You are on page 1of 30

SERIES DE TIEMPO CON

VARIABLES
AUTORREGRESIVAS
VAR y VEC

 CURSO:

- ECONOMETRÍA II

 PROFESOR:

- PEREZ SUAREZ VÍCTOR

 ALUMNOS:

- SALAVARRIGA INFANTE, JUAN


- SÁNCHEZ HUAMANTALLA, YESICA

30 de junio del 2016


SERIES DE TIEMPO CON VARIABLES
AUTORREGRESIVAS (VAR Y VEC)
VARIABLES

 Producto Bruto Interno


 Gasto en el Consumo de los Hogares
 Gasto en el Consumo del Gobierno

PERIODO

 1960 – 2015

Serie Anual

FUENTE

 Grupo del Banco Mundial (GBM)

1. ANÁLISIS DE LAS VARIABLES

1.1 ANÁLISIS GRÁFICO

 PRODUCTO BRUTO INTERNO

El Producto Bruto Interno se define como el valor total de los bienes y servicios
generados en el territorio económico durante un período de tiempo, que generalmente
es un año, libre de duplicaciones. Es el Valor Bruto de Producción menos el valor de los
bienes y servicios (consumo intermedio) que ingresa nuevamente al proceso productivo
para ser trasformado en otros bienes.
Se calcula sin hacer deducciones por depreciación de bienes manufacturados o por
agotamiento y degradación de recursos naturales.

1
 GASTO DE GOBIERNO

El gasto de consumo final del Gobierno general (anteriormente, consumo de Gobierno


general) incluye todos los gastos corrientes para la adquisición de bienes y servicios
(incluida la remuneración de los empleados). También comprende la mayor parte del
gasto en defensa y seguridad nacional, pero no incluye los gastos militares del Gobierno
que forman parte de la formación de capital del Gobierno.

 CONSUMO FINAL DE LOS HOGARES

El gasto de consumo final de los hogares (anteriormente, consumo privado) es el valor


de mercado de todos los bienes y servicios, incluidos los productos durables (tales como
autos, máquinas lavadoras y computadoras personales), comprados por los hogares.
También incluye los montos y aranceles pagados a los gobiernos para obtener permisos
y licencias. En este caso, el gasto de consumo de los hogares incluye los gastos de las
instituciones sin fines de lucro que prestan servicios a los hogares, incluso cuando el país
los informa por separado.

2
1.2 ANÁLISIS DE INTEGRACIÓN (PRUEBAS ADF)

El test más habitual a la hora de determinar la estacionariedad de una serie temporal,


consiste en la aplicación del conocido Test de Dickey-Fuller Ampliado (Test ADF).
Este es un contraste de “No estacionariedad” ya que los procedimientos de análisis de
la estacionariedad de las serie presenta una hipótesis que indica la presencia de una raíz
unitaria en el proceso generador de datos de la serie analizada versus la hipótesis alterna
de que el proceso generador de los datos es un proceso estacionario.
La significancia del término de tendencia en estas pruebas corrobora el comportamiento
tendencial de las variables apreciado en el análisis gráfico preliminar.

 PRODUCTO BRUTO INTERNO

Como podemos ver para la variable PBI no cumple con el test de raíz unitaria en nivel ya
que tiene una probabilidad mayor a 0.05, y su DF es 1.93 que se encuentra dentro del
valor absoluto de los valores críticos al 5%, por lo que se procede a realizar la prueba
para la primera diferencia de esta variable.

Para la primera diferencia de la variable PBI se puede ver que ya cumple con el test de
raíz unitaria la probabilidad es de 0.0038 que es menor a 0.05, por lo que se puede decir
que la variable PBI es integrada de orden 1 para que se pueda realizar el modelo VAR las
demás variables deben de tener el mismo orden de integración por lo que se realizara
la prueba de raíz unitaria en las demás variables.

