Escuela Académico Profesional de Economía Departamento Académico de Economía.

Slides:



Advertisements
Presentaciones similares
Regresión Lineal Verificación de Supuestos
Advertisements

Ejemplo Grafico.
Estadísticos de Prueba en el Modelo de Regresión Múltiple
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Métodos Matemáticos I.
Introducción a Eviews y funciones para el análisis del ciclo económico
Alcaldía de Chacao Dirección de Administración Tributaria 27 de septiembre de 2006 Buenos Aires Municipio Chacao. Caracas, Venezuela Wilfredo Ramos Barrera,
Econ. José Luis Rojas López
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Titular: Agustín Salvia
Funciones Logarítmicas
Modelo Lineal Simple con Statgraphics para Windows.
Regresión lineal simple
1.Introducción 2.Casos simples de reducción del orden 3.Ecuaciones lineales homogéneas con coeficientes constantes 4.Ecuaciones lineales no homogéneas.
Titular: Agustín Salvia
CONCEPTOS BÁSICOS DE ECUACIONES DIFERENCIALES
EPE MA 148 ESTADÍSTICA INFERENCIAL TEMA:
Interpolación lineal Interpolación cuadrática Interpolación numérica x0x0 x1x1 x f(x 0 ) f(x 1 ) f(x) (f(x) - f(x 0 )) / (x - x 0 ) = (f(x 1 ) - f(x))
1.Introducción 2.Casos simples de reducción del orden 3.Ecuaciones lineales homogéneas con coeficientes constantes 4.Ecuaciones lineales no homogéneas.
ECONOMETRIA I MODELOS NO LINEALES Hernán Delgadillo Dorado
Funciones Logarítmicas
Free and Quick Translation of Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 4. Mas Aspectos de este Modelo.
 Una ecuación de segundo grado [1] [2] o ecuación cuadrática de una variable es una ecuación que tiene la forma de una suma algebraica de términos cuyo.
UNIVERSIDAD PRIVADA JUAN MEJIA BACA CARRERA PROFESIONAL DE INGENIERÍA COMERCIAL INCLUYE LA AGENDA A TRATAR FALTA Y ES LA SEGUNDA PPT.
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
DISTRIBUCIÓN NORMAL.
REGRESIÓN Y CORRELACIÓN  REGRESIÓN Es un Proceso estadístico que consiste en predecir una variable a partir de otra utilizando datos anteriores. INGA.
1 Pronósticos, Series de Tiempo y Regresión Capítulo 3: Regresión Lineal Simple.
Prof. Dr. Luis Alberto Rubio Jacobo CURSO: “Estadística Aplicada al Marketing” MAESTRIA EN GERENCIA DE MARKETING.
Licenciatura en Contaduría Tema: Regresión y correlación
Procedimiento completo de regresión múltiple
Valor que toma la variable aleatoria
Funciones Exponenciales y Logarítmicas
Apuntes 1º Bachillerato CT
PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS
Propiedades de los Logaritmos
Distribuciones de probabilidad normal
MEP- II.
Introducción a los modelos econométricos
ESTADÍSTICA II Ing. Danmelys Perozo MSc.
Clase 8: Contraste de Hipótesis
¿Cuándo usar esta distribución?
Diferentes Formas Funcionales Cosas del Analisis de Regresion
UNIDAD V ANALISIS DE LA REGRESIÓN
Grado de Administración y Dirección de Empresas
PLANIFICACIÓN ACADÉMICA CBM-3A
DISTRIBUCIÓN GAMMA. La distribución gamma se deriva de la función gamma. La distribución gamma tiene un caso especial que es la distribución exponencial.
REGRESÍON LINEAL SIMPLE
ECONOMETRIA I 3. MODELO LINEAL DE TRES VARIABLES
UNIDAD CURRICULAR: ESTADÍSTICA II
Modelos no Lineales Biometría II 11-O. Definición Un modelo de regresión NO LINEAL se puede definir como un ajuste a cualquier modelo diferente del modelo.
3. COMPONENTES PRINCIPALES  Introducción  Componentes principales  Componentes principales muestrales  Comportamiento asintótico de autovalores y autovectores.
« EFECTO DE LA TASA DE INTERÉS ACTIVA Y EL PRODUCTO BRUTO INTERNO EN LA INVERSIÓN PRIVADA EN EL PERÚ, 2003 – 2015 » CHARLY CRUZ DELGADO.
Análisis de Regresión Lineal Curso de Verano ENCUP: Introducción al análisis cuantitativo en ciencias sociales Javier Aparicio División de Estudios Políticos,
ANALISIS DE VARIANZA
ESTADÍSTICA BIDIMENSIONAL
Correlación Relación no lineal Relación lineal positiva Relación
Analisis de Regresion Para dos Variables.
ICPM050 – ECONOMETRÍA tema 03: ESTIMACIÓN MODELO LINEAL SIMPLE
Analisis de Regresion Para dos Variables.
Correlación Relación no lineal Relación lineal positiva Relación
“Estadística Inferencial I” ▫Prueba de hipótesis. ▫Prof. Javier Zertuche.
Regresión Lineal Simple
ANÁLISIS DE VARIANZA(ANOVA) AULA:33 INTEGRANTES: JUAN CHAUCA ALEXIS JARAMILLO JEFFERSON LLANGARI KATHY ULLOA UNIVERSIDAD CENTRAL DEL ECUADOR FACULTAD DE.
ANALISIS DE REGRESION SIMPLE
REGRESION LINEAL SIMPLE
Econometría financiera Retorno y riesgo. ¿Qué es la econometría financiera? La econometría consiste en dar un contenido empírico a un razonamiento económico.
Transcripción de la presentación:

