MODELOS VAR(p)
En el presente trabajo se realizara las estimaciones de los modelos VAR, haciendo
uso de distintos modelos económicos, todos estos serán estimados con datos de la
Federación de Rusia. Los resultados serán interpretados para 6 casos particulares,
mismos que son:
Modelo VAR(1) para 2 variables.
Modelo VAR(1) para 3 variables.
Modelo VAR(1) para 4 variables.
Modelo VAR(2) para 2 variables.
Modelo VAR(2) para 3 variables.
Modelo VAR(2) para 4 variables.
1. Modelo VAR(1) para dos variables.
Para la realización de este caso se tomara como modelo económico, el consumo
keynesiano, los datos con los cuales se realizaran las estimaciones mediante
e-views son los siguientes:
año Consumo Ingreso 1989 2.2868E+11 5.0659E+11 1990 2.5255E+11 5.1578E+11 1991 2.4311E+11 5.1655E+11 1992 1.7243E+11 4.5579E+11 1993 1.9684E+11 4.3062E+11 1994 2.007E+11 3.9324E+11 1995 2.0603E+11 3.9216E+11 1996 2.061E+11 3.8629E+11 1997 2.2171E+11 3.9624E+11 1998 1.6158E+11 2.5916E+11 1999 1.0489E+11 1.8819E+11 2000 1.1995E+11 2.5297E+11 2001 1.5005E+11 3.0236E+11 2002 1.7671E+11 3.3853E+11 2003 2.1454E+11 4.1718E+11 2004 2.9476E+11 5.7825E+11 2005 3.771E+11 7.4549E+11 2006 4.8222E+11 9.6113E+11 2007 6.4876E+11 1.2709E+12 2008 7.8777E+11 1.6144E+12 2009 6.4612E+11 1.1829E+12 2010 7.7137E+11 1.4778E+12 2011 1.0275E+12 1.9714E+12 2012 1.1197E+12 2.102E+12 2013 1.1943E+12 2.1511E+12 2014 1.0879E+12 1.9638E+12 2015 6.8778E+11 1.29E+12
Test “t-student”
Vector Autoregression Estimates Date: 04/01/17 Time: 14:05 Sample (adjusted): 1990 2015
Included observations: 26 after adjustments Standard errors in ( ) & t-statistics in [ ]
CO I CO(-1) -0.279555 -1.281204 (0.87356) (1.73102) [-0.32002] [-0.74014] I(-1) 0.665529 1.631991 (0.47408) (0.93943) [ 1.40383] [ 1.73722] C 1.62E+10 5.74E+10 (4.2E+10) (8.3E+10) [ 0.38470] [ 0.68951] R-squared 0.894463 0.878234 Adj. R-squared 0.885285 0.867646
Sum sq. resids 3.29E+23 1.29E+24
S.E. equation 1.20E+11 2.37E+11
F-statistic 97.46610 82.94356
Log likelihood -698.4719 -716.2531
Akaike AIC 53.95938 55.32716
Schwarz SC 54.10454 55.47233
Mean dependent 4.52E+11 8.67E+11
S.D. dependent 3.53E+11 6.51E+11
Determinant resid covariance (dof adj.) 2.86E+43 Determinant resid covariance 2.24E+43
Log likelihood -1371.405
Akaike information criterion 105.9543
Schwarz criterion 106.2446
Teniendo en cuenta la “t-student” la cual nos muestra la significancia estadística de
cada coeficiente, se llega a la conclusión de que ninguno de los coeficientes de
ambos modelos es significativo para un nivel de confianza del 95%.
Causalidad de Granger
VAR Granger Causality/Block Exogeneity Wald Tests Date: 04/01/17 Time: 14:45
Sample: 1989 2015 Included observations: 26
Dependent variable: CO
Excluded Chi-sq df Prob.
I 1.970745 1 0.1604
All 1.970745 1 0.1604
Dependent variable: I
Excluded Chi-sq df Prob.
CO 0.547814 1 0.4592
All 0.547814 1 0.4592
Teniendo en cuenta la Causalidad de Granger se puede decir que ninguna de las
combinaciones mostradas en el cuadro superior tiene un complemento el cual
supere el 90%, por lo que no tienen significancia estadística, por ende no se puede
escoger un modelo óptimo.
Criterio de Length
VAR Lag Order Selection Criteria Endogenous variables: CO I Exogenous variables: C Date: 04/01/17 Time: 14:46 Sample: 1989 2015
Included observations: 23
Lag LogL LR FPE AIC SC HQ
0 -1241.586 NA 3.15e+44 108.1379 108.2367 108.1628
1 -1211.509 52.30878* 3.28e+43 105.8703 106.1665* 105.9448 2 -1206.371 8.041817 3.00e+43* 105.7714* 106.2651 105.8955*
3 -1205.207 1.618873 3.94e+43 106.0180 106.7092 106.1919
4 -1204.030 1.433266 5.28e+43 106.2635 107.1521 106.4870
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
El criterio de Length nos sirve para determinar el tamaño óptimo para el modelo
VAR, esto quiere decir el número de rezagos que debería tener, con los resultados
mostrados en el cuadro superior y escogiendo uno de los tres criterios mostrados
(Schwarz) se determina que el número óptimo de rezagos es de uno(1).
Función Impulso-Respuesta
La función impulso-respuesta se puede observar en los gráficos superiores, mismos
de los cuales se puede rescatar es que el consumo responde de manera ligera al
pasado de los ingresos, y que los ingresos responden ligeramente a su propio
pasado.
