MODELO ECONOMETRICO DE IMPORTACIONES PARA EL PERU 1993-2009

RESUMEN

En el presente trabajo de investigación hemos analizado el nivel de incidencia que tienen el tipo de cambio bancario, y el índice del PBI nacional sobre el nivel de importaciones del Perú, en el periodo de estudio comprendido entre 1993 a 2009. La información está dada mensualmente hasta diciembre del 2009, Estimados algunos modelos econométricos se obtuvo que la relación entre el volumen de importaciones con el tipo de cambio bancario y el PBI es directa. Para su realización se ha utilizado el método de los mínimos cuadrados ordinarios. Si nuestras importaciones fueran explicadas por el PBI real y el tipo de cambio nominal, podríamos brindar algunos aportes de política económica. Al finalizar el estudio de este trabajo el estudiante tendrá una visión más amplia sobre la dependencia de las importaciones con el PBI real, y el tipo de cambio bancario, lo que le permitirá comprender mejor los temas de econometría.

Palabras clave: índice del PBI , tipo de cambio bancario, importaciones.JEL: C22 ; C01 ; E52 ; E20.

ABSTRACT

In the present investigation we analyzed the level of Impacts of the bank rate and the rate of GDP the national level of imports from Peru in the period study from 1993 to 2009. The information is given monthly until December 2009, Dear some models econometric was found that the relationship between the volume of imports the bank rate and the GDP is straightforward. If our imports are explained by real GDP and the exchange rate nominal, could provide some contributions to economic policy. The references used in this study falls within categoryMacroeconomics and Econometrics. Upon completion of this work study students will have a vision broader reliance on imports to real GDP and bank exchange rate, allowing you to better understand econometric issues.Keywords: rate of GDP, bank exchange rate, imports.JEL:C22;C01;E52;E20.

INTRODUCCIÓN

En los últimos años el país se ha visto afectado de cierta forma por crisis financieras internacionales; afectando al comercio internacional y ante la necesidad de prestar una mayor atención a las cuentas del sector externo. En este sentido, en el presente trabajo se pretende realizar un estudio de las importaciones en el Perú teniendo en cuenta además el gran crecimiento económico que registran los datos del BCR en nuestro país en los últimos años.Esta mayor disponibilidad de ingreso en la economía habría generado un considerable incremento de las importaciones en la última década. Y además por la apreciación cambiaria que ha habido del

2008 al 2009 es de interés conocer en qué medida el esta disminución de tipo de cambio influye a las importaciones. Y si han aumentado las importaciones por lo tanto resulta necesario contrastar la mayor demanda de moneda extranjera en función de las importaciones de tal modo que encontremos la relación causalidad entre ellas, y así mismo poder aplicar política económica al modelo propuesto.El presente trabajo consta de cuatro partes importantes: como son la relevancia o evidencia empírica, que vienen hacer algunos modelos econométricos realizados en otros países con relación al modelo propuesto en este trabajo, por otra parte también está la hipótesis que supone una afirmación o negación a nuestro modelo económico dado,seguido de la metodología ,en el cual ha sido aplicada una serie de modelos econométricos como son : MCO, test LM, test Dammy, ADF ,test PP, test VEC, Test de Hohansen ,Test de respuesta de impulso, y Descomposición de la varianza, Luego se analizaran los resultados obtenidos de los modelos econométricos mencionados y por último se realizara las conclusiones y recomendaciones de política económica. Aplicado esto ¿Cómo ha ido evolucionando las Importaciones con relación PBI real y al tipo de cambio bancario desde el año 1993-2009 en el Perú? ¿De qué manera se ha visto el crecimiento económico durante los años 1993-2009? ¿Cuál es el impacto esperado en las importaciones del Perú con relación al PBI real y al tipo de cambio bancario?En este proyecto de investigación tiene propuesto como modelo económico, la relación que existe de las importaciones sobre el PBI real y el tipo de cambio bancario desde el año 1993 hasta el 2009 en el Perú. Gracias a modelos econométricos como: MCO, test LM, test Dammy, ADF ,test PP, test VEC, Test de Hohansen ,Test de respuesta de impulso, y Descomposición de la varianza propuestos para este análisis. Se realizara una evaluación estadística, económica y por ultimo un análisis econométrico el cual constara de predecir y hacer inferencia económica sobre las variables y así mismo analizar si es que el modelo económico dado puede aplicarse política económica y de esta manera responder a una serie de interrogantes mencionadas mediante los resultados obtenidos por los modelos propuestos y por último las conclusiones y recomendaciones que se dará dado un análisis en cuanto a las últimas estadísticas de la situación actualdel país en relación a las variables mencionadas.

SITUACIÓN PROBLEMÁTICA:En el campo de la macroeconomía empleamos los indicadores agregados, los cuales nos revelan cómo es que está caminando una economía en el tiempo, con estos indicadores podemos identificar los puntos más altos, y más bajos a los que se ha llegado, y con esto se pueden hacer predicciones, y análisis, con la finalidad de utilizar la política económica, es decir con la intención de generar un cambio benéfico ante el panorama presentado.Surge aquí la importancia de las importaciones para la economía peruana, el comportamiento de estas a través del tiempo, y cómo pueden ser explicadas.El PBI real y el tipo de cambio nominal representan indicadores que pueden explicar la incidencia real en el cambio producido en las importaciones, es decir ¿En que medida, estos dos indicadores, influyen en los cambios de comportamiento de las importaciones en nuestro país? Las importaciones son parte importante de la economía, conformada por tres grupos, importación de materias primas, bienes de consumo y de capital, siendo el más significativo el de las materias

primas, el cual ha empezado a crecer aproximadamente desde el año 2003.Al realizarse importaciones de productos más económicos, automáticamente se está librando dinero para que los ciudadanos ahorren, inviertan o gasten en nuevos productos, aumentando la riqueza de la población. Ahora como sabemos las exportaciones e importaciones en Perú han caído debido a la crisis mundial, que perjudicó los precios de sus materias primas y la demanda local. Las importaciones se dividen en tres grandes grupos en nuestro país, importamos materiasprimas, bienes de capital y bienes de consumo. De esos tres grandes grupos, el más representativo es el de Materias Primas, el cual incluye tanto materias primas para la agricultura, para la industria, además de combustibles, lubricantes y conexos, el cual ha empezado a crecer significativamente sobre todo desde el año 2003.Luego le siguen las importaciones de bienes de capital, las cuales incluyen materiales de construcción, para la agricultura, para la industria y equipos de transporte. Y finalmente con volúmenes muy bajos en comparación de los otros, tenemos a las importaciones de Bienes de consumo, ya sean duraderos o no, cifras que si bien es cierto han ido creciendo con el paso de los años, estas variaciones son mucho menores a las que experimentan los otros dos grupos. En un estudio realizado por el centro de investigación de la Universidad del Pacífico, sobre los impactos del TLC Perú-Estados Unidos, tomando como año base el 2002, se concluyó que la firma de este tratado va a traer consigo una mayor apertura comercial, lo cual nos permitirá tener acceso a una parte de la producción nacional de Estados Unidos, a menores precios, donde hay un mayor avance tecnológico, de investigación y desarrollo, lo que se traduciría inmediatamente en un incremento de los volúmenes de importaciones. En el año 2008, el Perú ha superado todos los récords y ha superado las expectativas en lo que respecta a volúmenes de importaciones, lo cual puede ser un indicio de prosperidad para los siguientes periodos, ya que esas importaciones se han dado en su mayoría en maquinaria, tractores, camiones, piezas de fábrica, entre otros productos tecnológicos, que auguran un futuropróspero en el ámbito industrial, ya que con lo importado se podrá mejorar la producción futura y producir desarrollo.

MARCO TEÓRICO

En las economías abiertas como es el caso del Perú podemos comercializar nuestros bienes y productos con otros países del mundo. Estos significan que las políticas económicas puedan alterar el comportamiento de los consumidores de modo que estos demanden más bienes extranjeros o puedan influir en el mercado de dinero de modo que las personas demanden monedas extranjeras. El aumento de la oferta de dólares traslada la curva de Oferta de Dólares, incrementando el número de dólares trazados y reduciendo el tipo de cambio. Ante la abundancia de dólares, esta moneda reduce su valor representado por su tipo de cambio, esta reducción se denomina apreciación cambiaria. Esto se debe a que la moneda extranjera reduce su valor o aprecia la moneda local. (Cruz, 2006)En una economía abierta mediante la importación se compra bienes de procedencia extranjera, y

la cantidad de estas va a depender de muchos factores, En este trabajo analizaremos dos de estos factores, el PBI y el TC.M = M (PBI, TC)GRAFICO N° 01Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Al crecer el PBI, es decir una alza en el ingreso local eleva las reservas internas netas, la renta puede aumenta, nuestro país cuentan con mayor disponibilidad a gastar en importaciones (propensión marginal a importar) atraídos por los bajos precios y la buena calidad de los productos del extranjero. A la alza en el ingreso local elevalas importaciones o el consumo de bienes importados, una expansión del ingreso local eleva la demanda en general, en este caso la empresa ofertante que usa insumos y equipos importados, eleva la compra de estos bienes.“En el caso de que se eleve el volumen de créditos de consumo en moneda extranjera, la abundancia de demanda extranjera en el mercado reduce el tipo de cambio”. (Cruz, 2006) La reducción cambiaria nominal eleva las importaciones porque abarata los bienes extranjeros. Esta dependencia podemos analizar atreves de modelos econométricos:Así tenemos que las importaciones implican un gasto, éstas dependerán del nivel de renta "en términos reales" del país importador, por lo tanto se puede considerar a las importaciones como una función del PBI, así:M = M (PBI ) GRAFICO N° 02Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

El siguiente gráfico muestra los datos (mensuales) de los índices de importaciones y PBI, en el período comprendido entre Enero de 1993 y diciembre de 2009.Del gráfico se puede deducir una relación directa entre las importaciones y el PBI. También, dado que las importaciones implican una transacción comercial, que se lleva a cabo en términos de moneda extranjera, se deberá considerar el tipo de cambio. Por lo tanto se puede afirmar que las importaciones están en función del tipo de cambio bancario (venta) o también llamado nominal, así:M = M (TC)

GRAFICO N° 03Fuente: Datos del BCR de 1993 - 2009, trabajado en Eviws

Elaboración: Grupo de trabajo

Fuente: Datos del BCR de1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

El siguiente gráfico muestra los datos (mensuales) de los índices de importaciones y tipo de cambio bancario(venta), entre el período comprendido entre Enero de 1993 y diciembre de 2009.En este caso se podría suponer una relación inversa entre las importaciones y el tipo de cambio real.Agrupando las relaciones (I) y (II) obtenemos el siguiente modelo:M = M (PBI, TC)

Otros factores que pueden haber afectado en el aumento de las importaciones: en este caso son las reformas: En 1968 el gobierno militar planteo cambiar el modelo económico vigente en el país. Tomo medidas, como la reforma agraria, la nacionalización de los recursos estratégicos, y la protección del sector industrial de la competencia extranjera. Se tenía una política de exportación por Sustitución de Importaciones. Con las reformas de los 90 se reduce también la alta protección con la que contaba la industria y se hace factible el acceso de maquinaria, insumos y bienes de consumo importados más barata. Esto tenía como objetivo hacer posible la modernización de la industria y el aumento de la competitividad del país. El país alcanza cierto grado de estabilidad social al combatirse frontalmente al terrorismo. La economía comienza a crecer otra vez”. En el 2000 están los acuerdos y tratados de comercio exterior entre ellos el TLC y el Mercosur. Que influyen en el aumento de las importaciones. (Rodrigues, 2008)Como vemos al trascurrir de los años las importaciones no solo se debieron a el crecimiento de las importaciones y al tipo de cabio si sino que también hubieron otros factores que afectan a las importaciones pero queno son considerados en el modelo de forma explícita, en un análisis econométricos vienen a ser representadas.

HECHOS ESTILIZADOSGRAFICO N° 04Evolución de las importaciones 1993 - 2009Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Las importaciones del Perú para el año 2004, son básicamente Materias primas y productos intermedios para la industria, que corresponden al 32.74% del total, seguidos por Combustibles, lubricantes y productos conexos con el 18.74% del total y Bienes de capital para la industria con el 17.46% del total. El 50.20% de nuestras importaciones son para la Industria. Los principales países de origen de las importaciones del Perú para el año 2004, son EEUU,

Colombia, Ecuador y Brasil con el 19.66%, 7.82%, 6.85% y 6.81% respectivamente. El 83.46% de las importaciones del Perú, corresponden a 15 países y el resto 16.54% a los demás países del Mundo. GRAFICO N° 05Evolución del PBI 1993 - 2009Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Como demuestra el grafico 01, en los años 90 sí se produjo el esperado cambio de la estructura económica. Se desmontó prácticamente todas las reformas velasquistas y se enrumbó el país hacia una política de libre mercado. Gracias a la apertura y liberalización, las inversiones nacionales y extranjeras florecieron y, el ritmo de crecimiento del PBI creció a niveles insospechados.