Escuela Académico Profesional de Economía Departamento Académico de Economía

EL MODELO DE LA FUNCIÓN CONSUMO KEYMNESIANA APLICADA PARA EL PERU UN MODELO ECONOMÉTRICO POTENCIAL I.- COMPORTAMIENTO ESTADÍSTICO Y GRÁFICO 1. Con valores reales observados 2. Con logaritmo neperiano II.- SOLUCIÓN DEL MODELO ECONOMÉTRICO POTENCIAL 1. Forma tradicional y manual a. Planteamiento del modelo b. Solución del modelo potencial c. Valores estimados del consumo privado d. Tabulación del modelo potencial 2. Utilizando programa econométrico E-Views 3. Gráfico del valor estimado del consumo privado BIBLIOGRAFIA  DAGUM, Camilo y BEE, Estela M.: Introducción a la Econometría. BARBANCHO, Alfonso: Complementos de Econometría. Edit. Ariel Barcelona, España Pág

J.Hdez.Napa 3 1.FORMA NO LINEAL (normal) Geneal: Y t =  X t  μ t Específica: CP t =  PBI t  μ t 2.FORMA LINEAL (con logaritmo neperiano) General : Ln Y t = Ln  +  Ln X t + Ln μ t Específica: Ln CP t = Ln  +  Ln PBI t + Ln μ t

J.Hdez.Napa 4

5

6 1. GRÁFICO CON VALORES REALES OBSERVADOS PARA EL MODELO DE LA FORMA NO LINEAL? Y t =  X t  μ t

J.Hdez.Napa 7 2. GRÁFICO APLICANDO LOGARITMO NEPERIANO PARA EL MODELO DE LA FORMA LINEAL (con logaritmo neperiano) Ln Y t = Ln  +  Ln X t + Ln μ t

J.Hdez.Napa 8

Función Consumo Tipo Keynesiano, aplicado para el Perú Variables Macroeconómicas: Consumo Privado (CP), Producto Bruto Interno (PBI) Período: 1950 – 2015 ( 66 Años ) Valores: A precios constante del año 2007 Modelo a desarrollar: 1. FORMA NO LINEAL CP t =  PBI  μ t 2. FORMA LINEAL Ln CP t = Ln  +  Ln PBI + Ln μ t (S Ln   S  ) [ t Ln  ] [ t   ____ Donde: R ^2, R 2, R ̃ 2 Ln Ÿ t S   S   ^ t , t   = D.Std. ^ “t” Student S 2, S S LnY t F = Prueba de Fisher- Snedecor  (Ln e t ) 2 AICDw = Prueba de Durbin- Watson log likelihood ( ℓ ) SCSC = Schwarz criterion Dw FAIC = Akaike information criterion 9 A.PLANTEAMIENTO DEL MODELO

J.Hdez.Napa RESUMEN DE TABULACION  Ln Y t =  (LnX t ) 2 =  Ln X t =  Ln X t Ln Y t =  (LnY t ) 2 = N = HALLANDO PARAMETROS:  Ln  ^   LnY t  (LnX t ) 2 -  LnX t  LnX t LnY t Ln α = N  LnX t ) 2 - (  LnX t ) ( ) ( ) Ln α = = ( ) - ( ) Ln α =   LnX t LnY t -  LnX t  LnY t β = N  LnX t ) 2 - (  LnX t ) 2 66 ( ) ( ) β = = ( ) - ( ) β = B. SOLUCIÓN DEL MODELO

J.Hdez.Napa HALLANDO VARIANCIA Y DESVIACION STANDARD DE LOS PARAMETROS  S 2  (LnX t ) ( ) S 2 Ln α = = N  LnX t ) 2 - (  LnX t ) 2 66 ( ) - ( ) S 2 Ln α = = ; S Ln α =  N S 2 66 ( ) S 2 β = = N  LnX t ) 2 - (  LnX t ) 2 66 ( ) - ( ) S 2 β = = e-5 ; S β = HALLANDO LA VARIANZA (S 2 ), Y DESVIACION STANDARD (S) DEL MODELO  Ln e t ) 2  LnY t – LnŶ t ) 2  LnY t ) 2 – Ln   LnY t –  ΣLnX t LnY t S 2 = ———— = ———————— = ————————————————— N – k N – k N – k – ( ) ( ) – ( ) S 2 = ——————————————————————————————————————————————— 66 – S 2 = ——————————————— 64 S 2 = ; S=

