Professional Documents
Culture Documents
NACIONAL MAYOR DE
SAN MARCOS
INFLUENCIA DEL
COMPORTAMIENTO DE LOS
PRECIOS DEL COBRE Y DEL ORO
EN EL PIB MINERO - PER
Presentado por:
ALEJOS MANRIQUE,
Marjorie
ROJAS VILCHEZ,
Yuliana Gabriela
SALDAA CERNA,
Miguel Angel
CURSO:
Econometra II
DOCENTE:
Castaeda Saldaa, Francisca Beatriz
Contenido
I.
RESUMEN ............................................................................................................... 3
II.
III.
OBJETIVOS ............................................................................................................ 4
IV.
V.
METODOLOGA ................................................................................................... 12
VI.
RESULTADOS ...................................................................................................... 14
VII.
CONCLUSIONES ................................................................................................. 29
VIII.
IX.
ANEXOS ................................................................................................................ 32
I.
RESUMEN
II.
III.
OBJETIVOS
a) OBJETIVO GENERAL
b) OBJETIVOS ESPECFICOS
Determinar los precios del cobre para los aos de 1993 al 2015.
Determinar los precios del oro para los aos de 1993 al 2015.
Determinar los niveles del PIB Sector Minera del Per para los aos 1993 al
2015.
Examinar el efecto de la variacin de los precios del cobre y el oro en el
desarrollo del PIB Sector minera en el Per.
Establecer modelos economtricos como referencia en base a los resultados
obtenidos.
Validar el modelo propuesto, a travs de herramientas estadsticas conocidas
(Eviews), aplicacin de mejoras, y la comparacin del precio obtenido para el
largo plazo.
IV.
FUNDAMENTOS ECONMICOS
Fuente: BCRP
produccin y que no son incluidas dentro del clculo del PBI, como la
economa informal o actividades realizadas por fuera del mercado, como
ciertos intercambios cooperativos o produccin para el autoconsumo. El
PBI se puede calcular mediante diferentes enfoques:
El PBI es un concepto de valor
agregado. Es la suma del valor agregado
bruto de todas las unidades de produccin
ENFOQUE DE LA PRODUCCIN
residentes,
ms
los
impuestos
los
los
intermedio)
ENFOQUE DEL GASTO
usos,
menos
excepto
el
el
valor
consumo
de
las
de
los
asalariados,
el
Fuente: BCRP
b) Entorno Minero
El Per es un pas minero por excelencia dada la calidad de los yacimientos y la
diversidad de los mismos. As, el pas posee grandes reservas de minerales, siendo uno
de los productores ms importantes a nivel mundial. Adems, en el ao 2014, Per
ocup el sptimo puesto entre los pases y regiones de destino en exploracin minera
segn el SNL Minings & Metals y, segn el Instituto Fraser, mejor siete posiciones en
10
Estructura de la exportaciones
peruanas/ Acumulado Enero-Abril 2015
Resto de
productos
38%
Incluye productos
metlicos, no
metlicos ,
siderometlurgicos,
metalmecnios y
joyera.
Productos
mineros
62%
11
V.
METODOLOGA
Modelo VAR
El esquema VAR permite estimar el conjunto de parmetros del sistema, pero
requiere que las variables bajo anlisis sean estacionarias. Sin embargo esta
metodologa no es adecuada en el caso de tener variables no estacionarias. La solucin
a este problema fue dada entre otros por Johansen, Stock-Watson y Phillips-Hansen,
esta consiste en la bsqueda de una o ms combinaciones lineales de dichas variables
que sean estacionarias y que a su vez minimicen la varianza de la representacin VAR
estacionaria este modelo es denominado Modelo VEC (Vector Error Correction).
La expresin general de un modelo VAR vendra dada por la siguiente
especificacin:
= + + + + +
Donde es un vector con las n variables objeto de prediccin (explicadas),
es un vector de k variables que explican adicionalmente a las anteriores, los
coeficientes alpha y beta son matrices de coeficientes a estimar, y psilon es un vector
de perturbaciones aleatorias(una por ecuacin), cada una de las cuales cumple
individualmente el supuesto de ruido blanco (homocedasticidad y ausencia de
autocorrelacin), y entre ellas cumplen el supuesto de homocedasticidad interecuaciones.