De esa manera, y tal como muestran losgráficos, el Perú se acerca al cierre de la primera década del siglo XXI don un creciente PBI.

GRAFICO N° 06Evolución del tipo de cambio 1993 - 2009Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

La evolución del tipo de cambio responde a una serie de factores externos e internos de gran importancia y complejidad.En el 2007 nos podemos dar cuenta que el tipo de cambio ha pasado de S/. 3,34 soles por dólar (en marzo de 2006) a S/. 3,19 por dólar (en marzo de 2007), lo que equivale a una disminución de aproximadamente 4,6 por ciento. Esta variación se explica en gran medida por un entorno externo favorable: altos términos de intercambio y condiciones financieras internacionales caracterizadas por una abundante liquidez y una relativamente baja aversión al riesgo de los inversionistas extranjeros.Un contexto favorable como el descrito lleva a una abundancia relativa de dólares lo cual, en un contexto de tipo de cambio flexible, implica el debilitamiento del dólar y al fortalecimiento del sol. Conviene recordar que, cuando el entorno internacional era desfavorable, como sucedió en los últimos años de la década pasada, el sol mostró una fuerte depreciación.

RELEVANCIA EMPÍRICA

EVIDENCIA EMPÍRICAEn este apartado se analizan acerca de las teorías y modelos econométricos propuesto en relación a otros países que han ido elaborando en estos últimos tiempos .Obteniendo así una serie de resultados en el cual han podido aplicar política económica. Es importante entonces que dispongamos de ciertos criterios que nos permitanvalorar la evidencia empírica disponible. Varios autores han realizado este trabajo, como por ejemplo: George McCandless (2001), Adriana Cobas (2009), DANIEL G (2006), Sindy Nieves Verdezoto ,Roddy Mendoza Marriott (2003),TORRES PARRAGA (2009). La revisión bibliográfica realizada ha sido amplia, lo que nos permite elaborar conclusiones claras acerca de la validez de la hipótesis sobre el impacto que tiene el PBI y el tipo de cambio bancario sobre las importaciones. Debemos destacar en este sentido que la revisión realizada con: DANIEL G (2006), es la más amplia y concreta. En este proyecto muestra que el PBI y sus componentes tienen relaciones de cointegracion con el índice de la producción Industrial de los EE: UU y el tipo de cambio real. El signo del efecto de esta variable sobre el PBI es negativo .en cuanto al País de México

En otro documento se analiza la evolución mensual del tipo de cambio a partir del año 2003, en donde se señala que la apreciación nominal de la moneda local respecto al Dólar no es un hecho aislado de la economía peruana, ya que dicho fenómeno se ha presentado también en distintos países de la región, lo que se presenta como consecuencia —entre otros factores— de un debilitamiento en los “fundamentos” macroeconómicos de la economía norteamericana, como de su excesivo déficit en cuenta corriente y déficit fiscal. Además se determinan los principales factores que han influido en la caída del tipo de cambio, entre los que se encuentran la reducción del déficit en cuenta corriente, el crecimiento de la liquidez del sistema financiero en moneda extranjera, la intervención del BCRP en el mercado cambiario y los cambios en elportafolio de los agentes privados, entre los más importantes. se analiza los efectos del menor tipo de cambio en la inflación, las finanzas públicas, el portafolio de los agentes privados, sobre todo institucionales, y la rentabilidad del sector exportador. (Vice ministerio de Economía, 2004)

Dada la solidez de estos fundamentos, en especial de la práctica consolidación de una tendencia hacia el superávit en la balanza comercial, es previsible que el Dólar se mueva muy moderadamente durante los próximos años. Ceteris paribus, el efecto de esta apreciación cambiaria sería elevar marginalmente el déficit fiscal del sector público no financiero. (García, 2002)

MARCO INSTITUCIONALDurante el 2006, el contexto internacional se mantuvo favorable. A pesar de un leve aumento en las tasas de interés y de la volatilidad de los precios de los productos básicos, la economía mundial creció en 5,4%, la tasa más alta de los últimos dos años, superando todos los pronósticos. Este desempeño se explica por la fortaleza de la economía norteamericana, a pesar del debilitamiento del sector construcción a partir del tercer trimestre del año pasado, y por el alto ritmo de crecimiento de las economías asiáticas como China, India y Japón.

Con respecto al tipo de cambio, el Nuevo Sol se apreció en promedio 0,7% con respecto al dólar. Este comportamiento está basado en los fundamentos macroeconómicos de la economía: resultados excepcionalmente favorables de las cuentas externas, movimientos de portafolio de los agentes hacia activos en nuevos soles ante la mejora de los indicadores de riesgo país y la percepción de menores expectativas depreciatorias.En el 2008 el tipo de cambiobajaba, llegando a apreciarse 6,5%. Al agudizarse la crisis internacional desde setiembre del 2008, la tendencia revaluatoria terminó y el sol comenzó a perder valor, siguiendo a la mayoría de monedas de la región.

En el 2006 el Producto Bruto Interno creció 8,0%, la mayor tasa en los últimos once años. Este crecimiento estuvo explicado, principalmente, por el mayor consumo e inversión del sector privado en un contexto de precios favorables de nuestras exportaciones, especialmente en los productos mineros, y en un clima de estabilidad macroeconómica. A diciembre de 2006, se alcanzaron 66 meses de crecimiento continuo desde el segundo semestre de 2001, manteniendo la tendencia creciente del producto sin presiones inflacionarias. (finanzas, Ministerio de Economía y Finanzas, 2007: 29-34)En 2008, el Producto Bruto Interno (PBI) registró un crecimiento de 9,8%, explicado principalmente por el dinamismo del consumo e inversión privada que impulsaron un incremento de la demanda interna de 12,3% (0,5 puntos porcentuales por encima de lo registrado en el año 2007).Para el presente año se espera que el Producto Bruto Interno crezca 3,5%, en términos reales con respecto al año anterior, como resultado del desempeño de los componentes de la demandainterna (4,1%) tanto públicos como privados. (Finanzas, Ministerio de Economía y Finanzas, 2010: 28-36 )

HIPOTESIS Y METODOLOGÍAEl tipo de cambio nominal y el producto bruto interno del Perú afectan a las importaciones de dicho país, además la causalidad entre las variables importaciones con el tipo de cambio bancario (venta) es inversa, y la relación existente entre PBI y las importaciones es directa.En estainvestigación se tendrá en utilizará el método de los Mínimos Cuadrados Ordinarios.

RESULTADOS:

Como resultado de los distintos test realizados y de haber estimado nuestro modelo obtuvimos lo siguiente.Siendo nustro modelo:Estimation Equation:=====================LNIMPORTCIONES = C(1)*LNPBI + C(2)*LNTC + C(3)

Substituted Coefficients:=====================

LNIMPORTCIONES = 18.64476395*LNPBI - 0.7097215975*LNTC - 1.130962477

Con ayuda de el programa Eviews y con la finalidad de poder hacer recomendaciones políticas utilizando nuestro modelo econométrico; realizamos distintas pruebas de corrección de errores (las que veremos más adelante) hasta llegar a que nuestro modélalo sea estable, con variables estacionarias.

PRUEBAS PARA IDENTIFICAR NO ESTACIONARIEDAD

Enfoques de Cointegración:

* Utilizando el test ADF y el test PPEl test de Augmented Dickey Fuller “ADF” y el test Phillips Perron “PP”, nos ayuda a saber: si nuestras variables tienen raíz unitaria es decir no son estacionarias, el orden de integración de nuestras variables y del erro que generan estas, y con esto saber si nuestras variables están cointegradas.

variables | ADF | PP || intercept | Trend andintercept | none | intercept | Trend andintercept | none |ln importaciones | -0.838768*** | -1.764907*** | 1.903294** | -1.380476*** | -2.535671*** | 1.993456* |akaike | -1.943549 | -1.945975 | -1.948608 | -1.715026 | -1.736836 | -1.708691 |1º diferencial | -5.761232 | -5.743624 | -5.429027 | -22.92522 |-22.86398 | -22.86398 | | | | | | | |ln pbi | -0.862813*** | -2.718341*** | 3.006294 | -1.503454*** | -5.697977 | 2.085542* |akaike | -7.428191 | -7.452248 | -7.432603 | -7.14864 | -7.288406 | -7.13846 |1º diferencial | -7.453012 | -7.442978 | -7.428013 | -7.136944 | -7.127076 | -7.137428 | | | | | | | |ln tc | -2.179744*** | -0.797827*** | 0.580783*** | -4.077705 | -1.878255*** | 1.209821*** |akaike | -6.135534 | -6.137942 | -6.118704 | -5.916585 | -5.946488 | -5.778076 |1º diferencial | -6.114148 | -6.132503 | -6.121249 | -6.074965 | -6.115498 | -6.074537 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

error | -5.697374 |akaike | -6.120141 |

Test Augmented Dickey Fuller “ADF”

Como podemos ver según nuestro de test ADF podemos decir que las importaciones en logaritmos, tienen un intercepto de -0.838768, con un akaike de -1.943549, por lo tanto, es no estacionarias al 10%, integrada en orden 1 “I(1)”. Así también el PBI en logaritmos, tiene un intercepto de -0.862813, con un akaike de -7.428191, por lo tanto es no estacionaria al 10%, integrada en orden 1 “I(1)”. Y por ultimo tenemos el TCB (venta) expresada en logaritmos con un valor de 0.580783 sin intercepto y sin tendencia, con un akaike de -6.118704, por lo tanto es no estacionaria al 10%, integrada en orden 1 “I(1)”.

Test Phillips Perron “PP”Este test nos muestra que las ln importaciones sin tendencia y sin intercepto tienen un valor de 1.993456, con un akaike de -1.708691, por lo tanto esta variablees estacionaria al 5% pero no estacionaria al 1%, integrada en orden 1 “I(1)”.. En cuanto a la variable ln pbi nos dice que sin tendencia y sin intercepto tiene un valor de 2.085542, con un akaike de -7.13846, por lo tanto, es estacionaria al 5%, pero no es estacionaria al 1%, integrada en orden 1 “I(1)”. Por ultimo el ln tcb (venta) sin intercepto y sin tendencia tiene un valor de 1.209821, con un akaike de -5.778076, por lo tanto se puede decir que es no estacionaria al 10%, integrada en orden 1 “I(1)”.Comparando los valores de ambos test, podemos decir que los menores akaikes, es decir la mejor respuesta los da el test de Phillips Perron.Test ADF aplicado al errorSegún test ADF podemos ver que nuestras variables generan errores con un valor alto que nos quiere decir que es estacionario, por lo tanto están I(0), entonces es un ruido blanco(varianza constante y media cero) ,no es espuria, es decir si tiene sentido económico.Concluimos diciendo que nuestras variables están integradas en orden 1 “I(1)” y que generan errores integrados en orden cero I(0), por lo tanto se puede decir que nuestras variables están cointegradas.

* Modelo de Vector de corrección de errores (VEC)

Un modelo de vector de corrección del error (VEC) es un modelo VAR restringido que tiene restricciones de cointegración incluidas en su especificación, por lo que se diseña para ser utilizado con series que no son estacionarias pero de las que se sabe que son cointegradas, como es en nuestro caso.

Date: 06/11/10 Time: 20:43 |Sample(adjusted): 1993:04 2009:12 |Included observations: 201 after adjusting endpoints |Standard errors & t-statistics inparentheses |Cointegrating Eq: | CointEq1 | | |LNIMPORTCIONES(-1) | 1.000000 | | || | | |

LNPBI(-1) | -20.53480 | | || (0.63801) | | || (-32.1859) | | || | | |LNTC(-1) | 0.976585 | | || (0.09747) | | || (10.0189) | | || | | |C | 1.707811 | | |Error Correction: | D(LNIMPORTCIONES) | D(LNPBI) | D(LNTC) |CointEq1 | -0.196139 | 0.016457 | 0.002240 || (0.04894) | (0.00372) | (0.00664) || (-4.00796) | (4.42567) | (0.33733) || | | |D(LNIMPORTCIONES(-1)) | -0.452759 | -0.015867 | -0.010437 || (0.07478) | (0.00568) | (0.01015) || (-6.05434) | (-2.79222) | (-1.02849) || | | |D(LNIMPORTCIONES(-2)) | -0.153806 | -0.003265 | -0.000222 || (0.07087) | (0.00539) | (0.00962) || (-2.17020) | (-0.60620) | (-0.02311) || | | |D(LNPBI(-1)) | -1.741132 | 0.124051 | 0.169261 || (1.11751) | (0.08492) | (0.15164) || (-1.55805) | (1.46087) | (1.11617) || | | |D(LNPBI(-2)) | -4.610707 | 0.017494 | 0.081003 || (1.08864) | (0.08272) | (0.14773) || (-4.23530) | (0.21148) | (0.54833) || | | |D(LNTC(-1)) | -0.756596 | -0.040590 | 0.480522 || (0.53133) | (0.04037) | (0.07210) || (-1.42397) | (-1.00536) | (6.66460) || | | |D(LNTC(-2)) | -0.281438 | 0.000734 | -0.064925 || (0.52584) | (0.03996) | (0.07136) || (-0.53522) | (0.01837) | (-0.90988) || | | |C | 0.021294 | 0.000759 | 0.001166 || (0.00627) | (0.00048) | (0.00085) || (3.39745) | (1.59322) | (1.37073) |R-squared | 0.337692 | 0.128245 | 0.222977 |

Adj. R-squared |0.313670 | 0.096627 | 0.194795 |Sum sq. resids | 1.388251 | 0.008016 | 0.025564 |S.E. equation | 0.084812 | 0.006445 | 0.011509 |Log likelihood | 214.8070 | 732.8236 | 616.2676 |Akaike AIC | 214.8866 | 732.9032 | 616.3472 |Schwarz SC | 215.0181 | 733.0347 | 616.4787 |Mean dependent | 0.009215 | 0.000563 | 0.002229 |S.D. dependent | 0.102374 | 0.006780 | 0.012826 |Determinant Residual Covariance | 2.48E-11 | |Log Likelihood | 1598.754 | |Akaike Information Criteria | 1599.023 | |Schwarz Criteria | 1599.467 | |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En el presente cuadro podemos ver que si las importaciones es mi variable dependiente, esta va a depender de las importaciones del año anterior donde su velocidad de convergencia es de -0.452759 como podemos ver es relativamente, por que no se acerca ni al 1 ni del 0, vemos además que también va a depender de su importaciones dos años anteriores con una velocidad e convergencia lenta de -0.153806, y también del pbi de hace dos años atrás, con una velocidad de convergencia de -4.610707.Si trabajamos el pbi como variable dependiente esta va depender de las importaciones del año anterior con una velocidad de convergencia muy lenta de -0.015867.Y si trabajamos la variable tc como variable dependiente esta va a depender del tc del año anterior con una velocidad de convergencia de 0.480522.

