INSTITUTO TECNOLOGICO DE ZACATEPEC

ZACATEPEC MORELOS, MEXICO                    

                                                                                                                     

 

UNIVERSIDAD TECNOLOGICA METROPOLITANA

FACULTAD DE INGENIERIA

DEPARTAMENTO DE INDUSTRIAS

 

 

 

MANTENIMIENTO DEL MODULO

“DISTRIBUCION DE LA RIQUEZA”

DEL MODELO MACROECONOMETRICO

“THE ECONOMIST”

 

 

PROYECTO DE TITULACIÓN PARA OPTAR

AL TITULO DE INGENIERO EN SISTEMAS COMPUTACIONALES

 

PROFESOR GUIA:

 

Dr. ING. HECTOR MEDELLIN HERNANDEZ

Dr. ING. AEDIL SUAREZ TORRES

 

 

 

AUTOR:

 

LISSET ZUÑIGA MUÑOZ

 

 

 

 

Santiago de Chile, diciembre 2005

 

 

 

 

 

 

 

 

 

 

 

Nota obtenida:                                           

 

 

 

 

 

 

 

 

 

 

_____________________________________

 

Firma y timbre autoridad responsable 

 

 

COMISIÓN:

ARQ. LILIANA ANDUAGA GARCIA.

ING. SAMUEL GARCIA LEÓN.

Dr. JUAN MEDINA CASTILLO.

 

 

 

 

 

 

 

 

 

 

 

 

INSTITUTO TECNOLOGICO DE ZACATEPEC

ZACATEPEC MORELOS, MEXICO                    

                                                                                                                      

 

UNIVERSIDAD TECNOLOGICA METROPOLITANA

DEPARTAMENTO DE INDUSTRIAS

 

 

 

MANTENIMIENTO DEL MODULO

“DISTRIBUCION DE LA RIQUEZA”

DEL MODELO MACROECONOMETRICO

“THE ECONOMIST”

 

 

 

 

Santiago de Chile, diciembre 2005

 

AGRADECIMIENTOS

 

Termina un ciclo para comenzar  otro,

ahora empieza el desarrollo profesional.

 

Sin duda esto no habría sido posible sin el apoyo,

la ayuda, la comprensión y el cariño de las personas

especiales y cercanas a mi, muchas gracias por hacer

posible este momento, por hacerme llegar a este lugar,

por darme impulsos y fortaleza para no rendirme

y sobre todo por confiar en mi.

 

“En especial a mi Mamá y mis hermanas

Por que sin ellas no lo hubiera logrado gracias

Por todo su apoyo, comprensión, por guiarme

y darme un buen ejemplo.”

 

GRACIAS.

 

 

RESUMEN EJECUTIVO

 

El presente trabajo corresponde al  desarrollo del modulo “Distribución de la Riqueza” del modelo Macroeconometrico del sistema “The Economist”, aplicado al País de México.

 

La Distribución de la Riqueza es en demasía desigual, existiendo grandes márgenes en ingresos o rentas entre las diferentes clases sociales, o si bien se desea, entre los quintiles I al V. Así unos pocos, se “benefician” con una mayoría de ingresos en el país.

 

México es la novena economía más grande del mundo (medido por el tamaño del Producto Interno Bruto de la Nación) y uno de los principales países exportadores de materia prima y manufactura a nivel internacional. La actividad económica del país está en gran medida fusionada con la de los Estados Unidos de América, los cuales consumen más del 85% de las exportaciones mexicanas y dan trabajo a casi el 10% de su población. El envío de remesas por parte de los expatriados constituye la segunda fuente de ingresos más importante del país después del petróleo.

 

Se tiene como finalidad dar énfasis a la importancia de la distribución de la riqueza para el desarrollo del país de México, para de esta manera ver cómo influye en le crecimiento y el desarrollo del país.

 

Se creará un modelo de simulación matemática, en el cual se ingresarán diversas variables económicas, para así conocer la distribución de la riqueza medido por el índice de GINI, y estimar cuanto variará en los próximos años.

 

El Índice de Gini nos muestra como están distribuidas las rentas, indicando la forma de cómo están relacionados, la población con el respectivo ingreso.

 

 

 

 

 

EXECUTIVE SUMMARY

This work corresponds to the development of the module  “Riches distribution” of the Macroeconometric model from the system “The Economist” , applied  to Mexico.

 

The Riches Distribution is too unequal, existing big margins from the entrances or rents between the different social classes,  or even between the “quintiles” I to V. Thus, a few are taken advantage with a majority of entrances in the country.

 

Mexico is the nineth economy biggest all the world ( measured by the size of the Internal Brute Product of the Nation) and one of the most important exporter country of the raw material and manufacture into the international level. The  economy activity of the country  is in big size joined  with the one in Unitated States of America, who consume more than 85% of the Mexican exportations and employed almost the 10 % of the population. The sending of remittances by the expatriates constitute the second source of entrances, the most important of the country after the oil.

 

It has as purpose to give emphasis to the importance of the riches distribution  to the development of Mexico, so, we could see how do this influences in the growth and development  of the country.

 

A model of matematic simulation would be built, in this different economy variables would be enlisted, so we can know the riches distribution measured by the index of GNI and estimate how much it varies in the following years.

 

The index Gini shows us how the rents are distributed, pointing the way of how they are related, the population with the respective income.

 

 

 

 

 

ÍNDICE TEMÁTICO

 

AGRADECIMIENTOS………………………………………………………………………..     4                                           

RESUMEN EJECUTIVO……………………………………………………………………..     5     

EXECUTIVE SUMARY……………………………………………………………………….     7

               

 

CAPITULO I…………………………………………………………………………………..     11

INTRODUCCIÓN……………………………………………………………………………..    12  

 

 

CAPITULOII OBJETIVOS…………………………………………………………………..   14 

 

2.1. OBJETIVOS GENERALES…………………………………………………………….   15 

2.2. OBJETIVOS ESPECÍFICOS…………………………………………………………..   15 

 

CAPITULO III DISTRIBUCIÓN DE LA RIQUEZA………………………………………..  16 

 

3.1. INTRODUCCIÓN………………………………………………………………………..  17 

3.2. QUE ES LA POBREZA EN MÉXICO…………………………………………………  19 

3.2.1. POBREZA DE CAPACIDADES HUMANAS……………………………………….  21 

3.2.2. POBREZA DE ACTIVOS E INFRAESTRUCTURA……………………………….  22 

3.2.3. POBREZA DE INGRESOS O DE GASTO…………………………………………  22 

3.2.4. VULNERABILIDAD………………………………………………………………......   23 

3.2.5. POBREZA DE DIGNIDAD E INCLUSIÓN SOCIAL……………………..………..   23 

3.3. EVOLUCIÓN FUTURA DE LA POBREZA…………………………………………..   25 

3.4.FACTORES GENERADORES DE LA DESIGUALDAD…………………………….   28 

3.5. EVALUACIÓN DE LA POBREZA Y DESIGUALDAD EN MÉXICO……………….   28 

3.6. POSIBILIDAD DE UN MÉXICO CON MENOR POBREZA Y DESIGUALDAD ….  33 

3.7. COEFICIENTE DE GINI…………………………………………….......  36

 

3.8. CURVA DE LORENZ…………………………………………………… 37

 

CAPITULO IV MODELAMIENTO…………………………………………………………..   38 

 

4.1. DEFINICIÓN  DE ECONOMETRIA……………………………………………………   39 

4.2. ORIGEN Y EVOLUCIÓN DE LA  ECONOMETRIA………………………………....   40 

4.3. METODOLOGIA EN MODELAMIENTO ECONÓMICO……………………………..   53   4.4.VALIDACIÓN DEL MODELO……………………………………………………………   76 

 

 

 

 

CAPITULO V  CONCLUSIONES Y REFERNCIAS……………………………………….   80 

 

5.1. CONCLUSIONES…………………………………………………………………………  81 

5.2. REFERENCIAS……………………………………………………………………………  82 

 

CAPITULO VI ANEXOS……………………………………………………………………….  83 

 

6.1. NOMENCLATURA………………………………………………………………………... 84 

6.2. ANEXOS……………………………………………………………………………………  86 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

CAPITULO  I

INTRODUCCIÓN

 

 

 

 

 

 

 

 

1.- INTRODUCCIÓN.

 

En general, la Distribución de la Riqueza es en demasía desigual, existiendo grandes márgenes en ingresos o rentas entre las diferentes clases sociales, o si bien se desea, entre los quintiles I al V. Así unos pocos, se “benefician” con una mayoría de ingresos en el país.

 

La presente memoria de residencias tiene la finalidad de construir el modelo econométrico de “Distribución de la Riqueza” el cual se desarrolla en el Sistema Macroeconometrico “The Economist”, el cual en este  caso se trata de sistemas de conocimientos del campo de la economía y sus relaciones desde el sistema económico primitivo de recolección y caza, hasta los sistemas económicos de redes neuronales de negocios académicos empresariales.

