1

MODELO VAR ARGENTINA

1.-INTRODUCCIÓN

Argentina es una de las economías más grandes de América Latina. En los últimos

años, Argentina priorizó promover un desarrollo económico con inclusión social.

El país ha crecido sostenidamente durante la última década y ha invertido

fuertemente en salud y educación, áreas en las que se destina el 8% y el 6% del PIB,

respectivamente. Entre 2003 y 2009, la clase media se duplicó pasando de 9,3

millones a los 18,6 millones (equivalentes al 45 % de la población).

Se propone un sistema de ecuaciones, con tantas ecuaciones como series a analizar o

predecir, pero en el que no se distingue entre variables endógenas y exógenas. Así,

cada variable es explicada por los retardos de sí misma (como en un modelo AR) y por

los retardos de las demás variables. Se configura entonces un sistema de ecuaciones

autorregresivas o, si se quiere ver así, un vector autorregresivo (VAR).

2.- ECUACIÓN MATEMÁTICA

Y = F (L, K)

Y = A* L *

DONDE:

Y= PRODUCTO TOTAL (PIB)

A = CONSTANTE

L= TRABAJO (PEA)

K= FORMACIÓN BRUTA DE CAPITAL FIJO (CAPITAL)

Donde y son las elasticidades producto del capital y el trabajo respectivamente.

Estos valores son constantes determinadas por la tecnología disponible.

La función de producción Cobb-Douglas Y = puede mostrar rendimientos

constantes de los factores si la suma de los parámetros de alfa y beta son iguales a

uno; rendimientos crecientes si la suma es mayor a uno, y rendimientos decrecientes

si el resultado de esa suma es menor a uno.

Por lo tanto, la ecuación econométrica está expresada por Y = + Lineal

usando la función se ha de convertir a través de la transformación logarítmica.

2

3.-ESTIMACIÓN E INTERPRETACIÓN DE RESULTADOS

3

STD Error

Es el error estándar de los coeficientes a estimar el cual tiene un buen porcentaje

tanto de 0,22% para la PEA y de 0,04% para la variable capital.

t-Student

Se puede ver que la variable capital si es significativa a un 95% de confianza pero la

variable trabajo no cumple esta condición lo que nos dice que de forma individual la

pea no explica a la productividad

R squared

El R cuadrado de la ecuación, representa el porcentaje de la variabilidad de la variable

dependiente explicada por la variable Independiente como se muestra es de

0.947493% lo que significa que el nivel de ajuste es bueno ya que mientras más

cercano a 1 mejor ajustado.

4

Adjusted R-squared

Permite medir el incremento neto de R cuadrado, cuando se incluye un nuevo

regresor con un ajuste de 0.942719% indica que la nube de puntos se va ajustando

con normalidad a la regresión y que también que con ese porcentaje es que podemos

llegar a saber que nuestro modelo se explica correctamente.

S.E. of regressión

se tiene una SCE de 0.048805

Sum squared resid

se tiene una SCR de 0,052402

F-statistic

Tiene un nivel de significancia grupal de 198,4951 lo cual nos muestra que es

significativo, el modelo grupal.

Durbin-Watson stat

En este test nos muestra que un 0.598647 nos indica que tiene perturbaciones

aleatorias frente a la presencia de autocorrelación,

MODELO ESTRUCTURAL

Vector Autoregression Estimates

Date: 04/16/16 Time: 19:25

Sample (adjusted): 1992 2014

Included observations: 23 after adjustments

Standard errors in ( ) & t-statistics in [ ] PIB PEA CAPITAL PIB(-1) -0.809023 0.014504 -1.988357

(0.97971) (0.04932) (1.31356)

[-0.82578] [ 0.29408] [-1.51372]

PIB(-2) 0.797468 5.28E-05 1.268548

(0.82933) (0.04175) (1.11194)

[ 0.96158] [ 0.00127] [ 1.14085]

