Beruflich Dokumente
Kultur Dokumente
A01332337
Econometra I
Examen Final: Estimando la Elasticidad de Sustitucin de
Armington
El trabajo consistir en varias partes. Primeramente, se dar un marco terico del modelo,
as como su adaptacin a los requerimientos del proyecto. Se hablar de la obtencin de las bases
de datos, las complicaciones y las modificaciones que tuvieron que ser realizados. Proceder a
presentar un breve anlisis descriptivo y exploratorio de las variables. Posteriormente, se
expondrn los resultados de las diversas pruebas economtricas realizadas en el paquete Stata.
Finalmente, se proporcionar una conclusin autocrtica del trabajo realizado.
El Modelo
Se supone una funcin CES (Constant Elasticity of Substitution) justo por lo que significan sus
siglas en ingls y por su adaptabilidad a otro tipo de funciones de utilidad. El parmetro que nos
interesa determinar es . Tras hacer el Lagrangiano correspondiente, y suponiendo que las
condiciones de segundo orden se cumplen, obtenemos la siguiente relacin ptima entre los
bienes domsticos e importados:
'
4
=
1 3
: <=
Al aplicar logaritmos:
= +
; )( <>
= + +
= + ) + C ln () + C ln () +
Obtencin de Datos
Para obtener los datos restantes se tomaron en cuenta las siguientes consideraciones. El
subsector Fabricacin de Prendas de Vestir est clasificado como el 315 en el Sistema de
Clasificacin Industrial de Amrica del Norte (SCIAN) y lo componen los captulos arancelarios
61 Prendas y complementos de vestir, de punto y 62 Prendas y complementos de vestir,
excepto de punto del Sistema Armonizado de Designacin y Codificacin de Mercancas. Ya
que este sector comprende a 34 partidas y ms de 300 fracciones arancelarias, fue necesario
construir ndices de cantidades y precio tipo Laspeyres (del mismo tipo que las que calcula
INEGI para la dems informacin). El procedimiento fue el siguiente:
O O
L L ()L (0) L L (0)L ()
= O
= O
P P (0)P (0) P P (0)P (0)
incluso para vrices, de punto. Ya que las series de cantidades eran nulas por la
Las series utilizadas tienen una periodicidad mensual, del mes de junio de 2010 hasta agosto de
2016, por la disponibilidad del INPP. Lo que nos da un total de 75 observaciones o periodos.
Todas las cifras para el clculo de ndices de importaciones fueron calculadas a partir de
informacin de la base de datos TradeMap y se encontraban en miles de dlares.
Anlisis exploratorio
Este anlisis se remitir a analizar las series de tiempo y de manera muy breve a la estadstica
descriptiva. Respecto a esto, es til destacar que la serie ms dispersa es la correspondiente al
ndice de cantidades de las importaciones, con una desviacin estndar de 33.8327. La
informacin se puede ver con detalle en la Tabla 1.
Histogramas de cantidades:
Se llevaron a cabo algunas pruebas de hiptesis relacionadas a la validez del modelo, as como
para determinar si ciertos valores de los coeficientes eran estadsticamente factibles.
La primera prueba realizada consisti simplemente en reiterar la F de la regresin; es al
menos un regresor necesario para el modelo?.
Dado el valor prcticamente nulo del P-Value.
Podemos asumir que s, al menos el coeficiente de
uno de los regresores es diferente de cero.
Figura 6. Prueba de Hiptesis en Stata 13.
Los resultados de las pruebas elaboradas para los coeficientes de manera individual se resumen
en la siguiente tabla:
Hiptesis nula Estadstico F P Value (Prob>F) Resultado
Tabla 3. Resultados de Pruebas de Hiptesis. Elaboracin propia con clculos en Stata 13.
Como podemos observar, para el coeficiente del logaritmo del ndice de Volumen Fsico (PIB),
hay muy poca posibilidad de variabilidad real en su coeficiente. Mientras que el de la elasticidad
P es prcticamente de una unidad; esto se puede apreciar notando que su intervalo de confianza
es (0.4164052,1.450683). Se ahondar ms en las conclusiones sobre las implicaciones que estas
pruebas arrojan en la estimacin.