* Tes de HohansenCon este test se puede probar la existencia de cointegración en la variables I(1) yI(0), en donde I(1) y I(0) indican integración de primer y cero orden, respectivamente.

Date: 06/12/10 Time: 08:42 |Sample: 1993:01 2009:12 |Included observations: 201 |Test assumption: Linear deterministic trend in the data | | | | |Series: LNIMPORTCIONES LNPBI LNTC |Lags interval: 1 to 2 || Likelihood | 5 Percent | 1 Percent | Hypothesized |Eigenvalue | Ratio | Critical Value | Critical Value | No. of CE(s) |0.284577 | 86.15543 | 29.68 | 35.65 | None ** |

0.089453 | 18.84415 | 15.41 | 20.04 | At most 1 * |4.24E-05 | 0.008518 | 3.76 | 6.65 | At most 2 |*(**) denotes rejection of the hypothesis at 5%(1%) significance level | | | | |L.R. test indicates 2 cointegrating equation(s) at 5% significance level | | | | || | | | |Unnormalized Cointegrating Coefficients: |LNIMPORTCIONES | LNPBI | LNTC | | |0.577011 | -11.84881 | 0.563501 | | |-0.039208 | 2.270227 | 0.237384 | | |0.137887 | 0.116245 | -0.285964 | | || | | | |Normalized Cointegrating Coefficients: 1 Cointegrating Equation(s) | | | | |LNIMPORTCIONES | LNPBI | LNTC | C | |1.000000 | -20.53480 | 0.976585 | 1.707811 | || (0.63801) | (0.09747) | | || | | | |Log likelihood | 1598.754 | | | || | | | |Normalized Cointegrating Coefficients: 2 Cointegrating Equation(s) | | | | |LNIMPORTCIONES | LNPBI | LNTC | C | |1.000000 | 0.000000 | 4.840420 | -11.93805 | || | (3.09003) | | |0.000000 | 1.000000 | 0.188160 | -0.664524 | || | (0.14989) | | || | | | |Log likelihood | 1608.172 | || |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

El test de Johansen nos indica que existen dos relaciones de cointegración al 5% del nivel de significancia.

* RESPUESTA DE IMPULSOGRAFICO N° 07

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en Eviws

Elaboración: Grupo de trabajo

En el análisis impulso respuesta se han graficado las respuestas de las series antes un shock en el resto de ellas, determinando el crecimiento o decrecimiento de la serie a lo largo del tiempo. Puesto que se he utilizado un modelo de corrección de error, las gráficas de interés económico simplemente serán la segunda y tercera, ya que en ellas se analiza el efecto de un shock en cada una de las variables independientes sobre la dependiente, que en este caso es “Volumen de Importaciones”. En el segundo gráfico se observa el efecto en el nivel de las importaciones cuando hay un shock en la variable PBI. Se ve como empieza creciendo hasta llegar al segundo periodo en el cual cae en tercer periodo, para luego en el tercer periodo empezar a crecer hasta en donde en el 4º periodo trata de estabilizar lentamente con una tendencia creciente.En el tercer gráfico observamos que si hay un shock en la tasa de cambio bancario (venta), se presenta un impacto ligero sobre las importaciones que tiende a estabilizarse rápidamente, como vemos las importaciones disminuyen hasta llegar al quinto periodo para luego estabilizarse.

*DESCOMPOSICIÓN DE LA VARIANZAVariance Decomposition of LNIMPORTCIONES: | | | | |Period | S.E. | LNIMPORTCIONES | LNPBI | LNTC |1 | 0.083107 | 100.0000 | 0.000000 | 0.000000 |2 | 0.092575 | 96.28951 | 2.425337 | 1.285155 |3 | 0.099926 | 94.67299 | 2.087378 | 3.239628 |4 | 0.115035 | 89.98488 | 6.015090 | 4.000033 |5 | 0.127007 | 85.31403 | 9.714140 | 4.971826 |6 | 0.139081 | 82.02072 | 12.35237 | 5.626901 |7 | 0.151012 | 79.33833 | 14.62954 | 6.032132 |8 | 0.161534 | 77.49153 | 16.11475 | 6.393713 |9 | 0.171380 | 76.19262 | 17.14341 | 6.663973 |10 | 0.180620 | 75.17935 | 17.94180 | 6.878852 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Atreves del test de descomposición de la varianza podemos ver que pasa con la varianza de las variables a largo plazo precisamente en nuestro caso tomamos los 10siguientes meses. Así vemos que en el largo plazo el PBI tiene un papel muy importante para el crecimiento de las importaciones más que el tipo de cambio.Según el gráfico la variable PBI nacional tiene menos participación en el tiempo que la variable Tipo de Cambio Bancario venta. Como se puede observar en la tabla, la participación del PBI aumenta a mayor proporción en el largo plazo que el TCB (venta), lo cual quiere decir que en el

periodo de estudio el volumen de importaciones ha estado explicado en su mayor parte por el PBI mientras que el TCB (venta) no ha influido mucho. Según la teoría económica, esto se puede deber a que mientras las personastengan mayores ingresos supuestamente por el aumento del PBI la gente podrá consumir mas bienes y entre ellos bines importados. Ahora si bien es cierto para que aumenten las importaciones no podemos manipular el PBI haciéndolo aumentar pero si podemos hacerlo con el TCB podemos manipularlo para de esta forma hacer que disminuya para de esta forma aumentar las importaciones y este resultado se ve a largo plazo.. CONCLUSIONES E INFERNCIAS POLITICAS ECONOMICAS

RECOMENDACIONES DE POLITICA ECONOMICA* Habiendo concluido con nuestro trabajo de investigación, se puede recomendar que si necesitamos que las importaciones aumenten se debe intervenir disminuyendo el tipo de cambio bancario y en inversa, si necesitamos disminuir las importaciones para que no haya un déficit fiscal debemos aumentar el TCB.* Además se recomienda que para fortalecer el PBI en el largo plazo, se sugiere tener un mejor financiamiento de la deuda externa, e incrementar la inversión neta y así las personas pueden incrementar sus ingresos a través del ingreso nacional y con ello se podrá aumentar la propensión marginal a importar, aunque siempre antes de aumentar las importaciones debemos ver hasta qué punto es posible incrementar favoreciendo a los demandantes de maquinaria o productos de mayor nivel de tecnología provenientes del extranjero y a la vez sin afectar a los productores internos, es decir tratar de que nuestra balanza comercial no se vea afectada con un déficit fiscal.

CONCLUSIONES * Debido a que la situación estudiada pone en manifiesto que nuestra economía no es competitiva (moneda más fuerte que la extranjera), se debe poner más énfasis en lavariable tipo de Cambio Bancario(venta). Se busca una devaluación de la moneda, para así ser más competitivos, disminuir las importaciones y promover las exportaciones, lo cual se traduce en una balanza comercial positiva “superávit comercial”.* En nuestro trabajo podemos decir qu nuestro modelo llega a ser estable cuando nuestras variables las expresamos en logaritmos, sin necesidad de agregar la serie dummy.* Así también podemos decir que nuestras variables son significativas, y que nuestra variable dependiente(importaciones) son casi en su totalidad (91%) explicadas por las variables dependientes (PBI, TCB)* En el presente trabajo se ha comprobado de la existencia de heteroscedasticidad y de autocorrelación, a través de los diferentes tipos de pruebas que existen para realizar estos contrastes.* La presencia de heteroscedasticidad indica que en el modelo la varianza del término de error varía en cada período de tiempo, en nuestro modelo podemos afirmar que todas las perturbaciones del termino de error(m ) no tienen la misma varianza .* La presencia de autocorrelación de primer orden se aduce a al lentitud de las series de tiempo

económicas, recuérdese que los datos son mensuales y por ende, es de esperarse que las variaciones en los índices de las variables entre cada período sean pequeñas.* Podemos ver además que a largo plazo en un periodo estimado de diez meses siguientes el PBI resulta teniendo una mayor importancia en cuanto a la evolución de las importaciones, pero que el TCB puede ser manipulado para hacer crecer o disminuir las importaciones.* En el trabajo se pudo observar que mediante los test ADF y PP hallamosnuestras variables integradas de orden I(1) y nuestro error integrada en orden I(0), por lo tanto pudimos observar que nuestras variables están cointegradas y además que nuestro modelo tiene sentido económico, en el cual podemos hacer recomendaciones políticas.

ANEXO

Regresión modelo MCO:

Dependent Variable: IMPORTACIONES |Method: Least Squares |Date: 05/31/10 Time: 16:05 |Sample: 1993:01 2009:12 |Included observations: 204 |Variable | Coefficient | Std. Error | t-Statistic | Prob. |PBI | 17.38895 | 0.456939 | 38.05529 | 0.0000 |TC | -280.4841 | 28.68109 | -9.779406 | 0.0000 |C | -603.3574 | 83.83478 | -7.196982 | 0.0000 |R-squared | 0.881003 | Mean dependent var | 905.1815 |Adjusted R-squared | 0.879819 | S.D. dependent var | 538.4389 |S.E. of regression | 186.6610 | Akaike info criterion | 13.31106 |Sum squared resid | 7003307. | Schwarz criterion | 13.35986 |Log likelihood | -1354.728 | F-statistic | 744.0626 |Durbin-Watson stat | 0.639847 | Prob(F-statistic) | 0.000000 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Tomamos como variable dependiente las importaciones, y como variables explicativas el tipo de cambio bancario (venta) y el producto bruto interno.Evaluación económicaBasados en la teoría económica, existe una relación inversa entre el tipo de cambio bancario y las importaciones, ya que con una disminución del tipo de cambio, los importadores se ven favorecidos. La reducción del tipo de cambio bancario, eleva las importaciones porque abarata losbienes extranjeros.

En cuanto a la relación que hay entre las variables PBI e importaciones, la teoría económica nos dice que ambas tienen una relación directa, en cuanto a que si el PBI aumenta las importaciones también lo hacen. En los resultados de la regresión con el programa Eviews nos confirma lo que dice la teoría económica , podemos ver que el signo del coeficiente del PBI es positivo, signo que indica relación directa. Siendo el coeficiente 17.38895Los resultados obtenidos con el programa Eviews, nos confirma lo que dice la teoría económica a través de los signos de los coeficientes podemos comprobar la relación inversa entre el tipo de cambio bancario y las importaciones, esto lo podemos ver en el signo del coeficiente del TCB que es negativo siendo de -280.4841.

