• Author / Uploaded
• GianMarcoCanchanyaVillegas

Citation preview

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ FACULTAD DE ECONOMÍA

“Año de la universalización de la salud”

CASO PRÁCTICO DE DATOS DE PANEL Docente: Alumno:

Mg. Oswaldo Quiroz Marín Meza porta, Francy

Semestre: VI

HUANCAYO - PERÚ 2020

INDICE RESUMEN........................................................................................................................4 ABSTRACT......................................................................................................................5 INTRODUCCIÓN.............................................................................................................6 CAPÍTULO I.....................................................................................................................7 MODELO ECONOMÉTRICO DEL EMPLEO...............................................................7 1.1

PLANTEAMIENTO DEL PROBLEMA...........................................................7

1.1.1

PROBLEMA GENERAL............................................................................7

1.1.2

PROBLEMAS ESPECÍFICOS...................................................................7

1.2 OBJETIVOS............................................................................................................7 1.2.1 OBJETIVO GENERAL....................................................................................7 1.2.2 OBJETIVO ESPECÍFICOS..............................................................................7 1.2

HIPÓTESIS........................................................................................................8

1.2.1

HIPÓTESIS ESPECÍFICAS.......................................................................8

CAPITULO II....................................................................................................................9 2.1 MARCO TEÓRICO................................................................................................9 2.1.1 ANTECEDENTES............................................................................................9 2.1.2 TEORÍA..........................................................................................................11 2.2 MARCO CONCEPTUAL.....................................................................................16 2.3 MATRIZ DE CONSISTENCIA............................................................................18 CAPITULO III................................................................................................................19 PLANTEAMIENTO DEL MODELO............................................................................19 3.1 MODELO..............................................................................................................19 3.1.1 MATEMTICO O ECONÓMICO...................................................................19 3.1.2 ECONOMÉTRICO.........................................................................................20 3.2 MATRIZ DE OPERACIONALIZACIÓN DE VARIABLES..............................21 CAPITULO IV................................................................................................................22 DESARROLLO DEL MODELO....................................................................................22 4.1 REGRESIONANDO.............................................................................................22 4.1.1 MINIMOS CUADRADOS ORDINARIOS...................................................22 4.1.2 APLICANDO LOGARITMO.........................................................................23 CAPITULO V.................................................................................................................25 5.1 ANÁLISIS UNIVARIADO DE LAS VARIABLES............................................25 5.2 ANÁLISIS ESTADÍSTICO..................................................................................27

1

5.3 ANÁLISIS ECONÓMICO....................................................................................29 5.4 ANÁLISIS ECONOMÉTRICO............................................................................30 5.4.1 PROBLEMAS CON LAS “β”........................................................................30 5.4.2 PROBLEMAS CON LAS “X”.......................................................................31 5.4.3 PROBLEMAS CON LOS ERRORES (e)......................................................34 5.4.4 LA MULTICOLINEALIDAD........................................................................39 5.4.5 EL CUSUM Y CUSUM CUADRADO..........................................................43 CAPTULO VI.................................................................................................................45 6.1 ANÁLISIS GENERAL..........................................................................................45 CAPITULO VII...............................................................................................................47 CONCLUSIONES...........................................................................................................47 BIBLIOGRAFÍAS...........................................................................................................48 ANEXOS.........................................................................................................................49

2

RESUMEN

Se desarrollara un trabajo de panel de datos para ello necesitaremos tener en cuenta que la producción es la actividad que aporta valor agregado ya sea por creasion de bienes y servicios dicho esto contaremos con el capital , el personal ocupado y la tierra utilizada para la producción. (satisfacción de nuestras necesidades) En el Mercado Común del Sur (MERCOSUR) lo conforman 4 paises latinoamericanos: Argentina, Brasil, Paraguay, y Uruguay. Más tarde se unieron Bolivia y Chile. Por otro lado, el Mercosur constituye el cuarto bloque económico y comercial del mundo por su importancia económica, tras la Unión Europea. Constituye una estrategia que responde a la lógica de las tendencias internacionales más recientes, caracterizadas desde las dos últimas décadas, como es