Para el trabajo aplicativo tenemos las siguientes ecuaciones:
= 1 min 1 + 2 min 2 + + min +
= 1 1 + 2 2 + + +
= 1 1 + 2 2 + + +
Siendo
MODELO VEC
12
13
VI.
RESULTADOS
Para analizar la influencia del Precio del Cobre y del Oro sobre el PIB
minera, se utiliz una muestra de 89 periodos, los cuales son trimestres que
comprenden desde 1993 hasta el tercer trimestre del 2015. En el siguiente
modelo se observa que la constante, el precio del cobre y el precio del oro
son variables significativas para estimar el PBI del sector minera peruano.
Tambin se observa que el R- cuadrado ajustado tiene un porcentaje
de 92% variacin de la variable de respuesta que explica su relacin con
PRECIOCOBRE y PRECIOORO es alta.
CUADRO 01
Coefficient
Std. Error
t-Statistic
Prob.
C
PRECIOCOBRE
PRECIOORO
1.767530
0.242714
1.548754
0.058028
0.053570
0.140440
30.45979
4.530760
11.02789
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)
0.922276
0.920468
0.288800
7.172869
-14.21981
510.2377
0.000000
3.285627
1.024063
0.386962
0.470849
0.420774
0.450664
14
15
GRFICA 01
GRFICA 02
En el grfica 02 se observa la evolucin de
las tres variables pero en su primera
diferencia.
Siendo una aproximacin a la tasa de
crecimiento del PBI del sector minero, as
como de la tasa de crecimiento del precio
del cobre y del oro.
Mostrndose estacionarias en media.
16
MODELO VEC
PRUEBA DE CAUSALIDAD DE GRANGER
Eigenvalue
0.193182
0.110142
0.015093
Trace
Statistic
29.11098
11.07977
1.277511
0.05
Critical Value
29.79707
15.49471
3.841466
Prob.**
0.0598
0.2067
0.2584
17
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None
At most 1
At most 2
0.193182
0.110142
0.015093
18.03121
9.802257
1.277511
21.13162
14.26460
3.841466
0.1287
0.2252
0.2584
PRECIOCOBRE
-2.795852
0.178006
0.162838
PRECIOORO
0.304419
-8.285360
0.488234
-0.026185
-0.005620
-0.012720
0.079233
-0.002207
0.033865
0.014472
-0.021712
-0.001100
Log likelihood
208.7551
1 Cointegrating Equation(s):
2 Cointegrating Equation(s):
Log likelihood
213.6563
18
D(PRECIOCOB
RE)
D(PRECIOORO)
0.345081
(0.13920)
0.044013
(0.02282)
-0.215495
(0.08649)
0.008747
(0.01418)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1
At most 2
0.345668
0.117399
0.020760
46.17015
11.81472
1.699285
29.79707
15.49471
3.841466
0.0003
0.1660
0.1924
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1
At most 2
0.345668
0.117399
0.020760
34.35543
10.11544
1.699285
21.13162
14.26460
3.841466
0.0004
0.2045
0.1924
PRECIOCOBRE
2.364440
2.854082
0.624023
PRECIOORO
9.538226
-6.151506
-0.681977
-0.012389
0.012184
0.013692
-0.100521
-0.022157
-0.057408
0.003586
0.010973
-0.000968
Log likelihood
238.6662
1 Cointegrating Equation(s):
19
(0.07474)
(0.18390)
2 Cointegrating Equation(s):
Log likelihood
243.7239
ANLISIS DE COINTEGRACIN
Aunque en general la regresin entre series no estacionarias nos
conduzca a correlaciones espurias, existe una situacin especial en el que tal
regresin no sera espuria, sino que el estimador MCO sera correcto. Esa
situacin especial recibe el nombre de cointegracin. Engle y Granger sealaron
que una combinacin lineal de dos o ms series no estacionarias puede ser
estacionaria. Si existe una combinacin lineal de series que es estacionaria, I(0),
se dice que las series no estacionarias, con raz unitaria, que dan lugar a esa
combinacin estn cointegradas. La combinacin lineal estacionaria se
denomina ecuacin de cointegracin y puede interpretarse como la relacin de
equilibrio a largo plazo entre las distintas variables que conforman la ecuacin
20
por lo cual, en s misma, tiene una alta importancia para el anlisis de los
fenmenos econmicos.