-5.0E+10 0.0E+00 5.0E+10 1.0E+11 1.5E+11 2.0E+11 1 2 3 4 5 6 7 8 9 10 Res pons e of CO to CO -5.0E+10 0.0E+00 5.0E+10 1.0E+11 1.5E+11 2.0E+11 1 2 3 4 5 6 7 8 9 10 Res pons e of CO to I -1E+11 0E+00 1E+11 2E+11 3E+11 4E+11 1 2 3 4 5 6 7 8 9 10 Res pons e of I to CO -1E+11 0E+00 1E+11 2E+11 3E+11 4E+11 1 2 3 4 5 6 7 8 9 10 Res pons e of I to I Response to Cholesky One S.D. Innovations ± 2 S.E.Residuos
En los residuos se puede observar que posiblemente exista auto correlación
residual tanto en la variable consumo como en los ingresos.
-4E+11 -3E+11 -2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 90 92 94 96 98 00 02 04 06 08 10 12 14
CO Residuals
-6E+11 -4E+11 -2E+11 0E+00 2E+11 4E+11 6E+11 90 92 94 96 98 00 02 04 06 08 10 12 14I Residuals
2. Modelo VAR(1) con 3 variables
Para realizar la estimación del modelo VAR(1) con 3 variables se utilizara la
función de producción Cobb Douglas, los datos se muestran a continuación, para
realizar la estimación del modelo en e-views se aplicó logaritmos a toda la base
de datos, estos se muestran a lado de la base de datos original.
año PIB capital PEA
1990 5.1681E+11 1.5572E+11 76829001 1991 5.1796E+11 1.8785E+11 75915144 1992 4.6029E+11 1.5932E+11 74922756 1993 4.3508E+11 1.175E+11 72770722 1994 3.9508E+11 1.0089E+11 70402787 1995 3.9553E+11 1.0062E+11 70572434 1996 3.9172E+11 9.2711E+10 69791057 1997 4.0493E+11 8.8989E+10 68398582 1998 2.7095E+11 4.0546E+10 67673092 1999 1.9591E+11 2.9054E+10 72398098 2000 2.5971E+11 4.855E+10 72750274 2001 3.066E+11 6.7299E+10 71406529 2002 3.4511E+11 6.9197E+10 72407963 2003 4.3035E+11 8.9766E+10 73920206 2004 5.9102E+11 1.2353E+11 74771015 2005 7.6402E+11 1.534E+11 75358577 2006 9.8993E+11 2.0958E+11 75580158 2007 1.2997E+12 3.1407E+11 76692069 2008 1.6608E+12 4.2354E+11 77073504 2009 1.2226E+12 2.314E+11 76932095 2010 1.5249E+12 3.4486E+11 76594138 2011 2.0318E+12 4.6906E+11 76965903 2012 2.1701E+12 4.9786E+11 76895191 2013 2.2306E+12 4.7135E+11 76886470 2014 2.031E+12 4.2825E+11 76754167
año Lpib Lcapital Lpea
1990 11.7133345 11.1923393 7.88552519 1991 11.7142987 11.2738155 7.88032842 1992 11.6630321 11.2022758 7.87461374 1993 11.6385728 11.0700519 7.86195668 1994 11.5966821 11.0038597 7.84758985 1995 11.5971806 11.0026853 7.8486351 1996 11.5929757 10.9671317 7.84379978 1997 11.6073762 10.9493352 7.8350471 1998 11.4328942 10.6079492 7.83041602 1999 11.2920472 10.4632002 7.85972716 2000 11.4144862 10.6861856 7.86183463 2001 11.4865759 10.828006 7.85373792 2002 11.5379581 10.8400848 7.85978633 2003 11.6338196 10.9531122 7.86876317 2004 11.7715997 11.0917725 7.87373328 2005 11.8831031 11.1858127 7.87713269 2006 11.9956047 11.3213582 7.8784078 2007 12.113845 11.4970231 7.88475045 2008 12.2203295 11.6268904 7.8869051 2009 12.0873001 11.3643676 7.88610756 2010 12.1832463 11.5376439 7.88419553 2011 12.3078748 11.6712296 7.88629837 2012 12.3364889 11.6971043 7.88589918 2013 12.3484272 11.6733459 7.88584992 2014 12.3077041 11.631701 7.88510196
Test “t-student”
Vector Autoregression Estimates Date: 04/01/17 Time: 16:50 Sample (adjusted): 1991 2014
Included observations: 24 after adjustments Standard errors in ( ) & t-statistics in [ ]
PIB K T PIB(-1) 1.281132 0.533543 0.061090 (0.17801) (0.24818) (0.01753) [ 7.19699] [ 2.14979] [ 3.48483] K(-1) -0.460695 0.139526 -0.055666 (0.17013) (0.23720) (0.01675) [-2.70790] [ 0.58822] [-3.32248] T(-1) 5.030171 8.588475 0.896040 (1.35467) (1.88871) (0.13341) [ 3.71321] [ 4.54728] [ 6.71659] C -37.73271 -64.25607 0.718123 (10.0568) (14.0214) (0.99039) [-3.75196] [-4.58272] [ 0.72509] R-squared 0.960860 0.934325 0.863374 Adj. R-squared 0.954989 0.924474 0.842880 Sum sq. resids 0.101458 0.197219 0.000984 S.E. equation 0.071224 0.099302 0.007014 F-statistic 163.6607 94.84391 42.12819 Log likelihood 31.53947 23.56342 87.16926 Akaike AIC -2.294956 -1.630285 -6.930772 Schwarz SC -2.098613 -1.433943 -6.734430 Mean dependent 11.82348 11.17275 7.868359 S.D. dependent 0.335712 0.361336 0.017695
Determinant resid covariance (dof adj.) 4.53E-10 Determinant resid covariance 2.62E-10
Log likelihood 162.5824
Akaike information criterion -12.54854
Schwarz criterion -11.95951
En el modelo del PIB se puede observar que existe significancia estadística en todos
los coeficientes de los rezagos y en la constante. Esto quiere decir que explica el
comportamiento del modelo, al menos cuando la variable dependiente es el PIB.