dado la progresiva

mundialización de la economía y la creciente liberalización comercial en el planeta. En el presente trabajo se desarrolla un nuevo modelo econométrico acerca de la producción en toneladas de productos agrícolas, el capital asigando a la producción en unidades físicas, el personal ocupado en números de personas; con estos datos se realizara las regresiones respectivas para comprobar cuan eficiente es nuestro modelo o en todo caso si es que las variables consideradas son las indicadas para explicar el modelo. Consiguientemente, se aplicará todos los conocimientos en clase para poder corregir algunos problemas de nuestro presente modelo econométrico; tales como, panel de datos, balanceado, secciones cruzada, omisión de variables, redundancia de variables, entre otros.

Palabras Claves: producción, capital, el personal ocupado, tierra utilizada para la producción y datos de panel.

3

ABSTRACT

It is known to all of us that necessarily to support our expenses (satisfaction of our needs) is necessary to have income, for it is essential to have a place to work. In our Peru there is a high rate of unemployment, a consequence of which is reflected in the lack of an excellent quality of life for its citizens; That is, there is poverty. On the other hand, with regard to the Junín region in the last years an overpopulation has appeared, due to the migrations; As we know this is presented mainly due to the search for a better job with an excellent pay for our services rendered. Undoubtedly, in summary we say that it is relevant to have a job in order to support our families. In this paper, a new econometric model on employment in the Junín region is developed, in which it will be subject to the variables wage, CPI and investment; With these data the respective regressions will be made to verify how efficient our model is or in any case if the variables considered are those indicated to explain the model. Consequently, all the knowledge in class will be applied to be able to correct some problems of our present econometric model; Such as, multicolineality, hectoceasticity, autocorrelation, omission of variables, redundancy of variables, among others.

Keywords: Employment, Salary, CPI, Investment, Multicollinearity, Heteroceasticity, Autocorrelation, Omission of Variables, Redundancy

4

INTRODUCCIÓN

La agricultura en concreto sobre todo en América Latina y la influencia que sobre ella ejerce la mundialización y la liberación comercial. El MERCOSUR participa de problemas y condiciones similares a los del conjunto latinoamericano. El primer efecto dedica especialmente una atención la una revolución verde, a la influencia agropecuaria de los tratados comerciales internacionales y al acuerdo económico. Aparte de algunas nociones sobre agroindustria o agro producción, se analiza la formación y evolución de la agricultura de los países pertenecientes a mercosur en conjunto de bloque. Viendo esta realidad, el presente trabajo planteará un modelo de producción en toneladas de productos agrícolas, con sus respectivas variables y en un determinado tiempo porque es un estudio de modelos longitudinales. Esto de acuerdo a la teoría macroeconómica. Para el desarrollo del presente modelo se ha tomado una muestra de 80 datos de los años 1990 hasta el 2009 de forma anual. Los datos recolectados han sido obtenidos de una fuente secundaria tal como lo es el banco central de los países a trabajar y estará citado en bibliografía. En la primera parte del trabajo trataremos acerca de nuestro planteamiento del trabajo y cuál es la finalidad de todo ello. En segundo lugar, objetivo, los antecedentes y el marco teórico. La tercera parte se presentara el modelo a desarrollar. En el capítulo IV se detallará acerca del análisis de resultados. En la última parte del trabajo se dará a conocer las conclusiones a las cuales hemos llegado con el modelo que se ha planteado.

5

CAPÍTULO I MODELO ECONOMÉTRICO DEL EMPLEO 1.1 PLANTEAMIENTO DEL PROBLEMA La pluralidad de enfoque y perspectivas existentes actualmente no tiene por qué excluir la unidad en el procedimiento científico. Cualquiera que sea el problema investigado y los objetivos perseguidos, el trabajo científico sigue unas reglas concretas aunque se tenga libertad para no seguirlas o para combinar dos o más procesos lógicos que requiere la investigación. Directamente de la realidad nos percatamos que para la contratación de una producción agrícola se toma en cuenta las capacidades, tal es el caso de los factores de capital, trabajo y tierra. Dada la apreciación de todo ello, en el presente documento se pretende formular un modelo del producción el cual nos permita dar una noción más clara acerca de las variables a la cual está sujeta, a dichas variables y en el tiempo. 1.1.1

PROBLEMA GENERAL ¿Cuáles son las implicancias de la producción agrícola en los países pertenecientes a MERCOSUR de los periodos 1990-2009?