 

Posteriormente, se realizará un análisis de la situación económica de México, su situación en cuanto a la distribución de la riqueza, en que situación de pobreza se encuentra en la actualidad y cuales han sido los factores generadores de la desigualdad.

 

 

Finalmente, se construirá el modelo de simulación matemática, a través de las etapas  de la especificación, estimación y validación de cada una de las ecuaciones que lo componen para una vez construido realizar la proyección de la distribución de la riqueza en los siguientes años.

 

 

 

  

 

CAPITULO II

OBJETIVOS

 

 

 

 

 

 

 

2.1.-Generales.

 

Se intentará dar énfasis a la importancia de la distribución de la riqueza para el desarrollo del país de México, y así equipar la manera de cómo esto influye en el crecimiento y el desarrollo de este país.

 

 

2.2.-Específicos.

Ø            Crear un modelo de simulación matemática utilizando el software

          “The Economist System”.

 

Ø            Ingresar diversas variables económicas, para poder conocer la

          influencia real de la Distribución de la Riqueza (medido por el  

          Índice de Gini) en el desarrollo del país.

 

Ø            Demostrar la  estimación de cuanto variará en los próximos años.

 

 

 

 

CAPITULO III

DISTRIBUCIÓN DE LA RIQUEZA

 

 

 

 

 

 

 

 

3.1.-Introducción.

 

El panorama de la pobreza y la desigualdad en México al final del Siglo XX no era alentador. Tras décadas de inequidades persistentes y de una pobreza excesiva para el nivel de riqueza del país, llegamos al año 2000 con enormes abismos entre pocos que lo tenían todo, y la mayoría que carecía de lo esencial. Dos ejemplos bastan para ilustrar este hecho. El primero es que en el año 2000 una persona ubicada en el 10 por ciento más pobre de la población contaba con un ingreso promedio mensual 32 veces menor al de una persona ubicada en el 10 por ciento más rico. Si el ingreso del 10 por ciento más pobre creciera a una tasa similar a la observada en los países asiáticos más exitosos durante las últimas décadas –es decir, en alrededor de 5 por ciento anual- le tomaría 72 años llegar al nivel de riqueza que el 10 por ciento más rico del país tenía en el año 2000. Si en lugar de 5 por ciento el crecimiento fuera de 3 por ciento, lo cual está más cerca de las tasas registradas en México en los años de mayor crecimiento, tomaría 118 años. El segundo ejemplo tiene que ver con la pobreza. En el año 2000, México era la economía número 10 del mundo. Pero por otra parte, en el mismo año,  el 24.2 por ciento de la población contaba con un ingreso inferior al necesario para adquirir una alimentación adecuada (pobreza alimentaria), es decir, $15.4 y $20.9 pesos diarios por persona en zonas rurales y urbanas, respectivamente. El adulto promedio en el 10 por ciento de la población con mayores ingresos en el país gasta esta misma cantidad diaria en tabaco, y gasta el doble cada día en perfumes y bebidas alcohólicas. De manera similar, un porcentaje 7.7 por ciento adicional al de la población que no contaba con un ingreso adecuado para cubrir sus necesidades alimenticias en el 2000, tenía un ingreso inferior al necesario para realizar las inversiones mínimas en educación, salud, vivienda y transporte (pobreza de capacidades), es decir, $18.9 y $24.7 pesos diarios, respectivamente; y aproximadamente un 22 por ciento de las personas tenían un ingreso suficiente como para adquirir los mínimos de alimentación, educación y salud, pero carecía de recursos como para poder financiar los requerimientos mínimos de vivienda, vestido y calzado y transporte (pobreza de patrimonio), es decir $28.1 y $41.8 pesos diarios, respectivamente. En total, se consideraba que el 53.7 por ciento de la población del país –incluida en estas tres clasificaciones- se encontraba en situación de pobreza. Como se verá más adelante, durante el período 2000-2002 la pobreza disminuyó y la desigualdad en la distribución del ingreso mejoró. Sin embargo, los rezagos históricos son tan considerables, que todavía resta mucho por hacer para revertir las enormes brechas de desigualdad y la excesiva pobreza que persisten en el país. Los orígenes de estas inequidades pueden remontarse incluso a las épocas de la Conquista. Con la llegada de los españoles, la riqueza de recursos naturales, la abundancia de mano de obra, y en general, los medios de producción se concentraron en unos cuantos individuos. Durante los siguientes años se fueron consolidando los cimientos de una estructura económica con enormes disparidades. Tanto la enorme riqueza y diversidad de recursos, como las estructuras de poder que determinaron su marcada inequidad, en buena medida predispusieron al México de los siguientes Siglos a una senda de desarrollo económico con elevada pobreza. A partir de la Independencia y, sobre todo, de la Revolución Mexicana, el Estado instrumentó un conjunto de políticas para hacer frente a las enormes disparidades. De hecho, durante las últimas cinco décadas se realizaron inversiones considerables en educación y salud, se construyó un amplio sistema de protección para los trabajadores, y se instrumentaron acciones orientadas al combate a la pobreza. Entre 1950 y 1980 todas estas intervenciones estuvieron acompañadas de reducciones en los niveles de pobreza y desigualdad, pero durante las últimas dos décadas del siglo pasado, los avances se detuvieron e incluso se revirtieron.

 

3.2.- Que  es la pobreza en México.

A menudo, la pobreza, en México y otros lugares, han predominado las preguntas sobre el número de personas que vive por debajo o por encima de una línea de pobreza definida en términos de ingresos o gastos. Ésta es una parte importante del tema sobre pobreza y por ello este informe dedicará buen espacio al análisis de las tendencias y causas de la pobreza de ingreso. Pero esto es sólo una parte de lo que la pobreza significa en una sociedad. Estudios empíricos sobre lo que la gente piensa y consideraciones conceptuales apoyan la noción de que la pobreza abarca múltiples dimensiones y tiene que ver tanto con las condiciones futuras en términos de riesgos y posibilidades como con las actuales.

 

Una razón para adoptar una perspectiva más amplia del bienestar y de la pobreza es que ésta refleja lo que la gente cree, en especial la que vive en comunidades pobres.

Ello se manifiesta, por ejemplo, en la tradición de la investigación participativa de la pobreza, mediante la cual se trata de entender sistemáticamente la naturaleza de la pobreza a partir de escuchar en forma estructurada a los grupos e individuos que viven en áreas pobres y establecer interacciones con ellos. Aunque los enfoques metodológicos son distintos, hubo hallazgos significativos en común. En efecto, el malestar (o pobreza) significaba carencia de medios materiales, pero también significaba muchas otras cosas, en especial mala salud, exclusión social y aislamiento, inseguridad y sentimientos de impotencia, desamparo y frustración. A la inversa, una buena vida significa tener lo suficiente para cubrir las necesidades materiales básicas, estar bien y parecerlo, bienestar social e inclusión, seguridad y libertad de elección y de acción. En el estudio de SEDESOL sobre México, 23% de los encuestados dijo que el bienestar significaba tener lo suficiente para comer, mientras que 16% afirmó que significaba gozar de salud; 13% tener servicios básicos; 11% tener trabajo; 5% tener paz. México tiene también una rica tradición de estudios etnográficos y de otros tipos de trabajo de campo que documentan la complejidad de la pobreza. La investigación participativa no es un sustituto del trabajo cuantitativo basado en encuestas, pero ofrece una valiosa fuente de comprensión de lo que bienestar y pobreza significan para la gente pobre y de cómo evalúan los intentos del gobierno y de otros en la provisión de servicios.

 

Adoptar una perspectiva más amplia del bienestar y la pobreza tiene también fuertes raíces conceptuales.

 

3.2.1.- Pobreza de capacidades humanas.

Ésta se refiere a la falta de posesión de capacidades humanas mínimas que permitan llevar una vida saludable y productiva. Puede formularse en términos de una condición, como la libertad de prevenir “enfermedades que se pueden evitar o la mortalidad prematura” y saber leer y escribir, así como poseer otras destrezas básicas.

 

También se expresa a menudo en términos de acceso a un servicio de escolaridad básica y servicios de salud de calidad adecuada que sustenten esos fines. Lo que se considera como “básico” depende del nivel de desarrollo, en especial en el área de la educación.

 

 

 

 

3.2.2.-Pobreza de activos e infraestructura.

Más allá de los activos humanos, la falta de activos físicos y financieros es un elemento de pobreza. Aquí se incluyen bienes privados como vivienda, así como el acceso a bienes proporcionados públicamente. En muchas sociedades el acceso a un conjunto básico de servicios de infraestructura, como agua y saneamiento, caminos y electricidad, se considera esencial para un nivel mínimo de vida. De nuevo, la naturaleza de esta lista dependerá a menudo del nivel de desarrollo: es casi un juicio universal que los servicios de agua y saneamiento son necesidades; en los países con ingresos medianos sería típico incluir a la electricidad.

