios. De
ah que en otros pases sea conocida como tal. Sin embargo, el gusto por esta
fruta va ms all de las edades y, en la actualidad, grandes y chicos disfrutan de
ella. Esto ha hecho que en el ltimo ao tanto los cultivos de maracuy como de
granadilla aumenten en un 30% con respecto al ao anterior, segn datos del
Instituto
Nacional
de
Innovacin
Agraria
(INIA).
La principal regin productora contina siendo Pasco, principalmente
Oxapampa, donde se extienden aproximadamente 2.000 hectreas dedicadas al
cultivo de este fruto. Le siguen Cajamarca, Hunuco y La Libertad.
Las exportaciones tuvieron un punto de quiebre en 2012, ao en el que se
duplic el valor de las exportaciones al llegar a los 75.000 dlares. En el 2013
este subi a los 77.500 y hasta agosto de este ao el valor ha superado el total
de 2013 con 84.600l dlares. La demanda creciente de granadilla proviene
principalmente de Italia y Pases Bajos, interesados en la granadilla natural.
Si bien el valor de las exportaciones viene creciendo sostenidamente, lo cierto
es que an falta mucho por hacer para promocionar y posicionar la fruta en el
extranjero. El crecimiento de las exportaciones se debe principalmente a frutos
al natural sin registrar una cifra importante en productos elaborados a partir de
granadilla. El mercado de zumo y bebidas, en pases como Estados Unidos y
Canad, est en constante crecimiento y elaborar bebidas a base de granadilla
podra ser una gran oportunidad para cualquier empresario audaz, sobre todo de
la fruta que no tiene calidad de exportacin como fresca.

BIBLIOGRAFA

Apuntes de estudio en clase del curso de Econometra. UNFV