Beruflich Dokumente
Kultur Dokumente
RESUMEN
El presente trabajo tiene como objetivo pronosticar el PBI para el segundo trimestre del
año 2019, analizar que tanto varia el crecimiento económico para este periodo y comparar
lo pronosticado con los datos reales y ver cuánto de error se tiene o cuan cercano fue el
pronóstico. Para el análisis de la variable se utilizó la siguiente metodología utilizó el
modelo uniecuacional de series de tiempo, se verifica las variables si son estacionarias
para poder pronosticar, si se da el caso de que es raíz unitaria la variable, se integra para
así eliminar el proceso estocástico, una vez que se tiene que no es raíz unitaria la variable
se llega a pronosticar. Después de analizar los resultados se llegó a la siguiente
conclusión: el PBI es uno de los principales indicadores que mide la evolución económica
de un país y también se ve que el aumento del PBI del periodo 2019.1 al 2019.2 es un
resultado positivo (0.077207935), lo cual refleja una aceleración en este periodo.
Podemos decir que se han logrado los objetivos de identificar y analizar el efecto que
recibe el crecimiento económico en el Perú al sufrir variaciones del PBI en el periodo
2019.2.
1
Trabajo para el curso de econometría 2. De la facultad de economía de la universidad nacional del
cetro del Perú. Sexto semestre. 2019 II
I. INTRODUCCIÓN
Es por ello que en el presente trabajo se tiene como problema central, ¿Cuál es el efecto
que tiene el crecimiento económico en el Perú, al sufrir las variaciones del PBI en los
periodos 2004.I al 2019.II trimestral?
El objetivo de este trabajo es pronosticar el PBI para el segundo trimestre del año 2019,
analizar que tanto varia el crecimiento económico para este periodo y comparar lo
pronosticado con los datos reales y ver cuánto de error se tiene o cuan cercano fue el
pronóstico.
Por ultimo tenemos a Urbina (2011) “El Crecimiento Económico y la mejora de las
condiciones de vida en Chile”. El objetivo del trabajo tuvo como propósito analizar la
evolución del crecimiento económico en Chile, en las dos últimas décadas utilizando el
indicador económico, del PIB per cápita, también observar el efecto en la pobreza y como
mejorar aplicando nuevas políticas económicas y sociales. La metodología del trabajo
tuvo como fin la recopilación de datos secundarios, la conclusión a que se llego es que, a
mediados de la década de los setenta, sufrió gran estancamiento con malas políticas
económicas y sociales y la pobreza eran las tres cuartas partes de habitantes en Chile,
todo ello cambia después de los años noventa con una nueva transición de democracia,
una nueva etapa del ámbito político económico y se reduce la pobreza.
2.2.Marco teórico
La medida del crecimiento económico es usualmente utilizada para medir los resultados
económicos de un país en un período de tiempo. Implícitamente, se supone que un
elevado crecimiento económico es beneficioso para el bienestar de la población, es decir
que un elevado crecimiento económico sería un resultado deseado por las autoridades
políticas y por la población de un país.
Donde:
C: Consumo
I: Inversión
G: Gasto
𝑷𝑩𝑰𝟐𝟎𝟏𝟗.𝟐 − 𝑷𝑩𝑰𝟐𝟎𝟏𝟗.𝟏
𝑪𝑬 =
𝑷𝑩𝑰𝟐𝟎𝟏𝟗.𝟏
Para la presente investigación el dato se obtuvo del banco central de reserva del Perú.
PBI
3.3.Materiales
Presentamos el siguiente modelo del PBI, con el cual se trabajará más adelante:
𝑃𝐵𝐼2019.2 = 𝛽1 𝑃𝐵𝐼2019.1 + 𝑒𝑡
Donde el PBI se describe solo como una función de sus propios valores rezagados.