3
 GASTO DE GOBIERNO

Se realiza la prueba de raíz unitaria para la variable GASTO DE GOBIERNO podemos ver
que no cumple ya que tiene una probabilidad mayor a 0.05 y su DF es menor al valor
absoluto de los valores críticos, por lo que procedemos a aplicar la prueba a la primera
diferencia.

Para la primera diferencia de la variable GASTO DEL GOBIERNO podemos ver que si
cumple la prueba de raíz unitaria con una probabilidad de 0.0094 que es menor a 0.05

4
 CONSUMO FINAL DE LOS HOGARES

Se realiza la prueba de raíz unitaria para la variable CONSUMO FINAL DE HOGARES


podemos ver que no cumple con la hipótesis nula pues su probabilidad es mayor a 0.05
y su DF se encuentra dentro de los valores críticos al 5%, por lo que procedemos a aplicar
la prueba a la primera diferencia.

Para la primera diferencia de la variable GASTO EN EL CONSUMO DE HOGARES


podemos ver que si cumple la prueba de raíz unitaria con una probabilidad de 0.0021
que es menor a 0.05
Por lo tanto, podemos comprobar entonces que todas nuestras variables son del
mismo orden de integración, de primer orden, por lo que ahora si podemos proceder
a realizar el modelo VAR.

5
2. DATOS

años Gasto de consumo


Consumofinalh
final del
pbi
gobierno general (UM
1960 5.35266685 3.6776E+10 6.8108E+10
1961 6.65490866 3.9085E+10 7.3114E+10
1962 7.58689117 4.374E+10 7.9211E+10
1963 8.64316559 4.8595E+10 8.2159E+10
1964 11.4456501 5.1515E+10 8.7581E+10
1965 14 5.4966E+10 9.1907E+10
1966 16.5 5.9773E+10 9.9623E+10
1967 18.6000004 6.327E+10 1.0338E+11
1968 21.6000004 6.9597E+10 1.0375E+11
1969 23.2999992 7.269E+10 1.0769E+11
1970 34.2000008 8.2248E+10 1.1397E+11
1971 38.7999992 8.4737E+10 1.1874E+11
1972 45.5 8.7904E+10 1.2214E+11
1973 53.5 8.9669E+10 1.2871E+11
1974 60 9.5658E+10 1.4062E+11
1975 82.1999969 9.9412E+10 1.454E+11
1976 106.699997 1.0195E+11 1.4825E+11
1977 167.899994 1.0284E+11 1.4885E+11
1978 212.199997 1.0033E+11 1.4927E+11
1979 300.700012 1.0549E+11 1.5792E+11
1980 700 1.0462E+11 1.676E+11
1981 1200 1.1244E+11 1.769E+11
1982 2100 1.0973E+11 1.7651E+11
1983 3800 1.0359E+11 1.5814E+11
1984 7200 1.0645E+11 1.6384E+11
1985 19400 1.0831E+11 1.6722E+11
1986 37900 1.2456E+11 1.8298E+11
1987 75800 1.3864E+11 2.0078E+11
1988 328400 1.2708E+11 1.8182E+11
1989 7764400 1.0632E+11 1.5944E+11
1990 397652200 1.0574E+11 1.5149E+11
1991 2033533000 1.0967E+11 1.5485E+11
1992 3534621200 1.0885E+11 1.5402E+11
1993 5532808300 1.1368E+11 1.6209E+11
1994 8672000000 1.2443E+11 1.8204E+11
1995 1.188E+10 1.3628E+11 1.9554E+11
1996 1.4048E+10 1.395E+11 2.0101E+11
1997 1.586E+10 1.4456E+11 2.1403E+11
1998 1.7854E+10 1.417E+11 2.1319E+11
1999 1.9617E+10 1.3967E+11 2.1638E+11
2000 2.0678E+10 1.4319E+11 2.2221E+11
2001 2.1387E+10 1.4463E+11 2.2358E+11
2002 2.1514E+10 1.5167E+11 2.3577E+11
2003 2.3537E+10 1.5549E+11 2.4559E+11
2004 2.5657E+10 1.6077E+11 2.5777E+11
2005 2.8697E+10 1.6665E+11 2.7397E+11
2006 3.1688E+10 1.7701E+11 2.946E+11
2007 3.3424E+10 1.9232E+11 3.1969E+11
2008 3.6755E+10 2.0938E+11 3.4892E+11
2009 4.2117E+10 2.1528E+11 3.5258E+11
2010 4.4531E+10 2.3403E+11 3.8238E+11
2011 4.8111E+10 2.4805E+11 4.0705E+11
2012 5.5002E+10 2.6318E+11 4.3127E+11
2013 6.121E+10 2.7724E+11 4.5616E+11
2014 7.0366E+10 2.887E+11 4.6688E+11

