Modelo Koyck
Enviado por Carlos Acosta Damian • 11 de Noviembre de 2023 • Informe • 1.303 Palabras (6 Páginas) • 89 Visitas
Modelo Koyck
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 09/10/21 Time: 08:32 | ||||
Sample (adjusted): 1971 1999 | ||||
Included observations: 29 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -1237.346 | 402.6759 | -3.072808 | 0.0049 |
X | 0.601905 | 0.150406 | 4.001856 | 0.0005 |
Y(-1) | 0.412080 | 0.154796 | 2.662085 | 0.0131 |
R-squared | 0.992647 | Mean dependent var | 16063.90 | |
Adjusted R-squared | 0.992081 | S.D. dependent var | 2910.503 | |
S.E. of regression | 258.9946 | Akaike info criterion | 14.04919 | |
Sum squared resid | 1744034. | Schwarz criterion | 14.19063 | |
Log likelihood | -200.7132 | Hannan-Quinn criter. | 14.09349 | |
F-statistic | 1755.001 | Durbin-Watson stat | 1.008169 | |
Prob(F-statistic) | 0.000000 | |||
Características de este modelo:
Mediana de los rezagos: es el tiempo requerido para que la variable endógena alcance el 50% de cambio, ante un cambio sostenido de la variable explicativa:
-log2/logλ
Rezago medio: es el promedio ponderado de todos rezagos participantes.. Fórmula: λ/1-λ
Modelo Corto Plazo: Yt= -1237.346+0.601905 Xt+0.412080 Yt-1 AR(1)
Multiplicador de Largo Plazo: βo/1-λ
Modelo autorregresivo (Modelo de Koyck):
Yt=α(1-λ) +βoXt +λYt-1 +vt
Vt=ut-λut-1
Problemas:
- Yt-1 al ser variable explicativa estocástica estará asociada con vt
- La variable de error vt presentará autocorrelación.
Todos los parámetros son estadísticamente significativos, pues su probab de error de la prueba t, es menor al 5%
La PMC de corto plazo es 0.601905
Modelo Koyck: Yt= α(1-λ)+βoXt+λYt-1+vt
λ=0.412080
Calcular el modelo de largo plazo:
Multiplicador de largo plazo: βo(1/1-λ)
= 0.601905(1/0.58792)=1.02379
El intercepto de largo plazo es α
El intercepto de corto plazo= α(1-λ)
-1237.346= α(1- 0.412080)
α= -2104.60
Modelo de largo plazo: Yt= -2104.60 +1.02379Xt
La PMC de largo plazo es 1.024, es decir, cuando los consumidores, se acostumbren a un incremento sostenido de un dólar, en el largo plazo, el gasto de consumo, aumentará en 1 dólar.
Mediana de los rezagos= - log2/log λ
=0.7818
El 50% del cambio total en Yt se logra en menos de un periodo.
Rezago medio= λ/1-λ
Es un promedio ponderado de los rezagos de tiempo 0.7009
Se requiere de un tiempo relativamente corto de ajuste entre el gasto de consumo y el ingreso disponible.
Βk=βoλ ^k
Multiplicadores intermedios:
T=0 βo=βoλ^0= βo = 0.601905
T=1 β1=βoλ= 0.601905(0.412080)= 0.248 impacto X desfazada en un periodo sobre Yt
β2= (0.412080)(0.601905)^2 ≈ impacto X desfazada en dos periodos sobre Yt
β3= (0.412080)(0.601905)^3=
…….
Para detectar Autocorrelación usando la prueba de Breusch Godfrey:
Breusch-Godfrey Serial Correlation LM Test: | ||||
F-statistic | 3.840177 | Prob. F(2,24) | 0.0357 | |
Obs*R-squared | 7.030548 | Prob. Chi-Square(2) | 0.0297 | |
Test Equation: | ||||
Dependent Variable: RESID | ||||
Method: Least Squares | ||||
Date: 04/08/22 Time: 08:48 | ||||
Sample: 1971 1999 | ||||
Included observations: 29 | ||||
Presample missing value lagged residuals set to zero. | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -418.0313 | 404.8998 | -1.032432 | 0.3122 |
X | 0.175180 | 0.153198 | 1.143487 | 0.2641 |
Y(-1) | -0.173319 | 0.156181 | -1.109734 | 0.2781 |
RESID(-1) | 0.518666 | 0.218920 | 2.369203 | 0.0262 |
RESID(-2) | 0.162059 | 0.229988 | 0.704643 | 0.4878 |
R-squared | 0.242433 | Mean dependent var | 5.25E-13 | |
Adjusted R-squared | 0.116171 | S.D. dependent var | 249.5735 | |
S.E. of regression | 234.6294 | Akaike info criterion | 13.90948 | |
Sum squared resid | 1321223. | Schwarz criterion | 14.14522 | |
Log likelihood | -196.6874 | Hannan-Quinn criter. | 13.98331 | |
F-statistic | 1.920088 | Durbin-Watson stat | 1.706451 | |
Prob(F-statistic) | 0.139682 |
Bajo la Ho: no existe autocorrelación de primer orden
...