PEA(-1) -2.282838 0.832785 -2.901324

(4.33691) (0.21832) (5.81477)

[-0.52637] [ 3.81450] [-0.49896]

PEA(-2) 3.154529 0.189652 4.067552

(4.43820) (0.22342) (5.95057)

[ 0.71077] [ 0.84886] [ 0.68356]

CAPITAL(-1) 1.290367 -0.012042 2.310080

(0.72849) (0.03667) (0.97674)

[ 1.77128] [-0.32838] [ 2.36510]

CAPITAL(-2) -0.621404 -0.018030 -1.004811

(0.56719) (0.02855) (0.76047)

[-1.09558] [-0.63147] [-1.32131]

5

C -1.820704 0.001021 -3.382864

(3.57613) (0.18002) (4.79474)

[-0.50913] [ 0.00567] [-0.70554] R-squared 0.784817 0.992038 0.726235

Adj. R-squared 0.704123 0.989053 0.623573

Sum sq. resids 0.187190 0.000474 0.336502

S.E. equation 0.108164 0.005445 0.145022

F-statistic 9.725886 332.2687 7.074033

Log likelihood 22.69233 91.43826 15.94784

Akaike AIC -1.364551 -7.342458 -0.778073

Schwarz SC -1.018966 -6.996872 -0.432488

Mean dependent 11.46950 7.217496 10.72517

S.D. dependent 0.198850 0.052040 0.236370 Determinant resid covariance (dof adj.) 4.89E-10

Determinant resid covariance 1.64E-10

Log likelihood 161.1683

Akaike information criterion -12.18854

Schwarz criterion -11.15179

ECUACIONES

Estimation Proc: =============================== LS 1 2 PIB PEA CAPITAL @ C VAR Model: =============================== PIB = C(1,1)*PIB(-1) + C(1,2)*PIB(-2) + C(1,3)*PEA(-1) + C(1,4)*PEA(-2) + C(1,5)*CAPITAL(-1) + C(1,6)*CAPITAL(-2) + C(1,7) PEA = C(2,1)*PIB(-1) + C(2,2)*PIB(-2) + C(2,3)*PEA(-1) + C(2,4)*PEA(-2) + C(2,5)*CAPITAL(-1) + C(2,6)*CAPITAL(-2) + C(2,7) CAPITAL = C(3,1)*PIB(-1) + C(3,2)*PIB(-2) + C(3,3)*PEA(-1) + C(3,4)*PEA(-2) + C(3,5)*CAPITAL(-1) + C(3,6)*CAPITAL(-2) + C(3,7) VAR Model - Substituted Coefficients: =============================== PIB = - 0.809022664187*PIB(-1) + 0.797468367557*PIB(-2) - 2.28283772197*PEA(-1) + 3.15452878878*PEA(-2) + 1.29036699022*CAPITAL(-1) - 0.621403611621*CAPITAL(-2) - 1.82070391208 PEA = 0.0145035454912*PIB(-1) + 5.28120552735e-05*PIB(-2) + 0.832784697923*PEA(-1) + 0.189651894079*PEA(-2) - 0.0120423968482*CAPITAL(-1) - 0.018030122692*CAPITAL(-2) + 0.00102056088391 CAPITAL = - 1.98835724002*PIB(-1) + 1.26854835649*PIB(-2) - 2.90132443162*PEA(-1) + 4.0675519685*PEA(-2) + 2.31007975294*CAPITAL(-1) - 1.00481096022*CAPITAL(-2) - 3.3828643256

Tomamos en cuenta que los modelos anteriores no son los verdaderos simplemente

son para tener una aproximación.