El siguiente grafico muestra el comportamiento del PBI, dado una serie de datos que
abarca del 2004:01 hasta 2019:02. Los crecimientos interanuales del PBI de los últimos
11 años, veremos que tanto el mayor crecimiento como la mayor caída fueron reportadas
durante el gobierno de Alan García entre el 2006 y el 2011. Esto según las cifras
publicadas por el Banco Central de Reserva (BCR) y el Instituto Nacional de Estadística
(INEI).
Grafico 01: PBI
PBI
150,000
140,000
130,000
120,000
110,000
100,000
90,000
80,000
70,000
60,000
04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19
Fuente: BCRP
Elaboración propia
Por otro lado, se observa un posible quiebre estructural. También en la figura siguiente
se muestra que tiene un proceso estacionario débil.
Grafico 02: Correolograma del PBI
Fuente: BCR
Elaboración propia
Según este gráfico, el PBI es un proceso de memoria larga, es decir una raíz unitaria ya
que se demora en retornar a su estado estacionario, por cual se presentará una solución
conveniente.
4.3.Integración de la variable
Debido a que el PBI pertenece a una raíz unitaria, se hará la conversión de esta variable,
en donde el objetivo es buscar una variable que no sea raíz unitaria, pero que siga teniendo
el concepto económico.
CREE
.12
.08
.04
.00
-.04
-.08
-.12
04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19
Fuene: BCRP
Elaboración propia
En el grafico se percibe patrones que se repiten durante un periodo anual, por lo cual
podemos decir que hay una cierta estabilidad, es decir los datos obtenidos del BCRP
experimentan variaciones regulares y previsibles, ello es necesario para poder pronosticar
el PBI futuro dentro de nuestra economía.
Fuente: BCRP
Elaboración propia
Fuente: BCRP
Elaboración propia
4.4.Conversión de la variable
Entonces:
𝑷𝑩𝑰𝟐𝟎𝟏𝟗.𝟐 − 𝑷𝑩𝑰𝟐𝟎𝟏𝟗.𝟏
𝑪𝑬 =
𝑷𝑩𝑰𝟐𝟎𝟏𝟗.𝟏
𝟏𝟑𝟕𝟏𝟓𝟒. 𝟏 − 𝟏𝟐𝟕𝟑𝟐𝟑. 𝟕
𝑪𝑬 =
𝟏𝟐𝟕𝟑𝟐𝟑. 𝟕
𝑪𝑬 = 0.077207935
El aumento del PBI del periodo 2019.1 al 2019.2 es un resultado positivo de 0.077, lo
cual refleja una cierta aceleración en este periodo. Los motivos principales son por un
aumento en el consumo, la inversión, el gasto público y las exportaciones netas, sin
embargo, para ser más precisos a inicios del año 2019 las exportaciones se vieron
afectadas por la guerra comercial entre China y Estados unidos, principalmente afecto al
sector minero, dado que el Perú es primario exportador; materias primas como cobre y
plata, etc. Por otro lado, el consumo y el gasto aumentaron en el primer trimestre de
presente año. Mencionado a la inversión privada disminuyo, por unas expectativas
negativas, en consecuencia, el riesgo país se incrementó.
4.5.Pronosticar la variable
Para pronosticar la variable se hace una regresión de nuestra serie del PBI contra la
tendencia.
Fuente: BCRP
Elaboración propia
160,000
140,000
120,000
100,000
10,000 80,000
5,000 60,000
-5,000
-10,000
-15,000
04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19
Fuente: BCRP
Elaboración propia
160,000
Forecast: PBIF
Actual: PBI
140,000
Forecast sample: 2004Q1 2019Q2
Included observations: 62
120,000 Root Mean Squared Error 3711.948
Mean Absolute Error 2934.901
Mean Abs. Percent Error 2.934238
100,000
Theil Inequality Coef. 0.017853
Bias Proportion 0.000000
80,000 Variance Proportion 0.006718
Covariance Proportion 0.993282
Theil U2 Coefficient 0.597682
60,000
Symmetric MAPE 2.923084
40,000
04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19
PBIF – 2 S.E.