 

3.2.3.-Pobreza de ingreso o de gasto.

 Ésta define un nivel mínimo de ingresos o de gasto que permite la compra y el consumo de una canasta básica de bienes privados como alimentos, vestimenta, vivienda y elementos de adquisición privada para educación, salud y otros servicios. Puede definirse en términos de ingresos o gastos. Mientras que las líneas de pobreza tienden a ser más altas en las sociedades más ricas, normalmente suelen mantenerse constantes en el tiempo, al menos en el mediano plazo, con el fin de analizar cambios en la pobreza “absoluta” de ingreso. En México las líneas oficiales de pobreza son absolutas y se basan en los ingresos, así que utilizamos el término “pobreza de ingreso” como una convención (ver el recuadro 1.1 para más detalles). Como se aprecia allí, hay razones para preferir el consumo a los ingresos como medida monetaria de bienestar y en este informe trabajamos con ambos parámetros. En México y otras partes se reconoce que hay grados de pobreza de ingreso (o de consumo). Esto se refleja en el uso de líneas diferentes, que van del mínimo necesario para satisfacer una canasta alimentaría básica hasta líneas más altas para satisfacer el gasto en salud y educación, y para satisfacer un conjunto más amplio de requerimientos de consumo. También se refleja en el uso de índices de pobreza que miden la distancia en que la gente pobre está por debajo de la línea de pobreza en cuestión y las desigualdades entre los pobres.

 

3.2.4.-Vulnerabilidad.

 El tema de la vulnerabilidad, es decir, el riesgo de caer en la pobreza, destaca en los trabajos participativos sobre la pobreza. También hay una tradición de análisis económico, aunque existen medidas menos desarrolladas de la vulnerabilidad que de la pobreza efectiva. Esto se debe en parte a las limitaciones de los datos, pues se requieren diseños de encuesta especiales para capturar los fenómenos (empleo de encuestas por paneles y/o preguntas retrospectivas ante la experiencia de choques).

 

Aunque las encuestas por paneles tienen un alcance mucho más limitado en México que los instrumentos de encuesta de hogares por muestras representativas, el informe presenta algún análisis cuantitativo sobre el patrón y las tendencias de la vulnerabilidad y discute los instrumentos de políticas para reducir la vulnerabilidad.

 

3.2.5.-Pobreza de dignidad e inclusión social.

Otros elementos de la pobreza son la dignidad y la falta de inclusión social. Tales funcionamientos sociales (para utilizar la terminología de Sen) tienen un largo historial intelectual que se remonta en la economía al menos hasta el énfasis puesto por Adam Smith a la importancia de “aparecer en público sin vergüenza” y a “participar en la vida de la comunidad” (Sen, 1992, p. 115). Sin embargo, no se ha establecido un enfoque estándar para el análisis cuantitativo de estas áreas como dimensiones de la pobreza y es probable que sea necesaria toda una variedad de análisis sociológicos y políticos para manejarlas adecuadamente.

 

3.3.Evolución futura de la pobreza

 

El nivel de pobreza depende tanto del nivel de ingresos y recursos disponibles en el país, como de la manera en que dichos recursos se encuentran distribuidos entre la población. Por lo tanto, el nivel de pobreza en el futuro dependerá tanto del crecimiento económico, como de la evolución de la desigualdad en la distribución del ingreso. Se analizan las posibilidades que tenía México en el año 2000 de cumplir con las “Metas del Milenio” en materia de pobreza bajo distintos escenarios de crecimiento y de cambios en la desigualdad en el futuro. En este apartado se toman estos resultados para discutir la posible evolución de este fenómeno durante los siguientes años. Las Metas del Milenio son una serie de compromisos adquiridos por México y un amplio número de países en torno a una serie de aspectos estrechamente relacionados con el desarrollo. En el caso de la pobreza, la meta consiste en llegar al 2015 con un nivel de pobreza equivalente a la mitad del valor registrado en 1990.Esto  consiste en identificar los requerimientos de crecimiento y redistribución necesarios para que la pobreza en México se reduzca a la mitad entre el 2000 y el 2015.11 Cabe recalcar que dicho trabajo no incluye la información sobre los cambios registrados entre 2000 y 2002. Un escenario extremo consiste en calcular el número de años que tomaría lograr la meta bajo el supuesto de que la distribución del ingreso permaneciera constante durante los siguientes años, y que lo único que cambiara fuera el nivel de ingreso, por medio del crecimiento económico. Si éste fuera el caso, LCS estiman que a partir del año 2000 se requeriría un crecimiento del ingreso per cápita de 70% en el transcurso de los siguientes 15 años (4 por ciento cada año) para lograr el objetivo. Por otro lado, si el ingreso permaneciera constante, y lo único que se modificara fuera la distribución del ingreso, de acuerdo a LCS sería necesaria una reducción de 7 por ciento en el índice de Gini como producto de redistribuciones de ingreso entre los estratos de mayor y menor ingreso. Esto implicaría llegar a niveles de desigualdad semejantes a los observados en 1984, que es el año con menor desigualdad del ingreso en la historia reciente del país (Ver gráfica sig). Es más posible que en el futuro se observen combinaciones tanto de crecimiento económico como de cambios en la desigualdad. Un escenario contemplado por LCS es una tasa de crecimiento per cápita de 1 por ciento anual. En estas circunstancias, sería necesaria una reducción de 4 por ciento en el índice de Gini para lograr la meta en el 2015. Esta reducción de la desigualdad nos llevaría a un nivel semejante al observado en 1989. Este último escenario demuestra que alcanzar las metas con base en la combinación de ambos ingredientes hace la tarea más sencilla. En cambio, si no se combinaran el crecimiento con reducciones en la desigualdad parece poco plausible reducir la pobreza en el futuro cercano en México. En cualquier combinación es evidente que la desigualdad juega un papel central, y garantiza que los beneficios del desarrollo lleguen a todos. Lo ideal será llegar a un punto de equilibrio en que la política económica garantice una mejor distribución del ingreso aumentado la productividad de la población con menores recursos y, al mismo tiempo, que la política social constituya un mecanismo de inversión en las capacidades y las opciones de trabajo e inversión de la población en situación de pobreza. La siguiente sección discute un marco de referencia para abordar esta discusión.

 

3.4. Factores generadores de la desigualdad.

 

En términos generales, puede decirse que la desigualdad en la distribución del ingreso de las personas depende de cuatro elementos centrales: la distribución de los activos generadores de ingreso, la distribución de las oportunidades para utilizar dichos activos, los precios con que el mercado retribuye su utilización, y las transferencias y otros ingresos independientes de los activos. En esta sección se explican brevemente los primeros tres elementos, y se describe su evolución a lo largo del tiempo, lo cual contribuye a explicar cómo se llegó a la situación observada en la actualidad.

 

3.5. Evolución de la pobreza y desigualdad en México.

Para verificar si ha existido en México una tendencia estable, la Gráfica 1 presenta la evolución en la incidencia de la pobreza en distintos niveles de ingreso entre 1950 y el año 2002, utilizando la metodología sugerida por el Comité Técnico de Medición de la Pobreza en México (2002). La Gráfica ilustra la proporción de población en situación de pobreza alimentaria, pobreza de capacidades, y pobreza de patrimonio. Hasta donde se sabe, ésta es la serie de pobreza con metodología comparable más larga de que se dispone al momento. De acuerdo a las estimaciones realizadas existe una reducción considerable en la pobreza entre 1950 y 1984. La proporción de personas en pobreza alimentaria se reduce de 61.8 a 22.5 por ciento; la proporción en pobreza de capacidades se reduce de 73.2 a 30.2 por ciento (incluyendo la pobreza alimentaria), y la proporción en pobreza de patrimonio (incluyendo las otras dos categorías) cae de 90.1 a 54.4 por ciento de la población. A partir de 1984 (justo después de la crisis de 1982), se observa un punto de quiebre en el cual la pobreza deja de disminuir. Entre 1984 y 1994 hay pocas modificaciones, pero en 1994 se observa otro punto de quiebre coincidente con la crisis del 1995. Entre 1994 y 1996 la pobreza se incrementa sustancialmente y llega a niveles de 37.1, 45.3 y 69.6 por ciento, respectivamente.

 

Con la recuperación del crecimiento económico en los últimos años de la década de los noventa, la pobreza retoma la tendencia a la baja. Entre 1996 y 2000 la proporción de población en pobreza alimentaria, de capacidades y de patrimonio se redujo en alrededor de 13 puntos, ubicándose en niveles de 24.2, 31.9 y 53.7 por ciento. Es interesante notar que la mayor parte de la reducción se observa entre 1998 y 2000, a pesar de que el crecimiento económico se reanuda desde el período 1996-1998. La pobreza continúa su tendencia decreciente hacia el año 2002, alcanzando en este último año proporciones de 20.3, 25.6 y 51.7 por ciento, respectivamente. No obstante estas reducciones recientes, los niveles de pobreza al comenzar el Siglo XXI seguían siendo considerables.