6

CAUSALIDAD DE GRANGER

VAR Granger Causality/Block Exogeneity Wald Tests

Date: 04/16/16 Time: 19:40

Sample: 1990 2014

Included observations: 23

Dependent variable: PIB Excluded Chi-sq df Prob. PEA 2.755384 2 0.2522

CAPITAL 3.201892 2 0.2017 All 6.035308 4 0.1965

Dependent variable: PEA Excluded Chi-sq df Prob. PIB 0.227815 2 0.8923

CAPITAL 1.661724 2 0.4357 All 8.868061 4 0.0645

Dependent variable: CAPITAL Excluded Chi-sq df Prob. PIB 2.297606 2 0.3170

PEA 2.727493 2 0.2557 All 4.842973 4 0.3038

Se buscan los valores con menor probabilidad, se toma un valor considerable del 90%

de confianza para el cual se procede a verificar la relación.

MODELOS:

PIB = F (PEA, CAPITAL) = para este modelo se verifica que el PIB de Argentina

no tiene relación alguna con las variables PEA y Capital, y que el modelo en

conjunto no nos explica nada.

PEA = F (PIB, CAPITAL)= para este modelo se verifica que la PEA de Argentina

no tiene relación alguna con las variables PIB y Capital, y que el modelo en

conjunto si nos explica algo.

7

CAPITAL = F (PIB, PEA)= para este modelo se verifica que el Capital de

Argentina no tiene relación alguna con las variables PIB y PEA, y que el modelo

en conjunto no nos explica nada.

CRITERIOS ASINTÓTICOS

VAR Lag Order Selection Criteria

Endogenous variables: PIB PEA CAPITAL

Exogenous variables: C

Date: 04/16/16 Time: 20:34

Sample: 1990 2014

Included observations: 22 Lag LogL LR FPE AIC SC HQ 0 77.73741 NA 2.25e-07 -6.794310 -6.645532 -6.759263

1 149.3840 117.2399 7.65e-10 -12.48946 -11.89434 -12.34927

2 161.7452 16.85610 5.96e-10 -12.79502 -11.75357 -12.54968

3 198.9222 40.55673* 5.33e-11* -15.35656* -13.86878* -15.00609* * 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 mi modelo de Hannan – Quinn nos indica que el modelo de Argentina tendría 3 rezagos por lo tanto tendríamos un VAR 3

FIR

Se estima nuevamente el modelo VAR pero este ya con el número de rezagos

correspondientes, en este caso son 3.

8

Vector Autoregression Estimates

Date: 04/16/16 Time: 21:48

Sample (adjusted): 1993 2014

Included observations: 22 after adjustments

Standard errors in ( ) & t-statistics in [ ] PIB PEA CAPITAL PIB(-1) -1.095416 0.008532 -2.185987

(1.12458) (0.00952) (1.55764)

[-0.97406] [ 0.89633] [-1.40339]

PIB(-2) -0.126769 -0.084316 0.545630

(1.33005) (0.01126) (1.84223)

[-0.09531] [-7.48984] [ 0.29618]

PIB(-3) 0.894993 0.103203 0.783192

(1.14134) (0.00966) (1.58085)

[ 0.78416] [ 10.6833] [ 0.49542]

PEA(-1) -1.012832 0.989001 -2.220653

(5.63366) (0.04768) (7.80309)

[-0.17978] [ 20.7414] [-0.28459]

PEA(-2) 1.366962 0.150249 4.102877

(6.60487) (0.05590) (9.14831)

[ 0.20696] [ 2.68768] [ 0.44848]

PEA(-3) 0.763661 -0.138243 -0.509246

(5.19142) (0.04394) (7.19056)

[ 0.14710] [-3.14620] [-0.07082]

CAPITAL(-1) 1.391926 -0.003222 2.360408

(0.82974) (0.00702) (1.14926)

[ 1.67754] [-0.45884] [ 2.05384]

CAPITAL(-2) 0.221202 0.025855 -0.292342

(1.03176) (0.00873) (1.42907)

[ 0.21439] [ 2.96078] [-0.20457]

CAPITAL(-3) -0.574110 -0.044640 -0.558523

(0.77975) (0.00660) (1.08002)

[-0.73628] [-6.76387] [-0.51714]