Evaluación estadística:El intercepto muestra que si X2 y X3 hubiese sido cero durante el periodo muestral, las importaciones serian de 603 millones de dólares.Además podemos decir que si X3 (tcb) fuera cero entonces se dice que en promedio por cada un millón incrementado en el pbi la propensión marginal a importar se incrementarían en 17.38895 millones de dólares.Y de igual manera podemos decir que si X2 (pbi) fuera cero entonces se dice que en promedio por cada un millón incrementado en el tcb (venta) la propensión marginal a importar decrecería en -280.4841 millones de dólares.El t- estadístico nos permite contrastar la hipótesis nula de que el verdadero parámetro es igual cero, evaluando cada coeficiente de manera independiente teniendo así que 38.055299, 779406 y 7.196982 , son mayores que el t de tabla es 1.96 ; entonces podemos decir que rechaza la hipótesis nula:H0: β1 = 0 (el coeficiente no es significativo, dado el nivel de confianza)Nivel de confianza: 95%En este caso estos valores son significativos.Sin embargo como trabajamos con el Eviews y éste trabaja con la probabilidad asociada al t-calculado, tenemos que ver si la probabilidad asociada es menor a 0.05, y si es así, cabe afirmar que no existe suficiente evidencia para aceptar la hipótesis nula, dado un nivel de significancia de 0.05, entonces para nuestro caso rechazamos la hipótesis nula diciendo que los coeficientes asociados a nuestras variables son significativos ya que las probabilidades asociadas al t - calculado son menores a o.o5.Para contrastar la hipótesis nula de que todos los coeficientes son iguales a cero utilizamos el estadístico F y su probabilidad asociada, que al igual que el estadístico t, nos permite rechazar la hipótesis nula, de que los coeficientes son diferentes de cero, es decir son significativos; en nuestro caso el F nos dice que en su conjunto las variables son significativas y además su probabilidad es menor a 0.05, también nos dice que la variables en su conjuto son significativas.El coeficiente de determinación R-squared, o bien conocido como la bondad de ajuste es de 0.881003 = 0.9 se acerca a 1 entonces nos dice que casi el 100% exactamente el 88% de la variación en importaciones esta explicada por nuestras variables TCB (venta) y PBI.

Análisis econométricoEl indicador de Durbin-Watson stat es de 0.639847 y cómo podemos ver este dato es menor a 2

entonces podemos decir que se acepta la hipótesis nula, por la tanto existe correlación serial es decir existe autocorrelación.

Test sobre los residuos

Paravalidar una regresión se deben realizar tests sobre el comportamiento de los residuos:* Estabilidad* Normalidad* Autocorrelación* HeterocedasticidadGRAFICO N° 08Test residualFuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Este test residual nos sirve para en que año otros factores que no tomamos en cuenta en nuestro modelo influyen fuertemente en las importaciones, viendo el año en que sucede un quiebre estructural, para así poder corregir ese inestabilidad agregando logaritmos a nuestras variables o agregando la dummy en nuestro modelo.Las bandas representan los valores críticos para un nivel de significancia de 5%. Es decir, si los estadísticos se mantienen dentro de las bandas no se rechaza la hipótesis nula (ausencia de cambio estructural).Como podemos ver en el gráfico en nuestros residuos salen de la banda del limite desde el año 2001 hacia delante, cada un año aproximadamente y presentando un quiebre estructural bien pronunciado en el año 2008.

Test de estabilidad del modelo MCO

GRAFICO N° 09“Test cusums of squares”Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Test cusums of squares (suma acumulada de residuos al cuadrado), nos ayuda a evitar la limitación de aceptar la hipótesis de estabilidad por razones causales. Es así que a través de este test podemos ver que nuestro modelo es inestable basándonos en que si el cusums of squares sale de

labanda que representa el grado de significancia (5%) no es estable.

Mejorando la estabilidad con LN en las variables

Dependent Variable: LNIMPORTCIONES |Method: Least Squares |Date: 05/31/10 Time: 17:45 |Sample: 1993:01 2009:12 |Included observations: 204 |Variable | Coefficient | Std. Error | t-Statistic | Prob. |LNPBI | 18.64476 | 0.438105 | 42.55775 | 0.0000 |LNTC | -0.709722 | 0.069281 | -10.24416 | 0.0000 |C | -1.130962 | 0.171733 | -6.585571 | 0.0000 |R-squared | 0.911570 | Mean dependent var | 6.671365 |Adjusted R-squared | 0.910690 | S.D. dependent var | 0.499220 |S.E. of regression | 0.149191 | Akaike info criterion | -0.952582 |Sum squared resid | 4.473850 | Schwarz criterion | -0.903786 |Log likelihood | 100.1634 | F-statistic | 1035.988 |Durbin-Watson stat | 0.730768 | Prob(F-statistic) | 0.000000 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En esta regresión podemos ver que al expresarlas nuestras variables a logaritmos, nuestras variables siguen siendo significativas como lo demuestra las probabilidades asociadas a los t-Statistic son menor a 0.05 y a diferencia de los datos que arroja la regresión con variables trabajadas sin logaritmos, en esta vemos que aumenta el valor de Durbin-Watson stat de 0.639847 a 0.730768, pero aun sigue habiendo autocorrelación, el R-squared a aumentado de 0.881003 a 0.911570 es decir que con logaritmos nuestra la variación de la variable dependiente es explicada en un 91% por las variables expicativas. Y por ultimo vemos queel F-statistic era de de 744.0626 y ahora es de 1035.988 y sus probabilidades en forma conjunta es nos dice que son significativas.GRAFICO N° 10Test cusums of squaresFuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En este grafico nos muestra que expresando nuestras variables en logarimos nuestro modelo empieza a ser estable .

ESTIMACION AGREGANDO LA DUMMYDependent Variable: IMPORTACIONES |Method: Least Squares |Date: 05/31/10 Time: 17:40 |Sample: 1993:01 2009:12 |Included observations: 204 |Variable | Coefficient | Std. Error | t-Statistic | Prob. |PBI | 16.06157 | 0.667943 | 24.04631 | 0.0000 |TC | -245.4091 | 31.11240 | -7.887825 | 0.0000 |DUMMY | 169.0689 | 62.86902 | 2.689225 | 0.0078 |C | -546.5367 | 85.22529 | -6.412846 | 0.0000 |R-squared | 0.885156 | Mean dependent var | 905.1815 |Adjusted R-squared | 0.883434 | S.D. dependent var | 538.4389 |S.E. of regression | 183.8329 | Akaike info criterion | 13.28534 |Sum squared resid | 6758907. | Schwarz criterion | 13.35041 |Log likelihood | -1351.105 | F-statistic | 513.8319 |Durbin-Watson stat | 0.614543 | Prob(F-statistic) | 0.000000 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Como podemos ver en nuestra regresión la variable dummy es significativa cuando trabajamos con nuestras variables sin logaritmos, pero a diferenciade trabajar solo con logaritmos o solo con dummy , cuando agregamos la dumy a nuestro modelo sin logaritmos el Durbin-Watson stat y el F-statistic son menores que el del modelo inicial (sin dummy sin logaritmos) , en cambio si se trabaja solo con logaritmos sin necesidad de agregar la dummy como lo hemos visto anteriormente nuestros los valores del R-squared, del Durbin-Watson stat y del F-statistic aumentan .GRAFICO N° 11Test cusums of squaresFuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En este grafico podemos ver como se puede mejorar la estabilidad agregándole la dummy a

nuestro modelo utilizando las variables sin logaritmos.

Regresión con LN en las variables y agregando la DammyDependent Variable: LNIMPORTCIONES |Method: Least Squares |Date: 05/31/10 Time: 17:51 |Sample: 1993:01 2009:12 |Included observations: 204 |Variable | Coefficient | Std. Error | t-Statistic | Prob. |LNPBI | 18.35771 | 0.610732 | 30.05852 | 0.0000 |LNTC | -0.685455 | 0.078122 | -8.774202 | 0.0000 |DAMMY | 0.032377 | 0.047925 | 0.675580 | 0.5001 |C | -1.028599 | 0.229195 | -4.487872 | 0.0000 |R-squared | 0.911771 | Mean dependent var | 6.671365 |Adjusted R-squared | 0.910448 | S.D. dependent var | 0.499220 |S.E. of regression | 0.149393 | Akaike info criterion | -0.945057 |Sum squared resid | 4.463663 | Schwarz criterion | -0.879996 |Log likelihood | 100.3959 | F-statistic | 688.9427 |Durbin-Watson stat | 0.719350 | Prob(F-statistic) |0.000000 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Según los datos obtenidos con el programa Eviews, nos dice que si trabajamos con logaritmos y agregando la dummy, nuestra dummy ya no sería significativa. Por lo tanto no debemos incluirla en nuestro modelo.

GRAFICO N° 12Test cusums of squares

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En Test Test cusums of square utilizando LN en cada variable (Importaciones, PBI, TCB) e incluyendo al modelo la Dummy, podemos ver que nuestro modelo sigue presentando estabilidad

aunque nuestra dummy no es significativa. Podemos concluir diciendo que para mejorar la estabilidad de nuestro modelo trabajaremos incluyéndole logaritmos a nuestras variables y sin incluir la dummy.

Test LMBreusch-Godfrey Serial Correlation LM Test: |F-statistic | 66.21944 | Probability | 0.000000 |Obs*R-squared | 81.51588 | Probability | 0.000000 || | | | |Test Equation: |Dependent Variable: RESID |Method: Least Squares |Date: 05/31/10 Time: 17:45 |Variable | Coefficient | Std. Error | t-Statistic | Prob. |LNPBI | -0.335137 | 0.346250 | -0.967905 | 0.3343 |LNTC | 0.029596 | 0.054194 | 0.546110 | 0.5856 |C | 0.121390 | 0.135464 | 0.896105 | 0.3713 |RESID(-1) | 0.657271 | 0.071171 | 9.235066 | 0.0000 |RESID(-2) | -0.031871 | 0.071924 | -0.443121 | 0.6582 |R-squared |0.399588 | Mean dependent var | -1.92E-15 |Adjusted R-squared | 0.387519 | S.D. dependent var | 0.148454 |S.E. of regression | 0.116182 | Akaike info criterion | -1.443113 |Sum squared resid | 2.686155 | Schwarz criterion | -1.361786 |Log likelihood | 152.1975 | F-statistic | 33.10972 |Durbin-Watson stat | 1.960576 | Prob(F-statistic) | 0.000000 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Bajo la hipótesis:H0: no hay autocorrelacionHa: hay autocorrelaciónComo podemos ver en el presente grafico el Obs*R-squared es de 81.51588, asociado a una probabilidad de 0.000000, menor que el valor prefijado de α (0.05), por lo que se llega a la decisión de que no se cumple el supuesto, es decir se rechaza la hipótesis nula entonces “hay autocorrelación”.

Test WhiteWhite Heteroskedasticity Test: |F-statistic | 3.214851 | Probability | 0.013857 |

Obs*R-squared | 12.38236 | Probability | 0.014723 || | | | |Test Equation: |Dependent Variable: RESID^2 |Method: Least Squares |Date: 05/31/10 Time: 17:56 |Sample: 1993:01 2009:12 |Included observations: 204 |Variable | Coefficient | Std. Error | t-Statistic | Prob. |C | 0.479556 | 0.787098 | 0.609271 | 0.5430 |LNPBI | -1.575853 | 3.628604 | -0.434286 | 0.6646 |LNPBI^2 | 2.036563 | 3.818388 | 0.533357 | 0.5944 |LNTC | -0.308792 | 0.208405 | -1.481691 | 0.1400 |LNTC^2 | 0.140301 | 0.096147 | 1.459238 | 0.1461 |R-squared | 0.060698 | Mean dependentvar | 0.021931 |Adjusted R-squared | 0.041817 | S.D. dependent var | 0.031026 |S.E. of regression | 0.030370 | Akaike info criterion | -4.126488 |Sum squared resid | 0.183551 | Schwarz criterion | -4.045161 |Log likelihood | 425.9017 | F-statistic | 3.214851 |Durbin-Watson stat | 1.380042 | Prob(F-statistic) | 0.013857 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Bajo la hipótesis:H0: Hay homocedasticidad Ha: hay heterocedasticidadComo se puede ver en el grafico un Obs*R-squared que tiene asociado una probabilidad de 0.014723 menor que el valor prefijado de α (0.05), por lo que se llega a la decisión de que no se cumple el supuesto, es decir se rechaza la hipótesis nula por lo tanto hay heterocedasticidad es decir las varianzas no son constantes.