En el modelo donde la variable dependiente es el capital (K) se puede observar que
sus coeficientes son significativos, excepto el coeficiente del rezago de su propio
pasado, esto considerando un nivel de confianza del 95%.
Por otro lado se puede observar que el tercer modelo donde la variable dependiente
es el trabajo (T) los coeficientes de este son significativos, mas no la constante de
este, a un nivel de confianza del 95%.
Causalidad de Granger
VAR Granger Causality/Block Exogeneity Wald Tests Date: 04/01/17 Time: 16:51
Sample: 1990 2014 Included observations: 24
Dependent variable: PIB
Excluded Chi-sq df Prob.
K 7.332698 1 0.0068
T 13.78794 1 0.0002
All 16.85689 2 0.0002
Dependent variable: K
Excluded Chi-sq df Prob.
PIB 4.621590 1 0.0316
T 20.67775 1 0.0000
All 26.24640 2 0.0000
Dependent variable: T
Excluded Chi-sq df Prob.
PIB 12.14403 1 0.0005
K 11.03887 1 0.0009
All 12.25702 2 0.0022
Con la Causalidad de Granger del modelo VAR, se puede decir que todos los
modelos tienen significancia estadística, por ende son correctos al menos
matemáticamente, pero teniendo en cuenta la teoría económica nos quedamos con
el primer modelo el cual nos dice que la variable dependiente es el PIB y que la
misma está en función del capital (K) y del trabajo (T).
Criterio de Length
VAR Lag Order Selection Criteria Endogenous variables: PIB K T Exogenous variables: C Date: 04/01/17 Time: 16:52 Sample: 1990 2014
Included observations: 21
Lag LogL LR FPE AIC SC HQ
0 90.97399 NA 4.61e-08 -8.378475 -8.229258 -8.346091
1 149.4820 94.72730* 4.19e-10 -13.09353 -12.49666* -12.96399
2 155.3353 7.804401 6.04e-10 -12.79384 -11.74932 -12.56715
3 168.6195 13.91674 4.77e-10 -13.20186 -11.70968 -12.87802
4 187.3351 14.25950 2.75e-10* -14.12715* -12.18732 -13.70616* * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Según el criterio de Length, el tamaño óptimo del VAR es uno (1), esto teniendo
en cuenta que previamente se escogió el criterio de SCHWARZ.
Función Impulso-Respuesta
-.12 -.08 -.04 .00 .04 .08 .12 1 2 3 4 5 6 7 8 9 10Response of PIB to PIB
-.12 -.08 -.04 .00 .04 .08 .12 1 2 3 4 5 6 7 8 9 10 Response of PIB to K -.12 -.08 -.04 .00 .04 .08 .12 1 2 3 4 5 6 7 8 9 10 Response of PIB to T -.12 -.08 -.04 .00 .04 .08 .12 1 2 3 4 5 6 7 8 9 10 Response of K to PIB -.12 -.08 -.04 .00 .04 .08 .12 1 2 3 4 5 6 7 8 9 10 Response of K to K -.12 -.08 -.04 .00 .04 .08 .12 1 2 3 4 5 6 7 8 9 10 Response of K to T -.008 -.004 .000 .004 .008 .012 1 2 3 4 5 6 7 8 9 10 Response of T to PIB -.008 -.004 .000 .004 .008 .012 1 2 3 4 5 6 7 8 9 10 Response of T to K -.008 -.004 .000 .004 .008 .012 1 2 3 4 5 6 7 8 9 10 Response of T to T
Calculado los valores de la función impulso-respuesta se obtienen las
gráficas superiores, las mismas se puede llegar a decir tienden a llegar a
responder al impulso de la variable trabajo, conforme pasa el tiempo.
Residuos
-.20 -.15 -.10 -.05 .00 .05 .10 92 94 96 98 00 02 04 06 08 10 12 14 PIB Residuals -.3 -.2 -.1 .0 .1 .2 92 94 96 98 00 02 04 06 08 10 12 14 K Residuals -.02 -.01 .00 .01 .02 92 94 96 98 00 02 04 06 08 10 12 14 T ResidualsDe los residuos obtenidos se puede llegar a decir que los mismos tienen un
comportamiento que denota la existencia de auto correlación residual al
presentar oscilaciones fuera del intervalo permitido.
