Modelo de Importaciones.pptx
Transcript of Modelo de Importaciones.pptx
MODELO DE IMPORTACIONES
ECONOMETRIA I
Cesar del Pozo Loayza
2014
TRABAJO HECHO POR:
ALEX J. CONTRERAS CORNEJO CODIGO:
124356“UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL CUSCO”
INTRODUCCIÓN
Una de las principales lecciones de las últimas crisis financieras internacionales es
la necesidad de prestar una mayor atención a las cuentas del sector externo. En
este sentido, en el presente trabajo se pretende realizar un estudio de
las importaciones en el Perú teniendo en cuenta además la considerable
expansión de las reservas internacionales netas en la economía en los últimos
años.
Esta mayor disponibilidad de dólares en la economía habría generado en gran
medida el considerable incremento de las importaciones en la última década. Por
lo tanto resulta necesario contrastar esta mayor disponibilidad de moneda
extranjera en una función de importaciones de tal modo que las importaciones no
dependan únicamente del nivel de actividad y el tipo de cambio nominal sino
además de las reservas internacionales netas.
El presente trabajo se encuentra dividido en cuatro secciones. En
la primera sección realzamos la especificación del modelo, seguidamente
el análisis de la regresión y el análisis residual, por último las conclusiones finales
del trabajo.
ESPECIFICACIÓN DEL MODELO
1. Marco teórico y especificación del modelo
Las Importaciones se definen como las compras hechas por los residentes de un
país a los de otro.
Dado que las importaciones implican un gasto, éstas dependerán del nivel
de renta "en términos reales" del país importador, por lo tanto se puede considerar
a las importaciones como una función del nivel de renta, así:
M = M (Y)............................ (I)
El siguiente gráfico muestra los datos (anuales) de los índices de importaciones y
PBI, en el período comprendido entre 1994 y 2011, en un eje de coordenadas.
11.4
11.6
11.8
12.0
12.2
12.4
9.2 9.6 10.0 10.4 10.8 11.2 11.6
LM
LPB
I
11.35
11.40
11.45
11.50
11.55
9.2 9.6 10.0 10.4 10.8 11.2 11.6
LM
LRIN
R
2.0
2.4
2.8
3.2
3.6
9.2 9.6 10.0 10.4 10.8 11.2 11.6
LM
LTD
CN
OM
9.2
9.6
10.0
10.4
10.8
11.2
11.6
94 96 98 00 02 04 06 08 10
LM
11.4
11.6
11.8
12.0
12.2
12.4
94 96 98 00 02 04 06 08 10
LPBI
11.35
11.40
11.45
11.50
11.55
94 96 98 00 02 04 06 08 10
LRINR
2.0
2.4
2.8
3.2
3.6
94 96 98 00 02 04 06 08 10
LTDCNOMDel gráfico se puede deducir una relación directa entre las importaciones y el PBI
(la línea que figura en el gráfico corresponde a una aproximación logarítmica).
También, dado que las importaciones implican una transacción comercial, que se
lleva a cabo en términos de moneda extranjera, se deberá considerar el tipo
de cambio en términos nominales. Por lo tanto se puede afirmar que las
importaciones están en función del tipo de cambio nominal, así:
M = M (TDCN)............................ (II)
El siguiente gráfico muestra los datos (anuales) de los índices de importaciones y
tipo de cambio nominal multilateral, entre el período comprendido entre 1994 y
2011
11.4
11.6
11.8
12.0
12.2
12.4
9.2 9.6 10.0 10.4 10.8 11.2 11.6
LM
LPB
I
11.35
11.40
11.45
11.50
11.55
9.2 9.6 10.0 10.4 10.8 11.2 11.6
LM
LRIN
R
2.0
2.4
2.8
3.2
3.6
9.2 9.6 10.0 10.4 10.8 11.2 11.6
LM
LTD
CN
OM
Agrupando las relaciones (I) y (II) obtenemos el siguiente modelo:
M = M (Y, TDCN)............................. (III)
Que es el modelo teórico convencional para las importaciones.
