Modelo Lineal General

MODELO LINEAL GENERAL
Econometría
D = ß0 + ß1*PBI + ß2*IPC+ ß3*PEA
MODELO LINEAL GENERAL -Cátedra:

Econ. Luis Gaitan Guerra
ECONOMETRIA
::. INTRODUCCIÓN .::
Con el siguiente modelo se pretende desarrollar un modelo econométrico

para tratar de predecir del desempleo en función del Producto Interno
Bruto, índice de precios al consumidor y fuerza de trabajo
la especificación del modelo matemático se deduce de la teoría económica;
mediante agregación de la variable estocástica, se logra convertir el
modelo matemático en modelo econométrico; los datos para realizar este
informe se obtienen de los datos estadísticos del Banco Central de Reserva
del Perú (BCRP); y Instituto Nacional de Estadística e Informática, Y para
estimar los estimadores del modelo econométrico y realizar las pruebas de
hipótesis, se utiliza el programa informático EVIEWS 10.

ECONOMETRIA
::. PLANTEAMIENTO DE LA TEORÍA.::
• El desempleo es un problema que afecta al Perú pues esta sigue un ciclo de
pequeñas variaciones, que afectan a la inversión y por ende al crecimiento económico
además de ser un mal social, en el presenta trabajo buscaremos los motivos del porqué
de esta variación que causa inestabilidad en nuestra economía. Por ello planteamos
una función que explique el comportamiento de la variable desempleo en nuestro
país.
• El Producto Interno Bruto (PIB) es el valor de los bienes y servicios de uso final generados por los
agentes económicos durante un período., podemos suponer que un aumento en la producción de este
sector debería involucrar un aumento del empleo o en otras palabras, disminución del desempleo. Lo
comentado es corroborado por la Ley de Okun
 el Índice de precios al consumidor es el costo de una canasta de bienes y servicios consumida por una
familia representativa, en otras palabras representa el valor del costo de la vida de los hogares
peruanos. por ende la relación de la inflación con el desempleo; estudiada a través de la llamada curva
de Phillips, que sirve para representar la relación inversa entre inflación y desempleo. En teoría, nos
indica que, a mayor inflación, menor desempleo.
• La fuerza de trabajo con esta variable se mide la cantidad de personas que integran la población
económicamente activa. De acuerdo a los datos recopilados del INEI, consideramos que es una
variable determinante para la proyección del desempleo, y es así que una disminución en la población
económicamente activa, provoca un aumento en la tasa de desempleo
Entonces se tiene que: Desempleo= f (PBI, IPC, FT)

ECONOMETRIA
::. ESPECIFICACIÓN DEL MODELO MATEMÁTICO.::
“El desempleo está en función del PBI, IPC y Fuerza Trabajo”
D = ß0 + ß1*PBI + ß2*IPC+ ß3*PEA

Donde:
 D: Desempleo (Var.%).
 PBI: Nivel de Producto Bruto Interno
(millones de soles).
 IPC: Índice de precios al consumidor (%).
 PEA: Población Económicamente Activa
 B0: Parámetro de posición
 B1: Parámetro de ponderación del PBI.
 B2: Parámetro de ponderación del IPC.
• B3: Parámetro de ponderación de la FT

ECONOMETRIA
::. ESPECIFICACIÓN DEL MODELO ECONOMÉTRICO.::
D = ß0 + ß1*PBI + ß2*IPC+ ß3*PEA + µ

Donde:
 D: Desempleo (Var.%).
 PBI: Nivel de Producto Bruto Interno (millones de soles).
 IPC: Índice de precios al consumidor (%).
 PEA: Población Económicamente Activa (Miles de personas)
 B0: Parámetro de posición
 B1: Parámetro de ponderación del PBI.
 B2: Parámetro de ponderación del IPC.
 B3: Parámetro de ponderación de la FT
• µ: Término de perturbación estocástica (recoge otras variables que en conjunto
afectan al desempleo, pero no se especifican en el modelo, por ejemplo: el salario
mínimo.)

ECONOMETRIA
::. OBTENCIÓN DE DATOS .::
Los datos fueron obtenidos del BCR E INEI, FUERON RECOPILADOS DE FORMA MENSUAL ENTRE LOS
PERÍODOS 2000 Y 2017
::. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO .::

ECONOMETRIA
Línea de Regresión Desempleo-PBI Línea de Regresión Desempleo-IPC 2000-
2000-2017 2017
Se observa claramente la relación inversa Se observa claramente la relación directa que existe
que existe entre la tasa de desempleo (D) y entre la tasa de desempleo (D) y el Índice de Precios al
el producto interno Bruto (PBI) (A medida Consumidor (IPC) por lo que la curva de Phillips, que sirve
que disminuyen el desempleo, el nivel de para representar la relación inversa entre inflación y
producción aumenta). desempleo no aplica para nuestro país.

