Universidad Nacional de San Agustín de Arequipa
Facultad de Economía
Escuela Profesional de Economía
Trabajo de investigación formativa
Estimación de la función consumo final del gobierno (lin-lin)
del Perú, 1950-2020
Hecho por:
Ana Gabriela Carrasco Manrique
Jhosimar Emerson Holgado Cruz
Alexander Denilson Huamani Arotaype
Edson David Pancca Parillo
Ronald Nina Turpo
Esthefany Vargas Toala
Jarol Rusbel Pfoccoalata Pinto
Asignatura Estadística para Economistas 3
Grupo C
Tercer Semestre electivo del año académico 2021
Arequipa–Perú
2021
1
Contenido
Introducción ........................................................... ¡Error! Marcador no definido.
1. Interrogante .................................................... ¡Error! Marcador no definido.
2. Justificación ..................................................... ¡Error! Marcador no definido.
3. Limitaciones..................................................... ¡Error! Marcador no definido.
4. Objetivo ........................................................... ¡Error! Marcador no definido.
5. Metodología .................................................... ¡Error! Marcador no definido.
6. Resultados ...................................................................................................... 5
Conclusiones ....................................................................................................... 13
Referencias ......................................................................................................... 15
Anexo .................................................................................................................. 16
Tabla A.1 .............................................................................................................................. 16
2
Introducción
En el presente trabajo de investigación formativa titulado “Estimación de la función
consumo final del gobierno (lin-lin) del Perú, 1950-2020” se busca determinar la
estimación de la serie temporal de frecuencia anual Producto Bruto Interno por tipo de
gasto consumo final del gobierno (lin-lin) del Perú en el período de 1950 a 2020, con
datos publicados por el Instituto Nacional de Estadística e Informática del Perú (INEI,
2021).
Para ello, el presente trabajo de investigación formativa se ha dividido en seis partes, tal
es así que, en la parte uno se plantea la interrogante de investigación, seguidamente, en
la parte dos se presenta la justificación, luego, en la parte tres se indica las limitaciones,
después, en la parte cuatro se plantea el objetivo de investigación, asimismo, en la parte
cinco se describe la metodología aplicada en el trabajo de investigación formativa,
además, en la parte seis se presentan los resultados del trabajo de investigación
formativa, finalmente, se agregan las conclusiones, y las referencias.
3
1. Interrogante
El presente trabajo de investigación formativa, se justifica porque con ello se logrará
comprobar, la estimación de la función que sigue la serie temporal de frecuencia anual
consumo final del gobierno (lin-lin) del Perú, en el período de 1950 a 2020.
2. Justificación
El presente trabajo de investigación formativa, se justifica porque con ello se logrará
comprobar, la estimación de la función que sigue la serie temporal de frecuencia anual
consumo final del gobierno (lin-lin) del Perú, en el período de 1950 a 2020.
3. Limitaciones
No se ha encontrado limitaciones en la formulación y en la ejecución del presente
trabajo de investigación formativa titulado “Estimación de la función consumo final del
gobierno (lin-lin) del Perú, 1950-2020”, ejecutado por los estudiantes matriculados en
la asignatura Estadística para Economistas 3 del grupo A, de la Escuela Profesional de
Economía de la Facultad de Economía de la Universidad Nacional de San Agustín de
Arequipa, en los cursos de nivelación y avance académico 2021-C del año académico
2021.
4. Objetivo
Para el presente trabajo de investigación formativa, se plantea el siguiente objetivo.
Determinar la estimación de la función que sigue la serie temporal de frecuencia anual
consumo final del gobierno (lin-lin) del Perú, en el período de 1950 a 2020.
4
5. Metodología
5.1. Recolección de datos
En el presente trabajo de investigación formativa, se utilizan datos
publicados por el Instituto Nacional de Estadística e Informática del Perú
(INEI, 2021).
5.2. Procesamiento de datos
En el procesamiento de los datos de la serie temporal de frecuencia anual
consumo final del gobierno del Perú, se utiliza el software econométrico
gretl 2021.