C -3.937487 -0.078225 -5.491206

(4.64000) (0.03927) (6.42680)

[-0.84860] [-1.99187] [-0.85442] R-squared 0.804481 0.999770 0.733772

Adj. R-squared 0.657842 0.999598 0.534102

Sum sq. resids 0.167608 1.20E-05 0.321549

S.E. equation 0.118183 0.001000 0.163694

F-statistic 5.486137 5799.786 3.674911

Log likelihood 22.43222 127.4151 15.26548

Akaike AIC -1.130202 -10.67410 -0.478680

9

Schwarz SC -0.634274 -10.17817 0.017249

Mean dependent 11.47450 7.221305 10.73166

S.D. dependent 0.202043 0.049876 0.239821 Determinant resid covariance (dof adj.) 1.73E-11

Determinant resid covariance 2.81E-12

Log likelihood 198.9222

Akaike information criterion -15.35656

Schwarz criterion -13.86878

ECUACIONES Estimation Proc: =============================== LS 1 3 PIB PEA CAPITAL @ C VAR Model: =============================== PIB = C(1,1)*PIB(-1) + C(1,2)*PIB(-2) + C(1,3)*PIB(-3) + C(1,4)*PEA(-1) + C(1,5)*PEA(-2) + C(1,6)*PEA(-3) + C(1,7)*CAPITAL(-1) + C(1,8)*CAPITAL(-2) + C(1,9)*CAPITAL(-3) + C(1,10) PEA = C(2,1)*PIB(-1) + C(2,2)*PIB(-2) + C(2,3)*PIB(-3) + C(2,4)*PEA(-1) + C(2,5)*PEA(-2) + C(2,6)*PEA(-3) + C(2,7)*CAPITAL(-1) + C(2,8)*CAPITAL(-2) + C(2,9)*CAPITAL(-3) + C(2,10) CAPITAL = C(3,1)*PIB(-1) + C(3,2)*PIB(-2) + C(3,3)*PIB(-3) + C(3,4)*PEA(-1) + C(3,5)*PEA(-2) + C(3,6)*PEA(-3) + C(3,7)*CAPITAL(-1) + C(3,8)*CAPITAL(-2) + C(3,9)*CAPITAL(-3) + C(3,10) VAR Model - Substituted Coefficients: =============================== PIB = - 1.09541607984*PIB(-1) - 0.126768647229*PIB(-2) + 0.894992684967*PIB(-3) - 1.0128319924*PEA(-1) + 1.36696168197*PEA(-2) + 0.763660930791*PEA(-3) + 1.39192580177*CAPITAL(-1) + 0.221201982793*CAPITAL(-2) - 0.574110283222*CAPITAL(-3) - 3.93748652843 PEA = 0.00853160744199*PIB(-1) - 0.0843156269613*PIB(-2) + 0.103202866136*PIB(-3) + 0.989001498651*PEA(-1) + 0.150248981855*PEA(-2) - 0.138242816478*PEA(-3) - 0.00322234241892*CAPITAL(-1) + 0.0258554457975*CAPITAL(-2) - 0.0446395406692*CAPITAL(-3) - 0.078225440278 CAPITAL = - 2.18598712962*PIB(-1) + 0.545629563903*PIB(-2) + 0.783191675403*PIB(-3) - 2.22065335509*PEA(-1) + 4.10287737919*PEA(-2) - 0.509245897015*PEA(-3) + 2.36040764681*CAPITAL(-1) - 0.292342310806*CAPITAL(-2) - 0.558522768677*CAPITAL(-3) - 5.4912055289

10

CAUSALIDAD DE GRANGER (VAR 3)

VAR Granger Causality/Block Exogeneity Wald Tests

Date: 04/16/16 Time: 22:40

Sample: 1990 2014

Included observations: 22

Dependent variable: PIB Excluded Chi-sq df Prob. PEA 3.052477 3 0.3836

CAPITAL 3.696793 3 0.2961 All 6.431524 6 0.3766

Dependent variable: PEA Excluded Chi-sq df Prob. PIB 120.8922 3 0.0000

CAPITAL 57.83882 3 0.0000 All 709.5133 6 0.0000

Dependent variable: CAPITAL Excluded Chi-sq df Prob. PIB 2.102740 3 0.5514

PEA 2.586638 3 0.4598

All 4.345690 6 0.6300

Se buscan los valores con menor probabilidad, se toma un valor considerable del 90%

de confianza para el cual se procede a verificar la relación.

