CAPITULO I
1. Marco Teórico
creer que esa débil corriente costera de aguas cálidas que anualmente se
clave que cambió este panorama ocurrió durante la celebración del año
Fenómeno del Niño (ENSO por sus siglas en inglés “ El Niño Southerland
Oscilation “)
dólares respectivamente.
relevantes : el Económico.
5
desde el siglo pasado entre los pescadores del sur del Ecuador y norte de
Por otro lado, con la presencia del Fenómeno El Niño, se presentan una
atmósfera.
fría desde el polo sur hacia América. Los vientos Alisios que soplan de
soplan de este a oeste llevan estas nubes de América hacia Indonesia por
Gráfico Nº 1.
Condiciones climáticas normales
Durante "El Fenómeno El Niño", por razones que los científicos aun no
central y oriental del Pacífico tropical . De este modo se ven afectados los
que se haya presentado, esta variación puede estar dada por ciertas
Nº I )
1
Clasificación anual en relación a fenómenos cálidos y fríos tomado de Torcuato Rivera , Boletín
E.R.F.E.N. Nº 21 .
10
Cuadro Nº 1
1972-1973 1891
1991 1925-1926
1992-1993 1982-1983
1997-1998
condiciones climáticas anómalas , son las que producen los más graves y
generalizados daños.
las zonas costeras bajas del Ecuador y del Norte del Perú así como en el
Cuadro Nº 2
recomendables.
los daños estimados para cada uno de los sectores que resultaron
Cuadro Nº 3
2
Fuente: Estimaciones de CEPAL con base a cifras oficiales Tomada de Naciones Unidas –
CEPAL “Los desastres naturales de 1982-83 en Bolivia, Ecuador y Perú 1983 ”
15
Gráfico Nº 3
Distribución por sector de las perdidas causadas por “EL NIÑO” 1982-1983
63%
Cuadro Nº 4
y turismo.
3
Comisión Económica para América Latina y el Caribe (CEPAL), Evaluación de
los efectos socio-económicos del fenómeno de El Niño en 1997-1998. Ecuador,
1998: p.37-41.
17
adicionalmente por otros factores. Por ejemplo en los años cuando el Niño
entre otros.
18
1998
de 1982 con los problemas de deuda externa, ésta fue el comienzo de una
de banano, café y cacao en 35% . Esto aceleró la inflación anual que llego
en septiembre al 63%.
la ciudadanía.
19
Dado que las pérdidas totales en 1998 ascendieron a 5.3% del PIB ($US
Una vez que se ha realizado una retrospección a fin de tener una idea
CAPITULO II
2. Metodología
estar reflejada por una línea alrededor de la cual oscilan los valores de la
serie.
tiempo.4
E( Yt ) = , t =1,2,3... (2.1.1)
yt yt 1 t t ~ N (0, 2 ) (2.1.3)
Yt 0 1Yt 1 ui (2.1.4)
4
La serie de tiempo estacionaria no se comporta de manera explosiva o divergente, por
lo que converge a su media.
22
<1 se denota por AR (1), donde el número dentro del paréntesis
modelo:
Y1t m1 a11(1)Y1,t 1 a11( 2)Y 1,t 2... a11( p)Y 1,t pa12(1)Y2,t 1 a12( 2)Y 2,t 2.. a1(np)Y n,t p1t
Y2t m2 a21
(1)
Y1,t 1 a21
( 2)
Y 1,t 2... a21
( p)
Y 1,t pa22
(1)
Y2,t 1 a22
( 2)
Y 2,t 2.. a2( np )Y n,t p 2t
...................................................................
Ynt mn an(11)Y1,t 1 an(12)Y 1,t 2... an(1p)Y 1,t pan(12)Y2,t 1 an( 22)Y 2,t 2.. ann
( p)
Y n,t p nt
(2.1.6)
expresión:
ruido blanco.
corresponde a las pruebas formales para raíces unitarias. Los tests más
j
Z t t Z t 1 Z t i t (2.1.8)
i 1
uno de estos tests no es estándar, por lo que los valores calculados deben
número de rezagos incluidos). Una variante del test de ADF propuesta por
Yt Yt 1 t (2.1.9)
ADF, el modelo propuesto por Philips y Perron excluye los rezagos de las
Por lo tanto, la hipótesis que una serie es estacionaria puede ser evaluada
4
En Hamilton (1994) se presenta una derivación formal de las propiedades asintóticas de cada test
y se encuentran sus respectivos valores críticos
26
reporta estos valores críticos; que son válidos tanto para el test ADF
Aunque estos dos test (ADF y PP) son los más utilizados al momento de
hacerlo.
