You are on page 1of 16

ESCUELA POLITÉCNICA NACIONAL

FACULTAD DE CIENCIAS

ECONOMETRÍA APLICADA

Nombre: Elsa Abigail Salazar Ortiz Fecha: 30 de enero de 2019

RESOLUCIÓN PRUEBA PRÁCTICA #2

1) Describa el problema analizado en el artículo.

El problema que analiza el artículo es la existencia de la trampa de la desigualdad entre la


corrupción y el ingreso, específicamente en los países asiáticos pues se consideran países con
altos niveles de corrupción y mala gobernabilidad. La iniciativa del estudio nace debido a la
ambigüedad en estudios previos que analizan el impacto de la corrupción en el crecimiento
económico.

2) ¿Cuál es el problema del artículo?

El problema presente en el artículo viene dado por falta de investigaciones en Asia que
demuestren teóricamente cómo la corrupción puede afectar la desigualdad de ingresos,
considerando que, según la literatura económica, para algunos autores la desigualdad de
ingresos es un factor determinante de la corrupción, mientras que para otros autores no. Es
decir, existe literatura muy diversa debido al enfoque que se le dé.

3) Describa brevemente la teoría económica del problema analizado y el área de


estudio al que pertenece el artículo.

Dentro de la gran cantidad de teoría económica se encontró que, según Serra (2006) los
determinantes de la corrupción son el ingreso, los sistemas democráticos, la religión, la historia
colonial y la inestabilidad política. A diferencia de Shabbir & Anwar (2008), que mencionan
la libertad económica, la globalización, el nivel de desarrollo y el nivel educativo, como
determinantes de la corrupción. Los autores citados anteriormente mencionan que la
desigualdad de ingresos no es una variable robusta como determinante de la corrupción.

Tanzi (1998) sostienen que las normas y actitudes sociales, los cambios en las políticas
económicas extranjeras y las actividades gubernamentales son un factor determinante

1
importante en la formación del capital humano y de la desigualdad de ingresos. Mientras que,
para Lee, Kim y Cin (2013) en Corea, la desigualdad de ingresos puede verse afectada por la
educación, el ingreso per cápita, la inversión, la tasa de desempleo, la tasa de desempleo
femenino, la inflación, la apertura comercial y el envejecimiento de la población. Por otro lado,
para Clarke, Xu y Xou (2003) el desarrollo del sector financiero pudo reducir la desigualdad
de ingresos.

Shabbir & Anwar (2008) encontraron que la desigualdad de ingresos no es un factor


determinante de la corrupción en los países en desarrollo, a diferencia del estudio de Serra
(2006), en el cual no se puede concluir que la desigualdad en el ingreso afecte enérgicamente
a la corrupción.

El área de estudio al cual pertenece el artículo es el sector político, económico y social,


pues toman en cuenta variables de estos sectores para la realización de su análisis. (Serra, 2006)

4) ¿Cuál es la estructura de los datos utilizados en el artículo? ¿De dónde


provienen?

Los datos utilizados en el artículo son índices, tasas o porcentajes, de variables


macroeconómicas en su mayoría, que miden información para determinados años de cada país.
Estos datos provienen del Banco Mundial, a excepción de las variables Corrupción,
Democracia y Gobernanza que provienen de Transparency International, The QoG Institute y
Worldwide Governance Index, respectivamente.

5) Observe el Apéndice 1. ¿Cuál es el objetivo de presentar este apéndice?

El objetivo de presentar el apéndice 1 es detallar las variables que se ocuparon en la


modelización junto con su significado. Además, se justifica mediante la literatura económica
el uso de cada variable. Finalmente, se puede encontrar en el apéndice la fuente de donde se
obtuvo cada variable, y se puede observar que la mayoría fue del Banco Mundial.

6) Mencione las metodologías utilizadas en el artículo (solo mencione).