En este trabajo pretendemos demostrar que la cantidad de dólares en la economía
es una variable explicativa de un modelo de importaciones. Para representar esta
nueva variable (cantidad de dólares) emplearemos el índice de reservas
internacionales netas. Por lo que podemos plantear:
M = M (RIN)................................. (IV)
En el siguiente gráfico se muestra el comportamiento del índice de importaciones
respecto al índice de RIN, en el período comprendido entre 1994 y 2011.
9.2
9.6
10.0
10.4
10.8
11.2
11.6
94 96 98 00 02 04 06 08 10
LM
11.4
11.6
11.8
12.0
12.2
12.4
94 96 98 00 02 04 06 08 10
LPBI
11.35
11.40
11.45
11.50
11.55
94 96 98 00 02 04 06 08 10
LRINR
2.0
2.4
2.8
3.2
3.6
94 96 98 00 02 04 06 08 10
LTDCNOM
11.4
11.6
11.8
12.0
12.2
12.4
9.2 9.6 10.0 10.4 10.8 11.2 11.6
LM
LPB
I
11.35
11.40
11.45
11.50
11.55
9.2 9.6 10.0 10.4 10.8 11.2 11.6
LM
LRIN
R
2.0
2.4
2.8
3.2
3.6
9.2 9.6 10.0 10.4 10.8 11.2 11.6
LM
LTD
CN
OM
9.2
9.6
10.0
10.4
10.8
11.2
11.6
94 96 98 00 02 04 06 08 10
LM
11.4
11.6
11.8
12.0
12.2
12.4
94 96 98 00 02 04 06 08 10
LPBI
11.35
11.40
11.45
11.50
11.55
94 96 98 00 02 04 06 08 10
LRINR
2.0
2.4
2.8
3.2
3.6
94 96 98 00 02 04 06 08 10
LTDCNOM
Por lo tanto podríamos suponer una relación directa entre las reservas
internacionales netas y las importaciones.
Uniendo las relaciones (III) y (IV) obtenemos el modelo de importaciones que se
plantea en el presente trabajo:
M = M (PBI, TDCR, RIN)
Suponemos que un incremento en la renta de nuestro país elevará el gasto en
importaciones, por lo tanto se espera una relación directa (no necesariamente
lineal), entre la renta en términos reales, identificada como el PBI real, y las
importaciones. Lo contrario ocurre con la tasa de cambio, ya que un aumento en
el precio de los productos extranjeros valuados en términos de bienes locales,
desincentiva las importaciones, por lo tanto es de esperarse una relación inversa
entre la tasa de cambio nominal y las importaciones.
Las series a usarse fueron obtenidas con datos extraídos del Banco Central de
Reserva del Perú, los índices correspondientes al PBI y TDCN se encuentran
disponibles en el BCR, los índices correspondientes a importaciones y RIN
también se encuentran en el BCRP. Todas las variables se encuentran en
términos reales utilizando como año base 1994.
9.2
9.6
10.0
10.4
10.8
11.2
11.6
94 96 98 00 02 04 06 08 10
LM
11.4
11.6
11.8
12.0
12.2
12.4
94 96 98 00 02 04 06 08 10
LPBI
11.35
11.40
11.45
11.50
11.55
94 96 98 00 02 04 06 08 10
LRINR
2.0
2.4
2.8
3.2
3.6
94 96 98 00 02 04 06 08 10
LTDCNOM
9.2
9.6
10.0
10.4
10.8
11.2
11.6
94 96 98 00 02 04 06 08 10
LM
11.4
11.6
11.8
12.0
12.2
12.4
94 96 98 00 02 04 06 08 10
LPBI
11.35
11.40
11.45
11.50
11.55
94 96 98 00 02 04 06 08 10
LRINR
2.0
2.4
2.8
3.2
3.6
94 96 98 00 02 04 06 08 10
LTDCNOM
ANÁLISIS DE REGRESIÓN
Modelo inicial
Este modelo presenta problemas de multicolinealidad
M = M (PBI, TDCR, RIN)
M = β0+β1PBI+β2RIN +β3TDCNOM+μ
Estimación de Parámetros y Prueba estadísticos
Coeficiente: Coeficientes estimados por MCO. Su interpretación depende la de
naturaleza de la variable del modelo. Para nuestro caso utiliza series en
logaritmo, los coeficientes representan la elasticidad las importaciones. Si el PBI
aumenta en 1% las importaciones aumenta en 2.89%, si las reservas
internacionales netas en términos relativos aumenta en un punto porcentual, las
importaciones aumentaran a una tasa de 0.19% y cuando el tipo de cambio
nominal incrementa en 1% las importaciones aumentaran en 0.05%.