1.1.2

PROBLEMAS ESPECÍFICOS ¿Cómo ha influido el capital en la producción agrícola en los países pertenecientes a MERCOSUR de los periodos 1990-2009? ¿Cuál ha sido el comportamiento del trabajo en la producción agrícola en los países pertenecientes a MERCOSUR de los periodos 1990-2009? ¿Cómo ha afectado la tierra utilizada en la producción agrícola en los países pertenecientes a MERCOSUR de los periodos 1990-2009?

1.2 OBJETIVOS 1.2.1 OBJETIVO GENERAL Identificar si las variables capital, trabajador y tierra explican el comportamiento de la producción agrícola en los países pertenecientes a MERCOSUR de los periodos 1990-2009 .

6

1.2.2 OBJETIVO ESPECÍFICOS 

Determinar el comportamiento de la variable capital respecto a la variable producción.



Identificar la influencia de la variable trabajo ante las variaciones de la variable producción.



Explicar la influencia de la variable tierra en la variable producción.

1.2 HIPÓTESIS Las variables independientes (capital, trabajo y tierra) explicaran a la variable dependiente (producción), es decir, serán significativas para el modelo. Por otro lado, se comprobara la relación directa, con nuestro modelo econométrico podremos dar una análisis global acerca de la producción en toneladas de productos agrícolas de los países Argentina, Brasil, Uruguay y Paraguay en los periodos 1990-2009.. 1.2.1

HIPÓTESIS ESPECÍFICAS

 El modelo econométrico acerca del empleo considera a las variables relevantes, es decir, que le son significativas  Se lograra solucionar todos los problemas del modelo, sea en las variables “X”, las “β” y los errores  La variable producción tendrá una relación directa con las demás variable exógenas en un periodo determinado.

7

CAPITULO II 2.1 MARCO TEÓRICO 2.1.1

ANTECEDENTES

Según Chávez Cieza Zoila Indira (2015) en “Determinantes de las Reservas Internacionales de Países del Mercosur”, pretende estimar los determinantes de las reservas internacionales de los países Argentina, Brasil, Paraguay y Uruguay. Para el desarrollo de esta investigación se desarrollará un modelo panel de datos el cual nos permitirá estimar los determinantes de las reservas internacionales de los cuatro países y a la misma vez entender las variables del modelo econométrico, por ende el problema formulado en esta investigación es cuales son los determinantes de las reservas internacionales de los países MERCOSUR. La hipótesis de la investigación es los determinantes de las reservas internacionales de los países de MERCOSUR, son las importaciones, la inversión extranjera directa, los agregados monetarios M2 y el tipo de cambio real bilateral. La conclusión que se ha llegado es que los agregados monetarios (M2) no tiene una relación directa con las reservas internacionales de MERCOSUR, por lo cual las demás variables si son determinantes de las RIN. 2.1.2 TEORÍA PRODUCCIÓN La producción agrícola es aquella que consiste en generar vegetales para consumo humano. Ha variado mucho a lo largo de la historia, lográndose mejoras significativas en la misma gracias a la implementación de diferentes herramientas y procesos.ser comúnmente nombradas como pruebas t desapareadas o de muestras independientes, debido a que tienen su aplicación más típica cuando las unidades estadísticas que definen a ambas muestras que están siendo comparadas no se superponen. CAPITAL Se defina como capital agrícola, a la inversión de dinero que fue utilizado para la compra de materiales necesarios para la práctica de la agricultura, bien sea dinero de un individuo o del estado y dicho material están dando frutos ofreciendo beneficios monetarios a sus inversionistas. TRABAJO

8

El trabajo agrícola y ganadero se identifica con aquellas tareas que tiene que ver con las actividades derivadas de la ganadería y la agricultura, dos de las formas de vida más comunes en el ámbito rural, principalmente TIERRA El factor tierra es uno de los cuatro factores de la producción, junto con el trabajo, el capital y la tecnología. El concepto de tierra como factor productivo incluye no solo el suelo cultivable o aquel en donde se soportan edificios e infraestructuras, sino que también incorpora a los recursos naturales tales como minerales, agua, gas natural, flora, fauna, etc.