El análisis de causalidad entre la corrupción y el ingreso se realizará con los métodos de


Mínimos Cuadrados Ordinarios (MCO) y Regresión de Tobit.

2
7) ¿Por qué es posible realizar las estimaciones por OLS y Tobit?

Es posible realizar las estimaciones por MCO y Tobit debido a que la variable dependiente del
modelo de investigación, corrupción y desigualdad de ingresos se expresa en la forma del
índice con una escala de 0 a 100.

8) Reproduzca las tablas 1 y 3 y las pruebas de correcta especificación realizadas


por el autor.

En la Tabla 1 se muestra la unificación de los coeficientes estimados de los 6 modelos de


influencia de la Corrupción en la Desigualdad de Ingreso en Asia, usando la metodología MCO,
mientras que en la Tabla 3 la influencia inversa con la misma metodología.

TABLA 1: La influencia de la Corrupción en la Desigualdad de Ingreso en Asia, usando la


metodología MCO.

Elaborado por: Salazar E. Fuente: STATA

3
TABLA 3: La influencia de la Desigualdad de Ingreso en la Corrupción en Asia, usando la
metodología MCO.

Elaborado por: Salazar E. Fuente: STATA

Dentro de las pruebas de correcta especificación se realizaron las pruebas de


multicolinealidad, heterocedasticidad y normalidad de los residuos tanto para la estimación de
la influencia de la Corrupción en la Desigualdad de Ingreso como para la estimación de
influencia inversa.

Para todos los modelos de la estimación: influencia de la Corrupción en la Desigualdad


de Ingreso, sus variables tienen problema de multicolinealidad al tener valores VIF menores a
20, cómo se puede observar en los Anexos del 1 al 6. Por otro lado, al realizar la prueba de
heterocedasticidad de Breusch-Pagan a todos los modelos, se encontró que todos los modelos
presentan varianzas constantes, es decir, no hay problemas de heterocedasticidad (Anexos 7-
12). Finalmente, haciendo la prueba de Kolmogorov – Smirnov, se tiene que los modelos tienen
una distribución normal al ser su valor K-S mayor a 0.05, como se puede ver en los Anexos del
13 al 18.

Mientras que para todos los modelos de la estimación: influencia de la Desigualdad de


Ingreso en la Corrupción se realiza únicamente las pruebas de multicolinealidad y normalidad.
La prueba de heterocedasticidad no se la realiza debido a que se realizará una regresión robusta

4
para corregir el problema de heterocedasticidad presente en los modelos. Referente a la
multicolinealidad, los modelos presentan este problema al tener los valores VIF menores a 20
como se puede ver en los Anexos del 19 al 24. En cuanto a la normalidad, al ser los valores K-
S iguales a cero en todos los modelos, estos no siguen una distribución normal. (Anexos 25-
30).

9) Interprete los resultados de las estimaciones.

En la tabla 1 se observa mediante una estimación por MCO, que la corrupción puede tener un
efecto negativo significativo en la desigualdad de los ingresos de Asia, lo que implica que, a
menor nivel de corrupción, menor será el nivel de desigualdad de ingresos en ese país, en
general.

También, se puede observar que las variables estadísticamente significativas para el


análisis son: tasa de desempleo, ingreso per cápita, tasa bruta de matriculación en la educación
primaria, ingresos fiscales, gasto en salud, crecimiento de la población, inversión extranjera
directa (IED), sistema de Gobierno, crecimiento del PIB per cápita y gasto público total.

Por otro lado, las variables estadísticamente no significativas en este análisis son: tasa
bruta de matriculación en la educación secundaria, formación brutal del capital fijo,
democracia, y las variables comerciales; lo que implica que estas variables no van a tener un
efecto sobre la desigualdad del ingreso.

En contraste, en la tabla 3 se puede observar que la desigualdad de ingresos puede tener un


efecto negativo significativo en el nivel corrupción, mediante la estimación por MCO, se llega
a la conclusión de que, a mayor nivel de desigualdad de ingresos, mayor será el nivel de
corrupción.