6
3. ESTIMACIÓN DE LA ECUACIÓN MCO

Al estimar la ecuación de regresión lineal con las variables podemos observar que el r2 es 99.3%;
es decir, que las variables independientes (GASTO EN EL CONSUMO DE HOGARES y GASTO DE
GOBIERNO) predicen muy bien a la variable dependiente PBI.

Asimismo la gráfica corrobora a la ecuación pues las 3 variables tienen una tendencia similar.

7
4. CAUSALIDAD DE GRANGER

La correlación entre variables no implica necesariamente una relación de causa en el


sentido estricto de esta palabra. De hecho, podemos encontrar en el campo
econométrico multitud de aplicaciones con elevadas correlaciones entre variables que
no son más que relaciones espurias o carentes de significado económico. En este
sentido, el planteamiento de Granger analiza la relación de causalidad de forma que se
dice que la variable y es causada por x, si x contribuye a la estimación de y, o de forma
equivalente si los coeficientes de la variable x retardada son significativos
estadísticamente. En la práctica, lo habitual es encontrarnos con una doble causalidad-
Granger: x causa a y e y causa a x. No obstante, es importante resaltar que la afirmación
“x causa a y” no implica que y sea el efecto o el resultado de x, pues intervienen, además,
otros factores al margen de x.

𝐻0 > 0.05 𝑆𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎, 𝑛𝑜 ℎ𝑎𝑦 𝑐𝑎𝑢𝑠𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐺𝑟𝑎𝑛𝑔𝑒𝑟


𝐻1 < 0.05 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎, 𝑛𝑜 ℎ𝑎𝑦 𝑐𝑎𝑢𝑠𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐺𝑟𝑎𝑛𝑔𝑒𝑟

El orden lo obtuvimos analizando las probabilidades de las hipótesis, teniendo


los siguientes resultados:

𝐺𝐶𝐺 → 𝐺𝐶𝐻 𝑃𝐵𝐼 → 𝐺𝐶𝐻 𝑃𝐵𝐼 → 𝐺𝐶𝐺


𝐺𝐶𝐺 → 𝐺𝐶𝐻 𝑃𝐵𝐼 → 𝐺𝐶𝐻 𝑃𝐵𝐼 → 𝐺𝐶𝐺
𝐺𝐶𝐻 → 𝐺𝐶𝐺 𝐺𝐶𝐻 → 𝑃𝐵𝐼 𝐺𝐶𝐺 → 𝑃𝐵𝐼
𝐺𝐶𝐻 → 𝐺𝐶𝐺 𝐺𝐶𝐻 → 𝑃𝐵𝐼 𝐺𝐶𝐺 → 𝑃𝐵𝐼

 ORDEN DE LAS VARIABLES SEGÚN LA CAUSALIDAD DE GRANGER

𝑮𝑨𝑺𝑻𝑶 𝑫𝑬𝑳 𝑮𝑶𝑩𝑰𝑬𝑹𝑵𝑶 → 𝑷𝑩𝑰 → 𝑪𝑶𝑵𝑺𝑼𝑴𝑶 𝑭𝑰𝑵𝑨𝑳 𝑫𝑬 𝑯𝑶𝑮𝑨𝑹𝑬𝑺

8
5. ESTIMACIÓN DEL MODELO VAR

 ECUACIONES

El programa Eviews nos permite obtener las ecuaciones que se usa para estimar cada variable
del modelo.