6. Resultados
6.1. Plantear modelo de regresión poblacional lineal
El modelo de regresión poblacional lineal con regresor único (Stock y Watson,
2012, p. 79) se especifica de la siguiente forma,
𝑌𝑖 = 𝛽0 + 𝛽1𝑋𝑖 + 𝑢𝑖
Donde
𝑌𝑖 es el valor del consumo final del gobierno del Perú, 1950-2020 por el i-ésimo
año en la población.
𝑋𝑖 es el valor del PBI en el Perú, 1950-2020 del el i-ésimo año en la población.
𝛽0 + 𝛽1𝑋𝑖 es la función de regresión poblacional lineal.
𝛽0 es el término constante de la recta de regresión poblacional, el cual es
desconocido.
5
𝛽1 es la pendiente de la recta de regresión poblacional, el cual es desconocido.
𝑢𝑖 es el término de error, el cual es desconocido.
6.2. Plantear modelo de regresión muestral
El modelo de regresión muestral lineal con regresor único (Stock y Watson, 2012,
p.82) se especifica de la siguiente forma,
𝑌𝑖 = 𝛽̂0 + 𝛽̂1𝑋𝑖 + 𝑢̂𝑖
Donde
𝑌𝑖 es el valor del consumo final del gobierno del Perú, 1950-2020 por el i-ésimo
año en la muestra.
𝑋𝑖 es el valor del PBI en el Perú, 1950-2020 del el i-ésimo año en la muestra.
𝛽̂0 es el estimador del término constante 𝛽0 de la recta de regresión poblacional.
𝛽̂1 es el estimador de la pendiente 𝛽1 de la recta de regresión poblacional, y se
espera que sea positivo.
𝑢̂𝑖 es el residuo, es el estimador del término de error 𝑢𝑖
6.3. Estimación de la recta de regresión muestral MCO
Los valores calculados se remplazan en la recta de regresión muestral MCO, con
lo cual se obtiene
𝑌̂𝑖 = -598.677 + 0,120961𝑋𝑖
Donde
La recta de regresión estimada muestra una relación positiva el consumo final
del gobierno del Perú, 1950-2020 y el PBI del Perú. Si el pbi aumenta en 1%, la
regresión estimada predice que el consumo final del gobierno aumentará en
0,120961%
6
6.4. Interpretación de los estimadores MCO de los coeficientes 𝜷𝟎 y 𝜷𝟏 de
la recta regresión poblacional
𝛽̂0 = -598.677
El término constante de -598.677 significa que es el valor del consumo final del
gobierno del Perú, 1950-2020, cuando el PBI del Perú es cero.
𝛽̂1 = 0,120961
La pendiente de 0,120961 significa que un aumento en el PBI en 1% está, en
promedio, asociado a un aumento en el consumo final del gobierno de
0,120961%. La pendiente positiva indica que cuanto mayor sea el PBI del Perú,
mayor será el consumo final del gobierno del Perú, 1950-2020
6.5. Prueba de normalidad (5%)
Tabla 1
Contraste de normalidad de la serie consumo final de gobierno con respecto
al PBI.
Fuente: Tabla A.1.
Elaboración: Con el software econométrico gretl 2021.
Planteamiento de hipótesis
H0: Los errores se distribuyen normalmente.
H1: Los errores no se distribuyen normalmente.
Nivel de significancia seleccionado α = 5% = 0,05
7
Estadístico de prueba Doornik-Hansen (DH) que sigue una distribución chi-
cuadrado (ji-cuadrado) Estadístico calculado
Regla de decisión
La regla de decisión es rechazar la hipótesis nula (H0) si el valor p del estadístico
de prueba Doornik-Hansen calculado es menor que el valor del nivel de
significancia seleccionado, o no rechazar la hipótesis nula (H0) en caso contrario.
Decisión
La decisión es rechazar la hipótesis nula (H0 ) porque el valor p (1,28797e-005)
del estadístico de prueba Doornik-Hansen calculado es menor que el valor del
nivel de significancia de 5% (α = 0,05).