 

Entre 1984 y 1994 crece de manera consistente el número de personas en situación de pobreza de capacidades y de patrimonio (en 21.4 y 26.2 millones de personas), mientras que la pobreza alimentaria aumenta en 18.4 millones, con un ligero decremento entre 1992 y 1994. A partir de 1996 el número de pobres cae en las tres categorías, pero aún con esta disminución, el número absoluto de personas en situación de pobreza en el año 2002 seguía siendo mayor al observado diez años atrás. En suma, durante las últimas cinco décadas han existido varios puntos de quiebre en diversas direcciones que impiden observar una tendencia clara en la incidencia de la pobreza en el país. En cuanto a la desigualdad en la distribución del ingreso, la gráfica 2 presenta la evolución del índice de Gini, mientras que la Gráfica 3 muestra la evolución de dos grupos adicionales: la clase media, y la población más rica. Para la desigualdad también se presentan varios quiebres que impiden identificar una tendencia clara de largo plazo. Primero, entre 1950 y 1963 la desigualdad se incrementa notoriamente. Este aumento se explica principalmente por dos fenómenos. Por un lado, como se ilustra en Székely (1998), el 40 por ciento más pobre de la población pierde participación en el ingreso total de 14.5 por ciento a 11 por ciento entre esos años. Por otro lado, en el extremo opuesto, la población más rica triplica su tamaño. Segundo, entre 1963 y 1984 se registra una reducción considerable de la desigualdad, lo cual se explica, tanto por las significativas reducciones en la pobreza como por la expansión de la clase media (de 18.8 a 33.1 por ciento de la población total entre ambos años). A partir de 1984 y hasta 1994 se observa un crecimiento de la desigualdad ocasionado por una reducción en la clase media, producto tanto de aumentos en la pobreza, como en la proporción del grupo de población más rico (Gráfica 3). Un tercer punto de quiebre se da en el período 1994-1996, en el que la desigualdad disminuye nuevamente, sobre todo a consecuencia de un empobrecimiento generalizado de la población, en el que el grupo con mayores ingresos registró mayores pérdidas. Entre 1996 y el año 2000 se observa un ligero aumento en la desigualdad como producto de la expansión del grupo de mayores ingresos, pero nuevamente entre 2000 y 2002 se presenta otro quiebre, al reducirse la desigualdad entre éstos dos años debido a que los estratos más pobres y las clases medias registraron aumentos en sus niveles de ingreso al mismo tiempo que los hogares más ricos los vieron reducirse.

 

 

Grafica 1

Gráfica 2

Gráfica 3

 

3.6. Posibilidad de un México con menor pobreza y desigualdad.

Las gráficas 4  a  6 sugieren que la persistencia en los niveles de pobreza y desigualdad observados en México se debe en buena medida a la combinación de dos factores. El primero es el conjunto de políticas de desarrollo implementadas durante la segunda mitad del siglo pasado. México siguió una política de sustitución de importaciones entre 1950 y 1980, durante la cual, el factor más abundante en el país (la mano de obra poco calificada) obtuvo bajos rendimientos debido a que en una economía cerrada, la abundancia implica menores precios. Por otra parte, el capital físico, debido a su escasez, obtuvo mayores rendimientos precisamente por la misma dinámica de economía cerrada.

 

Durante estos años, la dotación de activos de capital físico y humano podrían haber generado reducciones incluso mayores en la pobreza y la desigualdad si el país hubiera estado integrado a los mercados mundiales. El segundo factor es que el mundo cambió.

 

Durante los ochentas además de México, muchos otros países se insertaron a los mercados mundiales con la liberalización del comercio y esto cambió la dotación mundial de factores. En especial, con la entrada de China e India –cuya población en conjunto es cinco veces más grande a la de toda América Latina – al comercio internacional, México perdió su atractivo como país con abundancia de mano de obra poco calificada y escasez de capital físico, ya que tanto China como la India tienen ventajas comparativas mayores.

 

Al mismo tiempo, los países del sureste asiático sí materializaron las ventajas de haber realizado un progreso significativo en la acumulación de capital humano, ya que se lograron insertar en nichos de mercado en donde la mano de obra con calificación intermedia era altamente valorada. El resultado para México, y de hecho, para un buen número de países de América Latina al inicio del siglo XXI, es que las remuneraciones al capital humano y físico no son favorables para la mayoría de la población: menores salarios para los trabajadores con bajo nivel de calificación y mayores retornos al capital físico.

 

GRAFICA 4

 

GRAFICA 5

 

 

 

GRAFICA 6

3.7. COEFICIENTE DE GINI

El Coeficiente de Gini es una medida de la desigualdad. Normalmente se utiliza para medir la desigualdad en los ingresos, pero puede utilizarse para medir cualquier forma de distribución desigual. El coeficiente de Gini es un número entre 0 y 1, en donde 0 se corresponde con la perfecta igualdad (todos tienen los mismos ingresos) y 1 se corresponde con la perfecta desigualdad (una persona tiene todos los ingresos y todos los demás ninguno).

El índice de Gini es el coeficiente de Gini expresado en porcentaje, y es igual al coeficiente de Gini multiplicado por 100.

Aunque el coeficiente de Gini se utiliza sobre todo para medir la desigualdad en los ingresos, también puede utilizarse para medir la desigualdad en la riqueza. Este uso requiere que nadie disponga de una riqueza neta negativa.

El coeficiente de Gini se calcula como una ratio de las áreas en el diagrama de la curva de Lorenz. Si el área entre la línea de perfecta igualdad y la curva de Lorenz es A, y el área por debajo de la curva de Lorenz es B, entonces el coeficiente de Gini es A/(A+B). Esta ratio se expresa como porcentaje o como equivalente numérico de ese porcentaje, que es siempre un número entre 0 y 1. El coeficiente de Gini se calcula a menudo con la Fórmula de Brown, que es más práctica:

G = | 1 - \sum_{k=0}^{k=n-1} (X_{k+1} - X_{k}) (Y_{k+1} + Y_{k}) |

 

G: Coeficiente de Gini
X: Proporción acumulada de la variable población
Y: Proporción acumulada de la variable ingresos

 

 

3.8. Curva de Lorenz

Es un gráfico frecuentemente utilizado para representar la distribución relativa de una variable en un dominio determinado. El dominio puede ser el conjunto de hogares o personas de una región o país, por ejemplo. La variable cuya distribución se estudia puede ser el ingreso de los hogares o las personas. La curva se gráfica considerando en el eje horizontal el porcentaje acumulado de personas u hogares del dominio en cuestión y el eje vertical el porcentaje acumulado del ingreso.

Cada punto de la curva se lee como porcentaje cumulativo de los hogares o las personas. La curva parte del origen (0,0) y termina en el punto (100,100). Si el ingreso estuviera distribuido de manera perfectamente equitativa, la curva coincidiría con la línea de 45 grados que pasa por el origen (por ejemplo el 30% de los hogares o de la población percibe el 30% del ingreso). Si existiera desigualdad perfecta, o sea, si un hogar o persona poseyera todo el ingreso, la curva coincidiría con el eje horizontal hasta el punto (100,0) donde saltaría el punto (100,100). En general la curva se encuentra en una situación intermedia entre estos dos extremos, si una curva de Lorenz se encuentra siempre por encima de otra (y, por lo tanto, está más cerca de la línea de 45 grados) podemos decir sin ambigüedad que la primera exhibe menor desigualdad que la segunda. Esta comparación gráfica entre distribuciones de distintos dominios geográficos o temporales es el principal empleo de las curvas de Lorenz.

 

 

 

 

 

 

 

 

 

 

 

CAPITULO IV

ECONOMETRIA

 

 

 

4.1.-Definición.

La econometría es una parte fundamental de la actual teoría económica. Muchos grandes economistas formularon sus ideas sin su ayuda, sin embargo, en la actualidad, la econometría se ha constituido en una herramienta adicional importantísima para el desarrollo de la ciencia económica y de los modelos económicos. Un modelo económico es una representación matemática simplificada de la realidad (no tiene en cuenta todos los aspectos, sólo algunos que son considerados como importantes para el análisis).

 

Econometría significa “medición económica”, pero sus alcances van más allá de la simple medición. Esta herramienta, por medio de las matemáticas y la estadística, busca definir y cuantificar las relaciones entre las diferentes variables que se incluyen en un modelo económico y los datos observados en la vida real.