PARA SOLUCIONAR ESTE PROBLEMA APLICAMOS DIFERENCIAS ENTRE EL PBI Y RIN
LRINR=LOG(PBI-RIN)
Dependent Variable: LMMethod: LeastSquaresDate: 03/27/12 Time: 10:31Sample (adjusted): 1995 2011Includedobservations: 17 afteradjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -19.03691 5.214480 -3.650777 0.0038LPBI 2.885755 0.999709 2.886595 0.0148LRINR 0.198039 0.426243 0.464616 0.6513LTDCNOM 0.050253 0.237915 0.211223 0.8366LPBI(-1) -0.597156 0.989578 -0.603445 0.5585LTDCNOM(-1) -0.028487 0.209984 -0.135661 0.8945
R-squared 0.986712 Mean dependentvar 10.50303Adjusted R-squared 0.980672 S.D. dependentvar 0.561935S.E. of regression 0.078124 Akaikeinfocriterion -1.990473Sum squaredresid 0.067137 Schwarzcriterion -1.696398Log likelihood 22.91902 Hannan-Quinncriter. -1.961242F-statistic 163.3587 Durbin-Watson stat 1.788748Prob(F-statistic) 0.000000
LM = -19.0369069843 + 2.8857554445*LPBI + 0.19803931677*LRINR +
0.0502531488973*LTDCNOM - 0.597155871167*LPBI (-1) -
0.0284866028689*LTDCNOM (-1)
ANALISIS DE SUPUESTOS
Autocorrelación
Dependent Variable: LMMethod: LeastSquaresDate: 03/27/12 Time: 10:31Sample (adjusted): 1995 2011Includedobservations: 17 afteradjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -19.03691 5.214480 -3.650777 0.0038LPBI 2.885755 0.999709 2.886595 0.0148LRINR 0.198039 0.426243 0.464616 0.6513LTDCNOM 0.050253 0.237915 0.211223 0.8366LPBI(-1) -0.597156 0.989578 -0.603445 0.5585LTDCNOM(-1) -0.028487 0.209984 -0.135661 0.8945
R-squared 0.986712 Mean dependentvar 10.50303Adjusted R-squared 0.980672 S.D. dependentvar 0.561935S.E. of regression 0.078124 Akaikeinfocriterion -1.990473Sum squaredresid 0.067137 Schwarzcriterion -1.696398Log likelihood 22.91902 Hannan-Quinncriter. -1.961242
F-statistic 163.3587 Durbin-Watson stat 1.788748Prob(F-statistic) 0.000000
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.373012 Prob. F(2,9) 0.6988Obs*R-squared 1.301291 Prob. Chi-Square(2) 0.5217
Test Equation:Dependent Variable: RESIDMethod: LeastSquaresDate: 03/27/12 Time: 11:30Sample: 1995 2011Includedobservations: 17Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C 2.287502 6.248147 0.366109 0.7227LPBI -0.157739 1.078683 -0.146233 0.8870LRINR -0.178904 0.501352 -0.356844 0.7294LTDCNOM -0.073551 0.281960 -0.260855 0.8001LPBI(-1) 0.137254 1.066690 0.128673 0.9004LTDCNOM(-1) 0.077643 0.253796 0.305925 0.7666RESID(-1) 0.156040 0.388700 0.401440 0.6975RESID(-2) -0.299900 0.366262 -0.818813 0.4340
R-squared 0.076547 Mean dependentvar 1.67E-15Adjusted R-squared -0.641695 S.D. dependentvar 0.064777S.E. of regression 0.082998 Akaikeinfocriterion -1.834814Sum squaredresid 0.061998 Schwarzcriterion -1.442714Log likelihood 23.59592 Hannan-Quinncriter. -1.795839F-statistic 0.106575 Durbin-Watson stat 2.017403Prob(F-statistic) 0.996268
Observamos que el probability es mayor que 0.05 por tanto decimos que no existe problema de autocorrelación.