largo plazo a sus niveles, las segundas no los tienen. Más importante aún,
tanto que los efectos son permanentes para los niveles si las series son
estacionarias en diferencia.
yt yt 1 t (2.1.11)
L
yt 0 1Dt 0 DTt yt 1 j yt j t (2.1.12)
j 1
28
donde :
0 t T0 0 t T0
Dt DTt
1 t T0 t T 0 t T0
Mientras que este test secuencial permite determinar con cierto nivel de
(medidos por Dt) , tendencia (medidos por DTt ) o ambos, el test de Bai
quiebres estructurales.
yt xt zt 1 t ,
' '
t =1,..., T1
yt xt zt 2 t ,
' '
t =1,..., T2
..........................................................
yt xt zt m 1 t ,
' '
t =Tm +1,..T
Donde
Los puntos de quiebre (T1, ... Tm) son tratados como desconocidos y son
Yt M A1 A2 .... Ap t
Y M 0
I 0 ... 0
t F n t
t 1
expresión 2.1.14
t Ft 1 t (2.1.14)
se tiene :
unitario.
31
cambio detectado.
Akaike y Schwarz 5.
Dada la estimación del VAR con los p rezagos óptimos se extraen los
residuos del sistema, estos residuos son los errores de precisión entre los
5
El criterio es tomar el rezago del VAR(P) que corresponda a l menor valor del estadístico de
Akaike y Schwarz
32
interdependencia con el resto de variables del sistema VAR una vez que
Con el objeto de verificar que con dicho orden de rezagos del VAR, el
(T ) log
ˆ 1 ~ 22
ˆ 0 log
n (p p 1 o)
(2.1.17)
los residuos resultantes del primer modelo con p0 rezagos, por lo que el
ˆ 1 ~ 22
ˆ 0 log
(T k ) log n (p p )
1
,
o
(2.1.18)
ecuación6.
Y1t m1 a11
(1)
Y1,t 1 a12
(1)
Y2,t 1 u1t (2.1.19)
Y2t m2 a21
(1)
Y1,t 1 a22
(1)
Y2,t 1 u2t (2.1.20)
Y1t m1 a11(1)Y1,t 1 a11( 2)Y 1,t 2... a11( p)Y 1,t pa12(1)Y2,t 1 a12( 2)Y 2,t 2.. a1(np )Y n,t pu1t
(2.1.21)
estadístico :
( RRSS URSS ) / p
S1 F ( p, T 2 p 1)
URSS /(T 2 p 1)
35
Donde:
causalidad.
error.
también a todos los valores futuros de Y1t y de Y2t debido a que los
t F ( Ft 2 t 1 ) t
t F 2 ( Ft 3 t 2 ) Ft 1 t ( 2.1.24 )
t t Ft 1 F t 2 F t 3 .......
2 3
y t t 1 t 1 2 t 2 ..... (2.1.25)
Yt s
s (2.1.26)
t'
Esto significa que, el elemento de la fila i , columna j de , identifica las
Yt s Y Y
Yt s 1 t s 2 ... t s n s (2.1.27)
1t 2t nt
valores de Y desde el periodo t-1 hasta el periodo t-p sean igual a cero y
aislar los efectos combinados de los errores. Uno de los métodos más
siguientes operaciones:
PP' (2.1.28)
P = A D1/2 (2.1.29)
7
Ver James D. Hamilton “Time Series Analysis” – Cap 11 Pág. 323
38
resultados correctos .
39
CAPITULO III
3. ANÁLISIS DE DATOS
bien final o servicio por su precio , para ello es importante distinguir los
corrientes , mientras que el PIB real usa los precios que prevalecían en
interés nominal y las tasas de interés real, entre las activas y pasivas .
por el mercado mientras que las tasas de interés reales son las tasas en
las que se convierten las tasa nominales cuando se tienen en cuenta los
efectos de la inflación .
Existen tasas de interés pasivas y activas. Las tasa activas son los
jurídicas .
para cada clase de entidad , las tasas para los depósitos de ahorro, otros
durante el mes .
Consumidor o IPC.