 

Para utilizar la econometría como apoyo en el desarrollo de la ciencia económica, el economista debe, inicialmente, construir, por medio de relaciones matemáticas, un modelo que represente una cierta teoría que desee probar. Posteriormente, se puede hacer uso de la econometría; es decir, se pueden utilizar algunas herramientas matemáticas y estadísticas que permitan juzgar si los resultados arrojados por el modelo están de acuerdo con los observados en la vida real.

 

Como se puede ver, la econometría es importante porque reúne una serie de herramientas que permiten comprobar la validez de un modelo económico.

Después de validar un modelo, se puede utilizar para dar alguna explicación a hechos ocurridos en el pasado y para realizar pronósticos sobre el comportamiento económico en el futuro. Lo anterior facilita el diseño y la implementación de políticas económicas en un país.

 

4.2.- Origen y evolución de la econometría.

Dividiremos en cuatro periodos el estudio de la Econometría.
La Etapa
del Descubrimiento (desde 1930 hasta mediados de 1950). Fundación de la Sociedad de Econometría que fija el nacimiento oficial de esta disciplina, la Econometría no tuvo su "Teoría General" hasta 1944, cuando "Econometrica" publico un suplemento especial escrito por Trigve Haavelmo. Este ofrecía una estructura teórica básica para la estimación de ecuaciones simultáneas dentro de la cual la Econometría Teórica era desarrollada.

 

Las ideas fundamentales de Haavelmo recogidas por la Fundación Cowles, la cual fue apoyada por la Universidad de Chicago. Ellas fueron notablemente exitosas, y al adoptar la aproximación de Máxima Verosimilitud a los problemas que se presentaron en ese tipo, solucionaron virtualmente todos los problemas teóricos en los que se interesaron a mediados de 1950. Todo lo concerniente al modelo el cual podía incorporar cualquier combinación de restricciones económicas y estadísticas fue el modelo de Máxima Verosimilitud de Información Completa (MVIC).

 

Sin embargo, la mayor restricción en la aplicación del modelo MVIC fue la falta de poder de la computación (falta de graficas), esto fue un problema  que llevo a la comisión Cowles a desarrollar una alternativa más fácilmente computable del Modelo de Máxima Verosimilitud de Información Limitada (MVIL) y, en 1953, a Henry Theil a presentar el Modelo de Mínimos Cuadrados en dos etapas (MC2E).

 

A pesar del hecho de que los MC2E ofrecen una técnica que podría ser implementada pese a los problemas computacionales, los Mínimos Cuadrados Ordinarios (MCO) continúan siendo el método de estimación más ampliamente utilizado. Durante este período, hubo poco interés en analizar los supuestos que subyacen al modelo MCO, excepto para la auto correlación de primer orden (AR1) y su transformación, y en 1950/51 Durbin y Watson publicaron su prueba de errores de AR1. La prueba de Durbin y Watson rápidamente llego a ser común y la transformación de Cochrane-Orcutt la cual tuvo uso generalizado en el trabajo de Econometría Aplicada, desafortunadamente, ayudaron a persuadir a muchos economistas que la autocorrelación debía y podía ser tratada como un problema puramente estadístico y no como una señal de mala especificación del modelo.

Metodológicamente, los economistas ocupados en el trabajo empírico durante este período tendieron a ignorar la mayoría de los desarrollos teóricos y continuaron estimando modelos uniecuacionales y evaluándolos sobre la base de un simple e inadecuado criterio:

Ø                  La bondad del ajuste; un valor alto para el R2 fue usualmente lo primero y

              principalmente el principal objetivo.

Ø                  Los signos y magnitudes de los parámetros estimados en relación a la

              expectativas de la teoría económica.

Ø                  Las pruebas t y F de hipótesis económicas simples.

 

            La pregunta a considerarse aquí es por qué la disciplina se tardo tanto para tener un gran impacto sobre el resto de los economistas en esta época. ¿ por qué es esto? Sugeriría tres razones:

1. Escasez de profesores y libros: Como una nueva disciplina a estudiar, hubieron retrasos en la introducción de cursos debido a la falta de profesores entrenados para enseñar la materia y la ausencia de libros y material apropiado para los estudiantes.

2. Escasez de datos apropiados: Las nuevas ideas de la Econometría Teórica fueron también lentas para ser adoptadas debido a la escasez de datos adecuados. Al principio del periodo las cuentas sobre el Ingreso nacional no existían, e inclusive cuando comenzaron a aparecer durante y después de la 2° guerra mundial, la información fue casi de series de tiempo muy cortas.

 3. Problemas computacionales: En años recientes han llegado a tal punto el alto grado de desarrollo del poder de la computación, desde la computadora de sistema principal hasta las modernas Notebook, que es difícil recordar las labores de cálculos intensivos y hasta el cálculo de la ecuación de regresión simple.

 

Estas restricciones, particularmente la tercera, ha influenciado en el desarrollo de la Econometría Aplicada y en la velocidad a la que ha sido adoptada en aspecto importantes como se muestra en la tabla 1.

Tabla 1. La etapa del descubrimiento.

Econometría Teórica

Restricciones computacionales

1932 Fundación de la Sociedad de Econometría y la Fundación Cowles en la Universidad de Chicago.

1944 publicación del trabajo de Haavelmo sobre simultaneidad que llevó a concentrarse a la Fundación Cowles (más tarde Comisión ) en el modelo.

Utilizando la aproximación de máxima verosimilitud, la mayoría de los problemas se resolvieron a inicios de 1950.

La solución teórica completa dada por MVIC, no fue posible de usar a causa de las restricciones computacionales, así que la Comisión Cowles también desarrollo el MVIL.

1949 trabajo de Cochrane-Orcutt sobre la transformación AR1.

1950 Desarrollo de la prueba de Durbin-Watson para errores AR1.

Serias restricciones en el cómputo.

Sólo se disponían de calculadoras no eléctricas. La inversa de una matriz se hacia con la técnica Doolittle.

Computadoras de sistema principal son desarrolladas, pero sólo disponibles para el gobierno de los EE.UU., más no para la investigación económica.

Disponibilidad de máquinas calculadoras de escritorio (eléctricas).

A pesar de los desarrollos en Econometría (teoría), los trabajos aplicados continúan utilizando los MCO con énfasis sobre R2, signos y magnitudes de los estimadores y pruebas t y F.

 

La Etapa de la Certidumbre (desde mediados de 1950 hasta mediados de 1970).

 

 

Tabla 2. Etapa de la Certidumbre.

Econometría Teórica

Restricciones Computacionales

1958 El trabajo de Sargan sobre la estimación de variables instrumentales (VI).

1960 El trabajo de G.Chow sobre pruebas de estabilidad de parámetros.

1962 El trabajo de Zelner y Theil sobre MC3E.

1964 El trabajo de Sargan sobre las pruebas de externalidad.

1965 El trabajo de Shirley Almon sobre estructuras de rezagos.

1969 El trabajo de Clive Granger sobre causalidad.

1972 El trabajo de Christopher Sims, Arnold Zellner en la Universidad de Chicago , y de Jean Dreze y Edward Leamer en CORE.

A inicios de 1960, las computadoras de sistema principal en muchas universidades e instituciones de investigación eran aún restringidas en poder y tamaño.

Muchos modelos econométricos pequeños se construyeron.

Aparecen paquetes tales como el SPSS y el TSP.

Computadoras mas grandes y más poderosas de sistema principal estuvieron a disposición.

Este periodo es la etapa de los grandes modelos de ecuaciones simultáneas.

Datos quincenales están disponibles en algunos países, así que la escasez de datos no la es como cuando existen datos anuales.

 

A pesar de que hubieron importantes avances teóricos durante este periodo, con el desarrollo de un modelo general para la estimación de Variables Instrumentales (VI) (Sargan 1958) y los Mínimos cuadrados en 3 etapas (MC3E) (Zellner y Theil 1962), la característica principal de este período fue la consolidación y la aplicación.

 

Esta fue la etapa de la construcción de modelos, así como de la disponibilidad de computadoras de sistema principal y de programas econométricos especializados lo que hizo posible construir modelos macroeconométricos de gran escala. En los EE.UU., Lawrence Klein había desarrollado el gran modelo de la escuela Wharton en la Universidad de Philafelphia y otros grandes modelos fueron patrocinados por el Instituto Brookings y la Junta de la Reserva Federal en colaboración con el M.I.T. La Escuela de Negocios de Londres fue una de las primeras pioneras en el Reino Unido y, antes de terminar este período el Banco de Inglaterra, el cual normalmente no esta interesado en estas innovaciones técnicas, había construido un modelo econométrico.

 

Las predicciones de varios modelos fueron bastante precisas y los constructores de modelos obtuvieron considerable prestigio por sus trabajos. Sin embargo, con la ventaja de observar el pasado, uno debe sugerir que fueron algo afortunados al trabajar en un período de continua expansión del mundo de la economía, lo que hizo más fácil predecir los cambios de las grandes variables económicas.