3. Modelo VAR(1) con 4 variables
Para la estimación del modelo VAR(1) con 4 variables se utilizara el modelo
macroeconómico de la renta de un país, la cual presenta la siguiente base de
datos:
año
PIB
Consumo
Inversiones G. Gobierno
1992 4.6029E+11 1.7243E+11 1161000000 9.7254E+12
1993 4.3508E+11 1.9684E+11 1211000000
9.103E+12
1994 3.9508E+11
2.007E+11
690000000
8.839E+12
1995 3.9553E+11 2.0603E+11 2065000000 8.7418E+12
1996 3.9172E+11
2.061E+11 2579000000 9.0128E+12
1997 4.0493E+11 2.2171E+11 4864643273 8.7964E+12
1998 2.7095E+11 1.6158E+11 2761260000 8.8844E+12
1999 1.9591E+11 1.0489E+11 3309430000 9.1598E+12
2000 2.5971E+11 1.1995E+11 2678030000
9.343E+12
2001
3.066E+11 1.5005E+11 2847300000 9.2693E+12
2002 3.4511E+11 1.7671E+11 3473830000 9.5093E+12
2003 4.3035E+11 2.1454E+11 7928630000 9.7375E+12
2004 5.9102E+11 2.9476E+11 1.5403E+10
9.942E+12
2005 7.6402E+11
3.771E+11 1.5508E+10 1.0081E+13
2006 9.8993E+11 4.8222E+11 3.7595E+10 1.0313E+13
2007 1.2997E+12 6.4876E+11 5.5874E+10 1.0591E+13
2008 1.6608E+12 7.8777E+11 7.4783E+10 1.0952E+13
2009 1.2226E+12 6.4612E+11 3.6583E+10 1.0886E+13
2010 1.5249E+12 7.7137E+11 4.3168E+10 1.0723E+13
2011 2.0318E+12 1.0275E+12 5.5084E+10 1.0873E+13
2012 2.1701E+12 1.1197E+12 5.0588E+10 1.1141E+13
2013 2.2306E+12 1.1943E+12 6.9219E+10 1.1298E+13
2014
2.031E+12 1.0879E+12 2.2031E+10 1.1325E+13
2015
1.326E+12 6.8778E+11 4838600000 1.1124E+13
Test “t-student”
Vector Autoregression Estimates Date: 04/01/17 Time: 16:20 Sample (adjusted): 1993 2015
Included observations: 23 after adjustments Standard errors in ( ) & t-statistics in [ ]
PIB CO I GOB PIB(-1) 0.368275 0.154322 0.038620 -2.321447 (1.34067) (0.65232) (0.08657) (1.19413) [ 0.27470] [ 0.23657] [ 0.44612] [-1.94405] CO(-1) 0.282086 0.318790 -0.093920 3.971232 (2.33433) (1.13580) (0.15073) (2.07917) [ 0.12084] [ 0.28067] [-0.62311] [ 1.91000] I(-1) 7.025756 3.515711 0.708556 11.23332 (5.18755) (2.52408) (0.33496) (4.62053) [ 1.35435] [ 1.39287] [ 2.11532] [ 2.43118] GOB(-1) 0.169902 0.052058 0.009845 0.931922 (0.16803) (0.08176) (0.01085) (0.14966) [ 1.01114] [ 0.63673] [ 0.90735] [ 6.22674]
C -1.36E+12 -3.99E+11 -8.28E+10 7.62E+11
(1.5E+12) (7.3E+11) (9.6E+10) (1.3E+12) [-0.91375] [-0.54978] [-0.86018] [ 0.57358]
R-squared 0.895682 0.908556 0.645450 0.952275
Adj. R-squared 0.872500 0.888235 0.566661 0.941669
Sum sq. Resids 1.13E+24 2.68E+23 4.72E+21 8.98E+23
S.E. equation 2.51E+11 1.22E+11 1.62E+10 2.23E+11
F-statistic 38.63717 44.71038 8.192144 89.78929
Log likelihood -633.5158 -616.9469 -570.4959 -630.8535
Akaike AIC 55.52311 54.08234 50.04312 55.29161
Schwarz SC 55.76996 54.32919 50.28996 55.53845
Mean dependent 9.42E+11 4.82E+11 2.24E+10 9.98E+12
S.D. dependent 7.02E+11 3.65E+11 2.46E+10 9.25E+11
Determinant resid covariance (dof adj.) 5.24E+85 Determinant resid covariance 1.97E+85
Log likelihood -2389.101
Akaike information criterion 209.4871
Schwarz criterion 210.4744
En el modelo donde el PIB es la variable dependiente los coeficientes no son
significativos, por lo que no ayudan a explicar el comportamiento de las variables.
Cuando el consumo es la variable dependiente ocurre que al igual que el PIB los
coeficientes de los rezagos no las otras variables son no significativos, para un nivel
de confianza del 95%.
Por otro lado cuando la variable dependiente es la variable de inversiones, todos los
coeficientes, incluida la constante son no significativos, menos el coeficiente de su
propio rezago, este último si explica el comportamiento de la variable dependiente.
Mientras que cuando la variable dependiente es el gasto público o de gobierno los
valores de los coeficientes en lo que al rezago del PIB es no significativo al menos
para un nivel de confianza del 95% tampoco asi el coeficiente del rezago del
consumo, por otro lado los valores de los coeficientes de las inversiones y del gasto
público tienen significancia estadística, por lo que explican el comportamiento del
modelo VAR.
Causalidad de Granger
VAR Granger Causality/Block Exogeneity Wald Tests Date: 04/01/17 Time: 16:30
Sample: 1992 2015 Included observations: 23
Dependent variable: PIB
Excluded Chi-sq df Prob.
CO 0.014603 1 0.9038
I 1.834262 1 0.1756
GOB 1.022397 1 0.3120
All 4.109727 3 0.2499
Dependent variable: CO
Excluded Chi-sq df Prob.
PIB 0.055967 1 0.8130
I 1.940078 1 0.1637
GOB 0.405426 1 0.5243
All 5.118639 3 0.1633
Dependent variable: I
Excluded Chi-sq df Prob.
PIB 0.199024 1 0.6555
CO 0.388265 1 0.5332
GOB 0.823285 1 0.3642
All 1.625134 3 0.6537
Dependent variable: GOB
PIB 3.779347 1 0.0519
CO 3.648117 1 0.0561
I 5.910619 1 0.0150
All 7.006197 3 0.0717
La Causalidad de Granger nos dice que el modelo que matemáticamente es el
correcto es el último de la tabla superior, en el que la variable dependiente es el
gasto público. Aunque teniendo en cuenta la teoría económica esto no tenga sentido
del todo.
Criterio de Length
VAR Lag Order Selection Criteria Endogenous variables: PIB CO I GOB Exogenous variables: C
Date: 04/01/17 Time: 16:32 Sample: 1992 2015
Included observations: 21
Lag LogL LR FPE AIC SC HQ
0 -2235.437 NA 4.97e+87 213.2797 213.4787 213.3229
1 -2178.729 86.41215 1.07e+86 209.4028 210.3976 209.6187
2 -2158.888 22.67573 9.05e+85 209.0370 210.8276 209.4256
3 -2092.582 50.51907* 1.37e+84* 204.2459* 206.8323* 204.8072* * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Teniendo en cuenta el criterio de Length, el cual nos determina el numero óptimo
de rezagos que debería tener el modelo VAR, el tamaño del VAR debería ser de
tres (3), teniendo en cuenta el criterio de Schwarz, que coincidentemente los
criterios de Akaike y Hannan-Quinn nos muestra el mismo valor de rezagos.