1
 CHEQUEO DEL VAR

Podemos ver de los resultados del modelo VAR que cumple con tener un elevado R-
cuadrado Ajustado, para las 3 variables lo que nos indica la existencia de una fuerte
relación entre las variables, además el estadístico F nos indica que el modelo es
significativo por lo que pasaremos ahora al análisis de los resultados del modelo

2
GRÁFICO DE RESIDUOS

3
DESCOMPOSICION DE LA VARIANZA
La descomposición de la varianza es un estudio complementario al análisis impulso-respuesta
que informa en distintos horizontes del tiempo el porcentaje de volatilidad que registra una
variable por los choques de las demás. Es decir, indica la proporción del efecto que, en forma
dinámica, tienen todas las perturbaciones de las variables sobre las demás. Separa la varianza
del error de pronóstico para cada una en componentes que pueden atribuirse a cada una de las
variables endógenas (Pindyck et al.,2001). De esta manera es posible medir la volatilidad que le
genera la variable endógena a la exógena en un momento específico.

 GASTO DE GOBIERNO

Podemos ver que shocks en el GASTO DE CONSUMO DE GOBIERNO sirven para explicar los
cambios en sí misma y en menor grado también explica el PBI, sin embargo tienen poco grado
de explicación para la variable CONSUMO FINAL DE HOGARES.

 PBI

Podemos ver que shocks en el PBI sirven para explicar los cambios en la misma variable, sin
embargo tienen poco grado de explicación para CONSUMO FINAL DE HOGARES, en el caso de la
variable GASTO DE GOBIERNO, en los primeros periodos tiene poco grado de explicación, sin
embargo en los últimos periodos aumenta este grado de explicación.

4
CONSUMO FINAL DE HOGARES

Podemos ver que shocks en el CONSUMO FINAL DE HOGARES sirven para explicar los cambios
en el PBI y también aunque en menor grado a sí misma, sin embargo tienen poco grado de
explicación para GASTO DE GOBIERNO.

5. ANÁLISIS IMPULSO RESPUESTA (VAR)

5
 MÚLTIPLES GRÁFICOS

 ANALISIS INDIVIDUAL
SHOCK DE GASTO DE GOBIERNO

6
Podemos observar dentro
del intervalo de confianza
el comportamiento de la
variable PBI, que ante
aumentos del GASTO
DEL GOBIERNO el PBI
aumenta.

Podemos observar dentro


del intervalo de confianza el
comportamiento de la
variable CONSUMO FINAL
DE HOGARES, que ante
aumentos del GASTO DEL
GOBIERNO el CONSUMO
FINAL DE HOGARES
aumenta.

SHOCK CONSUMO DE HOGARES

Podemos observar dentro del


intervalo de confianza el
comportamiento de la variable
PBI, que ante aumentos del
GASTO EN CONSUMO DE
HOGARES, el PBI aumenta
ligeramente durante los
primeros periodos y luego del
shock en el periodo 2, el PBI
cae hasta el periodo 9 en el
que empieza a aumentar

7
Podemos observar dentro del
intervalo de confianza el
comportamiento de la variable
GASTO DEL GOBIERNO, que
ante aumentos del GASTO
DEL CONSUMO DE
HOGARES, el GASTO DEL
GOBIERNO aumenta.

GRAFICOS COMBINADOS

8
Podemos ver también las diferentes respuestas a los shocks de las variables con el
grafico combinado, dado que se ha realizado un análisis previo individual no se
desarrollara un análisis detallado de las gráficas, solo se denotara como se pueden
analizar, por ejemplo un Shock en el CONSUMO FINAL DE HOGARES produce un efecto
positivo y permanente en el GASTO DE GOBIERNO mientras que en el PBI el efecto es
positivo pero no es permanente.
CORRELOGRAMAS DE RESIDUOS

Analizamos los correlogramas de residuos, podemos ver que todas las barras se
encuentran dentro de los intervalos de confianza.