 

Hubieron algunos desarrollos en las pruebas de diagnóstico, con el trabajo sobre las pruebas de heterocedasticidad y estabilidad (Chow 1960), pero estos tendieron a ser usados muy pocas veces.

 

Ya existían programas universitarios formando profesionales en Econometría, muchos de los cuales fueron contratados por los grandes centros de modelística macroeconométrica. Sin embargo, la mayoría de estos profesionales permanece sin conocer los desarrollos de la Econometría Teórica y el nivel general del trabajo aplicado en economía sigue siendo bajo.

 

La escasez de datos fue menos un problema en un número de países con cuentas del ingreso nacional elaboradas para producir series de tiempo con información quincenal para muchas de las variables macroeconómicas fundamentales, las que incrementaron el potencial de los grados de libertad disponible para los constructores de modelos, pero también ocasionaron nuevos problemas de especificación dinámica que no fueron reconocidos generalmente a tiempo.

 

Las restricciones en computación fueron también más reducidas, tanto que llego a ser más fácil para los economistas tener acceso a las computadoras de sistema principal, las que fueron incrementando su poder y capacidad. Muchos de los grandes paquetes econométricos (tales como el TSP) aparecieron durante este periodo, de modo que las ideas de "hágalo usted mismo" fueron largamente superados.

 

La etapa de la incertidumbre (desde mediados de 1970 hasta mediados de 1980).

Tabla 3. La etapa de la incertidumbre.

Econometría Teórica

Restricciones computacionales

Desarrollo del método de MC "General a lo específico", especialmente en el trabajo de Denis Sargan y David Hendry.

El trabajo de Pesaran y otros sobre la teoría de las Pruebas de hipótesis no relacionadas.

Trabajo sobre la teoría de análisis de datos combinados de series de tiempo y corte transversal, e.g desarrollo de la teoría de análisis de tablas de datos.

Desarrollo de computadoras de sistema principal más rápidas y más poderosas.

Desarrollo de programas más especializados en Econometría, por ejemplo: RATS, SHAZAM, PC GIVE, etc.

Problemas para los constructores de modelos:

I. Interrupciones en algunas de las relaciones básicas, e.g. la función de demanda de dinero de los EE.UU.

II. Incapacidad de la mayoría de modelos para predecir después de la primera crisis petrolera de la OPEP.

III .Ataques a los modelos Keynesianos por parte de los macroeconomistas neoclásicos de las expectativas racionales.

 

La década desde mediados de 1970 no fue época para las aplicaciones econométricas, tanto que fueron sometidas a dos crisis. Primero, el inicio de la recesión seguida por la primera crisis petrolera de la OPEP que llevo a la mayoría de modelos econométricos establecidos a predecir en muy mala forma, tanto así que muchas de las relaciones básicas de la economía usadas por los constructores de modelos (tales como la curva de Phillips, funciones de demanda de dinero, etc.) resultaron insuficientes de mantenerse vigentes.

 

Segundo, la teoría macroeconómica derivada de Keynes que proporciono la bese para la construcción de modelos econométricos estuvo bajo el ataque de una NUEVA ESCUELA de macroeconomistas neoclásicos (las expectativas racionales habían llegado).

Este ataque combinado de fracasos de predicción de los modelos macroeconómicos existentes llevó a la pérdida de confianza (de ambos lados) por parte de los constructores de modelos como de los usuarios de los modelos.

           

Mientras algunos de los constructores de modelos trataron de abordar los problemas empíricos realizando ajustes ad hoc (específicamente para eso) a sus modelos, otros econometristas respondieron de diversas formas.

 

Primero, hubieron intentos de entender las críticas de la escuela neoclásica de las expectativas racionales y el problema de cómo incorporar las expectativas racionales dentro de los modelos macroeconómicos. Mientras esto tendía a producir modelos macroeconómicos más complicados y ocasionaba algunas dificultades de estimación, ello tuvo el efecto positivo de improvisar la especificación dinámica de muchos modelos.

 

Segundo, los problemas metodológicos fueron requeridos sobre el proceso de construcción y selección de modelos y un número de diferentes escuelas surgieron, lo que ha tenido alguna influencia en años recientes. Los orígenes de las ideas concernientes han sido vistas antes, pero no han penetrado tanto hacia los pequeños grupos de seguidores hasta que la crisis los obligo a prestar atención a una amplia audiencia.

 

Mientras el período no fue un buen momento para los constructores de modelos, ello marco una nueva era en la computación, ya que a inicios de 1980 se vio la aparición de la computadora personal IBM. En un momento relativamente corto los econometristas estuvieron trabajando en estas PC’S que eran más rápidas y poderosas que las computadoras de sistema principal de las primera épocas. Como consecuencia, los modelos teóricos que habían sido desarrollados por la Comisión Cowles en los años cincuenta fueron finalmente capaces de implementarse en las máquinas que fueron apareciendo sobre los escritorios de un gran número de economistas.

 

Etapa de la Reconstrucción (desde mediados de 1980 hasta el presente).

Tabla 4. La etapa de la reconstrucción.

Econometría Teórica

Restricciones computacionales

1980 El trabajo de Christopher Sims sobre modelística del Vector Autorregresivo (VAR).

Mucho interés por la metodología en este periodo. Ninguno de los paradigmas llega a dominar, pero el acuerdo general es sobre la necesidad de más pruebas de diagnóstico así como desarrollos en la teoría de las pruebas.

Aumenta el interés en la modelística dinámica y en las propiedades de largo plazo de los modelos econométricos. Esta inquietud lleva al trabajo fundamental de Clive Granger(1990) sobre Cointegración, Raíces Unitarias y el Modelo de Corrección de Errores. Así mismo se desarrollan muchos tópicos especializados para esos temas.

A inicios de los 80’s el desarrollo de la PC de la IBM importa tanto como el nivel de cambio tecnológico de las computadoras el que llega a ser tan veloz que rápidamente no hay virtualmente restricciones sobre el análisis econométrico.

Paquetes econométricos especializados(e.g. PC GIVE, MICROFIT, EVIEWS) y nuevos desarrollos en Econometría Teórica que inmediatamente se incorporaron en estos paquetes.

El mayor uso del modelo de ecuación simple (como en los primeros días), pero no con mucho interés en las pruebas de diagnóstico y donde son apropiados el uso de la estimación de Variable Instrumental más que los MCO.

 

Yendo a tiempos más recientes, dos avances han sido particularmente importantes. Primero ha sido un periodo en que la metodología llego a preocupar más a los profesionales de Econometría. Los fracasos de los constructores de modelos y la imposibilidad de muchos de los primeros procedimientos para discriminar entre modelos competentes debido al menor poder (eso es, el gran error tipo II de aceptar una hipótesis falsa) hizo necesario cuestionar los fundamentos. Uno de estos fue la validez de traspasar los supuestos clásicos del análisis de regresión sin que se cuestionen y pongan a prueba su validez. Esto ha llevado a un grandioso interés en las propiedades estadísticas de las ecuaciones y el desarrollo de una amplia variedad de pruebas.

 

Seguido el progreso en el desarrollo de programas de computación especializados para la Econometría ha incrementado enormemente el conocimiento general de los profesionales de Econometría hacia los recientes avances de la Econometría teórica, ahora la situación ha sido revertida. Muchos de los actuales paquetes diseñados para el análisis econométrico son frecuentemente actualizados para incorporar nuevos avances teóricos en forma de pruebas adicionales o procedimientos analíticos.

 

El efecto de estos paquetes que son instalados en las PC’S sobre los escritorios de aplicados economistas quienes no son necesariamente econometristas ha tendido a ser provechoso, tanto así que mientras algunos de ellos han aplicado las pruebas y obtenido los resultados mecánicamente sin comprenderlos, otros han sido suficientemente motivados para investigar la teoría que subyace a estas nuevas pruebas y procedimientos de estimación.

 

4.3. ESPECIFICACIÓN DEL MODELO

A continuación se muestra la validación  de las ecuaciones del modelo, para la distribución de la riqueza en México mediante el análisis de regresión múltiple se muestran los resultados y las ecuaciones así como las respectivas gráficas.

