TRABAJO APLICATIVO DE LOS TEMAS ESTUDIADOS

CTEDRA

Econometra

CATEDRTICO ALUMNOS :

Dr. Hector Huaman Samaniego

Ambrosio Gaspar David Gamarra Rupay Richard Montaez Rodriguez Kelvin Romero Gutierrez Carlos Reyes Santiago juan

Un modelo economtrico para la medicin de Del desempleo en el Per Perodo 2001-2011 1 .OBJETIVO El objetivo de este estudio economtrico es proponer un modelo que permita estimar el comportamiento de la funcin desempleo a nivel nacional en trminos anuales. a partir de los datos observados durante el perodo comprendido entre los aos 2001-2011 2. VARIABLES A CONSIDERAR SE A ESTE MODELO Se propone incluir en el modelo como variables exploratorias:

Inflacin. Se incluye esta variable por la relacin existente entre el Desempleo y la Inflacin. estudiada en la Curva de Philips PBI(Producto bruto interno). SE incluye esta variable por la relacin entre el PBI y el desempleo que fue analizada por el economista estadounidense artkur okun en 1962 . quien formulo la ley de Okun Existe relacin inversa entre la variacin porcentual del PBI y la variacin de la tast de desempleo

Para incorporar todas estas variables en el modelo. se requiere de un anlisis de regresin mltiple. el que se desarrollar posteriormente. 3. FUENTES. DATOS Y VARIABLES EMPLEADAS Tasa de desempleo:

Inflacin.

PBI(Producto bruto interno).

4. FORMULACION DEL MODEO ECONOMETRICO:

Tasa de desempleo =1 +2 Inflacin + 3 Producto Bruto Interno + u i

5. DESARROLLO Y RESULTADOS Procederemos a obtener las estimaciones de los i a travs del mtodo de MCO que como bien sabemos trata de hacer mnimas la suma del cuadrado de los residuos de las variables. Es este el mtodo elegido ya que es el que tiene cabida para explicar una variable endgena cuantitativa.

Resultados en el programa EVIEWS

Dependent Variable: TASA_DE_DESEMPLEO Method: Least Squares Date: 12/10/12 Time: 15:35 Sample: 2001 2011 Included observations: 11 Variable INFLACION PBI C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 0.171661 -0.477333 9.646473 0.381705 0.227131 0.773252 4.783355 -11.02818 1.242119 Std. Error 0.136899 0.217283 0.722197 t-Statistic 1.253927 -2.196820 13.35712 Prob. 0.2453 0.0593 0.0000 8.381818 0.879566 2.550578 2.659095 2.469404 0.146145

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

De esta estimacin se observa que el coeficiente de determinacin (R2) es del 38.17%. Esto supone que la variabilidad de las Xs , es decir, de las variables exgenas explica en un 38.17% la variabilidad de la Y o variable endgena.

PRUEBA DE SIGNIFICANCIA DEL MODELO

Inflacin

(valor p 0.2453)

Rechazo Ho si pvalor <

No rechazo. NO significativa

PBI

(valor p 0,0.593)

Rechazo Ho si pvalor <

No rechazo. NO significativa

(valor p 0.000)

Rechazo Ho si pvalor <

rechazo. SI significativa

6. VIOLACION DE LSO SUPUESTOS DEL MODELO CLASICO 6.1. MULTICOLINEALIDAD DEFINICION: Tiene que ver con la relacin lineal entre algn conjunto de variables independientes en un modelo de regresin. Si el modelo es: 1. Una R2 alta y valores t poco significativas 2. Altas correlaciones entre parejas de regresores. 3. Examen de correlaciones parciales. 4. Se presenta generalmente con datos relacionados a series de tiempo. 5. Es comn encontrarla al regresar variables que tienen que ver con la representacin de ciclos econmicos.

ANALIZANDO EN EL MODELO EN BUSVA DE MULTICOLINEALIDAD En el modelo coeficientes de la Inflacin y PBI son pocos significativos deben acepat que existe multicolinealidad .por tanto como medida de correccin optamos por sacar logaritmos a toda la ecuacin la cual nos quedara e la siguiente manera.

Ln(Tasa de desempleo) =1 +2 ln(Inflacin) + 3ln(Producto Bruto Interno ) + u i

Realizamos el desarrollo en el eviews nos da como resultado
Dependent Variable: TASSA_DE_DESEMPELO Method: Least Squares Date: 12/10/12 Time: 16:25 Sample: 2001 2011 Included observations: 11 Variable INFLACION PBI C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 0.044194 -0.199384 2.340901 0.484234 0.355292 0.083027 0.055148 13.51763 1.453589 Std. Error 0.023346 0.078296 0.093565 t-Statistic 1.893015 -2.546558 25.01908 Prob. 0.0050 0.0344 0.0000 2.121157 0.103404 -1.912297 -1.803780 3.755451 0.070764