MULTICOLINEALIDAD: La multicolinealidad es un problema muestra, ya que va asociado a la configuración concreta de la matriz X, no existen contrastes estadísticos, propiamente dichos, que sean aplicables para su detección. En cambio, se han desarrollado numerosas reglas práctica que tratan de determinar en qué medida la multicolinealidad afecta gravemente a la estimación y contraste de un modelo. AUTOCORRELACIÓN: La autocorrelación surge cuando los términos de error del modelo no son independientes entre sí, es decir cuándo: E (U i , U j ) ≠ 0

∀ i≠ j

Entonces los errores estarán vinculados entre sí. Los estimadores mínimos cuadráticos ordinarios (MCO) obtenidos, bajo esta circunstancia, dejan de ser eficientes. La auto correlación generalmente aparece en datos en serie de tiempo aunque también se presenta en el caso de una muestra de corte trasversal. HETEROCEDASTICIDAD: La heterocedasticidad consiste en que las observaciones muéstrales tienen 2 varianza de los errores diferentes entre sí: var ( u i )=σ i , i=1,2 , … n . Viola la hipótesis

9

clásica de homecedasticidad, o igual varianza de los n errores aleatorios y es caso particular, junto a la autocorrelacion, de perturbaciones no esféricas. En estadística se dice que un modelo de regresión lineal presenta heterocedasticidad cuando la varianza de las perturbac iones no es constante a lo largo de las observaciones. Esto implica el incumplimiento de una de las hipótesis básicas sobre las que se asienta el modelo de regresión lineal. De ella se deriva que los datos con los que se trabaja son heterogéneos, ya que provienen de distribución de probabilidad con distinta varianza. Existen diferentes razones o situaciones en las que cabe encontrarse con perturbaciones heteroscedásticas. La situación más frecuente es en el análisis de datos de corte transversal, ya que los individuos o empresas o unidades económicas no suelen tener un comportamiento homogéneo. Otra situación en la que se presenta heteroscedasticidad es en muestras cuyos datos son valores que se han obtenido agregando o promediando datos individuales. HOMOCEDASTICIDAD En

estadística

se

dice

que

un

modelo

predictivo

presenta homocedasticidad cuando la varianza  del error condicional a las variables explicativas es constante a lo largo de las observaciones. Un modelo estadístico relaciona el valor de una variable a predecir con el de otras. Si el modelo es insesgado, el valor predicho es la media de la variable a predecir. En cualquier caso, el modelo da una idea del valor que tomará la variable a predecir. Por simplificar el análisis, si se supone que la variable a predecir es escalar, aquí definida como n, y que se explica mediante un conjunto de variables que ε =n−m(ξ). Este error es una variable aleatoria: tomada un valor distinto cada vez que se ejecute el modelo. Se habla de homocedasticidad si el error cometido por el modelo tiene siempre la misma varianza. En particular, si el modelo es homocedasticidad, el valor de las variables explicativas, ξ, no afectara a la varianza del error.

