Sie sind auf Seite 1von 21

ANÁLISIS DEL CRECIMIENTO ECONÓMICO A PARTIR DE LA

VARIACIÓN DEL PBI APLICANDO SERIES TEMPORALES DEL 2004.I –


2019.II

OCHOA TAIPE, Ruth

PEÑALOZA MELCHOR, Vilma

SULLER CHÁVEZ, Mirian1

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.

Palabras clave: crecimiento económico, pbi, pronosticar

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

El crecimiento económico se refiere al incremento porcentual del producto bruto interno


en una economía en un periodo de tiempo. según el banco mundial la economía peruana
ha presentado dos fases diferenciados de crecimiento económico, la primera se basa entre
los años 2002 y 2013, ya que en estos años el Perú tuvo un crecimiento promedio del PBI
de 6.1% anual. Esto se debió al entorno externo favorable que creo un escenario de
crecimiento y baja inflación. Y la segunda fase se dio entre 2014 y 2017, la expansión de
la economía se desacelero a un promedio de 3 % anual, esto debido a la caída del precio
de las materias primas. Según el ministerio de economía y finanzas (MEF) la economía
peruana creció para el año 2018 en 4% una de las tasas más altas de la región. A
comparación del crecimiento que tuvo en el año 2017 que fue de 2.5%, este crecimiento
fue debido a la fortaleciendo de la demanda interna.

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.

Para poder explicar el crecimiento económico y poder pronosticar se 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.

II. MARCO DE REFERENCIA


2.1.Antecedentes

Según López García, en su trabajo titulada “La Econometría Aplicada al Servicio de la


Predicción: Valoración del Crecimiento Económico Regional”, menciona que en la
prediccion economica, se utliza la moderna metodologia ecnometrica, incluyendo tanto
el desarrollo y el tratamiento de los series de tiempo. El autor se refiera que para realizar
la prediccion del creciemto economico regional, la optencion de informacion previa juega
un palpel importante, el autor utiliza la metodologia econometrica par el caso de españa,
utilizando como variable el PBI. Llegando a la siguiente conclusio: la prediccion
economica, es un deseo inherente para los analistas economicos, ya que ellos pueden
predicir la evolucion de una economia, su ritmo de crecimiento medido por la variación
del PIB, para anticiparse a la toma de decisiones o a la aplicación concreta de políticas
económicas.

Continuando viendo sobre autores que realizaron investigaciones sobre el crecimiento


economico ahora tenemos a Chirinos (2007) en su investigacion titulada “Determinantes
del Crecimiento Económico: Una revisión de la literatura existente y estimaciones para
el período 1960-2000”, quien tuvo como objetivo actualizar una serie de estimaciones
realizados en estudios previos haciendo un tratamiento uniforme de las variables de
control; en este trabajo se ha tomado aquellas variables que determinan el estado
estacionario según el modelo neoclásico de Solow-Swan. Los determinantes del
crecimiento son varios; se destacan las variables que pueden ser objetos de política como
la estabilidad macroeconómica, la provisión de crédito al sector privado y el nivel de
desarrollo institucional de cada país; así como otras variables exógenas, por ejemplo, los
choques favorables de términos de intercambio y las características geográficas de cada
país.

Ahora en el Perú tenemos a Loayza (2008) “El crecimiento de la economía peruana”, En