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

ANALISIS DE RESULTADOS

SE OBSERBA QUE AL SACAR LOGARITMOS LOS T SON SIGNIFICATIVOS Y CON ESO SE HA CORREGIDO LA MULTICOLINEALIDAD

6.2. AUTOCORRELACION Es un caso particular de MCG que se produce cuando los errores del modelo presentan correlaciones entre ellas ANALIZANDO EN EL MODELO EN BUSVA DE AUTOCORREELACION Utilizaremos la Prueba de Breusch - Godfrey Es un contraste ms general que el DW al permitir que la hiptesis alternativa procesos estocsticos ms generales de orden p (AR(p)) o medias mviles de orden q (MA(q)), y se puede utilizar en variables endgenas retardadas. RESULTADOS DE LA Prueba de Breusch - Godfrey
Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 2.876546 5.384456 Prob. F(2,6) Prob. Chi-Square(2) 0.133045 0.067730

EL EL EVIWES

Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/10/12 Time: 16:33 Sample: 2001 2011 Included observations: 11 Presample missing value lagged residuals set to zero. Variable PBI INFLACION C RESID(-1) RESID(-2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -0.015439 0.012842 0.011857 0.448093 -0.696871 0.489496 0.149160 0.068500 0.028153 17.21560 2.651257 Std. Error 0.065041 0.020030 0.077480 0.308227 0.310878 t-Statistic -0.237375 0.641150 0.153027 1.453777 -2.241624 Prob. 0.8203 0.5451 0.8834 0.1962 0.0662 4.44E-16 0.074262 -2.221018 -2.040156 1.438273 0.328419

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

ANALISIS DE RESULTADOS

Ho Ha

Prob. Chi-Square(2) < 0.05 Prob. Chi-Square(2)>0,05

existe autocorrelacion no existe autocorrelacion

COMO EL RESULATDO Prob. Chi-Square(2)=0.067730 Y ES MAYOR A 0.05 SE PUEDE DECIR QUE ELN EL MODEO NO PRESENTA AUTOCORRELACION

6.3. HETEROCEDASTICIDAD Significa que la varianza de las perturbaciones no es constante a lo largo de las observaciones y supone una violacin a uno de los supuestos del MCRL. ANALIZANDO EN EL MODELO EN BUSVA DE HETEROCEDASTICIDAD Parar poder ver si nuestro modelo existe hetorocedasticidad ulilizaremos la Prueba de White

RESULTADOS DE LA Prueba de White EN EL EVIWES

White Heteroskedasticity Test: F-statistic Obs*R-squared 3.372813 7.613865 Prob. F(4,6) Prob. Chi-Square(4) 0.089741 0.106792

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/10/12 Time: 16:57 Sample: 2001 2011 Included observations: 11 Variable C INFLACION INFLACION^2 PBI PBI^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -0.057976 -0.002011 -0.000432 0.113219 -0.045792 0.692170 0.486949 0.004144 0.000103 48.07160 3.220003 Std. Error 0.022085 0.001231 0.000918 0.038210 0.015819 t-Statistic -2.625136 -1.633375 -0.470728 2.963096 -2.894848 Prob. 0.0393 0.1535 0.6545 0.0252 0.0275 0.005013 0.005786 -7.831200 -7.650338 3.372813 0.089741

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

ANALISISI DE RESULTDOS Ho Chi-Square(4) >0.05 homocedasticidad Ha Chi-Square(4) < 0.05 heterocedasticidad COMO EL NUESTROS RESULTADOS EL Chi-Square(4) ES MAYOR A 0.05 PODEMSO AFIRMAR QUE EXISTE HOMOCEDASTICIDAD O EN TODO CASO QUE HAY AUSENCIA DE HETEROCEDASTICIDAD

6. MODELO FINAL Como ya analizamos los posibles errores del modelo y luego de corregir los problemas llegamos a conclusin de que el modelo seria ;:
Dependent Variable: TASA_DE_DESEMPLEO Method: Least Squares Date: 12/10/12 Time: 17:03 Sample: 2001 2011 Included observations: 11 Variable INFLACION PBI C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 0.044194 -0.199384 2.340901 0.484234 0.355292 0.083027 0.055148 13.51763 1.453589 Std. Error 0.023346 0.078296 0.093565 t-Statistic 1.893015 -2.546558 25.01908 Prob. 0.0050 0.0344 0.0000 2.121157 0.103404 -1.912297 -1.803780 3.755451 0.070764

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Ln(Tasa de desempleo) =1 +2 ln(Inflacin) + 3ln(Producto Bruto Interno ) + u i Ln(Tasa de desempleo) =2.340901+0.044194ln(Inflacin) -0.199384 ln(Producto Bruto Interno ) + u i

7. INTERPRETACION DE RESULTADOS

A continuacin procederemos a realizar la interpretacin de las estimaciones de los parmetros y compararemos lo obtenido con el signo esperado de las variables propuestas en la fase de especificacin: -Ante un aumento de un punto porcentual en la inflacin de un pas, el nivel de la tasa de desmpleo aumenta un 0.044194 puntos porcentuales. -Ante un aumento de un punto porcentual en el pbi de un pas, el nivel de la tasa de desmpleo disminuye un -0.199384 puntos porcentuales.