Observando los dos test podemos concluir que no existen problemas de autocorrelación.
Como se puede observar muchos de los coeficientes de autocorrelaciónno están fuera de las bandas, por lo cual se dice que no existe el problema de autocorrelación.
Multicolinialidad
Al evaluar la matriz de correlación hemos podido observar que las variables explicativas no tienen un alto grado de colinealidad entre ellas, por ejemplo el PBI presenta un bajo grado colinealidad con el RIN y el tipo de cambio nominal en moneda nacional. Por lo tanto se concluye que no existe problema de multicolinealidad.
Heterocedasticidad
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 0.515034 Prob. F(5,11) 0.7600Obs*R-squared 3.224851 Prob. Chi-Square(5) 0.6654Scaledexplained SS 1.045666 Prob. Chi-Square(5) 0.9588
Test Equation:Dependent Variable: RESID^2Method: LeastSquares
Date: 03/27/12 Time: 11:35Sample: 1995 2011Includedobservations: 17
Variable Coefficient Std. Error t-Statistic Prob.
C -0.306242 0.367117 -0.834181 0.4219LPBI -0.062111 0.070383 -0.882478 0.3964LRINR 0.022981 0.030009 0.765809 0.4599LTDCNOM -0.013080 0.016750 -0.780907 0.4513LPBI(-1) 0.067510 0.069670 0.969008 0.3534LTDCNOM(-1) 0.008765 0.014784 0.592894 0.5652
R-squared 0.189697 Mean dependentvar 0.003949Adjusted R-squared -0.178622 S.D. dependentvar 0.005066S.E. of regression 0.005500 Akaikeinfocriterion -7.297503Sum squaredresid 0.000333 Schwarzcriterion -7.003428Log likelihood 68.02878 Hannan-Quinncriter. -7.268271F-statistic 0.515034 Durbin-Watson stat 1.389996Prob(F-statistic) 0.759993
La probabilidad asociado al f- stadistic y Prob. Chi-Square es 0.76 y 0.67 respectivamente por lo que son mayores a 0.05 lo cual nos indica que no existe problema de heterocedasticidad.
Normalidad
0
1
2
3
4
5
-0.10 -0.05 -0.00 0.05 0.10 0.15
Series: ResidualsSample 1995 2011Observations 17
Mean 1.67e-15Median -0.000799Maximum 0.136519Minimum -0.102130Std. Dev. 0.064777Skewness 0.429318Kurtosis 2.548908
Jarque-Bera 0.666357Probability 0.716642
Skewness: El coeficiente de asimetría tiende a cero, nos da indicios de
normalidad.
La Kurtosis tiende a tres por lo que nos da aun mas pistas de que el error tiene
una distribución normal.
Probability asociado al Jarque- Bera es 71.66% por tanto no existe problemas de
normalidad.