este trabajo añadió el análisis de los determinantes del crecimiento. Bajo el supuesto que
los parámetros que miden las causas del crecimiento se mantiene relativamente constante
en los próximos años. Las posibilidades para la evolución futura de las determinantes del
crecimiento económica se sintetizan en dos escenarios. En la primera, las determinantes
evolucionan de acuerdo a sus tendencias históricas y los más reciente, la evolución futura
de los determinantes se halla atreves de los modelos ARIMA, mientras que la segunda se
asume que la meta obtenida de progreso para cada variable corresponde al cuarto superior
de su distribución en una muestra grande de países en desarrollo. El autor llega a las
siguientes conclusiones: las variables escogidas para representar a los determinantes no
siempre cumplen con la función para analizar un país, aunque el método de determinantes
permite identificar las áreas cuyo potencial pueden influir en el crecimiento de la
economía.
La tasa de crecimiento es tomado por De Gregorio (2005), en su investigación
“Crecimiento económico en Chile: Evidencia, fuentes y perspectivas” donde se tiene
como objetivo revisar cómo ha sido la experiencia en el crecimiento económico de la
economía del vecino sureño, Chile; el rápido crecimiento de esa economía que se dio en
los años ochenta. El investigador ha optado por una estrategia más ecléctica, donde
considera aquellos determinantes de crecimiento que se han demostrado relevantes en
muchas otras comparaciones entre diferentes países. En la última parte del artículo, el
investigador muestra la evidencia de una serie de estudios sobre perspectivas de largo
plazo que se realizaron para la economía de Chile. Toma como referencia una tasa de
crecimiento PIB de 5 % al año que, a su parecer, es una estimación razonable viendo al
futuro.

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

El crecimiento económico según Shas y Larrain (2004). El crecimiento económico es el


aumento sostenido del producto en una economía. Usualmente se mide como el Producto
Interno Bruto (PBI) real en un periodo de varios años o décadas. Si hay crecimiento
económico en un país quiere decir que han mejorado las condiciones de vida del individuo
promedio. También se ve que el concepto de crecimiento económico se refiere al
incremento porcentual del producto bruto interno de una economía en un periodo de
tiempo.

De forma algebraico se presenta el crecimiento económico de la siguiente manera:

Crecimiento económico = (PBI2 - PBI1) / PBI1 = ΔPBI / PBI


Donde:

PBI2: Producto bruto interno en el período 2.


PBI1: Producto bruto interno en el período 1.
ΔPBI: Variación del producto bruto interno.

Los valores pueden estar expresados en términos “per cápita”.

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.

2.3.Planteamiento del modelo


Modelo económico del PBI
PBI= C+I+G+XN

Donde:

PBI: Producto Bruto Interno

C: Consumo

I: Inversión

G: Gasto

XN: Exportaciones Netas

2.4.Variación del crecimiento económico (CE)

𝑷𝑩𝑰𝟐𝟎𝟏𝟗.𝟐 − 𝑷𝑩𝑰𝟐𝟎𝟏𝟗.𝟏
𝑪𝑬 =
𝑷𝑩𝑰𝟐𝟎𝟏𝟗.𝟏

III. MATERIALES Y MÉTODOS


3.1.La metodóloga
 Se utiliza los modelos uniecuacionales de series de tiempo
𝒀𝒕 = 𝜷𝟏 + 𝜷𝟐 𝒀𝒕−𝟏 + 𝜷𝟑 𝒀𝒕−𝟐 + 𝜷𝟒 𝒀𝒕−𝟑 + ⋯ + 𝜷𝒏 𝒀𝒏−𝟏 + 𝒆𝒕
 Verificar si nuestra variable es estacionaria para poder pronosticar
 Si es que es una raíz Unitaria, integrar en Estacionaria para eliminar el proceso
estocástico.
𝒀𝒕 − 𝒀𝒕−𝟏 =△ 𝒀𝒕
 Convertir la Variable en una que no sea raíz unitaria y que siga teniendo el
concepto económico
𝑪𝒓𝒆𝒄𝒊𝒎𝒊𝒆𝒏𝒕𝒐 𝑬𝒄𝒐𝒏ò𝒎𝒊𝒄𝒐 =△ 𝑷𝑩𝑰𝒕 = 𝑪𝑬
 Pronosticar
3.2.Datos

Para la presente investigación el dato se obtuvo del banco central de reserva del Perú.
PBI

3.3.Materiales

En el siguiente trabajo se utilizaron los siguientes materiales:

 Laptop: para editar y poder estimar el modelo econométrico


 El cuaderno de apunte
 Internet: para los antecedentes
IV. RESULTADO
4.1.Desarrollo del modelo

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.