Impulso-Respuesta
Según el grafico superior el cual nos muestra la función Impulso-Respuesta se
puede llegar a decir que todas las variables tienen una respuesta al impulso del
consumo, todas de manera similar.
-2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 4E+11 1 2 3 4 5 6 7 8 9 10
Res pons e of PIB to PIB
-2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 4E+11 1 2 3 4 5 6 7 8 9 10 Respons e of PIB to CO -2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 4E+11 1 2 3 4 5 6 7 8 9 10
Res pons e of PIB to I
-2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 4E+11 1 2 3 4 5 6 7 8 9 10
Res pons e of PIB to GOB
-1E+11 0E+00 1E+11 2E+11 3E+11 1 2 3 4 5 6 7 8 9 10 Respons e of CO to PIB -1E+11 0E+00 1E+11 2E+11 3E+11 1 2 3 4 5 6 7 8 9 10 Respons e of CO to CO -1E+11 0E+00 1E+11 2E+11 3E+11 1 2 3 4 5 6 7 8 9 10 Respons e of CO to I -1E+11 0E+00 1E+11 2E+11 3E+11 1 2 3 4 5 6 7 8 9 10
Res ponse of CO to GOB
-1E+10 0E+00 1E+10 2E+10
1 2 3 4 5 6 7 8 9 10
Res ponse of I to PIB
-1E+10 0E+00 1E+10 2E+10 1 2 3 4 5 6 7 8 9 10 Respons e of I to CO -1E+10 0E+00 1E+10 2E+10 1 2 3 4 5 6 7 8 9 10 Res ponse of I to I -1E+10 0E+00 1E+10 2E+10 1 2 3 4 5 6 7 8 9 10 Respons e of I to GOB -4E+11 -2E+11 0E+00 2E+11 4E+11 6E+11 1 2 3 4 5 6 7 8 9 10
Respons e of GOB to PIB
-4E+11 -2E+11 0E+00 2E+11 4E+11 6E+11 1 2 3 4 5 6 7 8 9 10 Respons e of GOB to CO -4E+11 -2E+11 0E+00 2E+11 4E+11 6E+11 1 2 3 4 5 6 7 8 9 10 Respons e of GOB to I -4E+11 -2E+11 0E+00 2E+11 4E+11 6E+11 1 2 3 4 5 6 7 8 9 10
Res ponse of GOB to GOB
Residuos
En los gráficos superiores se puede observar el comportamiento de los residuos de
las cuatro variables utilizadas para la estimación del modelo VAR, de los mismos se
puede decir que presentan auto correlación residual ya que estos no se encuentran
dentro del intervalo recomendado.
-8E+11 -6E+11 -4E+11 -2E+11 0E+00 2E+11 4E+11 6E+11 94 96 98 00 02 04 06 08 10 12 14 PIB Residuals -3E+11 -2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 94 96 98 00 02 04 06 08 10 12 14 CO Res iduals -4E+10 -3E+10 -2E+10 -1E+10 0E+00 1E+10 2E+10 3E+10 94 96 98 00 02 04 06 08 10 12 14 I Res iduals -4E+11 -3E+11 -2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 94 96 98 00 02 04 06 08 10 12 14
4. Modelo VAR(2) con 2 variables
Vector Autoregression Estimates Date: 04/01/17 Time: 16:57 Sample (adjusted): 1991 2015
Included observations: 25 after adjustments Standard errors in ( ) & t-statistics in [ ]
CO I CO(-1) 2.442900 3.707870 (1.21960) (2.49141) [ 2.00304] [ 1.48826] CO(-2) -2.499107 -4.620439 (1.04673) (2.13827) [-2.38754] [-2.16083] I(-1) -0.389734 -0.303329 (0.56546) (1.15513) [-0.68923] [-0.26259] I(-2) 0.878541 1.633152 (0.50539) (1.03242) [ 1.73833] [ 1.58186] C 3.44E+10 9.07E+10 (4.0E+10) (8.2E+10) [ 0.86097] [ 1.11055] R-squared 0.926548 0.910039 Adj. R-squared 0.911857 0.892047
Sum sq. resids 2.26E+23 9.41E+23
S.E. equation 1.06E+11 2.17E+11
F-statistic 63.07157 50.57992
Log likelihood -667.4001 -685.2583
Akaike AIC 53.79201 55.22067
Schwarz SC 54.03579 55.46444
Mean dependent 4.60E+11 8.82E+11
S.D. dependent 3.58E+11 6.60E+11
Determinant resid covariance (dof adj.) 2.50E+43 Determinant resid covariance 1.60E+43
Log likelihood -1314.452
Akaike information criterion 105.9562
Schwarz criterion 106.4437
En la tabla superior se puede observar la significancia estadística de los
coeficientes de los rezagos de las variables, de las cuales se puede decir que
cuando el consumo es la variable dependiente los coeficientes de sus
rezagos tanto uno como dos, tienen significancia estadística a un nivel de
confianza del 95%, mientras que cuando la variable dependiente es el
ingreso, el único coeficiente que es significativo es el segundo rezago del
consumo, mientras que las demás no ayudan a explicar el comportamiento
del modelo.
Causalidad de Granger
VAR Granger Causality/Block Exogeneity Wald Tests Date: 04/01/17 Time: 16:59
Sample: 1989 2015 Included observations: 25
Dependent variable: CO
Excluded Chi-sq df Prob.
I 3.041378 2 0.2186
All 3.041378 2 0.2186
Dependent variable: I
Excluded Chi-sq df Prob.