AJUSTE DE BONDAD
Significancia Conjunta:
Las variables explicativas en su conjunto explican el modelo en 98.67% el comportamiento de la s importaciones peruanas
Dependent Variable: LMMethod: LeastSquaresDate: 03/27/12 Time: 10:31Sample (adjusted): 1995 2011Includedobservations: 17 afteradjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -19.03691 5.214480 -3.650777 0.0038LPBI 2.885755 0.999709 2.886595 0.0148LRINR 0.198039 0.426243 0.464616 0.6513LTDCNOM 0.050253 0.237915 0.211223 0.8366LPBI(-1) -0.597156 0.989578 -0.603445 0.5585LTDCNOM(-1) -0.028487 0.209984 -0.135661 0.8945
R-squared 0.986712 Mean dependentvar 10.50303Adjusted R-squared 0.980672 S.D. dependentvar 0.561935S.E. of regression 0.078124 Akaikeinfocriterion -1.990473Sum squaredresid 0.067137 Schwarzcriterion -1.696398Log likelihood 22.91902 Hannan-Quinncriter. -1.961242
F-statistic 163.3587 Durbin-Watson stat 1.788748Prob(F-statistic) 0.000000
Significancia Individual:
Observando la probabilidad de cada variable explicativa vemos que son menores que 0.05 por lo que se argumenta que tanto el PBI, TAMN, IPUR y TC explican individualmente el comportamiento de la inversión privada.
ANALÍSIS DE LA ESTABILIDAD
ChowBreakpoint Test: 2005Null Hypothesis: No breaks at specified breakpointsVarying regressors: All equation variablesEquationSample: 1995 2011
F-statistic 1.910469 Prob. F(6,5) 0.2471Log likelihood ratio 20.25832 Prob. Chi-Square(6) 0.0025WaldStatistic 11.46281 Prob. Chi-Square(6) 0.0751
-.25
-.20
-.15
-.10
-.05
.00
.05
.10
.15
.20
01 02 03 04 05 06 07 08 09 10 11
Recursive Residuals ± 2 S.E.
Nuestro modelo tal como se estima puede soportar toda las fluctuaciones que se dieron
en la década de los en nuestra economía, pero ante una crisis como la del 2009 (crisis
inmobiliaria) nuestro modelo se no explica. Por lo tanto nuestro modelo solo sirve para
explicar el pasado. Y no predice el futuro
Analizando:
Un incremento del PBI conlleva a un incremento de las importaciones, y esto es constante en el tiempo; por lo que se puede decir de que existe una relación directa.
Un incremento del TDCNOM genera un incremento de las importaciones; pero después de un tiempo llegan a converger.
Un incremento de las reservas internacionales netas generan un incremento de las importaciones; por lo que se concluye que existe una relación inversa.
INTERPRETACIÓN
LM = -19.0369069843 + 2.8857554445*LPBI + 0.19803931677*LRINR +
0.0502531488973*LTDCNOM - 0.597155871167*LPBI (-1) -
0.0284866028689*LTDCNOM (-1)
Cabe resaltar que los datos de las variables como es el PBI, RIN, TDCNOM, están expresados en millones de nuevos soles.
Un incremento de un nuevo sol en el LPBI genera que las importaciones se incremente en 2.88586 nuevos soles.
Un incremento de un punto porcentual en la LRIN genera una aumento de 0.19804 de nuevos soles en las importaciones.
Un incremento de un PUNTO PORCENTUAL en EL TDCNOM genera un incremento 0.05025 de nuevos soles en las importaciones
ANEXOS:
1.- DATOS DEL BCRP
Año Reservas Internacionales Netas (mill. s/.)
PBI (mill. S/. de 1994)
Importaciones totales (mill. s/.)
TC Nominal
1994 12557.97 98577.44 12078.50 2.201995 14980.15 107063.8
917443.97 2.26
1996 20960.56 109759.9 19301.07 2.45
91997 27090.29 117293.9
922738.57 2.66
1998 26901.84 116522.25
24075.83 2.93
1999 28442.04 117587.42
22711.60 3.38
2000 28547.30 121056.94
25677.18 3.49
2001 30216.57 121317.09
25274.12 3.51
2002 33762.85 127402.01
26005.31 3.52
2003 35468.09 132544.84
28546.36 3.48
2004 43120.03 139141.25
33471.74 3.41
2005 46473.62 148639.98
39829.31 3.30
2006 56567.57 160145.44
48607.96 3.27
2007 86637.04 174407.40
61297.96 3.13
2008 91276.62 191505.21
83239.99 2.93
2009 99802.67 193155.40
63284.20 3.01
2010 124631.46 210142.94
81425.91 2.83
2011 134473.63 224668.72
101832.52 2.75