10

La homocedasticidad es una propiedad fundamental del modelo de regresión lineal general y está dentro de sus supuestos clásicos básicos. LAS VARIABLES DUMMY Al realizar análisis de regresión, la variable dependiente y las independientes no solamente pueden estar dadas por variables cuantitativas, existen otros tipos de variables de carácter cualitativo. Dichas variables se conocen comúnmente como Variables: Dummys, categóricas, dicótomas, binarias, ficticias o cualitativas. Usualmente, dichas variables indican la presencia o ausencia de una cualidad o atributo, como por ejemplo sexo, raza, color, religión, etc. Estas son variables que toman valor de 1 en una submuestra y 0 en el resto de la muestra. Si el número de submuestras es mayor a dos, se define una variable ficticia para cada una de ellas, tomando valor de 1 en dicha sudmuestra y el valor de 0 en el resto de las observaciones muéstrales. Las variables ficticias pueden ser nominales y ordinales. Al incluir variables dummys en un modelo de regresión, estimar sus coeficientes y llevar a cabo los contrastes de significancia de las variables, es equivalente a estimar los modelos restringido y no restringido (Novales, 1993). OMISIÓN DE VARIABLES Siempre que x 2 sea una variable “relevante” (es decir, β ≠ 0) , ^y 1 sera un estimador inconsistente (y sesgado) de β 2 aunque tendrá menor varianza que ^β 1. Es decir: la omisión de variable en el análisis genera inconsistencia (y sesgo) en la estimación de los efectos de las variables. El coeficiente de x 1 en la regresión que (incorrectamente) omite x 2: No recoge el efecto ceteris paribus sobre las Y de un cambio x 1 (puesto que cuando varia x 1también lo hace x 2; al estar x 1 y x 2 ¿ correlacionadas). Recoge el efecto sobre Y de un cambio en x 1 más el efecto de x 1 sobre x 2 (que, al decir correlación, términos afectando a Y). TEST DE BREUSCH PAGAN GODFREY

11

En estadística, el tests de Breusch pagan Godfrey se utiliza para determinar la heterocedasticidad en un modelo de regresión lineal. Analiza si la varianza estimada de los residuos de una regresión dependen de los valores de las varianza independientes. Supongamos que estimamos el siguiente modelo: y=β 0 + β 1 x +u Y obtenemos un conjunto de valores para u^ , los con las restricciones de los mínimos cuadrados la media es 0, de modo que dada la suposición de que la varianza no depende de las variables independientes, la estimación de la varianza se puede obtener a partir de la media de los valores al cuadrado. Si la suposición no fuera correcta, podría ocurrir que la varianza estuviera relacionada linealmente con las variables independientes. Este modelo se puede examinar haciendo una regresión de los residuos al cuadrado respecto de las variables independientes, empleando una ecuación de la forma: u^ 2= y 0+ y 1 x+ v Esta es la base del test. Si el test-F confirma que las variables independientes son significancias, entonces se puede rechazar la hipótesis nula de homocedasticidad. TEST DE WHITE En estadística la prueba de White es la prueba más general para detectar la heteroscedasticidad en los modelos de regresión lineal. No precisa de una especificación concreta de la heterocedasticidad bajo la alternativa. Contrasta: H 0 :σ 2i =σ 2 Para toda i H 0 : No se verifica H 0 Para efectuar este contraste se plantea el modelo de regresión lineal múltiple que trata de explicar los residuos al cuadrado en función de las variables explicativas y los productos cruzados de las mismas. En situaciones de homocedasticidas se cumple que n R2 sigue una distribución jicuadrada con k-1 grados de libertad, siendo k el número de variables explicativas incluidas en el modelo.

12

2.2 MARCO CONCEPTUAL En la producción de cualquier bien (o servicio) las empresas necesitan trabajo (recursos humanos), es decir, trabajadores, y capital, como maquinaria y otros recursos productivos (ordenadores, vehículos…)[ CITATION Bla12 \l 10250 ] Así construimos la función de producción: Y= f (L,K); que nos indica que la producción de una empresa (Y) depende de la cantidad de trabajo (L) y de la cantidad de capital (K).INFLACION (π) Pero la función de la producción puede cambiar en el caso de que introduzcamos la tierra (T) y la tecnología (A), quedando la función de producción como: Y = f (L, K, T,A). En otras versiones de la función de producción al factor tierra se le denomina recursos naturales (N), como la energía, la pesca… y en vez de incluir la tecnología se incluye el capital humano (H), es decir, el nivel de formación de la población. Añadiendo estos dos factores de producción, la función de producción sería: Y = f (L, K, N, H). Estas dos variables funcionarían de la misma manera que K, es decir, si se produce alguna variación en N o H, habría un desplazamiento de la curva.[ CITATION Man14 \l 10250 ]