Se puede observar en esta tabla que el ingreso per cápita, la tasa bruta de matriculación
en la educación primaria, la formación bruta de capital fijo, el crecimiento de la población, la
IED, y la gobernanza tendrán un efecto significativo en el análisis. Por ejemplo, a mayor
número de personas que reciben la educación primaria, el nivel de corrupción puede disminuir
o, la alta formación bruta de capital fijo tiene un efecto positivo significativo sobre la
corrupción.

5
Por otro lado, las variables que no tienen un efecto en los niveles de corrupción son:
tasa de desempleo, tasa bruta de matrícula en educación secundaria, ingresos fiscales, gasto en
salud, gastos % del PIB, crecimiento del PIB per cápita, democracia y gobierno.

10) Explique porque el autor realiza las estimaciones mostradas en las tablas 3 y 4,
cuál es el objetivo.
En un inicio el objetivo del autor es medir la influencia de la corrupción en la desigualdad de
ingresos, sin embargo, al existir la teoría económica suficiente sobre la influencia de la
desigualdad de ingresos en la corrupción, el autor realiza las tablas 3 y 4 para comprobar
empíricamente la existencia de una relación recíproca entre la desigualdad de ingresos y la
corrupción.

6
Bibliografía
Clarke, G., Xu, L., & Zou, H. (2003). Finance and income inequality: Test of alternative
theories. World Bank Policy Research Department Working Paper No. 2984,.

Danielson, A. (2004). Poverty, Inequality and Growth in Jamaica, 1988-98 And Beyond.
Social and Economic Studies,, 73-93.

Lee, H.-Y., Kim, J., & Cin, B. (2013). Empirical Analysis on the Determinants of Income
Inequality in Korea. International Journal of Advanced Science and Technology, 53-
109.

Nuraini Dwiputri, I., Arsyad, L., & Pradiptyo, R. (2018). The corruption-income inequality
trap: a study of Asian countries. Open-Assessment E-Journal, 1-24.

Serra, D. (2006). Emprirical Determinants of Corruption: A Sensitivity Analysis. Public


Choice, 225-256.

Shabbir, G., & Anwar, M. (2008). Determinants of corruption in Developing Countries. The
Pakistan Development Review, 751-764.

Tanzi, V. (1998). Fundamental Determinants of Inequality and the Role of Government. IMF
Working Paper.

(Nuraini Dwiputri, Arsyad, & Pradiptyo, 2018) (Lee, Kim, & Cin, 2013) (Shabbir & Anwar,
2008) (Tanzi, 1998) (Clarke, Xu, & Zou, 2003) (Danielson, 2004)

7
ANEXOS
Anexo 1: Multicolinealidad del Modelo Anexo 3: Multicolinealidad del Modelo
1 de la Tabla 1 3 de la Tabla 1

Elaborado por: Salazar E. Fuente: STATA Elaborado por: Salazar E. Fuente: STATA
Anexo 2: Multicolinealidad del Modelo Anexo 4: Multicolinealidad del Modelo
2 de la Tabla 1 4 de la Tabla 1

Elaborado por: Salazar E. Fuente: STATA


Elaborado por: Salazar E. Fuente: STATA

8
Anexo 5: Multicolinealidad del Modelo Anexo 8: Heterocedasticidad del Modelo
5 de la Tabla 1 2 de la Tabla 1

Elaborado por: Salazar E. Fuente: STATA


Anexo 9: Heterocedasticidad del Modelo
3 de la Tabla 1

Elaborado por: Salazar E. Fuente: STATA


Elaborado por: Salazar E. Fuente: STATA
Anexo 10: Heterocedasticidad del
Anexo 6: Multicolinealidad del Modelo
Modelo 4 de la Tabla 1
6 de la Tabla 1