42
datos.
los datos deben tener la mayor frecuencia posible, y dado que las cuentas
variables a esta frecuencia tomando el valor del tercer mes de las series
de 1980 y el PIB hasta el segundo semestre del año 2002, estos son los
Cuadro Nº 5
Estadística Descriptiva
Series temporales
Gráfico Nº 4
Serie Precipitación (en mm) Gráfico Nº 5
acumulada trimestral PIB ecuatoriano
2000 11.100
11.000
1500 10.900
10.800
1000
10.700
10.600
500
10.500
10.400
0 80 87 94 01
80 83 86 89 92 95 98 01
Gráfico Nº 6 Gráfico Nº 7
Tasa de interés pasiva de bancos Inflación mensual anualizada
privados 92-165 días
0.7 4.00
0.6 3.50
3.00
0.5
2.50
0.4
2.00
0.3
1.50
0.2
1.00
0.1 0.50
0 -
80 83 86 89 92 95 98 01 80 83 86 89 92 95 98 01
45
año 1998 , entre tanto por lo general , entre el 2º y 3º trimestre (desde abril
Los datos de la serie del Producto Interno Bruto PIB están expresados en
Uno de los aspectos revelantes de la serie del PIB es la caída que sufrió
puede notar que posee una tendencia creciente. Al regresar la serie PIB
con la tendencia , los resultados nos permiten concluir que a largo plazo
comportamiento creciente .
8
Véase Anexo A1
9
Véase Anexo A2
47
2002 ,presenta una caída del 6.3%. Por lo menos en 45 trimestres la tasa
Precipitación.
10
Véase Anexo A3
49
Cuadro Nº 6
Valor crítico
Hipótesis Alterna ( H1) Test PP
1% 5%
Serie Precipitación
Estacionaria con constante -6.74 -3.50 -2.89
Serie LPIB
Estacionaria con constante -0.92 -3.50 -2.89
Serie Inflación
Estacionaria con constante -8.46 -3.50 2.98
para estacionarizarla y así cumplir con una de las condiciones para utilizar
CAPITULO IV
4. ANÁLISIS DE RESULTADOS
En las últimas dos décadas los modelos VAR desarrollados por Sims
ecuaciones simultáneas .
Una de las principales ventajas por la cual se trabaja con modelos VAR es
variable en particular.
En este capítulo se analizarán los resultados del modelo Var en las que
p
yt c ( L) yt L t (4.1.1)
L 1
Donde:
Pr ect C1 11 ( L) 12 ( L) 14 ( L) 1
Int C ...
yt t
C 2
, ( L ) ... 2 ,
Inf t C 3 ... ...
t
3
LPIBt C 4 41 ( L) ... 44 ( L) 4
t ~ N (0, 2 )
En este caso, C es un vector de intercepto, ij (L) es una matriz de parámetros del modelo
presente investigación.
blanco.
52
resultados.
11
“Se busca una raiz unitaria para Chile ” Rómulo Chumacero
53
observación analizada.
favorable para la hipótesis nula de raíz unitaria y por tanto más favorable a
Interés fueron comparados con los valores críticos que reporta el test. La
teoría indica que un valor t menor al dado por el test constituye una clara
12
Véase anexo A4
54
trimestres. Al ajustar la serie PIB en términos del cambio de nivel 13, resultó
que este modelo tiene el mayor nivel de explicación (R2 = 96%) cuando el
con la serie LPIB, es decir se ajustó la serie Interés a un modelo lineal con
auxiliares en el Cuadro Nº 7.
13
Véase anexo A5
55
Cuadro Nº 7
Representación
Variable Variable auxiliar de variable
auxiliar*
Precipitación Estacionalidad en el 1º trimestre S1
(PREC) Estacionalidad en el 2º trimestre S2
PIB Tendencia T
(LPIB) Cambio de nivel en el dato 76 (1998: q4) PC
Tendencia T
Tasa de Interés Quiebre de tendencia dato 51 (1992:q3) T2
(INT) Cambio de nivel en dato 51(1992:q3) C2
Cambio de nivel en dato (2000:q1) C1
* Véase Anexos A1-A6
del VAR. Para determinar dicho valor existen diversos criterios, en este
yt c ( L) yt 1 t (4.3.1)
14
Véase anexo A6
57
rechazar la hipótesis nula de que el orden de dicho VAR era cero, de esta
no autocorrelación.