4.2. Identificación de la variable

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

El mayor crecimiento de la producción nacional desde el 2004 fue el de abril de 2008,


cuando aumentó 14,13% interanual, una cifra que no se veía desde mayo de 1995. Este
resultado fue impulsado por los sectores construcción, minería e hidrocarburos, comercio,
servicios, electricidad y agua, así como por la manufactura.

Un año después, en abril de 2009, luego de 93 meses consecutivos de crecimiento,


el PBI se contrajo. Si bien los reportes indicaban que esto se debía (además de la crisis
mundial) a la menor cantidad de días laborables en relación a similar mes del año anterior
y la recuperación en mayo parecía demostrarlo, pero la caída continuó en los meses de
junio y julio con el retroceso, principalmente, del rubro manufactura. A eso se sumó la
alta base de comparación del mismo mes en el año precedente. Un año después, el
crecimiento del mes del PBI volvió a tener un repunte, debido a su comparación con el
año anterior.

En cuanto al gobierno de Ollanta Humala, el punto más bajo de crecimiento de PBI en su


mandato fue en noviembre de 2014, cuando, pese a las medidas de reactivación
económica impulsadas por el Gobierno, la economía solo se expandió 0,24%. En los
meses siguientes hubo una tendencia similar (0,54% en diciembre y 1,68% en enero).

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

𝑃𝐵𝐼2019.2 − 𝑃𝐵𝐼2019.1 =△ 𝑃𝐵𝐼

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.

En consecuencia, obtuvimos el siguiente resultado para estacionalizar el PBI


Grafico 03: Variable integrado

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.

Grafico 04: correolograma de CREE

Fuente: BCRP

Elaboración propia

También, se observa en el grafico siguiente un proceso estacionario fuerte


Según este gráfico, podemos decir que el CE es un proceso MA (4)

Esta estacionalidad podemos contrastarla con la prueba de Dickey-Fuller en primera


diferencia, presentada en la siguiente imagen:

Cuadro 01: prueba de Dickey-Fuller en primera diferencia

Fuente: BCRP

Elaboración propia

Donde la probabilidad es menor que 0.05 exigido como mínimo.

4.4.Conversión de la variable

Entonces:

𝑪𝒓𝒆𝒄𝒊𝒎𝒊𝒆𝒏𝒕𝒐 𝑬𝒄𝒐𝒏ò𝒎𝒊𝒄𝒐 =△ 𝑃𝐵𝐼𝑡 = 𝐶𝐸

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.

Cuadro 02: Estimación de la variable PBI

Fuente: BCRP

Elaboración propia

El resultado obtenido es evidente en el grafico anterior, donde se hizo la estimación de


pbi c @trend, se realizó otras pruebas como se observa en el anexo y muestran ciertos
rasgos de autocorrelación positiva, por lo cual concluimos que la estimación presentada
es la más conveniente para pronosticar.

Se percibe que el modelo es significativo ya que su probabilidad es menor que 0.05 y el


R2 es 0.96 que es bastante bueno, también se muestra un Durbin Whatson de 2.35, se
concluye que existe una autocorrelación no significativa.

El siguiente grafico muestra una tendencia lineal:

Grafico 06: Tendencia lineal

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

Residual Actual Fitted

Fuente: BCRP

Elaboración propia

Se observa una tendencia lineal, en cierto modo no es perfecta, pero se solucionó el


problema de raíz unitaria por el método de integración, ello es importante para un buen
pronóstico que se realizara a continuación.
Usando el Forecast para pronosticar el comportamiento del PBI, principalmente para el
año 2019:02 como se observa en la figura siguiente el resultado más adecuado para dicho
pronostico

Grafico 07: Forecast para pronosticar

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

Al identificar la variable: Según el gráfico, se observa que el PBI presenta un proceso de

memoria larga, es decir una raíz unitaria ya que se demora en retornar a su estado estacionario es

por ello que se tiene que integrar la variable.