9
6. TEST DE JOHANSEN
(Prueba de cointegración)

Pruebas de S. Johansen y Katerine Juselius (1990). El método de S. Johansen considera


las siguientes pruebas para determinar el número vectores de cointegración.
La Prueba de la Traza (Trace test) y la prueba del Máximo Valor Propio (Máximum
Eigenvalue test).
PRUEBA DE LA TRAZA
 Estimar el número de vectores de cointegración
La primera columna de la ventana de resultados muestra el número de
relaciones de cointegración bajo la hipótesis nula; la segunda columna muestra
el rango ordenado de los Eigenvalues de la matriz; la tercera muestra el
estadístico de la Traza y el cuarto muestra los valores críticos al 5% y la última
muestra la probabilidad asociada al estadístico
Rechace a H0 cuando el valor del estadístico la Traza o el Máximo Valor Propio
sea mayor que el valor crítico seleccionado, normalmente el de 5 %.
Acepte a Ho cuando el valor del estadístico la Traza o el Máximo Valor Propio sea
menor que el valor crítico seleccionado.

AT MOST 1
H0: r <=1 cuando más existe un vector de cointegración
H1: r = 2 Existe más de un vector de cointegración

AT MOST 2
H0: r <=1 cuando más existe dos vectores de cointegración
H1: r = 2 Existe más de dos vectores de cointegración

PRUEBA DEL MÁXIMO EIGENVALUE


 Estimar el Número de Vectores de Cointegración
La prueba del Máximo Eigenvalue prueba la hipótesis nula de que el rango de
cointegración es igual a r=0 en contra de la hipótesis alternativa de que el rango
de cointegración es igual a r+1.
Max-Eigen Rechace a H0 cuando el valor del estadístico la Traza o el Máximo
Valor Propio sea mayor que el valor crítico seleccionado, normalmente el de 5
%.
Acepte a Ho cuando el valor del estadístico la Traza o el Máximo Valor Propio sea
menor que el valor crítico seleccionado

AT MOST 1
H0: el rango de cointegracion es r <=1
H1: el rango de cointegracion es r+2

10
AT MOST 2
H0: el rango de cointegracion es r <=2
H1: el rango de cointegracion es r+3

 Prueba de la Traza
Para la hipótesis AT MOST 2 se acepta H0 porque el valor de estadístico trace
4.951139 > 3.841466 (valor crítico al 5%), es decir existe más de dos vectores de
cointegración.

 Prueba del Máximo Eigenvalue


La hipótesis AT MOST 2 se rechaza H0 porque el valor de estadístico Max-Eigen
4.951139> 3.841466 (valor critico al 5%), es decir el rango de cointegración es r+3
Conclusión de las dos pruebas Trace y Máximo Eigenvalue
Se concluye que existe más de una relación de cointegración.

11
7. ESTIMACIÓN DEL MODELO VEC

En los modelos VAR, así como en la modelización univariante de series temporales, asumimos
que las series temporales utilizadas son estacionarias. Cuando efectuamos regresiones entre
variables no estacionarias podemos caer en el problema de las llamadas correlaciones espurias.
Ahora bien, ciertas modelizaciones entre variables no estacionarias, pero que cumplen ciertas
condiciones denominadas de cointegración, no sólo no son espurias, sino que aportan gran
información sobre las relaciones de equilibrio a largo plazo de las variables económicas.

Pues bien, un modelo de vector de corrección del error (VEC) es un modelo VAR restringido
(habitualmente con sólo dos variables) que tiene restricciones de cointegración incluidas en su
especificación, por lo que se diseña para ser utilizado con series que no son estacionarias pero
de las que se sabe que son cointegradas.