 

MODELO

ECUACION 1

 

Análisis de Regresión Múltiple

------------------------------------------------------------------------------------------------------------------------------

Variable dependiente: PIB _miles de millones $__1

------------------------------------------------------------------------------------------------------------------------------

                                                                     Error                  Estadístico

Parámetro                  Estimación               estándar                     T                     P-Valor

------------------------------------------------------------------------------------------------------------------------------

CONSTANTE               752648.0                 40996.1                 18.359                 0.0000

Inversión                         1.5474                 0.234052                6.61135                0.0000

Exportaciones               0.647244              0.0732527             8.83576                  0.0000

------------------------------------------------------------------------------------------------------------------------------

 

                           Análisis de Varianza

------------------------------------------------------------------------------------------------------------------------------

Fuente            Suma de cuadrados         GL            Cuadrado medio       Cociente-F      P-Valor

------------------------------------------------------------------------------------------------------------------------------

Modelo                  3.93715E11                2                   1.96858E11            398.54          0.0000

Residuo                 5.43345E9                 11                    4.9395E8

------------------------------------------------------------------------------------------------------------------------------

Total (Corr.)          3.99149E11                13

 

R-cuadrado = 98.6387 porcentaje

R-cuadrado (ajustado para g.l.) = 98.3912 porcentaje

Error estándar de est. = 22225.0

Error absoluto medio = 16929.8

Estadístico de Durbin-Watson = 0.655968 (P=0.0002)

Autocorrelación residual en Lag 1 = 0.510108

 

 

Por lo tanto, la salida muestra los resultados del ajuste a un modelo de regresión lineal múltiple para describir la relación entre PIB _miles de millones $__1 y 2 variables independientes.  La ecuación del modelo ajustado es:

 

PIB _miles de millones $__1 = 752648.0 + 1.5474*Inversión +0.647244*Exportaciones

 

Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe relación estadísticamente significativa entre las variables para un nivel de confianza del 99%.

 

El estadístico R-cuadrado indica que el modelo explica un 98.6387% de la variabilidad en PIB _miles de millones $__1.  El estadístico R-cuadrado ajustado, que es más conveniente para comparar modelos con diferente números de variables independientes, es 98.3912%.

 

El error estándar de la estimación muestra la desviación típica de los residuos que es 22225.0.  Este valor puede usarse para construir los límites de predicción para las nuevas observaciones seleccionando la opción Informes del menú del texto.  El error absoluto medio (MAE) de 16929.8 es el valor medio de los residuos.  El estadístico Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se han introducido los datos en el fichero.  Dado que el p-valor es inferior a 0.05, hay indicio de una posible correlación serial.  Represente los residuos frente al orden de fila para ver si hay algún modelo que pueda verse. 

 

Para decidir la simplificación del modelo, tenga en cuenta que el p-valor más alto en las variables independientes es 0.0000, perteneciendo a Inversión.  Puesto que el p-valor es inferior a 0.01, el término de orden superior es estadísticamente significativo para un nivel de confianza del 99%. 

 

ECUACION 2

 

Análisis de Regresión Múltiple

------------------------------------------------------------------------------------------------------------------------------

Variable dependiente: Exportaciones

------------------------------------------------------------------------------------------------------------------------------

                                                                   Error                   Estadístico

Parámetro                Estimación             estándar                        T                          P-Valor

------------------------------------------------------------------------------------------------------------------------------

CONSTANTE          2.37752E6                641775.0                  3.7046                    0.0100

Empleo total               -44078.6                 11618.9                 -3.79371                  0.0090

Inversión                     1.95763                  0.103439               18.9254                   0.0000

------------------------------------------------------------------------------------------------------------------------------

 

                           Análisis de Varianza

------------------------------------------------------------------------------------------------------------------------------

Fuente          Suma de cuadrados     GL       Cuadrado medio      Cociente-F         P-Valor

------------------------------------------------------------------------------------------------------------------------------

Modelo                 8.13447E10            2            4.06724E10             179.34            0.0000

Residuo                 1.36074E9             6            2.26789E8

------------------------------------------------------------------------------------------------------------------------------

Total (Corr.)            8.27055E10          8

 

R-cuadrado = 98.3547 porcentaje

R-cuadrado (ajustado para g.l.) = 97.8063 porcentaje

Error estándar de est. = 15059.5

Error absoluto medio = 9980.78

Estadístico de Durbin-Watson = 2.28911 (P=0.0944)

Autocorrelación residual en Lag 1 = -0.331634

 

 

 

Por lo tanto, la salida muestra los resultados del ajuste a un modelo de regresión lineal múltiple para describir la relación entre Exportaciones y 2 variables independientes.  La ecuación del modelo ajustado es:

 

Exportaciones = 2.37752E6 - 44078.6*empleo total + 1.95763*Inversión

 

Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe relación estadísticamente significativa entre las variables para un nivel de confianza del 99%.

 

El estadístico R-cuadrado indica que el modelo explica un 98.3547% de la variabilidad en Exportaciones.  El estadístico R-cuadrado ajustado, que es más conveniente para comparar modelos con diferente números de variables independientes, es97.8063%. 

 

El error estándar de la estimación muestra la desviación típica de los residuos que es 15059.5.  Este valor puede usarse para construir los límites de predicción para las nuevas observaciones seleccionando la opción Informes del menú del texto.  El error absoluto medio (MAE) de 9980.78 es el valor medio de los residuos.  El estadístico Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se han introducido los datos en el fichero.  Dado que el p-valor es superior a 0.05, no hay indicio de autocorrelación serial en los residuos. 

 

Para decidir la simplificación del modelo, tenga en cuenta que el p-valor más alto en las variables independientes es 0.0090, perteneciendo a empleo total.  Puesto que el p-valor es inferior a 0.01, el término de orden superior es estadísticamente significativo para un nivel de confianza del 99%. 

 

 

 

ECUACION 3

 

 

Análisis de Regresión Múltiple

---------------------------------------------------------------------------------------------------------------------------

Variable dependiente: Importaciones

---------------------------------------------------------------------------------------------------------------------------

                                                                        Error               Estadístico

Parámetro                      Estimación                estándar               T                    P-Valor

---------------------------------------------------------------------------------------------------------------------------

CONSTANTE                    15996.8                419384.0          0.0381435           0.9708

Tipo de cambio real          -3471.79                1249.08             -2.77949            0.0320

Gasto Público                    57241.4                19118.4               2.99405            0.0242

---------------------------------------------------------------------------------------------------------------------------

 

                           Análisis de Varianza

---------------------------------------------------------------------------------------------------------------------------

Fuente          Suma de cuadrados     GL      Cuadrado medio        Cociente-F        P-Valor

---------------------------------------------------------------------------------------------------------------------------

Modelo                 1.50485E11            2            7.52427E10              101.34            0.0000

Residuo                 4.45466E9             6            7.42444E8

---------------------------------------------------------------------------------------------------------------------------

 

Total (Corr.)           1.5494E11             8

 

R-cuadrado = 97.1249 porcentaje

R-cuadrado (ajustado para g.l.) = 96.1666 porcentaje

Error estándar de est. = 27247.8

Error absoluto medio = 16209.2

Estadístico de Durbin-Watson = 1.97472 (P=0.2301)

Autocorrelación residual en Lag 1 = -0.0105436

 

La salida muestra los resultados del ajuste a un modelo de regresión lineal múltiple para describir la relación entre Importaciones y 2 variables independientes.  La ecuación del modelo ajustado es:

 

Importaciones = 15996.8 - 3471.79*tipo de cambio real + 57241.4*Gasto Público

 

Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe relación estadísticamente significativa entre las variables para un nivel de confianza del 99%.

 

 

 El estadístico R-cuadrado indica que el modelo explica un 97.1249% de la variabilidad en Importaciones.  El estadístico R-cuadrado ajustado, que es más conveniente para comparar modelos con diferente números de variables independientes, es96.1666%. 

 

El error estándar de la estimación muestra la desviación típica de los residuos que es 27247.8.  Este valor puede usarse para construir los límites de predicción para las nuevas observaciones seleccionando la opción Informes del menú del texto.  El error absoluto medio (MAE) de 16209.2 es el valor medio de los residuos.  El estadístico Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se han introducido los datos en el fichero.  Dado que el p-valor es superior a 0.05, no hay indicio de auto correlación serial en los residuos. 

 

Para decidir la simplificación del modelo, tenga en cuenta que el p-valor más alto en las variables independientes es 0.0320, perteneciendo a tipo de cambio real.  Puesto que el p-valor es inferior a 0.05, ese término es estadísticamente significativo para un nivel de confianza del 95%.

 

 

 

 

 

 

 

 

ECUACION 4

 

Variable dependiente: Gasto Público

---------------------------------------------------------------------------------------------------------------------------

                                                                     Error                 Estadístico

Parámetro                  Estimación                 estándar                T                       P-Valor

 

 

CONSTANTE                 11.3354                 1.13194                10.0141               0.0000

Tasa de Inflación          -0.0521761             0.026343              -1.98065              0.0732

indicepobenmill           0.0000456158       0.0000114422          3.98665               0.0021

---------------------------------------------------------------------------------------------------------------------------

 

                           Análisis de Varianza

---------------------------------------------------------------------------------------------------------------------------

Fuente            Suma de cuadrados     GL       Cuadrado medio       Cociente-F         P-Valor

---------------------------------------------------------------------------------------------------------------------------

Modelo                    24.4518                 2                12.2259                 14.04              0.0009

Residuo                   9.57751                11               0.870683

---------------------------------------------------------------------------------------------------------------------------

Total (Corr.)             34.0293                13

 

R-cuadrado = 71.8551 porcentaje

R-cuadrado (ajustado para g.l.) = 66.7378 porcentaje

Error estándar de est. = 0.933104

Error absoluto medio = 0.647079

Estadístico de Durbin-Watson = 0.686343 (P=0.0002)

Auto correlación residual en Lag 1 = 0.570948

 

Por lo tanto, la salida muestra los resultados del ajuste a un modelo de regresión lineal múltiple para describir la relación entre Gasto Público y 2 variables independientes.  La ecuación del modelo ajustado es:

 

Gasto Público = 11.3354 - 0.0521761*Tasa de Inflación _precios al consumidor +

                           0.0000456158*índice poblacional en millones.

