inflacin se redujo por onceava vez situndose en 3,99%. Se observ que la inflacin de En
consecuencia, es posible inferir que los choques de oferta a causa del fenmeno de El Nio
y la devaluacin nominal del peso se han ido eliminando, permitiendo que la inflacin vuelva
nuevamente a estar alrededor de la meta. No obstante, se desconoce el curso que tomar la
inflacin y, por tanto, la poltica monetaria no sabe si debe controlar las presiones
inflacionarias u ocuparse del crecimiento econmico. Por esta razn, el objetivo del trabajo
es pronosticar la inflacin eligiendo las variables que usted considere relevantes. Para esto
cuenta con la base de datos inflacin.xlsx y la idea es estimar el modelo con sus respectivas
correcciones (si son necesarias) y predecir teniendo en cuenta los valores de la Tabla 2.
Se debe explicar la eleccin de variables para el modelo, correcciones, inferencias y
estimaciones.
1. Teora Econmica
Con el objetivo de hacer una estimacin con respecto a la tasa de inflacin para determinar
si la poltica monetaria debe enfocarse en controlar las presiones inflacionarias u ocuparse
del crecimiento econmico, se proceder a estimar la tasa de inflacin con base a lo que
establece la teora econmica.
De acuerdo con la literatura econmica en el corto plazo, periodo en el cual los precios no se
ajustan en su totalidad, los cambios en las variables nominales (variables expresadas en
dinero) tienen incidencia en las variables reales tales como el producto, el desempleo u otras,
en otros trminos, en el corto plazo la dicotoma clsica desaparece.
En 1958 se public un artculo titulado "La relacin entre el desempleo y la tasa de variacin
de los salarios monetarios en el Reino Unido, escrito por el economista William Phillips,
en el cual evidenci la existencia de una correlacin negativa entre la tasa de desempleo
(variable real) y la variacin de los salarios (variable nominal) en la economa britnica. Aos
despus Paul Samuelson y Robert Solow confirmaron la existencia de una conexin entre la
inflacin (variable nominal) y el desempleo, otros estudios posteriores denotaron que la
relacin tena un mayor grado de explicacin si las expectativas de inflacin eran
introducidas.
= +1 ( ) +
La grfica 1, la cual relaciona la tasa de inflacin (Yt) con las expectativas de inflacin (X1t),
evidencia la existencia de una correlacin positiva entre las dos variables, lo cual es
consistente con la teora econmica la cual establece que ante un nivel de expectativas altas
se espera que incida en la tasa de inflacin (este anlisis se hace desde la perspectiva
econmica dado que la correlacin no implica causalidad), lo cual se lleva a cabo por un
proceso de indexacin.
Grafica 1
Por otro lado, la grfica 2, la cual relaciona la tasa de inflacin (Yt) con la tasa de desempleo
cclico (X2t), hace explcito la existencia de una correlacin negativa entre las dos variables.
Lo anterior tambin es consistente con la relacin encontrada por Phillips.
Las dos graficas anteriores parecen afirmar que las variables escogidas para estimar la
inflacin son las adecuadas, para percatarnos se desarrolla la estimacin economtrica en
adelante.
Grafica 2
Ahora se procede a hacer una estimacin economtrica de la curva de Phillips con la base de
datos proporcionados, el modelo economtrico en consideracin es el siguiente:
= 0 + 1 1 + 2 2 +
donde:
3.1 Paso 1
En primer lugar, se procede hacer la estimacin del modelo por el mtodo de mnimos
cuadrados ordinarios (MCO) de donde se obtiene los siguientes estimadores:
Estimadores Media Desviacin
estndar
0 2.56367 0.2067549
1 0.4685354 0.02379259
2 -0.7767044 0.04473964
R2
0.8425888
Varcov
0.042747575 -0.0023126820 -0.007612824
Dado que la inflacin y las variables que se considera que explican su comportamiento estn
en trminos porcentuales, se puede inferir que los parmetros miden la elasticidad de Yt con
respecto a cada variable explicativa (X1t y X2t).
t=Y - t
Teniendo en cuenta la naturaleza de los datos de los cuales se hace la regresin, se cree que
son series de tiempo, se llega a esta deduccin dado que la muestra de la inflacin es una
serie de observaciones de valores que toma a lo largo del tiempo. Este tipo de variables suele
presentar problemas especiales, como estacionariedad, lo cual, de acuerdo con la definicin
formal una serie es estacionaria si sus dos primeros momentos son iguales a travs del tiempo.