CO 4.718387 2 0.0945
All 4.718387 2 0.0945
Cuando se realiza la estimación del modelo VAR (2), el resultado de la causalidad
de Granger nos dice que matemáticamente la variable dependiente es el ingreso,
mientras que la independiente es el consumo, lo cual económicamente no tiene
sentido.
Criterio de Length
VAR Lag Order Selection Criteria Endogenous variables: CO I Exogenous variables: C Date: 04/01/17 Time: 17:01 Sample: 1989 2015
Included observations: 23
Lag LogL LR FPE AIC SC HQ
0 -1241.586 NA 3.15e+44 108.1379 108.2367 108.1628
1 -1211.509 52.30878* 3.28e+43 105.8703 106.1665* 105.9448 2 -1206.371 8.041817 3.00e+43* 105.7714* 106.2651 105.8955*
3 -1205.207 1.618873 3.94e+43 106.0180 106.7092 106.1919
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
El criterio de Length nos dice que el tamaño óptimo del modelo VAR es de un
rezago, resultado ya antes obtenido.
Funcion Impuslo-Respuesta
Realizando las estimaciones del modelo VAR (2) se puede observar que
existe la respuesta tanto del consumo como del mismo ingreso, ante un
impulso del ingreso, esto se muestra de manera más notoria al efectuar el
segundo rezago del modelo VAR.
-8E+11 -4E+11 0E+00 4E+11 1 2 3 4 5 6 7 8 9 10 Res pons e of CO to CO -8E+11 -4E+11 0E+00 4E+11 1 2 3 4 5 6 7 8 9 10 Res pons e of CO to I -1.5E+12 -1.0E+12 -5.0E+11 0.0E+00 5.0E+11 1.0E+12 1 2 3 4 5 6 7 8 9 10 Res pons e of I to CO -1.5E+12 -1.0E+12 -5.0E+11 0.0E+00 5.0E+11 1.0E+12 1 2 3 4 5 6 7 8 9 10 Res pons e of I to I Response to Cholesky One S.D. Innovations ± 2 S.E.
Residuos
En los residuos del modelo VAR (2) se pueden observar que al igual que el
modelo VAR (1) existe auto correlación residual.
-2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 92 94 96 98 00 02 04 06 08 10 12 14
CO Residuals
-6E+11 -4E+11 -2E+11 0E+00 2E+11 4E+11 6E+11 92 94 96 98 00 02 04 06 08 10 12 14I Residuals
5. Modelo VAR(2) con 3 variables
Vector Autoregression Estimates Date: 04/01/17 Time: 15:37 Sample (adjusted): 1992 2014
Included observations: 23 after adjustments Standard errors in ( ) & t-statistics in [ ]
PIB K T PIB(-1) 1.465649 0.524397 0.065613 (0.54484) (0.82596) (0.05903) [ 2.69008] [ 0.63489] [ 1.11159] PIB(-2) -0.231991 0.131177 0.003382 (0.60415) (0.91588) (0.06545) [-0.38399] [ 0.14322] [ 0.05167] K(-1) -0.393621 0.242525 -0.060577 (0.38153) (0.57839) (0.04133) [-1.03170] [ 0.41931] [-1.46555] K(-2) -0.046840 -0.235001 -0.002566 (0.38922) (0.59005) (0.04217) [-0.12034] [-0.39827] [-0.06085] T(-1) 5.067864 7.149023 0.820747 (2.32478) (3.52433) (0.25186) [ 2.17993] [ 2.02848] [ 3.25872] T(-2) -0.184932 1.429774 0.076954 (2.87373) (4.35653) (0.31133) [-0.06435] [ 0.32819] [ 0.24718] C -36.24407 -64.14901 0.695006 (14.6747) (22.2466) (1.58982) [-2.46983] [-2.88354] [ 0.43716] R-squared 0.968284 0.937161 0.863831 Adj. R-squared 0.956391 0.913596 0.812768 Sum sq. resids 0.081818 0.188035 0.000960 S.E. equation 0.071510 0.108407 0.007747 F-statistic 81.41321 39.76955 16.91690 Log likelihood 32.21007 22.64056 83.32760 Akaike AIC -2.192180 -1.360049 -6.637183 Schwarz SC -1.846594 -1.014464 -6.291598 Mean dependent 11.82822 11.16835 7.867839 S.D. dependent 0.342432 0.368801 0.017904
Determinant resid covariance (dof adj.) 3.74E-10 Determinant resid covariance 1.26E-10
Log likelihood 164.2484
Akaike information criterion -12.45638
En el cuadro superior se muestran los valores de los coeficientes de los rezagos de
los distintos modelos posibles y sus valores “t-student” de los cuales podemos decir
que cuando el PIB es la variable dependiente los coeficientes que son significativos
son el primer rezago del PIB, el primer rezago del trabajo (T) y la constante por lo
que las demás son no significativas. Por otro lado cuando la variable dependiente
es el capital podemos decir que los coeficientes son significativos en el primer
rezago del trabajo y la constante. Mientras que si la variable dependiente es el
trabajo el único valor que es significativo es su primer rezago, por lo que las demás
no ayudan a explicar el comportamiento del modelo VAR (2).
Causalidad de Granger
VAR Granger Causality/Block Exogeneity Wald Tests Date: 04/01/17 Time: 15:45
Sample: 1990 2014 Included observations: 23
Dependent variable: PIB
Excluded Chi-sq df Prob.
K 3.071281 2 0.2153
T 9.792424 2 0.0075
All 15.80847 4 0.0033
Dependent variable: K
Excluded Chi-sq df Prob.
PIB 3.279159 2 0.1941
T 11.18147 2 0.0037
All 19.65558 4 0.0006
Dependent variable: T
Excluded Chi-sq df Prob.
PIB 7.481692 2 0.0237
K 5.537515 2 0.0627
All 8.252509 4 0.0828
La causalidad de Granger nos dice que el complemento de las estimaciones
obtenidas son significativas cuando la variable dependiente es el trabajo, al menos
matemáticamente, ya que económicamente no llega a tener sentido.