Fuente: BCRP
Elaboración propia
En el grafico se observa que el error cuadrático medio es 3711.9 que es la que mejor se
ajusta al comportamiento del pbi de los obtenidos del BCRP. También mencionamos que,
al realizar otras pruebas, se obtuvo como resultado un error cuadrático menor, sin
embargo, da la existencia de autocorrelación positiva, es por ello que se pronosticó con
el modelo ya presentado.
Y al agrupar las dos series se puede observar el pronóstico del 2019.2 para ambas series.
Cuadro 03: pronostico del periodo 2019.II
Fuente: BCRP
Elaboración propia
̂
Donde el 𝑃𝐵𝐼2019.2 es de 136845.2 en millones de soles a comparación del 𝑃𝐵𝐼2019.2 que
fue 137154.0714 en millones de soles, no existe mucha diferencia entre el dato real y el
pronosticado, también se observa que en los pronósticos para años anteriores no existe
demasiada diferencia.
V. DISCUSIÓN DE RESULTADOS
memoria larga, es decir una raíz unitaria ya que se demora en retornar a su estado estacionario es
Al integrar en Estacionaria: Debido a que el PBI pertenece a una raíz unitaria, se hizo la
conversión de esta variable, en donde el objetivo es buscar una variable que no sea raíz unitaria,
pero que siga teniendo el concepto económico, el cual nos resultó la variación del crecimiento
probabilidad es menor que 0.05 y el R2 es 0.96 que es bastante bueno. Se puede decir que es un
buen pronóstico ya que la raíz de nuestro error cuadrático medio es 5.8655 y es una cantidad
mínima.
̂
Al hacer la comparación con la Variable pronosticada: 𝑃𝐵𝐼2019.2 es de 136845.2 a
comparación del 𝑃𝐵𝐼2019.2 que fue 137154.0714 en millones de soles ambos términos. Ponemos
en evidencia que entre las dos cifras no existe una diferencia significativa, es decir el pronóstico
está bien realizado y es útil para realizar otros pronósticos que se requiere obtener.
VI. CONCLUSIONES
Con estos resultados podemos responder a las hipótesis y resolver el problema que es
encontrar el efecto que recibe el crecimiento económico en el Perú al sufrir variaciones
del PBI en el periodo 2019.2 y demostrar con lo que nos dice la teoría. Se ve que el
aumento del PBI del periodo 2019.1 al 2019.2 es un resultado positivo (0.077207935), lo
cual refleja una aceleración en este periodo.
Podemos decir que se han logrado los objetivos de identificar y analizar el efecto que
recibe el crecimiento económico en el Perú al sufrir variaciones del PBI en el periodo
2019.2
https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib0514/Libro.
pdf
https://repositorio.uam.es/bitstream/handle/10486/677745/EM_53_4.pdf?sequence=1&isAll
owed=y
http://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/2007/Working-Paper-
13-2007.pdf
file:///C:/Users/vilma/Downloads/477-Article%20Text-1865-1-10-20120315.pdf
http://ebour.com.ar/mec_abogados/Gujarati%20&%20Porter%20-
%20Econometria%20de%20Series%20de%20Tiempo.pdf
VIII. ANEXOS
Cuadro 04: Datos del PBI
40,000
04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19
PBIF11 – 2 S.E.
160,000
Forecast: PBIF
Actual: PBI
140,000
Forecast sample: 2004Q1 2019Q2
Included observations: 62
120,000 Root Mean Squared Error 3632.788
Mean Absolute Error 2909.597
Mean Abs. Percent Error 2.906258
100,000
Theil Inequality Coef. 0.017472
Bias Proportion 0.000000
80,000 Variance Proportion 0.006431
Covariance Proportion 0.993569
Theil U2 Coefficient 0.575192
60,000
Symmetric MAPE 2.895771
40,000
04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19
PBIF – 2 S.E.
Cuadro