Por lo tanto, si se verifica que un conjunto de variables son integradas del
mismo orden, todas ellas, estn cointegradas, se asegura la existencia de una
relacin no espuria entre las mismas que, adems, es estacionaria (es decir, de
equilibrio en el sentido estadstico). El concepto de cointegracin es la nocin
estadstica equivalente a la idea de equilibrio estable, en el sentido que cuando
existe una relacin de este tipo entre variables econmicas, las desviaciones de
la citada relacin no pueden ser fuertes ni crecer ilimitadamente. De esta forma,
la cointegracin de las variables de un modelo da validez al mismo a largo plazo.
Cuando una serie no es estacionaria o integrada, los valores que toma en
un momento del tiempo son, por definicin, la acumulacin de todas las
perturbaciones o shocks pasados, a diferencia de las series estacionarias, para
las cuales el efecto de las perturbaciones es transitorio.
Entonces, el hecho que una combinacin lineal de un conjunto de
variables sea estacionaria implica, intuitivamente, que la forma en que estas se
mueven en el tiempo es similar. Adems, la relacin de cointegracin actuara
como un atractor para el conjunto de variables bajo anlisis, en el sentido de
que tiendan a formar un modelo compacto en el transcurso del tiempo.
El anlisis de la cointegracin permite, entre otras cosas, detectar si existe
la posibilidad de obtener estimaciones correctas, es decir, libres de resultados
espurios, de los parmetros que definen las relaciones entre dos o ms series,
tanto a corto como a largo plazo.
Adems, si existe cointegracin entre las variables de un modelo, este
puede analizarse mediante un mecanismo de correccin del error que representa
correctamente el comportamiento dinmico de las series y, por lo tanto,
constituye una base adecuada para el anlisis emprico cubriendo la faceta del
equilibrio sobre todo en el corto plazo.
Por lo tanto, si realmente hay cointegracin entre las variables del modelo,
la formulacin inicial esttica del mismo y su estimacin, toman relevancia y se
presentan como una opcin muy vlida y digna de tener en cuenta, entre otras
cosas porque estara ya libre de correlaciones espurias.
Para poder determinar el nmero de rezagos relevantes, se realiz un
anlisis de la estructura de rezagos bajo los criterios de Error de Prediccin Final,
21
0.462124
0.362233
1.165117
0.129014
4.626270
60.48498
-1.106785
-0.701649
0.023572
0.161549
0.318535
0.191978
5.700558
0.285371
2.516918
-6.200219
0.480958
0.886094
0.021310
0.317467
0.333213
0.209381
0.168183
0.049016
2.690846
141.7770
-3.042310
-2.637174
0.009935
0.055126
2.41E-06
1.39E-06
208.7551
-3.898932
-2.596709
0.602216
0.451332
0.857427
0.121586
3.991259
69.27086
-1.142490
-0.462585
0.023729
0.164146
0.483114
0.287054
4.292887
0.272058
2.464111
4.034314
0.468289
1.148194
0.016296
0.322205
0.651435
0.519220
0.087802
0.038908
4.927110
161.5642
-3.421339
-2.741434
0.010300
0.056113
1.51E-06
5.54E-07
238.6662
-4.115214
-1.986815
Al comparar los modelos con 4 y 7 rezagos podemos observar que segn el criterio de Akaike
observamos que el modelo 4 es mejor, sin embargo Schwarz nos dice que el modelo con
7rezagos es mejor que el modelo con 4 rezagos. Asimismo el R2 ajustado mejora para cada
ecuacin de manera significativa.
Aplicando la prueba de la Razn de Verosimilitud, obtenemos:
LR = -2(208.7551 -238.6662) = 59.8222
22
Para la 2(9)
p = 1.45x10-9 0
Luego el VEC(7) es mejor que el VEC(4)
= 1 + 2 + 3 +
= 1 2 3
1 = [1 0.349
1
1
]
1.408 1.646] [
1
1
1 = 1 1 2 1 3 1
= 0.349 + 1.408 + 1.646
(Relacin de largo plazo)
VEC-MCE
23
24
25
= ( 1 ) + 1 1 + + 5 7
0.0188
[ ] = [ 0.2484 ] 1 + 1 1
0.0757
Observamos que la variable PIBMinera corrige los errores en la relacin del
equilibrio de manera negativa en un 1.88%. Mientras que el PrecioCobre corrige en
24.84% el error. Por otro lado, el PrecioOro lo hace en un 7.57%.