13

CAPITULO III PLANTEAMIENTO DEL MODELO

Según lo observado en la región Junín se procedió a plantear el modelo económico, en la cual se ha considerado las variables independientes salario, inversión e índice de precios al consumidor (IPC); estas explicaran a la variable dependiente “El Empleo”. 3.1 MODELO 3.1.1 MATEMATICO O ECONÓMICO Primeramente, observaremos la ecuación de la producción, con ello observaremos cuales son las variables intervinientes, estas nos ayudara respecto a la formación de un modelo para el empleo. Identidades Y = f (K , L, T ❑)………… (1) π =f (p)… (2) W = Pe F (u, z)… (3) ( -, +) 

I: inversión



i: interés



Y: producción



IPC: índice



p: precio



W: salario



Pe: Nivel de precios esperados.



u: Tasa de desempleo.



z: Una variable residual, que engloba todas las demás variables que pueden influir en el resultado de la fijación de los salarios.

14

Relaciones funcionales. empleo=f (I , SALARIO , IPC ) Y = β0 + β 1 X 1+ β 2 X 2+ β 3 X 3…(5) empleo=β 0 + β 1 Inversion+ β 2 Salario+ β3 IPC …(6) 3.1.2 ECONOMÉTRICO empleo=β 0 + β 1 I + β 2 Salario+ β 3 IPC +µ…(7) μ: error Es de conocimiento de todos lo importante que es el empleo en una sociedad tercer mundista como lo es nuestro país, debido a que el sustento de muchas familias es gracias al trabajo de los padres. En este caso se plantea que la variable dependiente “empleo” está sujeta a las variables independientes salario, índice de precios al consumidor (IPC) y la inversión. TEORICAMENTE: RELACION DE SIGNOS 

La “I” presenta un signo positivo, relación directa, pues si analizamos a una mayor inversión, es decir, a una mayor inyección de capitales a nuestra economía, tendrá como consecuencia una mayor proporción de personas empleadas.



Respecto al IPC, al estar representado al nivel de precio esto puede favorecer a las empresas pues si el precio se incrementa ellas tendrán más ingresos por lo tanto también obtendrán más beneficios y si con ello conlleva a mas producción entonces requerirán de más personas para su producción.

15

3.2 MATRIZ DE OPERACIONALIZACIÓN DE VARIABLES

16

CAPITULO IV DESARROLLO DEL MODELO 4.1 REGRESIONANDO 4.1.1 MINIMOS CUADRADOS ORDINARIOS Ilustración 1 Dependent Variable: AGRIPRO Method: Panel Least Squares Date: 06/15/20 Time: 22:06 Sample: 1990 2009 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable

Coefficient

Std. Error

t-Statistic

Prob.

AGRICAP AGRITRAB AGRITIERRA C

-142.7761 -0.527216 3.146399 11933641

39.73630 0.721081 0.197121 2577921.

-3.593090 -0.731147 15.96180 4.629173

0.0006 0.4669 0.0000 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.921324 0.918218 11435776 9.94E+15 -1411.644 296.6609 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

39566944 39988652 35.39110 35.51020 35.43885 0.358525

Fuente: INEI Elaboración: Elaboración Propia LINEALIZANDO EL MODELO

AGRIPRO=−142.776097052∗AGRICAP−0.52721602341∗AGRITRAB +3.14639890735∗AGRITIERRA INTERPRETACIÓN Como podemos observar en la ilustración 1 las variables independientes de capital y tierra explican al modelo significativamente mientras que la variable agritrab no explica la variable puesto que la probabilidad de la t no es significativamente.

17

4.1.2 APLICANDO LOGARITMO Ilustración 2 Dependent Variable: LOG(AGRIPRO) Method: Panel Least Squares Date: 06/15/20 Time: 21:07 Sample: 1990 2009 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable

Coefficient

Std. Error

t-Statistic

Prob.

