Practica I: modelo de Koyck(21A)(DDC)

Año Inventario Ventas INFORMACIÓN PARA ESTIMAR EL MODELO DE

Y X
KOYCK Y EL MODELO PDL
1954 41612 23355
1955 45069 26480
1956 50642 27740
1957 51871 28736
1958 50203 27248
1959 52913 30286
1960 53786 30878
1961 54871 30922
1962 58172 33358
1963 60029 35058
1964 63410 37331
1965 68207 40995
1966 77986 44870
1967 84646 46486
1968 90560 50229
1969 98145 53501
1970 101599 52805
1971 102567 55906
1972 108121 63027
1973 124499 72931
1974 157625 84790
1975 159708 86589
1976 174636 98797
1977 188378 113201
1978 211691 126905
1979 242157 143936
1980 265215 154391
1981 283413 168129
1982 311852 163351
1983 312379 172547
1984 339516 190682
1985 334749 194538
1986 322654 194657
1987 338109 206326
1988 369374 224619
1989 391212 236698
1990 405073 242686
1991 390905 239847
1992 382510 250394
1993 384039 260635
1994 404877 279002
1995 430985 299555
1996 436729 309622
1997 456133 327452
1998 466798 337687
1999 470377 354961
Y: Inventario del sector manufacturero de los EEUU ( en millones de USD)
X: ventas del sector manufacturero de los EEUU ( en millones de USD
 1) Estimar el modelo de rezago distribuido infinito siguiente mediante el modelo de
Koyck :
Yt = α + B0 Xt +B1 Xt-1 + B2 Xt-2 + B3 Xt-3 +…+ ut
El modelo de Koyck correspondiente es el siguiente:

Yt = α0 + B0 Xt +λ Yt-1 + vt

Dependent Variable: Y
Method: Least Squares
Date: 05/05/21 Time: 10:41
Sample (adjusted): 1955 1999
Included observations: 45 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

C 8323.889 3152.434 2.640465 0.0116

X 0.187798 0.104172 1.802769 0.0786
Y(-1) 0.883360 0.073422 12.03134 0.0000

R-squared 0.994538    Mean dependent var 222853.1

Adjusted R-squared 0.994278    S.D. dependent var 149031.2
S.E. of regression 11273.51    Akaike info criterion 21.56264
Sum squared resid 5.34E+09    Schwarz criterion 21.68308
Log likelihood -482.1594    Hannan-Quinn criter. 21.60754
F-statistic 3823.665    Durbin-Watson stat 1.196606
Prob(F-statistic) 0.000000

El modelo estimado es el siguiente:

Yt = 8323.889 + 0.187798 Xt +0.88336Yt-1

Dónde: B0 = 0.187798
λ= 0.88336
La propensión marginal a corto plazo es B0: 0.187798
Lo que significa que al incrementarse el nivel de ventas en una unidad en
el periodo t, el nivel de inventario se incrementara en 0.187798 en el
periodo t
La propensión marginal a largo plazo es:
B= B0/(1-λ) = 0.187798/(1- 0.88336)= 1.6101

B= 1.6101
Lo que significa que al incrementarse el nivel de ventas en una unidad, en
el periodo t, el nivel de inventario se incrementara en total en 1.6101
También se puede interpretar en la siguiente forma:
El impacto total en el nivel de inventarios será de 1.6101, por efecto del
incrementó en una unidad en el nivel de ventas en el periodo t
Calculando: B1, B2, B3
B1= λB0= 0.88336 (0.187798)= 0.165893
B2= λ2B0 = 0.146543
B3= λ3B0= 0.129450

B1= 0.165893 significa, que un incrementó de una unidad en X

en el periodo t ocasionara un incremento de 0.165893 en Y en el
periodo t+1
B2= 0.146543, lo que significa, que un incrementó de una unidad en
X en el periodo t ocasionara un incremento de 0.146543 en Y en el
periodo t+2
B3=0.129450, lo que significa, que un incrementó de una unidad en
X en el periodo t ocasionara un incremento de 0.129450
en Y en el periodo t+3
B4= 0.12945 (0.88336)= 0.114351

Calculo de los B*i estimados

B*0 = B0/B=0.187798/1.6101= 0.11664 =>un incremento en una unidad
en X en el periodo t significa un incremento del 11.664% en Y en el
periodo t o sea el 11.664% del impacto total ocurrió en el periodo
contemporáneo en que cambio X
B*1= B1/B= 0.165893/1.6101=0.103032=> un incremento en una unidad
en X en el periodo t significa un incremento del 10.3 % en Y en el periodo
t+1, o sea el 10.3% del impacto total se realizó en el periodo t+1

B*2= B2/B= 0.146543/1.6101= 9.10%=> un incremento en una unidad en

X en el periodo t significa un incremento del 9.10% en Y en el periodo
t+2, o sea el 10.3% del impacto total se realizó en el periodo t+2

Calculo de la mediana de los rezagos

MR= -log2/logλ= -0.30103/-0.05386= 5.589, lo que significa que
el 50% del impacto total se dará en el periodo 5.589, es decir,
en el quinto año y 0.589 de año o sea en el quinto año y 7
meses
0.569x12= 7.068