El principio detrás de estos modelos es que existe una relación de equilibrio a largo plazo entre
variables económicas y que, sin embargo, en el corto plazo puede haber desequilibrios. Con los
modelos de corrección del error, una proporción del desequilibrio de un período (el error,
interpretado como un alejamiento de la senda de equilibrio a largo plazo) es corregido
gradualmente a través de ajustes parciales en el corto plazo. Un ejemplo puede ser útil para
comprender esta idea.

Una de las claves de los modelos VEC es determinar si las series que modelizamos son
cointegradas y, si es así, determinar la ecuación de integración. Por ello ya hemos utilizado el
método de Johansen, para comprobar la cointegración.

12
El estadístico F para las 3 variables es mayor o muy cercano a 5 por lo que el
modelo tiene significancia en conjunto.

13
 IMPULSO-RESPUESTA

 ANALISIS INDIVIDUAL

SHOCK DE GASTO DE GOBIERNO

Podemos observar dentro


del intervalo de confianza el
comportamiento de la
variable PBI, que ante
aumentos del GASTO DEL
GOBIERNO el PBI
aumenta.

14
Podemos observar dentro del
intervalo de confianza el
comportamiento de la variable
GASTO DEL CONSUMO DE
HOGARES, que ante aumentos del
GASTO DEL CONSUMO FINAL el
PBI disminuye.

SHOCK CONSUMO FINAL DE HOGARES

Podemos observar dentro del


intervalo de confianza el
comportamiento de la variable PBI,
que ante aumentos del CONSUMO
DE HOGARES el PBI aumenta en
un principio para tener un choqueen
el segundo rezago después del cual
disminuirá bruscamente para luego
tener una tendencia de crecimiento.

Podemos observar dentro del


intervalo de confianza el
comportamiento de la variable
GASTO DEL GOBIERNO, que ante
aumentos del CONSUMO DE
HOGARES, el GASTO DEL
GOBIERNO aumenta.

ANALISIS GENERAL

En el análisis de impulso respuesta del VEC podemos observar que el PBI aumenta
rápidamente ante un shock del GASTO DEL GOBIERNO, mientras que ante un shock
con la variable GASTO EN EL CONSUMO DE HOGARES, el PBI disminuye bruscamente
los primeros periodos, pero luego aumenta en los últimos periodos.

15
 GRAFICO COMBINADO

16
 DESCOMPOSICION DE LA VARIANZA

Podemos ver que shocks en el GASTO DE CONSUMO DE GOBIERNO sirven para explicar
los cambios en sí misma y en menor grado también explica el PBI, sin embargo tienen
poco grado de explicación para la variable CONSUMO FINAL DE HOGARES. Los
resultados son iguales a los del modelo VAR.

Podemos ver que shocks en el PBI sirven para explicar los cambios en la misma variable, sin
embargo tienen poco grado de explicación para CONSUMO FINAL DE HOGARES, en el caso de la
variable GASTO DE GOBIERNO, en los primeros periodos tiene poco grado de explicación, sin
embargo en los últimos periodos aumenta este grado de explicación.

Podemos ver que shocks en el CONSUMO FINAL DE HOGARES sirven para explicar los cambios
en EL PBI y también aunque en menor grado a sí misma, sin embargo tienen poco grado de
explicación para GASTO DE GOBIERNO, sin embargo el grado es mayor que a corto plazo en el
modelo VAR.