(Gujarati).
3.2 Paso 2
Cuando se presentan problemas en los datos de esta naturaleza, en donde el termino de error
esta correlacionado con los trminos de error precedentes, se sabe que tienen la siguiente
relacin
= 1 + .
Haciendo un anlisis grfico del trmino de error a travs del tiempo se hace explicito lo
anterior.
Grafica 3
Por tanto, con el objeto detectar autocorrelacin formalmente, se proceder a llevar a cabo la
prueba de Durbin-Watson. Se debe tener en cuenta que para llevar a cabo esta prueba es
importante que se cumplan los supuestos sobre los cuales se basa esta prueba, entre los cuales
se mencionan los ms importantes a continuacin.
Para asegurarse que los datos cumplen con todas las condiciones, en especial el de la
distribucin de normalidad se procede a llevar a cabo el test de normalidad de Jarque-Bera,
sobre t .
= -0.5605639
Con este dato es posible estimar t y aplicar la prueba de Jarque-Bera.
: ~
:
: = 0
: 0
d=3.121128
En la tabla del estadstico Durbin-Watson se obtiene los siguientes valores crticos con 120
observaciones y dos variables regresadas (omitiendo el intercepto) y a un nivel de
significancia del 5%:
N K dL dU 4-dU 4-dL
120 2 1.68531 1.7188 2.2811 2.31469
Grafica 4
Dado que el estadstico de prueba cae en la regin de rechazo superior, existe evidencia
estadstica para creer que hay una correlacin negativa entre los trminos de perturbacin.
3.3 Paso 3
De acuerdo a lo anterior se deben tomar medidas correctivas para corregir la estimacin, por
ello se proceder a estimar el modelo por el mtodo de mnimos cuadrados generalizados
(MCG).
Y*=X*B + e*
donde Y*=PY, X*=PX y e*=Pe, donde P es una matriz que tiene la propiedad de P**P=I,
por medio de la estimacin de la matriz P, se puede corregir el modelo.
0 2.4179628 0.14927
1 0.4770292 0.01837
2 -0.7509217 0.03055
R2 0.9139711
Varcov
0.022282152 -1.510609e-03 -3.636988e-03
: = 0
: 0
p=0.0273764
d= 1.945247
Dado que el nmero de variables de la muestra no han cambiado y se siguen estimando dos
variables regresadas (omitiendo el intercepto) y el nivel de significancia es del 5%, los
valores crticos no han cambiado.
N K dL dU 4-dU 4-dL
120 2 1.68531 1.7188 2.2811 2.31469
Como se mencion anteriormente, dado que la inflacin y las variables que se considera que
explican su comportamiento estn en trminos porcentuales, se puede inferir que los
parmetros miden la elasticidad de Yt con respecto a cada variable explicativa (X1t y X2t).
El R2 indica cuanto de las variaciones de la variable independiente son explicadas por las
variaciones de las variables explicativas, un R2 tan alto como este (0.91) es un buen
indicador de que las variables elegidas son las correctas.
5. Pruebas de hiptesis
: = 0 = 2,3
1 : 0 = 2,3
6. Proyeccin
Si el modelo que fue escogido confirma las hipotesis en consideracin, se puede utilizar
para pronosticar el valor promedio de la inflacin dado ciertos cambios en las variables
explicativas.
Ypron=function(exp,cd){
Xpron=c(1,exp,cd)
Ypron=Xpron%*%Betahat1
print(Ypron)
}
Ypron(3.97,4.22)= 1.142879
Ypron(4.54,3.87)= 1.677608
Ypron(3.45,4.52)= 0.6695474