Naturaleza de la politica fiscal.

...

Relación funcional: (M/P) = f (PBI real , i , TC)

Es decir:

M/P = A . PBIRß1 . e ß2 TAMN e ß3 TC

Donde:

M= M1 (Primera definición del dinero o liquidez en m/n del sistema bancario) M/P = Demanda de Saldos reales

PBIR= Producto Bruto Interno a precios constante IPC = Indice de Precios al Consumidor

TAMN = Tasa de interés Activa Nominal en m/n TC= Tipo de Cambio

A= Constante

MUESTRA

La muestra que se utilizará para las estimaciones comprende el periodo entre los años 2000 y 2008. Los datos utilizados para las estimaciones fueron trimestrales, y la fuente de información fue el Banco Central de Reserva del Perú. Los datos de dinero (M1) fueron de fin de promedio trimestral, y asimismo se utilizará el índice de precios al consumidor de Lima Metropolitana. Tanto las cifras del producto bruto interno (PBI) como de los saldos reales se trabajaron en logaritmos; mientras que la tasa de inflación, se aproximó como la diferencia de los logaritmos del IPC, y asimismo, con los otros datos tales como: Tasa de interés promedio de captaciones de fondos del sistema (TAMN) y el tipo de cambio nominal (TC) (ver anexo). Los datos utilizados para las estimaciones fueron trimestrales y la fuente información fue el BCRP (véase el anexo).

Según el modelo anterior planteado con datos de series de tiempo y linealizado es el siguiente:

Ln (M/P)t = ß0 + ß1 Ln (PBIR) t + ß2 ( TAMN ) t + ß3TCt+ u t

Todas las variables están expresadas en logaritmos naturales, excepto la tasa de interés doméstica y el tipo de cambio que toma valores originales.

Me todología de la Econo metría de las Series de Tiempo

Procesos ARMA

Procesos sucesivos Según Gujarati (2003) Algunos modelos que son de uso común para modelar series estacionarias son los modelos de media MA(q), procesos autorregresivos AR(p) y el proceso mixto ARMA (p,q). Estos modelos salen de un proceso estocástico. La serie de tiempo permite ver como las variables rezagadas inciden en la endógena; es decir, que variables rezagadas inciden o explican mejor a la endógena para proyectar.

-

Procesos de Media Móvil MA (q)

Trata de explicar a la endógena mediante sus errores pasados; por ejemplo las expectativas del público respecto a la inflación, tipo de cambio nominal, etc. Este modelo es bueno si hay ruido blanco (White noise)16 . En el caso del tipo de cambio, a lo más se puede proyectar su valor vigente; es decir, es un valor al azar.

MA(1): Yt = + 1 u t + u t-1

Siendo u t es un término de error estocástico con ruido blanco. Aquí Yt es igual a una constante más un promedio móvil de los términos de error presente y pasado.

-

Procesos Autorregresivo AR(p)

Trata de explicar a la endógena mediante sus valores pasados. En el caso de un AR(1) la variable depende de su valor en el periodo anterior y de un término aleatorio:

AR(1): Yt= + Yt-1 + u t

Proceso Mixto ARMA (p,q)

Este proceso mixto combina los rezagos determinísticos y estocásticos que pueda tener la serie de tiempo económica y resulta adecuado para aquellos casos en que, dado la estructura que se desea representar, es menester cuantificar ambos tipo influencia. El modelo ARMA es un modelo uniecuacional dinámico.

Técnicas de Detección de Estacionariedad:

Los libros texto de econometría definen a una serie estacionaria cuando un shock exógeno no altera significativamente la tendencia de la variable el largo plazo; es decir, la serie estacionaria es aquella que tiene un comportamiento invariable en el tiempo. Otra forma de ver es cuando al sufrir cualquier desviación, vuelve al equilibrio (tendencia a volver a la media). La condición fundamental de una serie de tiempo es el equilibrio.

Las series de tiempo pueden clasificarse como estacionarias y no estacionarias. Una serie es estacionaria si mantiene un comportamiento invariable el tiempo; es decir, que todo shock es transitorio, esto es, tiende a desaparecer en el tiempo. Sin embargo, en economía es encontrar series estacionarias (PBI, tipo de cambio). las series no son estacionarias, inhabilita a la regresión de cualquier uso; es decir, tendríamos una regresión espúrea. Según Nelson y Plosser (1982), la mayoría de series económicas se comportan como series no estacionarias. La serie no estacionaria tiene una tendencia explosiva; es decir, tiende a alejarse del equilibrio ante un shock exógeno; por ejemplo, un proceso random walk a una serie no estacionaria o procesos con raíces unitarias. De otro lado, los libros texto de econometría básica nos señalan que existen dos técnicas para verificar si la serie es estacionariedad

-

La raíz unitaria, mediante el test de Dickey Fuller.-

Este test permite diferenciar una o varias veces la serie hasta convertirla en estacionaria. Así por ejemplo, si la serie se le diferencia “d” veces, el orden de integración será de orden “d”; es decir, I(d). No obstante, lo malo de diferenciar tantas veces, supone una pérdida de información potencial respecto a los movimientos a largo plazo; es decir, se pierde información valiosa acerca de sus propiedades estadísticas plazo. Lo conveniente, según algunos econometristas, sería a lo más dos veces. El número de diferenciaciones determina el grado de integración de una serie. De otro lado, existen dos tipos de series estacionarias:

- Serie estacionaria en niveles.- Es aquella que tiene una media determinada y existe un

tendencia a volver a esa media, su varianza es finita y constante y, la autocorrelación disminuyen a medida que aumenta el periodo.

- En primeras diferencias.- Es cuando a la serie no estacionaria se le diferencia una o dos

veces