Conclusión
La conclusión es que los errores de regresión no se distribuyen normalmente,
por lo tanto, no se cumple con el supuesto de normalidad en el nivel de
significancia de 5% (α = 0,05), con el estadístico de prueba Doornik-Hansen.
6.6. Prueba de heterocedasticidad (5%)
Tabla 2
Prueba de heterocedasticidad de la serie consumo final de gobierno con
respecto al PBI.
Fuente: Tabla A.2.
Elaboración: Con el software econométrico gretl 2021
Planteamiento de hipótesis
8
H0: la homocedasticidad está presente (los residuos se distribuyen con la misma
varianza).
H1: Heteroscedasticidad está presente (los residuos no se distribuyen con la
misma varianza).
Nivel de significancia seleccionado α = 5% = 0,05
Regla de decisión
Si el valor p de la prueba es menor que algún nivel de significancia (es decir, α =
.05), entonces rechazamos la hipótesis nula y concluimos que la
heterocedasticidad está presente en el modelo de regresión.
Decisión
La decisión es rechazar la hipótesis nula (H0) porque el valor p (0.0224721) es
menor que el valor del nivel de significancia 5% (α = 0,05).
Conclusión
La conclusión es que los residuos se distribuyen con la misma varianza, por lo
tanto, se cumple con el supuesto de homocedasticidad en el nivel de significancia
de 5% (α = 0,05).
6.7. Prueba de significancia individual (5%)
Tabla 3
Intervalos de confianza para los coeficientes de la serie consumo final del
gobierno con respecto al PBI.
Prueba de significancia individual del consumo (5%)
𝐻0: 𝛽0 = 0 (el verdadero coeficiente de la constante 𝛽0 es cero)
𝐻1: 𝛽0 ≠ 0 (el verdadero coeficiente de la constante 𝛽0 es diferente de cero)
9
Fuente: Tabla A.3.
Elaboración: Con el software econométrico gretl 2021.
Fuente: Tabla A.4.
Elaboración: Con el software econométrico gretl 2021.
10
Decisión
La decisión es rechazar la hipótesis nula del consumo (Ho), porque el valor
absoluto del estadístico de prueba t calculado (-0.8831) es menor al valor
absoluto del estadístico de prueba t critico (1.99547) n en el nivel de significancia
de 5% (α = 0,05)
Conclusión
La conclusión es que el coeficiente de pendiente 𝛽1 es estadísticamente no
significativo, es decir, significativamente el coeficiente de pendiente 𝛽1 es
diferente de cero en el nivel de significancia de 5 % (α = 0,05), con el estadístico
de prueba 𝑡 bilateral.
Prueba de significancia individual del PBI (5%)
Fuente: Tabla A.5.
Elaboración: Con el software econométrico gretl 2021
11
Fuente: Tabla A.6.
Elaboración: Con el software econométrico gretl 2021
Decisión:
La decisión es rechazar la hipótesis nula (𝐻0 ), porque el valor absoluto del
estadístico de prueba 𝑡 calculado (43.70) excede al valor absoluto del estadístico
de prueba 𝑡 crítico (1.99547), en el nivel de significancia de 5 % (α = 0,05).
Conclusión:
La conclusión es que el coeficiente de regresión 𝛽0 es estadísticamente
significativo, es decir, significativamente el coeficiente de regresión 𝛽0 es
diferente de cero en el nivel de significancia de 5 % (α = 0,05), con el estadístico
de prueba 𝑡 bilateral.
12
6.8. Interprete R cuadrado
Fuente: Tabla A.7.
Elaboración: Con el software econométrico gretl 2021.
R2 = 0.965124966153072 Significa que el 96,5124966153072 % (100 ×
0.965124966153072) de los cambios del PBI es explicado por el consumo total
final del gobierno.
13
Conclusiones
La serie temporal de frecuencia anual en relacionado el PBI y el consumo final de
gobierno en niveles, La recta de regresión estimada muestra una relación positiva en el
consumo final del gobierno del Perú, 1950-2020 y el PBI del Perú.