LOG(AGRICAP) LOG(AGRITRAB) LOG(AGRITIERRA) C

-1.786486 0.777314 0.505753 18.30343

0.067250 0.022624 0.024984 0.673829

-26.56472 34.35768 20.24326 27.16334

0.0000 0.0000 0.0000 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.994611 0.994398 0.320784 7.820561 -20.50427 4675.740 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

15.03528 4.286055 0.612607 0.731708 0.660358 0.261860

Fuente: INEI Elaboración: Elaboración Propia

A) LINEALIZACION DEL MODELO log ( AGRIPRO ) =18.3034323744−¿

1.78648620712∗log(AGRICAP)+0.777314288016∗log ( AGRITRAB)+0.505753027304∗log( AGRITIER INTERPRETACIÓN Para lograr una mejor eficiencia del modelo aplicamos lo que es el logaritmo natural tanto a nuestra variable dependiente como algunas independientes, con ello observaremos de igual manera cuales variables son significativas para nuestro modelo econométrico para el empleo. 4.2 PRUEBA DE HIPÓTESIS H O : β 2=0

18

Ha : β2≠ 0

Ilustración 3 LOG(AGRICAP) LOG(AGRITRAB) LOG(AGRITIERRA) C

-1.786486 0.777314 0.505753 18.30343

0.067250 0.022624 0.024984 0.673829

-26.56472 34.35768 20.24326 27.16334

0.0000 0.0000 0.0000 0.0000

Fuente: INEI Elaboración: Elaboración Propia INTERPRETACIÓN La variable salario es significativa a al empleo porque el t-estadístico en términos absolutos es mayor a dos, es 34.35768¿2, por lo que se rechaza la hipótesis nula y se acepta la hipótesis alterna donde ^β 2 ≠ 0 H O : β 3=0 Ha : β3≠ 0 Ilustración 4 LOG(AGRICAP) LOG(AGRITRAB) LOG(AGRITIERRA) C

-1.786486 0.777314 0.505753 18.30343

0.067250 0.022624 0.024984 0.673829

-26.56472 34.35768 20.24326 27.16334

0.0000 0.0000 0.0000 0.0000

Fuente: INEI Elaboración: Elaboración Propia

INTERPRETACIÓN La variable IPC es significativa al empleo porque el t-estadístico en términos absolutos es menor que dos, es decir -26.5472, por lo que se acepta la hipótesis nula y se rechaza la hipótesis alterna donde β 3 ≠ 0 .

19

CAPITULO V 5.1 ANÁLISIS UNIVARIADO DE LAS VARIABLES a) Índice de Empleo en la Región Junín (2008.1-2015.4) Ilustración 5 Se puede denotar que la evolución de la produccion en la economía ha tenido un comportamiento creciente y cíclico ante los últimos periodos tanto positivos como

FUENTE: INEI

negativos,

además

podemos

afirmar que existen marcados quiebres

ELABORACIÓN: Elaboración Propia

estructurales

que

tratamiento

especial

merezcan mediante

un la

linealización de la variable.

b) Nivel de Salarios en la Región Junín (2008.1-2015.4)

Ilustración 6 Ante los niveles de capital que presenta la región Junín en los periodos se puede observar que tiende a una evolución positiva y en ciertos periodos se mantiene FUENTE: INEI

constante, y tiende a ser una línea

ELABORACIÓN: Elaboración Propia

horizontal estable tal como se observa en los años en estudio.

20

c) Inversión Bruta en la Región Junín (2008.1-2015.4) Ilustración 7 La variable trabajo durante el periodo que se está analizando podemos observar que la variable trabajo tuvo un comportamiento atípico, es decir, se puede observar periodos con marcadas tendencias decrecientes y periodos en donde esta variable tuvo una tendencia creciente.