ECONOMETRIA
Línea de Regresión Desempleo-Fuerza Trabajo 2000-2017
 Se observa claramente la relación

inversa que existe entre la tasa de
desempleo (D) y la Población
Económicamente Activa (PEA) es así
que una disminución en la población
económicamente activa, provoca un
aumento en la tasa de desempleo.

ECONOMETRIA
INTERPRETACIÓN DE LOS PARÁMETROS
β0 = 0.612233 ^ ^ ^ ^ ^
D = ß0 + ß1*PBI + ß2*IPC + ß3*PEA + µ

β1 = -0.000300
β2 = 0.000187 ^
β3 = 0.003447 D = 0.612233 - 0.0003*PBI + 0.000187*IPC+0.003447*PEA+ µ
 Para B0: Cuando el nivel de PBI, PEA y variación del IPC sea cero, la tasa de desempleo en promedio
es 0.61%.
 Para B1: Cuando el PBI se incrementa en 1 millón y se mantienen constantes el IPC y PEA, la tasa de
desempleo disminuye en promedio 0.0003%.
 Para B2: Cuando el IPC aumenta en 1%, y se mantienen constantes el PBI y PEA la tasa de
desempleo aumenta en promedio 0.000187%.
 Para B3: Cuando la población económicamente activa incrementa en 1000 personas y se mantienen
constantes al PBI y IPC, la tasa de desempleo disminuye en promedio 0.003%.

ECONOMETRIA
INTERPRETACIÓN DEL COEFICIENTE DE DETERMINACIÓN
 El coeficiente de determinación R2 muestra la bondad de ajuste del modelo. Mientras más cerca de 1,
mejor será el modelo.
 En nuestro estudio el R2 = 0.513719
 Entonces se concluye que el 51.37% de la variación del PIB, IPC y PEA explican la variación
porcentual de la tasa de desempleo, el 48.63% restante es explicado por otras variables que no
fueron tomadas en el modelo.

ECONOMETRIA
::. PRUEBA DE HIPÓTESIS .::
Proceso de cálculo
Según la prueba t-student se compararan los resultados obtenidos. Si el valor
absoluto del “t” calculado (tc) es mayor que el “t” tabulado (tt) se rechaza la hipótesis
nula y se acepta la hipótesis alternativa, y viceversa.
Con:
GL = n – k = 132 – 4 = 128
α = 0.05 “t” tabulado (tt) = 1.979
Donde:
 Gl: Grados de libertad
 n: Numero de datos
 k: Numero de estimadores

ECONOMETRIA
Para β1:
Hipótesis nula: H0: ß1 = 0
La variable “PBI” no es estadísticamente significativa.
Hipótesis alternativa: Ha: ß1 ≠ 0
La variable “PBI” es estadísticamente significativa
Entonces tenemos:
•“t” tabulado (tt) = 1.979
•“t” calculado (tc) = -8.05
Resultado: Como |tc| > tt, Como t calculado es mayor que t tabulado, aceptamos la hipótesis
alternativa, por lo que la variable producto interno bruto es estadísticamente significativa; es
decir la variable PBI explica la variabilidad de la tasa de desempleo.
Para β2:
La variable “IPC” no es estadísticamente significativa.

La variable “IPC” es estadísticamente significativa
Entonces tenemos:
•“t” calculado (tc) = 2.59 Resultado: Como |tc| > tt, Como t calculado es mayor que t tabulado, rechazamos la hipótesis
nula y aceptamos la hipótesis alternativa que nos dice que la variable Índice de precios al
consumidor es estadísticamente significativa; es decir la variable IPC explica la variabilidad
de la tasa de desempleo.

ECONOMETRIA
Para β3:
La variable “PEA” no es estadísticamente significativa.
La variable “PEA” es estadísticamente significativa
Entonces tenemos:
•“t” calculado (tc) = 4.71 Resultado: Como |tc| > tt, Como t calculado es mayor que t tabulado, rechazamos la
hipótesis nula y aceptamos la hipótesis alternativa que nos dice que la variable
Población Económicamente Activa es estadísticamente significativa; es decir la variable
PEA explica la variabilidad de la tasa de desempleo.