MODELOS:

PIB = F (PEA, CAPITAL) = Se llega a verificar que para este modelo el PIB de

Argentina no tiene relación alguna con las variables PEA y Capital, y que el

modelo en conjunto no nos explica nada.

PEA = F (PIB, CAPITAL)= Se llega a la conclusión que la PEA de Argentina

tiene relación alguna con las variables PIB y Capital, y que el modelo en

conjunto si nos explica algo.

11

CAPITAL = F (PIB, PEA)= Se llega a verificar que el Capital de Argentina no

tiene relación alguna con las variables PIB y PEA, y que el modelo en conjunto

no nos explica nada.

4.- INTERPRETACIÓN DE RESULTADOS

Para el PIB:

En la relación de la variable PIB de Argentina con la variable PIB de Argentina se observa que se tiene valores negativos y que la misma fluctúa llegando a un valor de cero lo cual quiere decir que su efecto es nulo. Y que se encuentra muy mal, ya que los márgenes de confianza fluctúan en cero.

12

En la relación de la variable PIB de Argentina con la variable PEA claramente se

observa que fluctua en cero a un principio pero la misma tiende a fluctuar

positivamente a medida que se extiende, con mis márgenes de confianza fluctuando

en cero.

En la relación de la variable PIB de Argentina con el Capital del mismo país se denota

que a un principio fluctúa positivamente pero ya desde un determinado punto la

misma lo hace en cero, no teniendo relación alguna.

Para la PEA:

En la relación de la variable PEA de Argentina con el PIB del mismo país, la situación

se encuentra muy mala ya que en todo el recorrido fluctúa negativamente verificando

que su efecto es nulo.

13

En la relación de la variable PEA de Argentina con la variable PEA d argentina se ve

una fluctuación positiva, es decir que fluctúa en ese sentido, teniendo efecto alguno,

pero tomando en cuenta que mis márgenes de confianza tienden a fluctuar en cero.

En la relación de la variable PEA de Argentina con la variable Capital del mismo país

se ve una fluctuación inicial de 0 siguiendo a la misma una negativa, no teniendo

efecto alguno del Capital sobre la PEA.

14

Para el Capital:

En la relación de la variable Capital de Argentina con el PIB del mismo, se tiene una

fluctuación decreciente, llegando hasta un punto donde esta se convierte en cero,

verificándose una mala situación, con mis márgenes de confianza fluctuando en cero.

En la relación de la variable Capital de Argentina con la PEA de Argentina la misma

tiende a fluctuar en 0 principalmente, pero ya desde cierto punto específico la misma

ya fluctúa de manera positiva.

15

En la relación de la variable Capital de Argentina con el Capital del mismo país se

observa una fluctuación positiva hasta cierto punto con unos márgenes de confianza

positivos, pero desde cierto punto el mismo fluctúa en cero, para lo cual se llega a la

conclusión de que su efecto es nulo.

CONCLUSIONES Y RECOMENDACIONES

El modelo teórico planteado originalmente no es adecuado, ya que de todas las

combinaciones factibles, sólo una resulta ser aceptable a nivel grupal, y la misma no

corresponde al modelo planteado, y no es de nuestro interés, lo cual causará una serie

de problemas porque no tienen relación una con otras, definiendo que

econométricamente la hipótesis se encuentra mal planteada. Una solución encontrada

sería la de cambiar el modelo, tomando en cuenta la sugerencia de Granger.