FUENTE: MEF ELABORACIÓN: Elaboración Propia

d) Índice de Precios al Consumidor en la Región Junín (2008.1-2015.4) Ilustración 8 La variable tierra durante el periodo 1990 -2009 que se está analizando podemos observar que la variable trabajo tuvo un comportamiento atípico, es decir, se puede observar periodos con marcadas tendencias decrecientes y periodos en donde esta variable tuvo una tendencia creciente. FUENTE: INEI ELABORACIÓN: Elaboración Propia

21

5.2 ANÁLISIS ESTADÍSTICO A) ANALISIS ESTADISTICO INDIVIDUAL Variable

Coefficient

Std. Error

t-Statistic

Prob.

LOG(AGRICAP) LOG(AGRITRAB) LOG(AGRITIERRA) C

-1.786486 0.777314 0.505753 18.30343

0.067250 0.022624 0.024984 0.673829

-26.56472 34.35768 20.24326 27.16334

0.0000 0.0000 0.0000 0.0000

INTERPRETACION i.

EVALUANDO LA “t” STADIST

ee ( ^β 1 )=0.067250 ee ( ^β 2 )=0.022624 ee ( ^β3 ) =0.024984 t 1=−26.56472 t 2=34.35768 t 3=20.24326 Como podemos apreciar en la ilustración la variables independientes salario e inversión tienen una relación directa con la variable empleo, es decir, si se incrementa una de ellas aumentara la variable dependiente en la misma proporción; por último, la variable IPC tiene una relación inversa. ii.

BONDA DE AJUSTE R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

R 2=

0.994611    Mean dependent var 0.994398    S.D. dependent var 0.320784    Akaike info criterion 7.820561    Schwarz criterion -20.50427    Hannan-Quinn criter. 4675.740    Durbin-Watson stat 0.000000

15.03528 4.286055 0.612607 0.731708 0.660358 0.261860

SCE SCR =1− SCT SCT

R2=0.542913=99 . 4 % INTERPRETACION 

Las variables inversión, salario y IPC explican un 99.4% a la variable dependiente (empleo) y el resto son explicadas por otras variables independientes.

B) ANALISIS ESTADISTICO GLOBAL

22

INTERPRETACION R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.994611 0.994398 0.320784 7.820561 -20.50427 4675.740 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

15.03528 4.286055 0.612607 0.731708 0.660358 0.261860

 PRUEBA “F” SCE SCE gl k R2 F= = = SCR SCR 1−R 2 gl n−k −1 F=4675.740 PRUEBA DE HIPÓTESIS Ho: β 2=0 y β 3=0 Ha: β 2 ≠0 y β 3 ≠ 0 INTERPRETACIÓN Todas las variables independientes (capital, tierra, trabajo) en conjunto explican a la variable dependiente (empleo) que son importantes porque en términos absolutos la prueba F es mayor a cuatro, es decir 4675,74¿4, por lo que se rechaza la hipótesis nula. Además, como la probabilidad del F estadístico es de 0.000 menor a 0.05, nos indica que las variables trabajo y capital si explican a la produccion.

23

5.3 ANÁLISIS ECONÓMICO

a)

log ( AGRIPRO ) =18.3034323744−1.78648620712∗log ( AGRICAP ) +0.777314288016∗log ( AGRITRA Si: CAPITAL=0 ; TRABAJO=0Y TIERRA=0 El promedio del empleo se incrementara en 18.3034323744. b) Si: ∂ empleo Δempleo ≅ =1.78648620712 ∂ salario Δ salario Si aumenta en una unidad monetaria el salario, el empleo se incrementará en 0.065889 trabajadores.

c) Si: ∂ empleo Δempleo ≅ =0.777314288016 ∂ IPC Δ IPC

Si aumenta en una unidad porcentual el TIERRA, el trabajo disminuirá en 0.505753027304 trabajadores

24

5.4 ANÁLISIS ECONOMÉTRICO 5.4.3 PROBLEMAS CON LOS ERRORES (e) Ilustración 9 Histograma de los Residuos En primer lugar analizamos si los errores

se

distribuyen

normalmente, esto lo vemos con la probabilidad

Jarque-Bera

(Prob(Jarque-Bera)