J.Hdez.Napa HALLANDO COEFICIENTE DE CORRELACION (R 2 ) a. R 2 sin corregir: V E  (LnŶ t – LnΫ ) 2 Ln   LnY t +   LnX t LnY t R^ 2 = —— = ————————— = ————————————— V T  (Ln Y t – Ln Ϋ ) 2  (LnY t ) 2 ( ) ( ) ( ) R^ 2 = —————————————————————————————————— = ————————— R^ 2 = b. R 2 corregido del intercepto: V E  (LnŶ t – LnΫ ) 2 Ln   LnY t +   LnX t LnY t – 1/N (  LnY t ) 2 R 2 = —— = ———————— = ———————————————————— V T  (Ln Y t – Ln Ϋ ) 2  (LnY t ) 2 – 1/N (  LnY t ) 2 ( ) ( ) ( ) – 1/66 ( ) 2 R 2 = ————————————————————————————————————————————— – 1/66 ( ) – R 2 = ————————————————————— = ————————— – R 2 = c. R 2 corregido del intercepto y del grado de libertad: R ̃ 2 = 1 – [ N – 1 / N – K ] ( 1 – R 2 ) = 1 – [ 66 – 1 / 66 – 2 ] ( 1 – ) R ̃ 2 = 1 – [ ] ( ) = 1– R ̃ 2 =

J.Hdez.Napa 13 d. Comprobación: i) De Correlación: R^ 2 > R 2 > R̃ 2 → > > ii) De Variancia Varianza total = Varianza explicada + Varianza no explicada VT (15) = VE (16) + VnoE (12) → = HALLANDO “ t” DE STUDENT PARA LOS PARAMETROS (t Ln α ^ t β ) t Ln α = Ln α / S Ln α = / = t β = β / S β = / = HALLANDO MEDIA Y DESVIACIÓN STANDARD DEL CP  MEDIA DE LA VARIABLE DEPENDIENTE ____ Ln Ÿ t = Σ LnY t / N = / 66 =  DESVIACION STANDARD DE LA VARIABLE DEPENDIENTE ____________________ ____________________ S LnY = √ Σ (LnY t – LnŸ) 2 / (N - 1) = √ / (66 - 1) ________________ S LnY = √ =

J.Hdez.Napa RESUMEN DEL MODELO POTENCIAL a)Forma Lineal Ln CP t = Ln PBI t (   ) [ ] [ ] ____ R^ 2 = Ln Y t = R 2 = S LnYt = R̃ 2 = S 2 = S =   Ln e t ) 2 = b) Forma No Lineal CP t = * PBI t

J.Hdez.Napa 15 C. VALORES ESTIMADOS DEL CONSUMO PRIVADO Ln CPE CPexp 1950: Ln Ŷ 50 = Ln ( ) = ; Ŷ 50 = : Ln Ŷ 51 = Ln ( ) = ; Ŷ 51 = : Ln Ŷ 52 = Ln ( ) = ; Ŷ 52 = …… 2015: Ln Ŷ 15 = Ln ( ) = ; Ŷ 15 = EN EL MODELO POTENCIAL HALLADO: Ln CP t = Ln PBI t SE REEMPLAZA LOS VALORES DE LA COLUMNA 4 (o sea el PBI): COLUMNA 10 COLUMNA 17

J.Hdez.Napa CONSUMO PRIVADO ESTIMADO LINEAL (columna 10) ■ MODELO: Ln CPE t = Ln PBI t ■ VALOR ESTIMADO PARA EL AÑO 1950 Y SIGUIENTES: Ln CPE t = ( ) = CONSUMO PRIVADO ESTIMADO NO LINEAL (columna 17) ■ MODELO: CPE t = * PBI t ■ VALOR ESTIMADO PARA EL AÑO 1950 Y SIGUIENTES: CPE 50 = (40.920) = VALORES ESTIMADOS DEL CONSUMO PRIVADO

J.Hdez.Napa 17 PERU: CONSUMO PRIVADO Y PBI 1950 – 2015 Valores a Precios Constantes de 2007 (1) D.- TABULACIÓN DEL MODELO POTENCIAL

J.Hdez.Napa 18

J.Hdez.Napa 19 PERU: CONSUMO PRIVADO Y PBI 1950 – 2015 Valores a Precios Constantes de 2007 (2)

J.Hdez.Napa 20 TABULACION

J.Hdez.Napa UTILIZANDO PROGRAMA ECONOMÉTRICO E-VIEWS a. MODELO ECONOMÉTRICO NORMAL:

J.Hdez.Napa 22 b. MODELO ECONOMÉTRICO CON PRESICIÓN:

J.Hdez.Napa 23 zona del pasado zona del futuro

J.Hdez.Napa 24

J.Hdez.Napa 25 GRACIAS

J.Hdez.Napa 26