Correlograma de la serie económica lnimportaciones

Date: 06/25/10 Time: 20:13 |Sample: 1993:01 2009:12 |Included observations: 204 |Autocorrelation | Partial Correlation | | AC | PAC | Q-Stat | Prob |.|*******| | .|*******| | 1 | 0.958 | 0.958 | 190.09 | 0.000 |.|*******| | .|** | | 2 | 0.937 | 0.232 | 372.81 | 0.000 |

.|*******| | .|* | | 3 | 0.918 | 0.083 | 549.16 | 0.000 |

.|*******| | *|. | | 4 | 0.892 | -0.076 | 716.38 | 0.000 |

.|*******| | .|. | | 5 | 0.869 | -0.017 | 875.68 | 0.000 |

.|*******| | .|. | | 6 | 0.845 | -0.010 | 1027.3 | 0.000 |.|****** | | .|. | | 7 | 0.820 | -0.023 | 1170.9 | 0.000 |.|****** | | .|* | | 8 | 0.805 | 0.102 | 1309.9 | 0.000 |.|****** | | .|. | | 9 | 0.788 | 0.023 | 1443.7 | 0.000 |.|****** | | *|. | | 10 | 0.764 | -0.086 | 1569.9 | 0.000 |.|****** | | .|* | | 11 | 0.751 | 0.081 | 1692.8 | 0.000 |.|****** | | .|. | | 12 | 0.738 | 0.043 | 1812.1 | 0.000 |.|***** | | **|. | | 13 | 0.708 | -0.208 | 1922.3 | 0.000 |.|***** | | .|. | | 14 | 0.687 | -0.006 | 2026.8 | 0.000 |.|***** | | *|. | | 15 | 0.658 | -0.101 | 2123.2 | 0.000 |.|***** | | *|. | | 16 | 0.626 | -0.076 | 2210.9 | 0.000 |.|***** | | .|* | | 17 | 0.605 | 0.070 | 2293.0 | 0.000 |.|**** | | .|. | | 18 | 0.573 | -0.056 | 2367.3 | 0.000 |.|**** | | .|. | | 19 | 0.544 | -0.015 | 2434.6 | 0.000 |.|**** | | .|. | | 20 | 0.523 | 0.016 | 2497.0 | 0.000 |.|**** | | .|. | | 21 | 0.497 | -0.011 | 2553.6 | 0.000 |.|**** | | .|. | | 22 | 0.474 | 0.037 | 2605.5 | 0.000 |.|**** | | .|* | | 23 | 0.462 | 0.084 | 2655.1 | 0.000 |.|*** | | *|. | | 24 | 0.439 | -0.069 | 2700.1 | 0.000 |.|*** | | .|. | | 25 | 0.419 | 0.003 | 2741.4 | 0.000 |.|*** | | .|. | | 26 | 0.401 | -0.042 | 2779.4 | 0.000 |.|*** | | .|. | | 27 | 0.380 | 0.048 | 2813.7 | 0.000 |.|*** | | .|. | | 28 | 0.363 | 0.033 | 2845.2 | 0.000 |.|*** | | .|. | | 29 | 0.348 | 0.007 | 2874.3 | 0.000 |.|** | | .|. | | 30 | 0.327 | -0.006 | 2900.0 | 0.000 |.|** | | .|. | | 31 | 0.316 | 0.062 | 2924.3 | 0.000 |.|** | | .|. | | 32 | 0.305 | 0.021 | 2947.0 | 0.000 |.|** | | .|. | | 33 | 0.287 | -0.038 | 2967.2 | 0.000 |.|** | | .|. | | 34 | 0.274 | -0.040 | 2985.8 | 0.000 |.|** | | .|. | | 35 | 0.266 | 0.024 | 3003.3 | 0.000 |.|** | | *|. | | 36 | 0.248 | -0.059 | 3018.7 | 0.000 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En el Correlograma nos dice que la serie económica ln importaciones es un proceso autorregresivo AR1 y tiene memoria.

Correlograma de la serie económica ln pbi

Date: 06/25/10 Time: 20:17 |Sample: 1993:01 2009:12 |Included observations: 204 |Autocorrelation | Partial Correlation | | AC | PAC | Q-Stat | Prob |.|*******| | .|*******| | 1 | 0.946 | 0.946 | 185.43 | 0.000 |.|*******| | .|* | | 2 | 0.904 | 0.075 | 355.27 | 0.000 |.|*******| | .|* | | 3 | 0.871 | 0.084 | 513.74 | 0.000 |.|*******| | .|* | | 4 | 0.855 | 0.172 |667.40 | 0.000 |.|*******| | .|** | | 5 | 0.856 | 0.204 | 822.12 | 0.000 |.|****** | | *|. | | 6 | 0.841 | -0.073 | 972.16 | 0.000 |.|****** | | .|. | | 7 | 0.821 | -0.010 | 1115.9 | 0.000 |.|****** | | *|. | | 8 | 0.783 | -0.161 | 1247.5 | 0.000 |.|****** | | .|* | | 9 | 0.760 | 0.066 | 1371.9 | 0.000 |.|****** | | .|* | | 10 | 0.753 | 0.102 | 1494.7 | 0.000 |.|****** | | .|* | | 11 | 0.758 | 0.133 | 1619.8 | 0.000 |.|****** | | .|* | | 12 | 0.763 | 0.071 | 1747.3 | 0.000 |.|****** | | ***|. | | 13 | 0.718 | -0.392 | 1860.8 | 0.000 |.|***** | | .|. | | 14 | 0.678 | -0.039 | 1962.5 | 0.000 |.|***** | | .|. | | 15 | 0.645 | 0.012 | 2055.0 | 0.000 |.|***** | | .|* | | 16 | 0.632 | 0.067 | 2144.4 | 0.000 |.|***** | | .|* | | 17 | 0.637 | 0.096 | 2235.5 | 0.000 |.|***** | | *|. | | 18 | 0.621 | -0.088 | 2322.7 | 0.000 |.|***** | | .|. | | 19 | 0.602 | 0.018 | 2405.1 | 0.000 |.|**** | | .|. | | 20 | 0.566 | -0.038 | 2478.2 | 0.000 |.|**** | | .|. | | 21 | 0.543 | 0.025 | 2545.9 | 0.000 |.|**** | | .|* | | 22 | 0.541 | 0.090 | 2613.4 | 0.000 |.|**** | | .|. | | 23 | 0.549 | 0.057 | 2683.3 | 0.000 |.|**** | | .|. | | 24 | 0.554 |0.008 | 2755.1 | 0.000 |.|**** | | *|. | | 25 | 0.519 | -0.153 | 2818.3 | 0.000 |.|**** | | .|. | | 26 | 0.483 | -0.052 | 2873.3 | 0.000 |.|*** | | .|. | | 27 | 0.453 | -0.011 | 2922.1 | 0.000 |.|*** | | .|. | | 28 | 0.446 | 0.060 | 2969.7 | 0.000 |.|*** | | .|. | | 29 | 0.456 | 0.060 | 3019.7 | 0.000 |.|*** | | *|. | | 30 | 0.444 | -0.072 | 3067.4 | 0.000 |.|*** | | .|* | | 31 | 0.433 | 0.067 | 3112.8 | 0.000 |.|*** | | .|. | | 32 | 0.400 | -0.052 | 3151.9 | 0.000 |.|*** | | .|. | | 33 | 0.380 | 0.015 | 3187.5 | 0.000 |.|*** | | .|. | | 34 | 0.381 | 0.023 | 3223.3 | 0.000 |.|*** | | .|. | | 35 | 0.389 | 0.011 | 3261.0 | 0.000 |

.|*** | | .|. | | 36 | 0.393 | -0.029 | 3299.6 | 0.000 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En el Correlograma nos dice que la serie económica ln pbi es un proceso autorregresivo AR1 y tiene memoria.

Correlograma de la serie económica Ln tcb

Date: 06/25/10 Time: 20:18 |Sample: 1993:01 2009:12 |Included observations: 204 |Autocorrelation | Partial Correlation | | AC | PAC | Q-Stat | Prob |.|*******| | .|*******| | 1 | 0.975 | 0.975 | 196.63 | 0.000 |.|*******| | .|. | | 2 |0.949 | -0.010 | 384.12 | 0.000 |.|*******| | .|. | | 3 | 0.927 | 0.037 | 563.63 | 0.000 |.|*******| | .|. | | 4 | 0.906 | 0.030 | 736.09 | 0.000 |.|*******| | .|. | | 5 | 0.887 | 0.018 | 902.09 | 0.000 |.|*******| | .|. | | 6 | 0.867 | -0.004 | 1061.8 | 0.000 |.|*******| | .|. | | 7 | 0.850 | 0.024 | 1215.8 | 0.000 |.|****** | | .|. | | 8 | 0.833 | 0.015 | 1364.6 | 0.000 |.|****** | | .|. | | 9 | 0.817 | 0.005 | 1508.4 | 0.000 |.|****** | | .|. | | 10 | 0.802 | 0.017 | 1647.6 | 0.000 |.|****** | | .|. | | 11 | 0.788 | 0.020 | 1782.7 | 0.000 |.|****** | | .|. | | 12 | 0.774 | -0.005 | 1913.8 | 0.000 |.|****** | | .|. | | 13 | 0.760 | 0.013 | 2041.0 | 0.000 |.|****** | | .|. | | 14 | 0.747 | -0.009 | 2164.4 | 0.000 |.|****** | | .|. | | 15 | 0.732 | -0.022 | 2283.6 | 0.000 |.|****** | | .|. | | 16 | 0.717 | -0.013 | 2398.6 | 0.000 |.|***** | | .|. | | 17 | 0.702 | -0.013 | 2509.3 | 0.000 |.|***** | | .|. | | 18 | 0.686 | -0.027 | 2615.6 | 0.000 |.|***** | | .|. | | 19 | 0.670 | -0.013 | 2717.5 | 0.000 |.|***** | | .|. | | 20 | 0.654 | -0.002 | 2815.1 | 0.000 |.|***** | | .|. | | 21 | 0.638 | -0.005 | 2908.6 | 0.000 |.|***** | | .|. | | 22| 0.621 | -0.034 | 2997.7 | 0.000 |.|***** | | .|. | | 23 | 0.603 | -0.052 | 3082.0 | 0.000 |.|**** | | *|. | | 24 | 0.581 | -0.075 | 3160.8 | 0.000 |.|**** | | .|. | | 25 | 0.561 | 0.007 | 3234.6 | 0.000 |.|**** | | .|. | | 26 | 0.541 | -0.009 | 3303.7 | 0.000 |

.|**** | | .|. | | 27 | 0.522 | 0.000 | 3368.5 | 0.000 |

.|**** | | .|. | | 28 | 0.504 | -0.022 | 3429.0 | 0.000 |

.|**** | | .|. | | 29 | 0.484 | -0.023 | 3485.3 | 0.000 |

.|**** | | .|. | | 30 | 0.464 | -0.024 | 3537.4 | 0.000 |

.|*** | | .|. | | 31 | 0.444 | -0.031 | 3585.3 | 0.000 |

.|*** | | .|. | | 32 | 0.423 | -0.028 | 3629.0 | 0.000 |

.|*** | | .|. | | 33 | 0.402 | -0.025 | 3668.8 | 0.000 |

.|*** | | .|. | | 34 | 0.381 | -0.027 | 3704.6 | 0.000 |

.|*** | | .|. | | 35 | 0.361 | 0.010 | 3737.0 | 0.000 |

.|*** | | .|. | | 36 | 0.341 | -0.025 | 3766.1 | 0.000 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En el Correlograma nos dice que la serie económica ln tcb venta es un proceso autorregresivo AR1. Y tiene memoria.

Histograma -Test de Normalidad de las importaciones

GRÁFICO Nº 13Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo detrabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Skewness (asimetria): negativo (-) mayor cola a la izquierda y positivo (+) mayor cola a la derecha Kurtosis (Curtosis): >3 leptocúrquica, =3 mesocúrtica y <3 platicúrticas Jarque-Bera (JB): si el p-value <0.05% se rehaza la Ho: NormalidadEn test de normalidad podemos ver que la serie ln importaciones presenta una asimetría positiva como lo dice el valor Skewness 0.671968 y además por lo que la mayor cola se presenta a la derecha.Así también vemos que tiene una kurtosis de 2.357234, esto quiere decir que la serie es platicúrtica.Y por ultimo vemos el p- value asociado al de Jarque-Bera (JB) que es 0.000459 cuya probabilidad es menor a 0.05 entonces decimos que rechaza la Ho: Normalidad.Histograma -Test de Normalidad ln pbiGRÁFICO Nº 14Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Skewness (asimetria): negativo (-) mayor cola a la izquierda y positivo (+) mayor cola a la derecha Kurtosis (Curtosis): >3 leptocúrquica, =3 mesocúrtica y <3 platicúrticas Jarque-Bera (JB): si el p-value <0.05% se rehaza la Ho: NormalidadEn test de normalidad podemos ver que la serie ln pbi presenta una asimetría positiva como lo dice el valor Skewness 0.167793 y además por lo que la mayor cola se presenta a la derecha.Así también vemos que tiene una kurtosis de 2.436424, esto quiere decir que la serie es platicúrtica.Y por ultimo vemos el p- value asociado al de Jarque-Bera (JB) que es 0.160654 cuyaprobabilidad es mayor a 0.05 entonces decimos que se acepta la hipótesis nula Ho: Normalidad.

Histograma -Test de Normalidad de las lntcb GRÁFICO Nº 15Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En test de normalidad podemos ver que la serie ln tcb(venta) presenta una asimetría negativa como lo dice el valor Skewness -0.923349 y además por lo que la mayor cola se presenta a la izquierda.Así también vemos que tiene una kurtosis de 2.727297, esto quiere decir que la serie es platicúrtica.Y por ultimo vemos el p- value asociado al de Jarque-Bera (JB) que es 0.000000 cuya probabilidad es menor a 0.05 entonces decimos que rechaza la Ho: Normalidad.