ECONOMETRIA
::. PRONÓSTICO O PREDICCIÓN.::
• Se presentan las tasas de crecimiento de las variables estudiadas • Haciendo uso de los datos obtenidos y realizando las
en el modelo con el fin de pronosticar la tasa de desempleo proyecciones respectivas para el 2018 se obtuvo lo siguiente:
Variable Crecimiento Fuente PBI EMPLEO IPC

2018
al 2018 49445,032 5401,83862 1,383018
PBI 4% http://www.bcrp.gob.pe/docs/Publicaciones/Report
e-Inflacion/2018/marzo/reporte-de-inflacion-marzo-
2018.pdf
IPC 1.32% https://www.inei.gob.pe/media/MenuRecursivo/bol
etines/06-informe-tecnico-n06_precios-may2018.pdf
PEA 1.4% https://www.inei.gob.pe/media/MenuRecursivo/bol

etines/informe-tecnico-empleo-a-nivel-nacional.pdf
Desempleo2018 = 0.612233 - 0.0003*(PBI) + 0.000187*(IPC) + 0.003447*(PEA)
Desempleo2018 = 0.612233 – 14.833 + 0.0002586 + 18.6201
Desempleo2018=4.39%

ECONOMETRIA
::. CONCLUSIONES.::
 Las variables escogidas para correr el modelo lo explican en un 51% al desempleo del
país y el otro 49% esta explicado por otras variables no consideras.
 Las variables Producto Interno Bruto (PBI), Índice de Precios al consumidor (IPC),
población económicamente activa (PEA) presentan significancia individual en el modelo
y por lo tanto su influencia en el desempleo es muy significativa.
 A juzgar por los resultados obtenidos, nos muestra que el desempleo en el Perú está en
4.39% al 2018, frente a esto si lo contrastamos con la realidad el desempleo en el primer
trimestre fue de 8.01%, por lo que se podría decir que se necesita hacer uso de más
variables para explicar mejor el desempleo.

ECONOMETRIA

Modelo Lineal General

Cargado por

Copyright:

Formatos disponibles

Modelo Lineal General

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelo Lineal General

Cargado por

Copyright:

Formatos disponibles

MODELO LINEAL GENERAL

D = ß0 + ß1*PBI + ß2*IPC+ ß3*PEA

MODELO LINEAL GENERAL -Cátedra:

Con el siguiente modelo se pretende desarrollar un modelo econométrico

MODELO LINEAL GENERAL -Cátedra:

Entonces se tiene que: Desempleo= f (PBI, IPC, FT)

MODELO LINEAL GENERAL -Cátedra:

D = ß0 + ß1*PBI + ß2*IPC+ ß3*PEA

MODELO LINEAL GENERAL -Cátedra:

D = ß0 + ß1*PBI + ß2*IPC+ ß3*PEA + µ

MODELO LINEAL GENERAL -Cátedra:

::. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO .::

MODELO LINEAL GENERAL -Cátedra:

MODELO LINEAL GENERAL -Cátedra:

 Se observa claramente la relación

MODELO LINEAL GENERAL -Cátedra:

D = ß0 + ß1*PBI + ß2*IPC + ß3*PEA + µ

β3 = 0.003447 D = 0.612233 - 0.0003*PBI + 0.000187*IPC+0.003447*PEA+ µ

MODELO LINEAL GENERAL -Cátedra:

MODELO LINEAL GENERAL -Cátedra:

MODELO LINEAL GENERAL -Cátedra:

Hipótesis alternativa: Ha: ß2 ≠ 0

MODELO LINEAL GENERAL -Cátedra:

MODELO LINEAL GENERAL -Cátedra:

Variable Crecimiento Fuente PBI EMPLEO IPC

PEA 1.4% https://www.inei.gob.pe/media/MenuRecursivo/bol

Desempleo2018 = 0.612233 - 0.0003*(PBI) + 0.000187*(IPC) + 0.003447*(PEA)

Desempleo2018 = 0.612233 – 14.833 + 0.0002586 + 18.6201

MODELO LINEAL GENERAL -Cátedra:

MODELO LINEAL GENERAL -Cátedra:

También podría gustarte

D = ß0 + ß1PBI + ß2IPC+ ß3*PEA

D = ß0 + ß1PBI + ß2IPC+ ß3*PEA

D = ß0 + ß1PBI + ß2IPC+ ß3*PEA + µ

D = ß0 + ß1PBI + ß2IPC + ß3*PEA + µ

β3 = 0.003447 D = 0.612233 - 0.0003PBI + 0.000187IPC+0.003447*PEA+ µ

Desempleo2018 = 0.612233 - 0.0003(PBI) + 0.000187(IPC) + 0.003447*(PEA)