Dado que el sistema autorregresivo de primer orden cumple con todas las
Cuadro Nº 8
Modelo VAR(1)
LPIB = 0.599 LPIB t-1 - 0.010 INTt-1 - 1.91e-05 PREC t-1 - 0.006 INFL t-1 + 4.203 + 0.002T
*
(0.000) (0.982) (0.001) (0.150) (0.00) (0.00)
R2 = 0.98
INT = 0.332 LPIB t-1 + 0.355 INT t-1 + 2.2 e-05 PREC t-1 -0.005 INF t-1 - 3.464 + 0.004 T
(0.116) (0.000) (0.224) (0.665) (0.119) (0.004)
R2 = 0.88
PREC = 1269 LPIB t-1 - 909.28 INT t-1 + 0.45 PREC t-1 + 36.76 INF t-1 - 13270.43 - 0.264T
(0.411) (0.088) (0.000) (0.658) (0.411) (0.781)
R2 = 0.60
INF = 3.826 LPIB t-1 + 1.946 INT t-1 + 0.0005 PREC t-1 - 0.153 INF t-1 - 40.10 - 0.026 T
(0.047) (0.013) (0.000) (0.173) (0.046) (0.072)
R2 = 0.40
a todas las variable del modelo. En cuanto al R2, la serie mejor explicada
por el sistema VAR es el logaritmo del PIB (R2 = 98%) mientras que la
Donde:
( RRSS URSS ) / p
S1 F ( p, T 2 p 1)
URSS /(T 2 p 1)
Cuadro Nº 9
Prueba de Causalidad
los errores del sistema VAR (componentes del vector de errores u t) sobre
cuadro:
62
Cuadro N º10
Periodo
LPIB Interés Inflación
Trimestral
I -R Valor P I -R Valor P I -R Valor P
1 -0.0022 0.121 -0.0085 0.059 0.0323 0.229
2 -0.0069 0.001 0.0024 0.315 0.1122 0.003
3 -0.0075 0.001 0.0009 0.403 0.0282 0.121
4 -0.0057 0.001 -0.0011 0.340 -0.0042 0.404
5 -0.0037 0.009 -0.0019 0.162 -0.0159 0.103
6 -0.0021 0.043 -0.0018 0.109 -0.0152 0.050
7 -0.0011 0.124 -0.0013 0.098 -0.0108 0.048
8 -0.0005 0.230 -0.0008 0.111 -0.0065 0.067
9 -0.0002 0.329 -0.0005 0.145 -0.0035 0.111
10 -0.0001 0.400 -0.0002 0.199 -0.0016 0.186
Es interesante conocer que los años en que El Fenómeno El Niño fue más
mm), razón por la que la técnica de Impulso Respuesta es muy útil para
Cuadro Nº 11
Tasa de crecimiento del PIB
Periodo Tasa de
PIB
Trimestral Crecimiento
1 -0.0022 -0.024
2 -0.0069 -0.079
3 -0.0075 -0.085
4 -0.0057 -0.066
5 -0.0037 -0.043
Para una mejor apreciación del impacto del Fenómeno El Niño medido por
0.000
Función Impulso respuesta de un Shock en la Precipitación sobre las
-0.002
variables LPIB
Response tasa
to One S.D.de Interés,
-0.004
Innovations Inflación
± 2 S.E.
-0.006
Response of LPIB to PRECM
-0.008
0.002
-0.010
0.000
-0.012
-0.002
1 2 3 4 5 6 7 8 9 10
Response to One S.D. Innovations ± 2 S.E.
-0.004
-0.010
0.00
Response of INTERES to PRECM Response of INFLACION to PRECM
0.02 0.20
-0.01
0.15
0.01
-0.02 0.10
1 2 3 4 5 6 7 8 9 10
0.05
0.00
Response of INFLACION to PRECM
0.00
0.20
-0.01
-0.05
0.15
-0.10
-0.02 1 2 3 4 5 6 7 8 9 10
0.10
1 2 3 4 5 6 7 8 9 10
0.05
0.05
0.00
-0.05
-0.10
1 2 3 4 5 6 7 8 9 10
65
Conclusiones y Recomendaciones
5%, se probó que de las cuatro variables de este estudio, solo las series
Para determinar el número óptimo de rezagos del VAR (p), se utilizaron los
primer orden.
66
La función impulso respuesta del VAR (1) , muestra que por cada
sufrirá una caída del 4.3% y durará un año , mientras que la tasa de
mitigación más efectivos que los que se han llevado a cabo los últimos
seriamente afectada.