Histograma -Test de Normalidad del Resids del MCO de largo plazo de las series del modelo lnimportaciones, lnpbi y lntcb.GRÁFICO Nº 20

Skewness (asimetria): negativo (-) mayor cola a la izquierda y positivo (+) mayor cola a la derecha Kurtosis (Curtosis): >3 leptocúrquica, =3 mesocúrtica y <3 platicúrticas Jarque-Bera (JB): si el p-value <0.05% se rehaza la Ho: Normalidad

En el test de normalidad de las tres variables lnimportaciones, lnpbi y lntcb, nos muestra que en su conjunto ambas presentan una una asimetría negativa como lo dice el valor Skewness -0.252220 y además por lo que la mayor cola se presenta a la izquierda.Así también vemos que tiene una kurtosis de 2.991673 casi 3 esto quiere decir que las tres series

en su conjunto son mesocurticas.Y por ultimo vemos el p- value asociado al de Jarque-Bera (JB) que es 0.339004 cuya probabilidad esmayor a 0.05 entonces decimos que acepta la Ho: Normalidad.

Reporte MVEC Impulso respuesta de las series del modelo lnimportaciones, lnpbi y lntcb.

GRÁFICO Nº 21Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Como podemos ver los gráficos nos muestra que cuando las variables se relacionan consigo misma existen una relación directa y además es exacta como vemos en los gráficos 1, 2 y 3 de la 1° , 2° y 3° fila respectivamente. Y además podemos decir que cuando se relacionan las variables ln importaciones con ln pbi, ln importaciones ln tcb, ln pbi con ln importaciones, ln pbi con ln tcb, ln tcb con ln importaciones y ln tcb con ln pbi, muestran una relación directa.

Correlation matrix de las series del modelo ln importaciones lnpbi lntcb venta| LNIMPORTCIONES | LNPBI | LNTC |LNIMPORTCIONES | 1.000000 | 0.930269 | 0.338741 |LNPBI | 0.930269 | 1.000000 | 0.556101 |LNTC | 0.338741 | 0.556101 | 1.000000 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

En el correlation matrix de las series del modelo ln importaciones lnpbi lntcb venta, nos dice que: las importaciones al relacionarse consigo misma presenta un grado de asociación de 1 es decir el grado de asociación es completa, cuando las ln importaciones se relaciona con el lnpbi presentan una grado de asociación de 0.930269, cuando las ln importaciones se relaciona con el lntcb presentan una grado de asociación de0.338741, cuando el lnpbi se relaciona con las ln importaciones presentan una grado de asociación de 0.930269, cuando el lnpbi se relaciona consigo misma presenta un grado de asociación de 1 es decir el grado de asociación es completa, cuando el lnpbi se relaciona con las lntcb presentan una grado de asociación de 0.556101, cuando el lntcb se relaciona con las ln importaciones presentan una grado de asociación de0.338741,cuando el lntcb se relaciona con el lnpbi presentan una grado de asociación de 0.556101,y finalmente vemos que cuando las importaciones se relaciona consigo misma presenta un grado de asociación de 1 es decir el grado de asociación es completa

Common sample de las series del modelo ln importaciones, lnpbi y lntcb venta| LNIMPORTCIONES | LNPBI | LNTC |Mean | 6.671365 | 0.459642 | 1.081529 |Median | 6.528667 | 0.455423 | 1.155306 |Maximum | 7.923772 | 0.520101 | 1.286474 |Minimum | 5.572838 | 0.389545 | 0.530628 |Std. Dev. | 0.499220 | 0.028758 | 0.181854 |Skewness | 0.671968 | 0.167793 | -0.923349 |Kurtosis | 2.951752 | 2.436424 | 2.727297 || | | |Jarque-Bera | 15.37218 | 3.657000 | 29.61961 |Probability | 0.000459 | 0.160654 | 0.000000 || | | |Observations | 204 | 204 | 204 |Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Fuente: Datos del BCR de 1993 - 2009, trabajado en EviwsElaboración: Grupo de trabajo

Skewness (asimetria): negativo (-) mayor cola a la izquierda y positivo (+) mayor cola a la derecha Kurtosis (Curtosis): >3 leptocúrquica, =3 mesocúrtica y <3 platicúrticas Jarque-Bera (JB): siel p-value <0.05% se rehaza la Ho: NormalidadComo s puede apreciar en el Common sample de las series del modelo lnpbi lntcb venta, las variables ln importaciones y lnpbi presentan una asimetría positiva. Y el lntc presenta una asimetría negativa, tal y como lo dicen los valores Skewness.Además podemos ver que las tres series del modelo ln importaciones, lnpbi y lntcb venta son platicúrticas pues su valor es menor a 3.Por ultimo vemos que el p-value asociado al Jarque-Bera (JB) de las variables ln importaciones, y lntcb son menores a 0.005% por lo que decimos que en estas se rechaza la hipótesis nula: normalidad y para el PBI se acepta la hipótesis nula: normalidad.

Test de granger Pairwise Granger Causality Tests |Date: 06/25/10 Time: 20:35 |Sample: 1993:01 2009:12 |Lags: 2 |Null Hypothesis: | Obs | F-Statistic | Probability |LNPBI does not Granger Cause LNIMPORTCIONES | 202 | 0.65937 | 0.51831 |LNIMPORTCIONES does not Granger Cause LNPBI | 5.49388 | 0.00477 |LNTC does not Granger Cause LNIMPORTCIONES | 202 | 4.33459 | 0.01438 |

LNIMPORTCIONES does not Granger Cause LNTC | 1.03898 | 0.35575 |LNTC does not Granger Cause LNPBI | 202 | 0.31208 | 0.73228 |LNPBI does not Granger Cause LNTC | 1.04783 | 0.35264 |

Como podemos ver en el Test de causalidad de granger de las series del modelo ln importaciones, lnpbi y lntcb venta, no dice que según las hipótesis nulas:1º Ho: LNPBI no causa sentido de Granger al LNIMPORTCIONES. Como vemos la probabilidad asociada al F-Statistic que es de 0.51831 lo cual es mayor a 0.05, por lo tanto si se confirma, entonces, se acepta la Ho.2º Ho:LNIMPORTCIONES no causa sentido de Granger al LNPBI. Vemos que la probabilidad asociada al F-Statistic que es de 0.00477 lo cual es menor a 0.05, por lo tanto no se confirma, entonces, se rechaza la Ho es decir el LNIMPORTCIONES si causa sentido de Granger al LNPBI.3º Ho: LNTC no causa sentido de Granger al LNIMPORTCIONES. Vemos que la probabilidad asociada al F-Statistic que es de 0.01438lo cual es menor a 0.05, por lo tanto no se confirma, entonces, se rechaza la Ho es decir LNTC si causa sentido de Granger al LNIMPORTCIONES.4º Ho: LNIMPORTCIONES no causa sentido de Granger al LNTC. Vemos que la probabilidad asociada al F-Statistic que es de 0.35575 lo cual es mayor a 0.05, por lo tanto si se confirma, entonces, se acepta la Ho.5º Ho: LNTC no causa sentido de Granger al LNPBI Como vemos la probabilidad asociada al F-Statistic que es de 0.73228 lo cual es mayor a 0.05, por lo tanto si se confirma, entonces, se acepta la Ho.6º Ho: LNPBI no causa sentido de Granger al LNTC Vemos que la probabilidad asociada al F-Statistic que es de 0.35264 lo cual es mayor a 0.05, por lo tanto si se confirma, entonces, se acepta la Ho.

Test de Ramsey (error de especificación)

Ramsey RESET Test: |F-statistic | 0.793401 | Probability | 0.453729 |Log likelihood ratio | 1.620220 | Probability | 0.444809 || | | | |Test Equation: |Dependent Variable: LNIMPORTCIONES |Method: Least Squares |Date: 06/25/10 Time: 20:50 |Sample: 1993:01 2009:12 |Included observations: 204 |Variable | Coefficient | Std. Error | t-Statistic | Prob. |LNPBI | 243.5597 | 213.7168 | 1.139638 | 0.2558 |LNTC | -9.256120 | 8.148072 |-1.135989 | 0.2573 |C | -41.37280 | 38.78153 | -1.066817 | 0.2873 |FITTED^2 | -1.816845 | 1.691232 | -1.074273 | 0.2840 |

FITTED^3 | 0.090800 | 0.082969 | 1.094377 | 0.2751 |R-squared | 0.912269 | Mean dependent var | 6.671365 |Adjusted R-squared | 0.910506 | S.D. dependent var | 0.499220 |S.E. of regression | 0.149345 | Akaike info criterion | -0.940916 |Sum squared resid | 4.438458 | Schwarz criterion | -0.859590 |Log likelihood | 100.9735 | F-statistic | 517.3256 |Durbin-Watson stat | 0.747757 | Prob(F-statistic) | 0.000000 |

En el presente reporte podemos ver que se acepta la hipótesis nula es decir nuestro modelo está mal especificado.

MODELO ARIMA

1. Fase de identificación:

En el gráfico lineal, podemos ver que se trata de una tendencia estocástica, en donde vemos que la variable endógena “importaciones” presenta una tendencia creciente, presentándose en el año 2009 un quiebre estructural, causado en gran medida por la crisis internacional de EE.UU.

Gráfico De Las Subseries Anuales

La presente gráfica nos muestra el promedio o media de la variable importaciones, en la cual podemos apreciar que en el mes de octubre, las importaciones son mayores.

Correlograma A Las Importaciones

En el gráfico, podemos ver los meses en donde la variable endógena importaciones es mayores, de, Date: 07/08/10 Time: 19:18 |Sample: 1993:01 2009:12 |Included observations: 204 |

Autocorrelation | Partial Correlation | | AC | PAC | Q-Stat | Prob |.|*******| | .|*******| | 1 | 0.966 | 0.966 | 193.22 | 0.000 |.|*******| | .|* | | 2 | 0.942 | 0.132 | 377.89 | 0.000 |.|*******| | .|. | | 3 | 0.920 | 0.045 | 555.04 | 0.000 |.|*******| | **|. | | 4 | 0.886 | -0.197 | 719.92 | 0.000 |.|*******| | .|. | | 5 | 0.858 | 0.039 | 875.49 | 0.000 |.|****** | | .|. | | 6 | 0.833 | 0.024 | 1022.6 | 0.000 |.|****** | | .|. | | 7 | 0.805 | 0.007 | 1160.9 | 0.000 |.|****** | | .|* | | 8 | 0.789 | 0.143 | 1294.5 | 0.000 |.|****** | | .|. | | 9 | 0.774 | 0.042 | 1423.6 | 0.000 |.|****** | | *|. | | 10 | 0.754 | -0.070 | 1546.8 | 0.000 |.|****** | | .|* | | 11 | 0.745 | 0.086 | 1667.5 | 0.000 |.|****** | | .|. | | 12 | 0.732 | -0.005 | 1784.9 | 0.000 |.|***** | | *|. | | 13 | 0.708 | -0.163 | 1895.2 | 0.000 |.|***** | | .|. | | 14 | 0.691 | -0.004 | 2000.7 | 0.000 |.|***** | | **|. | | 15 | 0.657 | -0.221 | 2096.8 | 0.000 |.|***** | | *|. | | 16 | 0.619 | -0.099 | 2182.4 | 0.000 |.|***** | | .|* | | 17 | 0.594 | 0.122 | 2261.6 | 0.000 |.|**** | | *|. | | 18 | 0.557 | -0.058 | 2331.8 | 0.000 |.|**** | | .|. | | 19 | 0.522 | -0.033 | 2393.6 | 0.000 |.|**** | | .|. | | 20 | 0.494 | -0.028 | 2449.2 | 0.000 |.|**** | | .|* | | 21 | 0.467 | 0.074 | 2499.3 | 0.000 |.|*** | | .|. | | 22 | 0.442 | -0.025 | 2544.3 | 0.000 |.|*** | | .|. | | 23 | 0.424 | 0.043 | 2586.2 | 0.000 |.|*** | | *|. | | 24 | 0.400 | -0.069 | 2623.5 | 0.000 |.|*** | | .|. | | 25 | 0.380 | -0.007 | 2657.3 | 0.000 |.|*** | | .|. | | 26 | 0.362 | -0.021 | 2688.2 | 0.000 |.|*** | | .|* | | 27 | 0.339 | 0.076 | 2715.5 | 0.000 |.|** | | .|. | | 28 | 0.321 | 0.064 | 2740.0 | 0.000 |.|** | | .|. | | 29 | 0.300 | -0.040 | 2761.7 | 0.000 |.|** | | .|* | | 30 | 0.281 | 0.096 | 2780.8 | 0.000 |.|** | | .|. | | 31 | 0.267 | 0.020 | 2798.1 | 0.000 |.|** | | .|. | | 32 | 0.253 | 0.028 | 2813.8 | 0.000 |.|** | | .|. | | 33 | 0.239 | 0.024 | 2827.9 | 0.000 |.|** | | .|. | | 34 | 0.227 | -0.049 | 2840.6 | 0.000 |.|** | | .|. | | 35 | 0.217 | -0.030 | 2852.3 | 0.000 |.|** | | .|. | | 36 | 0.202 | -0.056 | 2862.4 | 0.000 |