17
8. PREDICCION

Resultados obtenidos del modelo VAR, VEC y el ARMIA MULTIPLICATIVO

PBI PBIARIMA PBIVAR PBIVEC


1960 6.8108E+10 6.8108E+10
1961 7.3114E+10 7.3114E+10
1962 7.9211E+10 7.9211E+10 8.1861E+10
1963 8.2159E+10 8.2159E+10 9.1372E+10 8.4376E+10
1964 8.7581E+10 8.7581E+10 9.986E+10 8.7332E+10
1965 9.1907E+10 9.1907E+10 1.0709E+11 8.7325E+10
1966 9.9623E+10 9.9623E+10 1.1316E+11 8.6343E+10
1967 1.0338E+11 1.0338E+11 1.1824E+11 8.5289E+10
1968 1.0375E+11 1.0375E+11 1.2246E+11 8.4491E+10
1969 1.0769E+11 1.0769E+11 1.2596E+11 8.3775E+10
1970 1.1397E+11 1.1397E+11 1.2883E+11 8.3036E+10
1971 1.1874E+11 1.1874E+11 1.3118E+11 8.2156E+10
1972 1.2214E+11 1.2215E+11 1.3309E+11 8.1063E+10
1973 1.2871E+11 1.2871E+11 1.3462E+11 7.9694E+10
1974 1.4062E+11 1.4062E+11 1.3584E+11 7.8006E+10
1975 1.454E+11 1.454E+11 1.3679E+11 7.5965E+10
1976 1.4825E+11 1.4825E+11 1.3752E+11 7.3538E+10
1977 1.4885E+11 1.4885E+11 1.3806E+11 7.0689E+10
1978 1.4927E+11 1.4927E+11 1.3844E+11 6.7378E+10
1979 1.5792E+11 1.5792E+11 1.3867E+11 6.3561E+10
1980 1.676E+11 1.676E+11 1.3879E+11 5.9184E+10
1981 1.769E+11 1.769E+11 1.3881E+11 5.4192E+10
1982 1.7651E+11 1.7651E+11 1.3873E+11 4.8521E+10
1983 1.5814E+11 1.5814E+11 1.3857E+11 4.21E+10
1984 1.6384E+11 1.6384E+11 1.3834E+11 3.4853E+10
1985 1.6722E+11 1.6722E+11 1.3803E+11 2.6693E+10
1986 1.8298E+11 1.8298E+11 1.3766E+11 1.7527E+10
1987 2.0078E+11 2.0078E+11 1.3722E+11 7251455000
1988 1.8182E+11 1.8182E+11 1.3672E+11 -4248099000
1989 1.5944E+11 1.5944E+11 1.3614E+11 -1.7098E+10
1990 1.5149E+11 1.5149E+11 1.3549E+11 -3.1437E+10
1991 1.5485E+11 1.5485E+11 1.3477E+11 -4.7418E+10
1992 1.5402E+11 1.5402E+11 1.3396E+11 -6.5211E+10
1993 1.6209E+11 1.6209E+11 1.3307E+11 -8.5003E+10
1994 1.8204E+11 1.8204E+11 1.3208E+11 -1.07E+11
1995 1.9554E+11 1.9554E+11 1.3099E+11 -1.3143E+11
1996 2.0101E+11 2.0101E+11 1.2978E+11 -1.5853E+11
1997 2.1403E+11 2.1403E+11 1.2844E+11 -1.886E+11
1998 2.1319E+11 2.1319E+11 1.2697E+11 -2.2193E+11
1999 2.1638E+11 2.1638E+11 1.2534E+11 -2.5886E+11
2000 2.2221E+11 2.2221E+11 1.2354E+11 -2.9976E+11