Criterio de Length
VAR Lag Order Selection Criteria Endogenous variables: PIB K T Exogenous variables: C Date: 04/01/17 Time: 15:46 Sample: 1990 2014
Included observations: 21
Lag LogL LR FPE AIC SC HQ
0 90.97399 NA 4.61e-08 -8.378475 -8.229258 -8.346091
1 149.4820 94.72730* 4.19e-10 -13.09353 -12.49666* -12.96399
2 155.3353 7.804401 6.04e-10 -12.79384 -11.74932 -12.56715
3 168.6195 13.91674 4.77e-10 -13.20186 -11.70968 -12.87802
4 187.3351 14.25950 2.75e-10* -14.12715* -12.18732 -13.70616* * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Este nos dice que el tamaño óptimo del modelo VAR es de uno (1), teniendo en
cuenta que se está trabajando con el criterio Schwarz.
Función Impulso-Respuesta
-.12 -.08 -.04 .00 .04 .08 .12 1 2 3 4 5 6 7 8 9 10Response of PIB to PIB
-.12 -.08 -.04 .00 .04 .08 .12 1 2 3 4 5 6 7 8 9 10 Response of PIB to K -.12 -.08 -.04 .00 .04 .08 .12 1 2 3 4 5 6 7 8 9 10 Response of PIB to T -.2 -.1 .0 .1 .2 1 2 3 4 5 6 7 8 9 10 Response of K to PIB -.2 -.1 .0 .1 .2 1 2 3 4 5 6 7 8 9 10 Response of K to K -.2 -.1 .0 .1 .2 1 2 3 4 5 6 7 8 9 10 Response of K to T -.008 -.004 .000 .004 .008 .012 1 2 3 4 5 6 7 8 9 10 Response of T to PIB -.008 -.004 .000 .004 .008 .012 1 2 3 4 5 6 7 8 9 10 Response of T to K -.008 -.004 .000 .004 .008 .012 1 2 3 4 5 6 7 8 9 10 Response of T to T Response to Cholesky One S.D. Innovations ± 2 S.E.
Residuos
-.20 -.15 -.10 -.05 .00 .05 .10 92 94 96 98 00 02 04 06 08 10 12 14PIB Residuals
-.3 -.2 -.1 .0 .1 .2 92 94 96 98 00 02 04 06 08 10 12 14K Residuals
-.015 -.010 -.005 .000 .005 .010 .015 .020T Residuals
Con los residuos mostrados en las gráficas anteriores se puede decir que
estas tienen auto correlación residual, ya que en las tres variables salen de
los intervalos establecidos.
6. Modelo VAR(2) con 4 variables
Vector Autoregression Estimates Date: 04/01/17 Time: 16:35 Sample (adjusted): 1994 2015
Included observations: 22 after adjustments Standard errors in ( ) & t-statistics in [ ]
PIB CO I GOB PIB(-1) -3.569288 -1.575393 -0.088576 -3.011170 (2.12155) (1.05608) (0.15147) (1.59455) [-1.68240] [-1.49174] [-0.58477] [-1.88841] PIB(-2) 1.485388 0.874259 0.102049 -0.669985 (1.42064) (0.70717) (0.10143) (1.06775) [ 1.04558] [ 1.23627] [ 1.00612] [-0.62747] CO(-1) 10.63975 4.865764 0.316352 7.543077 (4.87722) (2.42781) (0.34822) (3.66571) [ 2.18152] [ 2.00418] [ 0.90849] [ 2.05774] CO(-2) -6.333847 -3.155566 -0.382876 -1.237180 (2.99101) (1.48888) (0.21355) (2.24804) [-2.11763] [-2.11942] [-1.79293] [-0.55034] I(-1) 0.277469 0.307917 0.019558 1.530576 (6.52189) (3.24650) (0.46564) (4.90184) [ 0.04254] [ 0.09485] [ 0.04200] [ 0.31225] I(-2) 6.431890 1.841228 0.638196 4.834912 (9.63316) (4.79525) (0.68777) (7.24027) [ 0.66768] [ 0.38397] [ 0.92791] [ 0.66778] GOB(-1) 0.179752 0.086244 0.022100 1.164092 (0.29192) (0.14531) (0.02084) (0.21941) [ 0.61576] [ 0.59350] [ 1.06037] [ 5.30563] GOB(-2) 0.156888 0.049144 -0.011706 -0.109589 (0.30237) (0.15052) (0.02159) (0.22726) [ 0.51886] [ 0.32650] [-0.54225] [-0.48221]
C -2.78E+12 -1.12E+12 -8.51E+10 -2.75E+11
(1.8E+12) (8.9E+11) (1.3E+11) (1.3E+12) [-1.54900] [-1.25639] [-0.66344] [-0.20390]
R-squared 0.938986 0.943779 0.743723 0.979742
Adj. R-squared 0.901440 0.909181 0.586014 0.967276
Sum sq. resids 6.46E+23 1.60E+23 3.29E+21 3.65E+23
S.E. equation 2.23E+11 1.11E+11 1.59E+10 1.67E+11
Log likelihood -600.2846 -584.9377 -542.2155 -594.0024
Akaike AIC 55.38951 53.99434 50.11050 54.81840
Schwarz SC 55.83584 54.44067 50.55683 55.26474
Mean dependent 9.65E+11 4.95E+11 2.34E+10 1.00E+13
S.D. dependent 7.10E+11 3.68E+11 2.47E+10 9.26E+11
Determinant resid covariance (dof adj.) 2.02E+85 Determinant resid covariance 2.46E+84
Log likelihood -2262.346
Akaike information criterion 208.9406
Schwarz criterion 210.7259
Teniendo en cuenta el modelo en el que la variable dependiente es el PIB, los
coeficientes significativos son ambos rezagos del consumo, por lo que las demás
no ayudan a explicar el modelo VAR (2). De igual manera cuando la variable
dependiente es el consumo, esto a un nivel de confianza del 95%. Cuando la
variable dependiente es la inversión no existe coeficiente que sea significativo, a
ningún nivel de confianza. Mientras que si la variable dependiente es el gasto
público, el único coeficiente que es significativo es su primer rezago, por lo que las
demás no ayudan a explicar el comportamiento del modelo VAR (2).