Tes ADFINTERCEPTOADF Test Statistic | -1.028962 | 1% Critical Value* | -3.4645 |

| | 5% Critical Value | -2.8761 || | 10% Critical Value | -2.5744 |*MacKinnon critical values for rejection of hypothesis of a unit root. || | | | || | | | |Augmented Dickey-Fuller Test Equation |Dependent Variable: D(IMPORTACION) |Method: Least Squares |Date: 07/08/10 Time: 20:06 |Sample(adjusted): 1993:06 2009:12 |Included observations: 199 after adjusting endpoints |Variable | Coefficient | Std. Error| t-Statistic | Prob. |IMPORTACION(-1) | -0.013953 | 0.013561 | -1.028962 | 0.3048 |D(IMPORTACION(-1)) | -0.241477 | 0.072275 | -3.341079 | 0.0010 |D(IMPORTACION(-2)) | 0.010758 | 0.069600 | 0.154570 | 0.8773 |D(IMPORTACION(-3)) | 0.391948 | 0.069789 | 5.616180 | 0.0000 |D(IMPORTACION(-4)) | 0.061296 | 0.072688 | 0.843283 | 0.4001 |C | 19.68675 | 13.99257 | 1.406944 | 0.1611 |R-squared | 0.201711 | Mean dependent var | 8.466633 |Adjusted R-squared | 0.181030 | S.D. dependent var | 108.8989 |S.E. of regression | 98.55022 | Akaike info criterion | 12.04870 |Sum squared resid | 1874444. | Schwarz criterion | 12.14799 |Log likelihood | -1192.845 | F-statistic | 9.753425 |Durbin-Watson stat | 1.991619 | Prob(F-statistic) | 0.000000 |

INTERCEPTO Y TENDENCIA

ADF Test Statistic | -2.478965 | 1% Critical Value* | -4.0070 || | 5% Critical Value | -3.4333 || | 10% Critical Value | -3.1402 |*MacKinnon critical values for rejection of hypothesis of a unit root. || | | | || | | | |Augmented Dickey-Fuller Test Equation |Dependent Variable: D(IMPORTACION) |Method: Least Squares |Date: 07/08/10 Time: 20:06 |Sample(adjusted): 1993:06 2009:12 |Included observations: 199 after adjusting endpoints |Variable | Coefficient | Std. Error | t-Statistic | Prob. |IMPORTACION(-1) | -0.054486 | 0.021979 | -2.478965 | 0.0140 |D(IMPORTACION(-1)) | -0.227511 | 0.071713 | -3.172499 | 0.0018 |

D(IMPORTACION(-2)) | 0.026849 | 0.069164 | 0.388199 | 0.6983 |D(IMPORTACION(-3)) | 0.408323 | 0.069362 | 5.886854 | 0.0000 |D(IMPORTACION(-4)) |0.083033 | 0.072475 | 1.145686 | 0.2534 |C | 8.237764 | 14.68373 | 0.561013 | 0.5754 |@TREND(1993:01) | 0.460239 | 0.197753 | 2.327338 | 0.0210 |R-squared | 0.223614 | Mean dependent var | 8.466633 |Adjusted R-squared | 0.199352 | S.D. dependent var | 108.8989 |S.E. of regression | 97.44163 | Akaike info criterion | 12.03093 |Sum squared resid | 1823015. | Schwarz criterion | 12.14677 |Log likelihood | -1190.077 | F-statistic | 9.216598 |Durbin-Watson stat | 1.991340 | Prob(F-statistic) | 0.000000 |

NONEADF Test Statistic | 0.362021 | 1% Critical Value* | -2.5759 || | 5% Critical Value | -1.9413 || | 10% Critical Value | -1.6165 |*MacKinnon critical values for rejection of hypothesis of a unit root. || | | | || | | | |Augmented Dickey-Fuller Test Equation |Dependent Variable: D(IMPORTACION) |Method: Least Squares |Date: 07/08/10 Time: 20:07 |Sample(adjusted): 1993:06 2009:12 |Included observations: 199 after adjusting endpoints |Variable | Coefficient | Std. Error | t-Statistic | Prob. |IMPORTACION(-1) | 0.002494 | 0.006890 | 0.362021 | 0.7177 |D(IMPORTACION(-1)) | -0.248605 | 0.072279 | -3.439524 | 0.0007 |D(IMPORTACION(-2)) | 0.003793 | 0.069599 | 0.054502 | 0.9566 |D(IMPORTACION(-3)) | 0.385829 | 0.069829 | 5.525332 | 0.0000 |D(IMPORTACION(-4)) | 0.054386 | 0.072705 | 0.748047 | 0.4553 |R-squared | 0.193524 | Mean dependent var | 8.466633 |Adjusted R-squared | 0.176895 | S.D. dependent var | 108.8989 |S.E. of regression | 98.79869 | Akaike info criterion | 12.04885 |Sum squared resid |1893669. | Schwarz criterion | 12.13160 |Log likelihood | -1193.861 | Durbin-Watson stat | 1.990950 |

Correlograma a las dlnimportacionesDate: 07/08/10 Time: 20:00 |

Sample: 1993:01 2009:12 |Included observations: 203 |Autocorrelation | Partial Correlation | | AC | PAC | Q-Stat | Prob |***|. | | ***|. | | 1 | -0.406 | -0.406 | 33.914 | 0.000 |.|. | | **|. | | 2 | -0.054 | -0.262 | 34.514 | 0.000 |.|** | | .|* | | 3 | 0.219 | 0.110 | 44.512 | 0.000 |*|. | | .|* | | 4 | -0.061 | 0.102 | 45.292 | 0.000 |.|. | | .|. | | 5 | -0.015 | 0.059 | 45.341 | 0.000 |.|. | | .|. | | 6 | 0.055 | 0.039 | 45.983 | 0.000 |*|. | | *|. | | 7 | -0.122 | -0.129 | 49.123 | 0.000 |.|. | | *|. | | 8 | 0.045 | -0.078 | 49.550 | 0.000 |.|* | | .|* | | 9 | 0.097 | 0.083 | 51.575 | 0.000 |**|. | | *|. | | 10 | -0.193 | -0.082 | 59.598 | 0.000 |.|. | | *|. | | 11 | -0.017 | -0.157 | 59.657 | 0.000 |.|** | | .|** | | 12 | 0.299 | 0.231 | 79.137 | 0.000 |**|. | | *|. | | 13 | -0.311 | -0.058 | 100.28 | 0.000 |.|* | | .|* | | 14 | 0.165 | 0.102 | 106.31 | 0.000 |.|. | | .|. | | 15 | 0.033 | 0.025 | 106.55 | 0.000 |*|. | | *|. | | 16 | -0.153 | -0.101 | 111.79 | 0.000 |.|* | | .|. | | 17 | 0.118 | -0.039 | 114.91 |0.000 |.|. | | *|. | | 18 | -0.045 | -0.067 | 115.37 | 0.000 |.|. | | .|. | | 19 | -0.047 | 0.025 | 115.88 | 0.000 |.|* | | .|* | | 20 | 0.116 | 0.084 | 118.94 | 0.000 |*|. | | .|. | | 21 | -0.064 | 0.004 | 119.87 | 0.000 |*|. | | *|. | | 22 | -0.116 | -0.079 | 122.94 | 0.000 |.|* | | .|. | | 23 | 0.185 | 0.057 | 130.89 | 0.000 |.|. | | .|* | | 24 | 0.012 | 0.084 | 130.92 | 0.000 |*|. | | .|* | | 25 | -0.083 | 0.138 | 132.54 | 0.000 |.|* | | .|. | | 26 | 0.112 | 0.007 | 135.50 | 0.000 |*|. | | *|. | | 27 | -0.099 | -0.113 | 137.84 | 0.000 |.|. | | *|. | | 28 | 0.010 | -0.071 | 137.87 | 0.000 |.|* | | .|. | | 29 | 0.122 | 0.056 | 141.45 | 0.000 |**|. | | .|. | | 30 | -0.189 | -0.008 | 150.03 | 0.000 |.|* | | .|. | | 31 | 0.074 | 0.014 | 151.35 | 0.000 |.|* | | .|. | | 32 | 0.108 | 0.052 | 154.21 | 0.000 |*|. | | .|. | | 33 | -0.115 | 0.047 | 157.46 | 0.000 |.|. | | .|. | | 34 | -0.020 | -0.010 | 157.56 | 0.000 |.|* | | .|. | | 35 | 0.091 | -0.021 | 159.62 | 0.000 |*|. | | *|. | | 36 | -0.099 | -0.069 | 162.08 | 0.000 |

INTERCEPTOADF Test Statistic | -5.761232 | 1% Critical Value* | -3.4646 |

| | 5% Critical Value | -2.8761 || |10% Critical Value | -2.5745 |*MacKinnon critical values for rejection of hypothesis of a unit root. || | | | || | | | |Augmented Dickey-Fuller Test Equation |Dependent Variable: D(DLNIMPORTACION) |Method: Least Squares |Date: 07/08/10 Time: 20:09 |Sample(adjusted): 1993:07 2009:12 |Included observations: 198 after adjusting endpoints |Variable | Coefficient | Std. Error | t-Statistic | Prob. |DLNIMPORTACION(-1) | -1.331004 | 0.231028 | -5.761232 | 0.0000 |D(DLNIMPORTACION(-1)) | -0.179341 | 0.209142 | -0.857506 | 0.3922 |D(DLNIMPORTACION(-2)) | -0.380654 | 0.177200 | -2.148162 | 0.0330 |D(DLNIMPORTACION(-3)) | -0.205590 | 0.129544 | -1.587028 | 0.1142 |D(DLNIMPORTACION(-4)) | -0.064696 | 0.071470 | -0.905218 | 0.3665 |C | 0.012379 | 0.006753 | 1.833229 | 0.0683 |R-squared | 0.734290 | Mean dependent var | -5.28E-05 |Adjusted R-squared | 0.727370 | S.D. dependent var | 0.173129 |S.E. of regression | 0.090397 | Akaike info criterion | -1.939368 |Sum squared resid | 1.568965 | Schwarz criterion | -1.839723 |Log likelihood | 197.9974 | F-statistic | 106.1183 |Durbin-Watson stat | 2.006123 | Prob(F-statistic) | 0.000000 |

INTERCEPTO Y TENDENCIA:ADF Test Statistic | -5.743624 | 1% Critical Value* | -4.0072 || | 5% Critical Value | -3.4335 || | 10% Critical Value | -3.1403 |*MacKinnon critical values for rejection of hypothesis of a unit root. || | | | || | | | |Augmented Dickey-Fuller Test Equation |Dependent Variable: D(DLNIMPORTACION) |Method: Least Squares |Date: 07/08/10 Time: 20:10 |Sample(adjusted): 1993:07 2009:12 |Included observations: 198 after adjusting endpoints |Variable | Coefficient | Std. Error | t-Statistic | Prob. |DLNIMPORTACION(-1) | -1.330723 | 0.231687 | -5.743624 | 0.0000 |D(DLNIMPORTACION(-1)) | -0.179639 | 0.209759 | -0.856409 | 0.3928 |D(DLNIMPORTACION(-2)) | -0.380958 | 0.177749 | -2.143233 | 0.0334 |D(DLNIMPORTACION(-3)) | -0.205825 | 0.129953 | -1.583839 | 0.1149 |

D(DLNIMPORTACION(-4)) | -0.064820 | 0.071692 | -0.904139 | 0.3671 |C | 0.011734 | 0.013630 | 0.860923 | 0.3904 |@TREND(1993:01) | 6.15E-06 | 0.000113 | 0.054517 | 0.9566 |R-squared | 0.734294 | Mean dependent var | -5.28E-05 |Adjusted R-squared | 0.725947 | S.D. dependent var | 0.173129 |S.E. of regression | 0.090633 | Akaike info criterion | -1.929282 |Sum squared resid | 1.568941 | Schwarz criterion | -1.813030 |Log likelihood | 197.9989 | F-statistic | 87.97317 |Durbin-Watson stat | 2.006129 | Prob(F-statistic) | 0.000000 |

SIN INTERCEPTO Y TENDENCIAADF Test Statistic | -5.429027 | 1% Critical Value* | -2.5760 || | 5% Critical Value | -1.9413 || | 10% Critical Value | -1.6165 |*MacKinnon critical values for rejection of hypothesis of a unit root. || | | | || | | | |Augmented Dickey-Fuller Test Equation |Dependent Variable: D(DLNIMPORTACION) |Method: Least Squares |Date: 07/08/10 Time: 20:11 |Sample(adjusted): 1993:07 2009:12 |Included observations: 198 after adjusting endpoints |Variable | Coefficient | Std. Error | t-Statistic | Prob. |DLNIMPORTACION(-1) | -1.200542 | 0.221134 | -5.429027 | 0.0000 |D(DLNIMPORTACION(-1)) | -0.291324 | 0.201242 | -1.447626 | 0.1493 |D(DLNIMPORTACION(-2)) | -0.463395 | 0.172400 | -2.687902 | 0.0078 |D(DLNIMPORTACION(-3)) | -0.252864 | 0.127725 | -1.979753 | 0.0492 |D(DLNIMPORTACION(-4)) | -0.083083 | 0.071194 | -1.166996 | 0.2447 |R-squared | 0.729639 | Mean dependent var | -5.28E-05 |Adjusted R-squared | 0.724035 | S.D. dependent var | 0.173129 |S.E. of regression | 0.090949 | Akaike info criterion | -1.932116 |Sum squared resid | 1.596428 | Schwarz criterion | -1.849079 |Log likelihood | 196.2795 | Durbin-Watson stat | 2.010137 |