Por otra parte, se utiliz el mtodo Bootstrap para hacer una prueba sobre la validez del
modelo. Tras correr el remuestreo en la regresin, con 5000 muestras artificiales, estos fueron los
resultados:
Como se puede apreciar, ambos regresores son estadsticamente significativos, pues sus P-values
son prcticamente cero. Por ello, rechazamos la hiptesis nula sealando que, en efecto, los
coeficientes de los regresores son diferentes de cero. Al calcular los estadsticos bootstrap de
percentiles y corregidos por sesgo, los resultados varan mnimamente, por lo que no se muestran
en este trabajo.
La densidad emprica tanto de P como PIB se puede ver en las grficas de abajo, se han
colocado lneas sobre el percentil 2.5% y 97.5%.
Figuras 7 y 8. Densidad emprica calculada a partir del mtodo de remuestreo Bootstrap en Stata 13.
No es difcil notar que ambos regresores se distribuyen de una manera aproximadamente
normal, con medias 0.9351 y 0.0575, y desviaciones estndar 0.00516 y 0.0052, respectivamente.
)C )C )C
Tabla 5. Resultado de regresin de los errores netos del efecto estacional. Elaborado con Stata 13.
Parece que este modelo se comporta de una mejor manera que el expuesto ms arriba, pues la R
cuadrada normal y ajustada incrementan, el error estndar baja y el tamao del intervalo de
confianza de la elasticidad se reduce en casi 20%.
Donde k = 2, el nmero de regresores y n-2k = 71 son los grados de libertad. La variable que se
us para separar las pruebas irrestrictas fue el Periodo 20, que corresponde a enero de 2012. La
hiptesis nula es que no hay cambio estructural que el modelo restringido es correcto. De esta
manera, si el estadstico supera al valor crtico del 95% de la distribucin de Fischer, habr
cambio estructural en la composicin del modelo.
El modelo arroj un estadstico igual a 7.001, nmero muy por arriba del valor crtico
3.1257, por lo que podemos concluir que hay cambio estructural. Sin embargo, se da el beneficio
de la duda a la cantidad tan baja de muestra con las que se cuenta en la base de datos, ya que, al
hacer la regresin para meses anteriores a enero de 2012 tan solo se cont con 19 periodos y
naturalmente ambos coeficientes no salieron significativos.
Heterocedasticidad
Uno de los supuestos clsicos del modelo de Mnimos Cuadrados Ordinarios es el de
homocedasticidad, el cual indica que las varianzas de los errores son constantes observacin con
observacin. De no cumplirse con este supuesto, se tendrn que cambiar los valores de los
coeficientes de regresin, como resultado de calcular los Mnimos Cuadrados Ponderados. Las
pruebas White y Brausch-Pagan sirven para analizar si hay heterocedasticidad en la muestra. La
hiptesis nula en ambas es que se cumple el supuesto del modelo (homocedasticidad). En nuestro
caso, al hacer ambas pruebas se obtuvieron estos resultados:
Figura 9. Resultados de las pruebas White y Breusch-Pagan de heteroscedasticidad. Elaboracin en Stata 13.
Dado el valor superior a 0.05 de ambos P-Value podemos concluir que no se rechaza la hiptesis
de homocedasticidad.
Conclusiones
Tras realizar la recopilacin de informacin, la construccin de la base de datos, el anlisis
inicial de las variables en Stata, los ajustes pertinentes y las pruebas economtricas, se ha
demostrado que el cumplimiento del objetivo del trabajo se ha quedado corto, pues los resultados
no proveen un parmetro aplicable al Modelo de Equilibrio General mencionado, por la amplitud
de su intervalo de confianza. Sin embargo, lvarez y Gonzlez (1999) proponen un modelo
dinmico, basndose en Spanos (1986) y Hendry (1995), que tome en cuenta los rezagos de las
variables explicativas y de la dependiente, de uno o ms periodos. Esto tiene como resultado la
derivacin de elasticidades de corto y largo plazo. Considero importante el desarrollar este tipo
de modelos en cursos ms avanzados de econometra o series de tiempo, pues la informacin que
trat de estimar es de relevancia para el anlisis del comercio internacional: sobre todo en
tiempos de incertidumbre y proteccionismo.
Bibliografa