Elaborado por: Salazar E. Fuente: STATA


Anexo 11: Heterocedasticidad del
Modelo 5 de la Tabla 1

Elaborado por: Salazar E. Fuente: STATA


Anexo 12: Heterocedasticidad del
Elaborado por: Salazar E. Fuente: STATA
Modelo 6 de la Tabla 1
Anexo 7: Heterocedasticidad del Modelo
1 de la Tabla 1

Elaborado por: Salazar E. Fuente: STATA

Elaborado por: Salazar E. Fuente: STATA

9
Anexo 13: Normalidad del Modelo 1 de Anexo 18: Normalidad del Modelo 6 de
la Tabla 1 la Tabla 1

Elaborado por: Salazar E. Fuente: STATA Elaborado por: Salazar E. Fuente: STATA

Anexo 14: Normalidad del Modelo 2 de Anexo 19: Multicolinealidad del Modelo

la Tabla 1 1 de la Tabla 2

Elaborado por: Salazar E. Fuente: STATA


Anexo 15: Normalidad del Modelo 3 de
la Tabla 1

Elaborado por: Salazar E. Fuente: STATA


Elaborado por: Salazar E. Fuente: STATA
Anexo 16: Normalidad del Modelo 4 de
Anexo 20: Multicolinealidad del Modelo
la Tabla 1
2 de la Tabla 2

Elaborado por: Salazar E. Fuente: STATA


Anexo 17: Normalidad del Modelo 5 de
la Tabla 1

Elaborado por: Salazar E. Fuente: STATA

Elaborado por: Salazar E. Fuente: STATA

10
Anexo 21: Multicolinealidad del Modelo Anexo 23: Multicolinealidad del Modelo
3 de la Tabla 2 5 de la Tabla 2

Elaborado por: Salazar E. Fuente: STATA


Elaborado por: Salazar E. Fuente: STATA
Anexo 24: Multicolinealidad del Modelo
Anexo 22: Multicolinealidad del Modelo
6 de la Tabla 2
4 de la Tabla 2

Elaborado por: Salazar E. Fuente: STATA Elaborado por: Salazar E. Fuente: STATA

11
Anexo 25: Normalidad del Modelo 1 de Anexo 28: Normalidad del Modelo 4 de
la Tabla 2 la Tabla 2

Elaborado por: Salazar E. Fuente: STATA Elaborado por: Salazar E. Fuente: STATA
Anexo 26: Normalidad del Modelo 2 de Anexo 29: Normalidad del Modelo 5 de
la Tabla 2 la Tabla 2

Elaborado por: Salazar E. Fuente: STATA Elaborado por: Salazar E. Fuente: STATA

Anexo 27: Normalidad del Modelo 3 de Anexo 30: Normalidad del Modelo 6 de

la Tabla 2 la Tabla 2

Elaborado por: Salazar E. Fuente: STATA Elaborado por: Salazar E. Fuente: STATA

12
Código STATA
//ECONOMETRIA APLICADA
//ELSA SALAZAR
//PRUEBA PRACTICA 2
clear all
use "C:\Users\HUESPED\Documents\EPN\8VO\ECONOMETRÍA APLICADA\Prueba
Práctica 2do bimestre\BASE PRUEBA PRÁCTICA 2.dta", clear

//rename
rename gini Desigualdad
rename corr Corrupcion
rename unemptot Desempleo
rename ln_gdpcapcons ln_PIBpcap
rename educprim Educa_Primaria
rename educsec Educa_Secundaria
rename taxrev Ingre_Fiscales
rename healthtot Gasto_Salud
rename cap Capital
rename popgrow Crecimiento_Pobl
rename fdi IED
rename p_democ Democracia
rename gov Gobernanza
rename trade Comercio
rename capgrow Crecimeinto_Cap
rename gdpcapgrow Creci_PIBpcapita
rename gdpcapcorr Corrup_PIBpcapita
rename expense Gasto