Causalidad de Granger
VAR Granger Causality/Block Exogeneity Wald Tests Date: 04/01/17 Time: 16:36
Sample: 1992 2015 Included observations: 22
Dependent variable: PIB
Excluded Chi-sq df Prob.
CO 6.269159 2 0.0435
I 0.528652 2 0.7677
GOB 2.843631 2 0.2413
All 11.56223 6 0.0725
Dependent variable: CO
Excluded Chi-sq df Prob.
PIB 3.648989 2 0.1613
I 0.205230 2 0.9025
GOB 1.888000 2 0.3891
Dependent variable: I
Excluded Chi-sq df Prob.
PIB 1.320974 2 0.5166
CO 3.218777 2 0.2000
GOB 1.316555 2 0.5177
All 7.176922 6 0.3048
Dependent variable: GOB
Excluded Chi-sq df Prob.
PIB 4.032529 2 0.1332
CO 4.469871 2 0.1070
I 0.776357 2 0.6783
All 9.492262 6 0.1477
Según la causalidad de Granger no existe combinación optima la cual llegue a ser
significativa.
Criterio de Length
VAR Lag Order Selection Criteria Endogenous variables: PIB CO I GOB Exogenous variables: C
Date: 04/01/17 Time: 16:37 Sample: 1992 2015
Included observations: 21
Lag LogL LR FPE AIC SC HQ
0 -2235.437 NA 4.97e+87 213.2797 213.4787 213.3229
1 -2178.729 86.41215 1.07e+86 209.4028 210.3976 209.6187
2 -2158.888 22.67573 9.05e+85 209.0370 210.8276 209.4256
3 -2092.582 50.51907* 1.37e+84* 204.2459* 206.8323* 204.8072* * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Según el criterio de Length, el número adecuado de rezagos es de tres (3),
teniendo en cuenta el criterio de Schwarz, que coincide con los criterios de Akaike
y Hannan-Quinn.
Función Impulso-Respuesta
En la función impulso respuesta se puede observar que las variables responden
ante un estímulo en el consumo, inversión y el gasto de gobierno, mas no así
cuando existe un impulso en la variable PIB.
-4E+12 -3E+12 -2E+12 -1E+12 0E+00 1E+12 2E+12 1 2 3 4 5 6 7 8 9 10
Res pons e of PIB to PIB
-4E+12 -3E+12 -2E+12 -1E+12 0E+00 1E+12 2E+12 1 2 3 4 5 6 7 8 9 10 Respons e of PIB to CO -4E+12 -3E+12 -2E+12 -1E+12 0E+00 1E+12 2E+12 1 2 3 4 5 6 7 8 9 10
Res pons e of PIB to I
-4E+12 -3E+12 -2E+12 -1E+12 0E+00 1E+12 2E+12 1 2 3 4 5 6 7 8 9 10
Res pons e of PIB to GOB
-2E+12 -1E+12 0E+00 1E+12 1 2 3 4 5 6 7 8 9 10 Respons e of CO to PIB -2E+12 -1E+12 0E+00 1E+12 1 2 3 4 5 6 7 8 9 10 Respons e of CO to CO -2E+12 -1E+12 0E+00 1E+12 1 2 3 4 5 6 7 8 9 10 Respons e of CO to I -2E+12 -1E+12 0E+00 1E+12 1 2 3 4 5 6 7 8 9 10
Res ponse of CO to GOB
-2E+11 -1E+11 0E+00 1E+11 2E+11 1 2 3 4 5 6 7 8 9 10
Res ponse of I to PIB
-2E+11 -1E+11 0E+00 1E+11 2E+11 1 2 3 4 5 6 7 8 9 10 Respons e of I to CO -2E+11 -1E+11 0E+00 1E+11 2E+11 1 2 3 4 5 6 7 8 9 10 Res ponse of I to I -2E+11 -1E+11 0E+00 1E+11 2E+11 1 2 3 4 5 6 7 8 9 10 Respons e of I to GOB -3E+12 -2E+12 -1E+12 0E+00 1E+12 2E+12 1 2 3 4 5 6 7 8 9 10
Respons e of GOB to PIB
-3E+12 -2E+12 -1E+12 0E+00 1E+12 2E+12 1 2 3 4 5 6 7 8 9 10 Respons e of GOB to CO -3E+12 -2E+12 -1E+12 0E+00 1E+12 2E+12 1 2 3 4 5 6 7 8 9 10 Respons e of GOB to I -3E+12 -2E+12 -1E+12 0E+00 1E+12 2E+12 1 2 3 4 5 6 7 8 9 10
Res ponse of GOB to GOB
Residuos
En los residuos de las variables se puede observar que existe auto correlación
residual tanto en el PIB, consumo, inversión y gasto público.
-4E+11 -2E+11 0E+00 2E+11 4E+11 6E+11 94 96 98 00 02 04 06 08 10 12 14 PIB Residuals -2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 94 96 98 00 02 04 06 08 10 12 14 CO Res iduals -3E+10 -2E+10 -1E+10 0E+00 1E+10 2E+10 3E+10 94 96 98 00 02 04 06 08 10 12 14 I Res iduals -4E+11 -3E+11 -2E+11 -1E+11 0E+00 1E+11 2E+11 3E+11 94 96 98 00 02 04 06 08 10 12 14