26
GRFICA 04
27
DESCOMPOSICIN DE LA VARIANZA
Descomposicin de la Varianza
28
VII.
CONCLUSIONES
En el presente trabajo se logr establecer una relacin positiva tanto para los
ndices de Precios del Cobre y como del Oro en el Producto Bruto Interno
para el sector Minera.
El anlisis se realiz mediante la observacin de una muestra de 89 periodos
para los Precios del Cobre, del Oro y del PIB Minera, los cuales comprenden
trimestres desde 1993 hasta el 2015. A partir de la obtencin de dichas
variables se estableci una relacin entre ellas, habindose comprobado la
existencia de causalidad en mltiples rezagos.
Se identific un modelo de vectores autoregresivos para explicar las
relaciones entre variables. Una vez establecido el VAR irrestricto se
determin el nmero de rezagos ptimo realizando un anlisis de la
estructura de rezagos para luego realizar el test de Johansen con el objetivo
de identificar cointegracin entre variables, en el cual se identificaron dos
ecuaciones cointegradas, por lo que la especificacin del modelo cambi
para convertirse en un VAR restringido o modelo de Vectores de Correccin
del Error. Una vez obtenida la especificacin del modelo se comprob la
significancia estadstica de las variables, logrando comprobar relaciones
importantes, siendo la de mayor relevancia la comprobacin de causalidad
de largo plazo entre Precios del Cobre y el PIB Minera. Esto quiere decir que
ante incrementos del Precios del Cobre se darn incrementos en el PIB
Minera, Este resultado no es inesperado, ya que el cobre es el principal
mineral exportado por el Per, pas minero por excelencia.
El modelo de correccin de error es un modelo de la relacin a corto plazo
entre las variables y nos indica en qu medida la desviacin de la relacin
29
30
VIII.
REFERENCIA BIBLIOGRAFICA
31
IX.
ANEXOS
ANEXO 1: Pruebas de Raz Unitaria
PBI Minera
32
H 0 : 0 H1 : 0 ; aceptamos H 0
Luego analizamos el coeficiente para la
tendencia (V. crtico = 2.79)
H 0 : 1 0 dado 0 ;
Como
1.73 2.79
Aceptamos 0 0
33
H 0 : 0 H1 : 0 ; aceptamos H 0
Luego analizamos el coeficiente para la
tendencia (V. crtico = 2.54)
H 0 : 1 0 dado 0 ;
Como
1.07 2.54
Aceptamos 0 0
34
35
rechazamos H 0
36
37
H 0 : 0 H1 : 0 ; aceptamos H 0
Luego analizamos el coeficiente para
la tendencia (V. crtico = 2.79)
H 0 : 1 0 dado 0 ;
Como
RR
-4.06
-3.46
1.90 2.79
Aceptamos 0 0
RA
-3.15
-2.56
38
H 0 : 0 H1 : 0 ; aceptamos H 0
Luego analizamos el coeficiente para la
tendencia (V. crtico = 2.54)
H 0 : 1 0 dado 0 ;
Como
1.36 2.54
Aceptamos 0 0
no es significativa.
39
40
H 0 : 0 H1 : 0 ;
rechazamos H 0
41
El
grfico
muestra
una
evolucin la variable Pecio del
Oro.
Presenta
un
comportamiento
tendencial
creciente, adems de una
fuerte cada en el periodo 9 que
se recupera para los siguientes
periodos.
Indicando
un
comportamiento
no
estacionario en media.
42
H 0 : 0 H1 : 0 ; aceptamos H 0
H 0 : 1 0 dado 0 ;
Como
1.73 2.79
Aceptamos 0 0
H 0 : 0 H1 : 0 ; aceptamos H 0
Como observamos la serie PRECIOCOBRE
en su primera diferencia es estacionaria.
Entonces decimos que la serie PRECIOCOBRE
es integrada de orden 1 - I(1).
43
H 0 : 0 H1 : 0 ; aceptamos H 0
H 0 : 1 0 dado 0 ;
Como
1.07 2.54
Aceptamos 0 0
44
45
H 0 : 0 H1 : 0 ;
rechazamos H 0
Como
observamos
la
serie
PRECIOORO en su primera diferencia
es estacionaria. Entonces decimos
que la serie PRECIOORO es integrada
de orden 1 - I(1).
46