Calculo de rezago medio

RM= λ/ (1-λ) = 0.88336/(1-0.88336)=0.88336/0.11664=7.5734 lo que
significa que el rezago promedio es de 7 años y 0.5734 de año

5) ¿Qué proporción del impacto total por efecto de un cambio

unitario en X se dará hasta el periodo t+2?
B*0+ B*1+B*2= 11.664%+ 10.3 %+9.10% = 31.064%

6) ¿Qué proporción del impacto total por efecto de un

cambio unitario en X se dará después del periodo t+4?
Solucion
B*3= B3/B = 0.129450/1.6101= 0.080399= 8.0399%

B*4= B4/B = 0.114351/1.6101=0.071021= 7.1021%

100- (11.664%+ 10.3 %+9.10% +8.0399%+7.1021%)= 53.794%

7) Si tenemos el siguiente modelo de estimado:

Yt= 2.98+ 0.786Xt + 0.64059Xt-1 + 0.5221 Xt-2 +…
a) ¿Cuál es la PMg a corto plazo?
b)¿Cuál es la PMg a largo plazo?
Solucion:
a) B0 =0.786
b)0.786(λ) = 0.64059=> λ= 0.64059/0.786= 0.815
Entonces probando si al multiplicar λ por
0.64059 me debe reproducir 0.5221
0.64059 (0.815) = 0.5221) => λ=0.815

B= B0/(1-λ )= 0.786/(1-0.815) = 4.2486

Estimando para los datos dados la elasticidad

de corto plazo y de largo plazo mediante el
modelo de ajuste parcial
 b eut ( modelo de largo plazo)
1) Y*t = A X
t
2) (Yt/ Yt-1)= ( Y*t / Yt-1 )
δ

3) LnY*t = LnA +bLnXt + ut

4)LnYt – LnYt-1 = δ( LnY*t –LnYt-1 )
LnYt – LnYt-1 = δLnY*t – δLnYt-1 )
5)LnYt – LnYt-1 = δ(LnA +bLnXt + ut)– δLnYt-1
6)LnYt – LnYt-1 = δLnA +δ bLnXt +δ ut – δLnYt-1
7)LnYt = δLnA +δ bLnXt + LnYt-1- δLnYt-1 + δ ut
LnYt = δLnA +δ b LnXt + (1- δ) LnYt-1 + δ ut
(modelo de corto plazo)

Dependent Variable: LNY

Method: Least Squares
Date: 09/13/21 Time: 17:15
Sample (adjusted): 1955 1999
Included observations: 45 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.576990 0.137704 4.190065 0.0001

LNX 0.320181 0.085789 3.732210 0.0006
LNY(-1) 0.648615 0.090727 7.149075 0.0000

R-squared 0.997006    Mean dependent var 12.02754

Adjusted R-squared 0.996864    S.D. dependent var 0.819521
S.E. of regression 0.045894    Akaike info criterion -3.260629
Sum squared resid 0.088462    Schwarz criterion -3.140185
Log likelihood 76.36415    Hannan-Quinn criter. -3.215728
F-statistic 6994.092    Durbin-Watson stat 0.948562
Prob(F-statistic) 0.000000

LnYt = 0.57699 + 0.32018LnXt +0.648615LnYt-1(

modelo de corto plazo
δ b= 0.32018 (elasticidad de corto plazo)
Interpretación:
Un incremento de 1% en el nivel de ventas ocasionara
un incremento en el nivel de inventario para las
industrias manufactureras de USA en 0.32018%
Un incremento de 10% en el nivel de ventas
ocasionara un incremento en el nivel de inventario
para las industrias manufactureras de USA en 3.
2018%

Y*t = A Xbt eut (modelo de largo plazo)

b es la elasticidad de largo plazo

Deduciendo b
(1- δ)= 0.648615 => δ= 1-0.648615= 0.351385=

δ b= 0.32018 => b= 0.32018/ 0.351385= 0.911194

b= 0.911194
Interpretacion:
Un incremento de 1% en el nivel de ventas
ocasionara un incremento del 0.911194% en el
nivel de inventarios
Un incremento de 10% en el nivel de ventas
ocasionara un incremento del 9.11194% en el nivel
de inventarios
Si tenemos el siguiente modelo de ajuste parcial

a) Y*t = A XBt Zωt eut

 b) (Yt/ Yt-1)= ( Y*t / Yt-1 )δ
c) Deducir el modelo de ajuste parcial a corto
plazo
d) Interprete el significado de los parámetros
de corto y largo plazo del modelo de ajuste
parcial dado
Ln Yt= 1.5484 - 0.1041 Ln Xt +0.6859 Ln Zt+ 0.5297Ln Yt-1
(0.8336) (0.3710) 0.3859) (0.2013)
(1.857) (-0.2807) (1.777) (2.631 )
R2 = 0.94; d= DW= 1.88
Donde:
Y*t: Demanda monetaria deseada en la economía de la India
Xt: tasa de interés
Yt: PBI de la india
a) Determinar la elasticidad de la demanda monetaria
respecto a la tasa de interés a corto plazo
b) Determinar la elasticidad de la demanda monetaria
respecto al PBI a corto plazo
c) Determinar la elasticidad de la demanda monetaria
respecto a la tasa de interés a largo plazo
d) Determinar la elasticidad de la demanda monetaria
respecto al PBI a largo plazo