2. Fase de estimación y diagnosisDependent Variable: DLNIMPORTACION |Method: Least Squares |Date: 07/08/10 Time: 20:26 |Sample(adjusted): 1993:03 2009:12 |Included observations: 202 after adjusting endpoints |

Convergence achieved after 3 iterations |Variable | Coefficient | Std. Error | t-Statistic | Prob. |AR(1) | -0.393242 | 0.064226 | -6.122766 | 0.0000 |R-squared | 0.150423 | Mean dependent var | 0.009129 |Adjusted R-squared | 0.150423 | S.D. dependent var | 0.102126 |S.E. of regression | 0.094132 | Akaike info criterion | -1.883293 |Sum squared resid | 1.781038 | Schwarz criterion | -1.866916 |Log likelihood | 191.2126 | Durbin-Watson stat | 2.200371 |Inverted AR Roots | -.39 |

El correlograma a los residuos muestra que se trata de un ruido blanco

Date: 07/08/10 Time: 20:38 |Sample: 1993:03 2009:12 |Included observations: 202 |Q-statistic probabilities adjusted for 1 ARMA term(s) | | | | | | |Autocorrelation | Partial Correlation | | AC |PAC | Q-Stat | Prob |*|. | | *|. | | 1 | -0.123 | -0.123 | 3.0907 | |*|. | | *|. | | 2 | -0.168 | -0.186 | 8.8891 | 0.003 |.|** | | .|** | | 3 | 0.255 | 0.219 | 22.400 | 0.000 |.|. | | .|. | | 4 | 0.014 | 0.046 | 22.438 | 0.000 |.|. | | .|. | | 5 | -0.024 | 0.065 | 22.558 | 0.000 |.|. | | .|. | | 6 | 0.001 | -0.047 | 22.558 | 0.000 |*|. | | *|. | | 7 | -0.137 | -0.169 | 26.540 | 0.000 |.|. | | .|. | | 8 | 0.065 | 0.015 | 27.432 | 0.000 |.|. | | .|. | | 9 | 0.056 | 0.041 | 28.108 | 0.000 |**|. | | *|. | | 10 | -0.246 | -0.166 | 41.108 | 0.000 |.|. | | .|. | | 11 | 0.041 | 0.000 | 41.466 | 0.000 |.|** | | .|** | | 12 | 0.277 | 0.234 | 58.060 | 0.000 |**|. | | *|. | | 13 | -0.229 | -0.106 | 69.467 | 0.000 |.|* | | .|* | | 14 | 0.097 | 0.146 | 71.535 | 0.000 |.|. | | *|. | | 15 | 0.045 | -0.096 | 71.974 | 0.000 |*|. | | *|. | | 16 | -0.135 | -0.091 | 76.020 | 0.000 |.|* | | .|. | | 17 | 0.072 | -0.042 | 77.173 | 0.000 |.|. | | .|. | | 18 | -0.047 | -0.045 | 77.671 | 0.000 |.|. | | .|* | | 19 | -0.035 | 0.079 | 77.946 | 0.000 |.|* | | .|. | | 20 | 0.109 | 0.044 | 80.645 | 0.000 |*|. | | .|. | | 21 | -0.102 |-0.045 | 82.992 | 0.000 |*|. | | .|. | | 22 | -0.106 | -0.045 | 85.557 | 0.000 |.|** | | .|* | | 23 | 0.208 | 0.094 | 95.504 | 0.000 |.|* | | .|* | | 24 | 0.077 | 0.114 | 96.889 | 0.000 |*|. | | .|* | | 25 | -0.078 | 0.083 | 98.304 | 0.000 |

.|* | | *|. | | 26 | 0.079 | -0.070 | 99.747 | 0.000 |*|. | | *|. | | 27 | -0.090 | -0.131 | 101.65 | 0.000 |.|. | | .|. | | 28 | 0.025 | -0.017 | 101.80 | 0.000 |.|* | | .|. | | 29 | 0.088 | 0.061 | 103.64 | 0.000 |*|. | | .|. | | 30 | -0.182 | -0.022 | 111.57 | 0.000 |.|* | | .|. | | 31 | 0.074 | 0.054 | 112.87 | 0.000 |.|* | | .|* | | 32 | 0.138 | 0.073 | 117.48 | 0.000 |*|. | | .|. | | 33 | -0.132 | 0.019 | 121.72 | 0.000 |.|. | | .|. | | 34 | -0.026 | -0.018 | 121.89 | 0.000 |.|* | | .|. | | 35 | 0.078 | -0.046 | 123.41 | 0.000 |.|. | | .|. | | 36 | 0.002 | 0.001 | 123.41 | 0.000 |

ADFADF Test Statistic | -4.338092 | 1% Critical Value* | -3.4645 || | 5% Critical Value | -2.8761 || | 10% Critical Value | -2.5744 |*MacKinnon critical values for rejection of hypothesis of a unit root. || | | | || | | | |Augmented Dickey-Fuller Test Equation |Dependent Variable: D(ERROR) |Method: Least Squares |Date: 07/08/10 Time: 20:43 |Sample(adjusted): 1993:06 2009:12 |Included observations: 199 after adjusting endpoints |Variable | Coefficient | Std. Error | t-Statistic | Prob. |ERROR(-1) | -0.337980 | 0.077910 | -4.338092 | 0.0000 |D(ERROR(-1)) | -0.016422 | 0.082656 | -0.198682 | 0.8427 |D(ERROR(-2)) | 0.060896 | 0.075560 | 0.805927 | 0.4213 |D(ERROR(-3)) | -0.136725 | 0.073420 | -1.862214 | 0.0641 |D(ERROR(-4)) | -0.221967 | 0.069654 | -3.186702 | 0.0017 |C | 0.001935 | 0.007921 | 0.244350 | 0.8072 |R-squared | 0.253160 | Mean dependent var | 0.000182 |Adjusted R-squared | 0.233812 | S.D. dependent var | 0.127567 |S.E. of regression | 0.111663 | Akaike info criterion | -1.516985 |Sum squared resid | 2.406424 | Schwarz criterion | -1.417689 |Log likelihood | 156.9400 | F-statistic | 13.08444 |Durbin-Watson stat | 1.938552 | Prob(F-statistic) | 0.000000 |

ADF INTERCEPTO Y TENDENCIAADF Test Statistic | -4.282972 | 1% Critical Value* | -4.0070 || | 5% Critical Value | -3.4333 || | 10% Critical Value | -3.1402 |

*MacKinnon critical values for rejection of hypothesis of a unit root. || | | | || | | | |Augmented Dickey-Fuller Test Equation |Dependent Variable: D(ERROR) |Method: Least Squares |Date: 07/08/10 Time: 20:43 |Sample(adjusted): 1993:06 2009:12 |Included observations: 199 after adjusting endpoints |Variable | Coefficient | Std. Error | t-Statistic | Prob. |ERROR(-1) | -0.335426 | 0.078316 | -4.282972 | 0.0000 |D(ERROR(-1)) | -0.018761 | 0.083023 | -0.225971 | 0.8215 |D(ERROR(-2)) | 0.058747 | 0.075897 | 0.774034 | 0.4399 |D(ERROR(-3)) | -0.138404 | 0.073688 |-1.878247 | 0.0619 |D(ERROR(-4)) | -0.223502 | 0.069900 | -3.197441 | 0.0016 |C | 0.007950 | 0.016444 | 0.483419 | 0.6293 |@TREND(1993:01) | -5.79E-05 | 0.000139 | -0.417595 | 0.6767 |R-squared | 0.253838 | Mean dependent var | 0.000182 |Adjusted R-squared | 0.230520 | S.D. dependent var | 0.127567 |S.E. of regression | 0.111902 | Akaike info criterion | -1.507842 |Sum squared resid | 2.404240 | Schwarz criterion | -1.391997 |Log likelihood | 157.0303 | F-statistic | 10.88612 |Durbin-Watson stat | 1.940402 | Prob(F-statistic) | 0.000000 |

NONEADF Test Statistic | -4.342871 | 1% Critical Value* | -2.5759 || | 5% Critical Value | -1.9413 || | 10% Critical Value | -1.6165 |*MacKinnon critical values for rejection of hypothesis of a unit root. || | | | || | | | |Augmented Dickey-Fuller Test Equation |Dependent Variable: D(ERROR) |Method: Least Squares |Date: 07/08/10 Time: 20:44 |Sample(adjusted): 1993:06 2009:12 |Included observations: 199 after adjusting endpoints |Variable | Coefficient | Std. Error | t-Statistic | Prob. |ERROR(-1) | -0.337342 | 0.077677 | -4.342871 | 0.0000 |D(ERROR(-1)) | -0.016702 | 0.082448 | -0.202571 | 0.8397 |D(ERROR(-2)) | 0.060717 | 0.075373 | 0.805546 | 0.4215 |D(ERROR(-3)) | -0.136931 | 0.073237 | -1.869692 | 0.0630 |

D(ERROR(-4)) | -0.222060 | 0.069484 | -3.195833 | 0.0016 |R-squared | 0.252929 | Mean dependent var | 0.000182 |Adjusted R-squared | 0.237526 | S.D. dependent var | 0.127567 |S.E. of regression | 0.111392 | Akaike info criterion | -1.526726 |Sum squaredresid | 2.407168 | Schwarz criterion | -1.443979 |Log likelihood | 156.9092 | Durbin-Watson stat | 1.938643 |

3. Fase de pronósticoFORECAST STATIC

FORECAST DINAMICO

4. Fase de proyección

Dependent Variable: DLNIMPORTACION |Method: Least Squares |Date: 07/08/10 Time: 20:26 |Sample(adjusted): 1993:03 2009:12 |Included observations: 202 after adjusting endpoints |Convergence achieved after 3 iterations |Variable | Coefficient | Std. Error | t-Statistic | Prob. |AR(1) | -0.393242 | 0.064226 | -6.122766 | 0.0000 |R-squared | 0.150423 | Mean dependent var | 0.009129 |Adjusted R-squared | 0.150423 | S.D. dependent var | 0.102126 |S.E. of regression | 0.094132 | Akaike info criterion | -1.883293 |Sum squared resid | 1.781038 | Schwarz criterion | -1.866916 |Log likelihood | 191.2126 | Durbin-Watson stat | 2.200371 |Inverted AR Roots | -.39 |

14:2010:01 | -0.0139455686553 |2010:02 | -0.0153401255208 |

Para aplicar el modelo arima tenemos que ver que la serie no tenga estacionalidad ni estacionariudad.Diferenciamos aplicamos elñ correlogramaSi cuales son los coeficientes estadísticamente significativos de la fac y de la facp.para diseñar nuestro modelo .6. regresuionamos el modelo e interpretamos el modelo regresionado.1. Los signos los vetas el tcalculado el durvimn w

8 aplicamos el correlograma a los residuos y me tien que mostrar que son ruido blanco o ser una seri estacionaria. Es decir ninguna barrita debe slir d elas líneas punteadasO generamos la serie error = resid y le aplicamos el tes adf si es ruido blanconuestro modelo esta específicamente que nuestro modelo es adecuado, si no lo es lo tenemos que volver a rediseñar (volvemos al paso 5) sie es correcto nos vamos al paso 9* Hacemos el pronóstico estático y dinámico. El coeficiente de tehin debe acercase a cero entonces es un buen modelo* Hacemos la proyección. Proyectamos la serie para espo reestructuramos el archivo que tenemos ampliando el rango de periodos , por lo general en 2 o 3 periodos.11. generamos un aserie proyectada utilizando como endógena la serie pronostico, o aquella que tiene el nombre terminada en f y vamos a sel que van a ser el rango de dos o tres periodos.12. tranformar la proyeccion del rango en niveles 13. contrastar o comparar las cifras encontradas proyectadas con las estadísticas del banco cental de reservas

Bibliografía

Cruz, C. L. (2006). Análisis macroeconómico para la empresa. Chiclayo: Universisas Católica Santo Toribio de Mogrovejo.finanzas, Ministerio de Economía y Finanzas. (2007). Marco Macroeconómico Multianual 2008-2010. Lima: Ministerios de Economía y Finanzas.Rodrigues, C. A. (208). Situacion de la Economia Peruana. FACULTAD DE CIENCIAS ECONOMICAS DE LA UNIVERSIDAD NACIONAL MAYOR DE SAN MARCO , 3-5.

--------------------------------------------[ 1 ]. (2008, Diciembre).Estadísticas del comercio exterior del Perú.[ 2 ]. Morón, Eduardo. (2005, Marzo). Evaluación del Impacto del TLC con EE.UU. en la Economía Peruana. Centro de Investigación de la Universidad del Pacífico.[ 3 ]. http://actualidaddelperu.blogspot.com/2009/01/per-se-prepara-para-incrementar.html