Tar ea dos PDL(22B)

1) Informacion
PBI IM FBK
1980 167596 26092 33910
1981 176901 30880 41432
1982 176507 30960 38621
1983 158136 23630 24980
1984 163842 19897 23483
1985 167219 17224 20049
1986 182981 21160 26022
1987 200778 23709 31871
1988 181822 21278 28057
1989 159436 17499 22100
1990 151492 19596 22232
1991 154854 22970 23167
1992 154017 24999 23461
1993 162093 25948 26210
1994 182044 32860 34865
1995 195536 41765 41789
1996 201009 41807 39738
1997 214028 46908 45665
1998 213190 47587 44724
1999 216377 40693 38706
2000 222207 42239 37579
2001 223580 43464 34983
2002 235773 44564 36367
2003 245593 45631 38212
2004 257770 50379 38288
2005 273971 56514 40672
2006 294598 63691 54757
2007 319693 77257 70436
2008 348870 96556 92339
2009 352693 81165 73683
2010 382081 102739 100073
2011 406256 116707 112291
2012 431199 128375 122952
2013 456435 132055 133408
2014 467308 130747 131998
2015 482506 132018 127278
2016 501581 134089 119929
2017 514215 143608 119967
2018 534625 148652 126200
2019 546408 151188 127800

2) Estimar el modelo PDL de rezago finito por el modelo de rezago polinomial

 IMt= α+ Bo PBIt + B1 PBIt-1 + B2 PBIt-2+. . . + Bk PBIt-k + ut
Y c PDL(X, K, m)
Donde:
Y: variable dependiente
X: variable explicativa
K: número de rezagos
M: grado del polinomio

IM c PDL(PBI,10,2)

Dependent Variable: IM
Method: Least Squares
Date: 09/05/22 Time: 11:41
Sample (adjusted): 1990 2019
Included observations: 30 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

C -30725.30 5063.313 -6.068221 0.0000

PDL01 -0.047556 0.015621 -3.044320 0.0053
PDL02 -0.014562 0.003001 -4.852947 0.0000
PDL03 0.007882 0.001657 4.757884 0.0001

R-squared 0.984248 Mean dependent var 75559.03

Adjusted R-squared 0.982430 S.D. dependent var 44416.99
S.E. of regression 5887.502 Akaike info criterion 20.32262
Sum squared resid 9.01E+08 Schwarz criterion 20.50944
Log likelihood -300.8393 Hannan-Quinn criter. 20.38238
F-statistic 541.5236 Durbin-Watson stat 1.174570
Prob(F-statistic) 0.000000

      Lag Distribution of
PBI i Coefficient Std. Error t-Statistic

    . *| 0  0.22230  0.02341  9.49793

    . * | 1  0.13680  0.01107  12.3613
    . * | 2  0.06707  0.00737  9.10444
    .* | 3  0.01310  0.01164  1.12544
   *. | 4 -0.02511  0.01497 -1.67786
  * . | 5 -0.04756  0.01562 -3.04432
 * . | 6 -0.05424  0.01361 -3.98431
  * . | 7 -0.04515  0.01017 -4.43777
   *. | 8 -0.02031  0.01097 -1.85171
    .* | 9  0.02030  0.02056  0.98736
    . * | 10  0.07668  0.03556  2.15612

Sum of Lags  0.34389  0.02960  11.6169

Modelo: IMt = α + ao PDL01+ a1PDL02 + a2PDL03 + vt
:IMt =-30725.30 + -0.047556 PDL01+-0.014562 PDL02 + 0.007882PDL03

IMt= α + 0.2223 PBIt + 0.1368 PBIt-1 + 0.06707 PBIt-2+0.01310 PBIt-3 +-0.02511 PBIt-4

-0.04756PBIt-5 + -0.05424 PBIt-6 -0.04515 PBIt-7+ -0.02031PBIt-8+ 0.0203 PBIt-9

+0.07668 PBIt-10

La propensión marginal o efecto a largo plazo de una variacion en una unidad en

el PBI significa una variacion de 0.34389 en IM

Una variacion en una unidad en el PBI significara una variacion de 0.2223 en IM en

el mismo periodo

Una variacion en una unidad en el PBI significara una variacion de 0.1368 en IM en

el periodo posterior o periodo t+1

Una variacion en una unidad en el PBI significara una variacion de 0.06707 en IM

en el periodo posterior o periodo t+2

II) Estimar el modelo de rezago finito mediante el modelo PDL

FBKt= α+ Bo IMt + B1 IMt-1 + B2 IMt-2+. . . + Bk IMt-k + ut