La serie temporal de frecuencia anual en relacionado el PBI y el consumo final de
gobierno en niveles, la Interpretación de los estimadores MCO de los coeficientes 𝜷𝟎 y
𝜷𝟏 de la recta regresión poblacional. La pendiente de 0,120961 significa que un
aumento en el PBI en 1% está, en promedio, asociado a un aumento en el consumo final
del gobierno de 0,120961%. La pendiente positiva indica que cuanto mayor sea el PBI
del Perú, mayor será el consumo final del gobierno del Perú, 1950-2020
La serie temporal de frecuencia anual en relacionado el PBI y el consumo final de
gobierno en niveles Prueba de normalidad (5%) La conclusión es que los errores de
regresión no se distribuyen normalmente, por lo tanto, no se cumple con el supuesto de
normalidad en el nivel de significancia de 5% (α = 0,05), con el estadístico de prueba
Doornik-Hansen.
La serie temporal de frecuencia anual en relacionado el PBI y el consumo final de
gobierno en niveles, calculando la Prueba de heterocedasticidad (5%) La conclusión es
que los residuos se distribuyen con la misma varianza, por lo tanto, se cumple con el
supuesto de homocedasticidad en el nivel de significancia de 5% (α = 0,05).
La serie temporal de frecuencia anual en relacionado el PBI y el consumo final de
gobierno en niveles, calculando la Prueba de significancia individual (5%) del consumo y
del PBI La conclusión los coeficientes de las pendientes 𝛽1 es estadísticamente no
significativo, es decir, significativamente el coeficiente de pendiente 𝛽1 es diferente de
cero en el nivel de significancia de 5 % (α = 0,05), con el estadístico de prueba 𝑡 bilateral.
La serie temporal de frecuencia anual en relacionado el PBI y el consumo final de
gobierno en niveles, en la Interpretación del R cuadrado Significa que el
96,5124966153072 % (100 × 0.965124966153072) de los cambios del PBI es explicado
por el consumo total final del gobierno.
14
Referencias
GRETL. (2021). Gnu Regression, Econometrics and Time-series Library.
http://gretl.sourceforge.net/es.html
Instituto de Estadística e Informática del Perú-INEI. (2021). Panorama de la Economía
Peruana 1950-2020 Base 2007.
https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib
1799/libro.pdf
15
Anexo
Tabla A.1
Producto Bruto Interno por Gasto del Consumo del Gobierno del Perú, 1950-2020
Valores a precios constantes de 2007
(Millones de soles)
Consumo del Consumo del Consumo del
Año Año Año
gobierno gobierno gobierno
1950 3 396 1974 18 290 1998 23 844
1951 3 493 1975 20 315 1999 24 679
1952 3 887 1976 21 292 2000 25 444
1953 3 966 1977 24 362 2001 25 240
1954 4 703 1978 21 274 2002 25 240
1955 4 701 1979 19 469 2003 26 224
1956 4 976 1980 24 185 2004 27 299
1957 5 760 1981 23 736 2005 29 783
1958 5 756 1982 25 954 2006 32 046
1959 6 449 1983 23 837 2007 33 424
1960 7 578 1984 22 270 2008 35 043
1961 8 758 1985 23 252 2009 39 272
1962 9 200 1986 25 101 2010 40 804
1963 9 737 1987 26 538 2011 43 817
1964 10 956 1988 22 354 2012 47 442
1965 11 698 1989 18 091 2013 51 019
1966 11 713 1990 16 249 2014 54 342
1967 12 118 1991 16 568 2015 58 712
1968 12 893 1992 17 037 2016 61 749
1969 13 604 1993 17 563 2017 63 759
1970 14 280 1994 19 086 2018 65 492
1971 15 264 1995 20 708 2019 67 850
1972 16 274 1996 21 619 2020 73 446
1973 17 253 1997 23 262
Fuente: INEI (2021).
16