18
2001 2.2358E+11 2.2358E+11 1.2155E+11 -3.4503E+11
2002 2.3577E+11 2.3577E+11 1.1936E+11 -3.9514E+11
2003 2.4559E+11 2.4559E+11 1.1693E+11 -4.5057E+11
2004 2.5777E+11 2.5777E+11 1.1425E+11 -5.1188E+11
2005 2.7397E+11 2.7397E+11 1.1129E+11 -5.7966E+11
2006 2.946E+11 2.946E+11 1.0802E+11 -6.546E+11
2007 3.1969E+11 3.1969E+11 1.0441E+11 -7.3742E+11
2008 3.4892E+11 3.4892E+11 1.0041E+11 -8.2894E+11
2009 3.5258E+11 3.5258E+11 9.5997E+10 -9.3004E+11
2010 3.8238E+11 3.8238E+11 9.1116E+10 -1.0417E+12
2011 4.0705E+11 4.0705E+11 8.5721E+10 -1.1651E+12
2012 4.3127E+11 4.3127E+11 7.9757E+10 -1.3013E+12
2013 4.5616E+11 4.5616E+11 7.3165E+10 -1.4518E+12
2014 4.6688E+11 4.6688E+11 6.5877E+10 -1.6178E+12
2015 4.7171E+11 5.782E+10 -1.8012E+12
2016 4.7408E+11 4.8914E+10 -2.0036E+12
2017 4.7544E+11 3.9068E+10 -2.2271E+12
2018 4.7637E+11 2.8183E+10 -2.4737E+12
2019 4.7713E+11 1.6149E+10 -2.7459E+12
2020 4.7781E+11 2845308000 -3.0463E+12
2021 4.7846E+11 -1.1863E+10 -3.3777E+12
2022 4.7911E+11 -2.8123E+10 -3.7436E+12
2023 4.7974E+11 -4.61E+10 -4.1472E+12
2024 4.8038E+11 -6.5974E+10 -4.5926E+12
2025 4.8101E+11 -8.7946E+10 -5.084E+12
2026 4.8165E+11 -1.1224E+11 -5.6263E+12
2027 4.8229E+11 -1.3909E+11 -6.2245E+12
2028 4.8293E+11 -1.6878E+11 -6.8845E+12
2029 4.8356E+11 -2.0161E+11 -7.6127E+12
2030 4.842E+11 -2.379E+11 -8.4161E+12
2031 4.8484E+11 -2.7802E+11 -9.3024E+12
2032 4.8548E+11 -3.2237E+11 -1.028E+13
2033 4.8613E+11 -3.7141E+11 -1.1359E+13
2034 4.8677E+11 -4.2562E+11 -1.2549E+13
2035 4.8741E+11 -4.8556E+11 -1.3861E+13
2036 4.8806E+11 -5.5183E+11 -1.5309E+13
2037 4.887E+11 -6.2508E+11 -1.6907E+13
2038 4.8935E+11 -7.0608E+11 -1.8669E+13
2039 4.9E+11 -7.9562E+11 -2.0612E+13

19
 GRAFICAMENTE

9. CONCLUSIONES

 Como podemos observar el modelo VAR predice mejor a corto plazo, sin embargo a
largo plazo se aleja mucho de los resultados y tiene un crecimiento exponencial que
tiende al infinito, por ello el modelo VEC sirve para corregir los errores del modelo VAR
a largo plazo y amortigua la tendencia del VAR, además de ello observamos la predicción
con el modelo ARIMA MULTIPLICATIVO, el cual predice tendencia a la baja desde el
2015.
 Analizando el impulso respuesta para los dos modelos VAR y VEC ambos concluyen lo
mismo: ante aumentos del GASTO DEL GOBIERNO el PBI aumenta y ante aumentos del
CONSUMO DE HOGARES el PBI aumenta.
 Analizando la descomposición de la varianza, podemos ver que la variable que más sirve
para explicar el PBI es EL CONSUMO FINAL DE HOGARES, explica en mayor medida que
el GASTO DE GOBIERNO
 Las predicciones coinciden en que encontramos una desaceleración del crecimiento del
PBI para los próximos años, los modelos VAR y VEC predicen una caída en el PBI mientras
que el modelo ARIMA indica un crecimiento muy por debajo del visto en los últimos
años.

20
BIBLIOGRAFÍA

 GRUPO DEL BANCO MUNDIAL


 BANCO CENTRAL DE RESERVA DEL PERÚ
 MODELOS VAR Y VECM PARA EL PRONÓSTICO DE CORTO PLAZO DE LAS
IMPORTACIONES DE COSTA RICA

21

You might also like