//
///La influencia de la Corrupción en la Desigualdad de Ingreso en Asia, usando la
metodología MCO.///
// MODELO 1 //
reg Desigualdad Corrupcion Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio
estimates store Modelo_1
predict resid1, r
vif
hettest
summarize resid1
ksmirnov resid1 = normal(( resid1-r(mean))/r(sd))

// MODELO 2//
reg Desigualdad Corrupcion Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Crecimeinto_Cap
estimates store Modelo_2
predict resid2, r
vif
hettest

13
summarize resid2
ksmirnov resid2 = normal(( resid2-r(mean))/r(sd))

// MODELO 3//
reg Desigualdad Corrupcion Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Crecimeinto_Cap Creci_PIBpcapita
estimates store Modelo_3
predict resid3, r
vif
hettest
summarize resid3
ksmirnov resid3 = normal(( resid3-r(mean))/r(sd))

// MODELO 4//
reg Desigualdad Corrupcion Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Crecimeinto_Cap Corrup_PIBpcapita
estimates store Modelo_4
predict resid4, r
vif
hettest
summarize resid4
ksmirnov resid4 = normal(( resid4-r(mean))/r(sd))

// MODELO 5//
reg Desigualdad Corrupcion Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Gasto Corrup_PIBpcapita
estimates store Modelo_5
predict resid5, r
vif
hettest
summarize resid5
ksmirnov resid5 = normal(( resid5-r(mean))/r(sd))

// MODELO 6//
reg Desigualdad Corrupcion Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Gasto Crecimeinto_Cap
estimates store Modelo_6
predict resid6, r
vif
hettest
summarize resid6
ksmirnov resid6 = normal(( resid6-r(mean))/r(sd))

est table Modelo_1 Modelo_2 Modelo_3 Modelo_4 Modelo_5 Modelo_6, stats(F, r2_a, N)
star(.01 .05 .001)

14
//
///La influencia de la Desigualdad de Ingreso en la Corrupción en Asia, usando la
metodología MCO.///
// MODELO 1 //
reg Corrupcion Desigualdad Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio, ro
estimates store modelo_1
predict resid11, r
vif
summarize resid11
ksmirnov resid11 = normal(( resid1-r(mean))/r(sd))

// MODELO 2//
reg Corrupcion Desigualdad Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Crecimeinto_Cap, ro
estimates store modelo_2
predict resid22, r
vif
summarize resid22
ksmirnov resid22 = normal(( resid2-r(mean))/r(sd))

// MODELO 3//
reg Corrupcion Desigualdad Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Crecimeinto_Cap Creci_PIBpcapita, ro
estimates store modelo_3
predict resid33, r
vif
summarize resid33
ksmirnov resid33 = normal(( resid3-r(mean))/r(sd))

// MODELO 4//
reg Corrupcion Desigualdad Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Creci_PIBpcapita, ro
estimates store modelo_4
predict resid44, r
vif
summarize resid44
ksmirnov resid44 = normal(( resid4-r(mean))/r(sd))

// MODELO 5//
reg Corrupcion Desigualdad Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Gasto, ro
estimates store modelo_5
predict resid55, r

15
vif
summarize resid55
ksmirnov resid55 = normal(( resid5-r(mean))/r(sd))

// MODELO 6//
reg Corrupcion Desigualdad Desempleo ln_PIBpcap Educa_Primari Educa_Secundaria
Ingre_Fiscales Gasto_Salud Capital Crecimiento_Pobl IED Democracia Gobernanza
Comercio Gasto Crecimeinto_Cap, ro
estimates store modelo_6
predict resid66, r
vif
summarize resid66
ksmirnov resid66 = normal(( resid6-r(mean))/r(sd))

est table modelo_1 modelo_2 modelo_3 modelo_4 modelo_5 modelo_6, stats(F, r2_a, N)
star(.01 .05 .001)

16

You might also like