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

económico, donde presenta un proceso MA (4)

Al Convertir la Variable: Se observa un crecimiento del periodo 2019.1 al 2019.2 es un resultado

positivo, lo cual refleja una aceleración del pbi en este periodo.

Al pronosticar la variable: Se observa que el PBI pronosticado es significativo ya que su

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

Como se puede apreciar en el desarrollo del trabajo de investigación se ha llegado a


contrastar la relación estrecha que tiene el PBI con el Crecimiento Económico que
explican muy bien el comportamiento de éste, por lo que se puede afirmar que el PBI es
uno de los principales indicadores que mide la evolución económica de un país.

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

Se recomienda trabajar con datos reales para poder analizar el comportamiento de un


lugar determinado para poder hacer pronósticos y así no tener problemas para realizar un
buen pronóstico.
VII. REFERENCIA BIBLIOGRÁFICA

Alatorre Bremont, J. E. (2011). Modelos de series de tiempo y decisiones de política


pública. Lima : División de Desarrollo Sostenible y Asentamientos Humanos.

Chirinos, R. (2007). Determinantes del crecimiento económico: Una revisión de la


literatura existente y estimaciones para el período 1960-2000 . Lima : Banco Central de
Reserva del Perú Serie de Documentos de Trabajo .

De Gregorio, J. (2005). Crecimiento Económico en Chile: Evidencias, fuentes y


perspectivas. Estudios Públicos.

INEI. (2002). Desestacionalización de Series Económicas. Lima: Centro de Edición de


la Oficina Técnica de Difusión del INEI.

Loayza, N. V. (2008). El crecimiento económico en el perú. Banco mundial:


Departamento de Investigación Banco mundial.

López García, A. M. (s.f.). LA ECONOMETRÍA APLICADA AL SERVICIO DE LA


PREDICCIÓN: VALORACIÓN DEL CRECIMIENTO ECONÓMICO REGIONAL.
Madrid : Instituto de Predicción Económica L.R. Klein, Universidad Autónoma de
Madrid.
Shas, J., & Larrain, F. (2004). MACROECONOMIA EN LA ECONOMIA GLOBAL.

Urbina, P. B. (2011). EL CRECIMIENTO ECONÒMICO Y LA MEJORA DE LAS


CONDICIONES DE VIDA EN CHILE.

Link de los libros, revistas y tesis que se obtuvo de internet

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

PBI (MILLONES) T114 110643,3


T104 60913,82 T214 116939,3
T204 67639,71 T314 117592,1
T304 63145,75 T414 122201,8
T404 66070,5 T115 112788,3
T105 64340,89 T215 120660,1
T205 71310,37 T315 121314,6
T305 67229,83 T415 127913,4
T405 71090,07 T116 117961
T106 69670,76 T216 125338,4
T206 75823,94 T316 127091,7
T306 72806,27 T416 131823,4
T406 76296,86 T117 120555,6
T107 73353,82 T217 128467,6
T207 80625,63 T317 130499,9
T307 80689,08 T417 134891,9
T407 85024,46 T118 124388,9
T108 80813,1 T218 135583,5
T208 89146,44 T318 133693,4
T308 88439,84 T418 141201,6
T408 90523,62 T119 127323,7
T109 82894,93 T219 137154,1
T209 88427,18
T309 88282,98
T409 92978,92
T110 87418,21
T210 96887,26
T310 96918,82
T410 101155,7
T111 94996,28
T211 102176
T311 102605,5
T411 107274,1
T112 100668,8
T212 107960,9
T312 109624,8
T412 113018,5
T113 105427,6
T213 114690,3 Fuente:
T313 115431,1 BCRP
T413 120899,6
160,000
Forecast: PBIF11
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

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