 

Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe relación estadísticamente significativa entre las variables para un nivel de confianza del 99%.

 

            El estadístico R-cuadrado indica que el modelo explica un 71.8551% de la variabilidad en Gasto Público.  El estadístico R-cuadrado ajustado, que es más conveniente para comparar modelos con diferente números de variables independientes, es66.7378%. 

 

El error estándar de la estimación muestra la desviación típica de los residuos que es 0.933104.  Este valor puede usarse para construir los límites de predicción para las nuevas observaciones seleccionando la opción Informes del menú del texto.  El error absoluto medio (MAE) de 0.647079 es el valor medio de los residuos.  El estadístico Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se han introducido los datos en el fichero.  Dado que el p-valor es inferior a 0.05, hay indicio de una posible correlación serial.  Represente los residuos frente al orden de fila para ver si hay algún modelo que pueda verse. 

 

 

ECUACION 5

 

Análisis de Regresión Múltiple

---------------------------------------------------------------------------------------------------------------------------

Variable dependiente: Inversión

---------------------------------------------------------------------------------------------------------------------------

                                                               Error               Estadístico

Parámetro               Estimación           estándar                   T                       P-Valor

---------------------------------------------------------------------------------------------------------------------------

CONSTANTE             731842.0          132846.0              5.50894                  0.0027

Tipo de cambio re        -1499.69             465.51               -3.22161                 0.0234

Importaciones             0.160678          0.0652401            2.46288                  0.0570

Gasto Social _mil        -15615.9            3848.39              -4.05778                 0.0098

---------------------------------------------------------------------------------------------------------------------------

 

                           Análisis de Varianza

---------------------------------------------------------------------------------------------------------------------------

Fuente          Suma de cuadrados       GL       Cuadrado medio        Cociente-F      P-Valor

---------------------------------------------------------------------------------------------------------------------------

Modelo                 2.22317E10              3              7.41056E9               163.54         0.0000

Residuo                 2.26562E8               5              4.53125E7

---------------------------------------------------------------------------------------------------------------------------

Total (Corr.)          2.24582E10              8

 

R-cuadrado = 98.9912 porcentaje

R-cuadrado (ajustado para g.l.) = 98.3859 porcentaje

Error estándar de est. = 6731.45

Error absoluto medio = 4296.85

Estadístico de Durbin-Watson = 2.6793 (P=0.0081)

Auto correlación residual en Lag 1 = -0.355885

 

 

 

Por lo tanto, la salida muestra los resultados del ajuste a un modelo de regresión lineal múltiple para describir la relación entre Inversión y 3 variables independientes.  La ecuación del modelo ajustado es:

 

Inversión = 731842.0 - 1499.69*tipo de cambio real + 0.160678*Importaciones -         

                  15615.9*Gasto Social _miles de millones

 

Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe relación estadísticamente significativa entre las variables para un nivel de confianza del 99%.

 

El estadístico R-cuadrado indica que el modelo explica un 98.9912% de la variabilidad en Inversión.  El estadístico R-cuadrado ajustado, que es más conveniente para comparar modelos con diferente números de variables independientes, es98.3859%.  El error estándar de la estimación muestra la desviación típica de los residuos que es 6731.45.  Este valor puede usarse para construir los límites de predicción para las nuevas observaciones seleccionando la opción Informes del menú del texto.  El error absoluto medio (MAE) de 4296.85 es el valor medio de los residuos.  El estadístico Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se han introducido los datos en el fichero.  Dado que el p-valor es inferior a 0.05, hay indicio de una posible correlación serial.  Represente los residuos frente al orden de fila para ver si hay algún modelo que pueda verse. 

 

Para decidir la simplificación del modelo, tenga en cuenta que el p-valor más alto en las variables independientes es 0.0570, perteneciendo a Importaciones.  Puesto que el p-valor es inferior a 0.01, ese término es estadísticamente significativo para un nivel de confianza del 90%.  Dependiendo del nivel de confianza con el que quiera trabajar, puede decidir quitar o no Importaciones del modelo. 

 

Para decidir la simplificación del modelo, tenga en cuenta que el p-valor más alto en las variables independientes es 0.0732, perteneciendo a Tasa de Inflación _precios al consumidor. 

 

ECUACION 6

 

Análisis de Regresión Múltiple

---------------------------------------------------------------------------------------------------------------------------

Variable dependiente: Población (millones de personas)

---------------------------------------------------------------------------------------------------------------------------

                                                                    Error               Estadístico

Parámetro                  Estimación              estándar                 T                    P-Valor

---------------------------------------------------------------------------------------------------------------------------

CONSTANTE               154336.0                1886.03             81.8308               0.0001

Tasa de Mortalidad      -0.0191851           0.00409048          -4.6902               0.0426

Tasa de Natalidad          -2477.92               19.0644             -129.976              0.0001

---------------------------------------------------------------------------------------------------------------------------

 

                           Análisis de Varianza

---------------------------------------------------------------------------------------------------------------------------

Fuente            Suma de cuadrados      GL      Cuadrado medio       Cociente-F         P-Valor

---------------------------------------------------------------------------------------------------------------------------

Modelo                   2.00046E7               2             1.00023E7              8514.13           0.0001

Residuo                   2349.58                  2               1174.79

---------------------------------------------------------------------------------------------------------------------------

Total (Corr.)            2.0007E7                 4

 

R-cuadrado = 99.9883 porcentaje

R-cuadrado (ajustado para g.l.) = 99.9765 porcentaje

Error estándar de est. = 34.2752

Error absoluto medio = 18.6928

Estadístico de Durbin-Watson = 2.49724 (P=0.0004)

Auto correlación residual en Lag 1 = -0.359186

 

Por lo tanto, la salida muestra los resultados del ajuste a un modelo de regresión lineal múltiple para describir la relación entre Población (millones de personas) y 2 variables independientes.  La ecuación del modelo ajustado es:

 

 

Población (millones de personas)= 154336.0 - 0.0191851*Tasa de Mortalidad/1000

                                                         - 2477.92*Tasa de Natalidad _Nacimiento_10

 

Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe relación estadísticamente significativa entre las variables para un nivel de confianza del 99%.

 

El estadístico R-cuadrado indica que el modelo explica un 99.9883% de la variabilidad en Población (millones de personas).  El estadístico R-cuadrado ajustado, que es más conveniente para comparar modelos con diferente números de variables independientes, es99.9765%.

 

El error estándar de la estimación muestra la desviación típica de los residuos que es 34.2752.  Este valor puede usarse para construir los límites de predicción para las nuevas observaciones seleccionando la opción Informes del menú del texto.  El error absoluto medio (MAE) de 18.6928 es el valor medio de los residuos.  El estadístico Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se han introducido los datos en el fichero.  Dado que el p-valor es inferior

a 0.05, hay indicio de una posible correlación serial.  Represente los residuos frente al orden de fila para ver si hay algún modelo que pueda verse. 

 

Para decidir la simplificación del modelo, tenga en cuenta que el p-valor más alto en las variables independientes es 0.0426, perteneciendo a Tasa de Mortalidad/1000.  Puesto que el p-valor es inferior a 0.05, ese término es estadísticamente significativo para un nivel de confianza del 95%. 

 

 

ECUACION 7

 

Análisis de Regresión Múltiple

---------------------------------------------------------------------------------------------------------------------------

Variable dependiente: Tasa de Natalidad

---------------------------------------------------------------------------------------------------------------------------

                                                                    Error             Estadístico

Parámetro                Estimación               estándar               T                   P-Valor

---------------------------------------------------------------------------------------------------------------------------

CONSTANTE             16.717                     11.9426           1.39978             0.2965

Tasa de Fertilidad      6.42502                   1.81389            3.54212             0.0713

indicepobenmill       -0.000118309         0.0000809839        -1.46089            0.2815

---------------------------------------------------------------------------------------------------------------------------

 

                           Análisis de Varianza

---------------------------------------------------------------------------------------------------------------------------

Fuente          Suma de cuadrados      GL     Cuadrado medio     Cociente-F       P-Valor

---------------------------------------------------------------------------------------------------------------------------

Modelo                    3.28264                2              1.64132              5160.54           0.0002

Residuo               0.000636104            2           0.000318052

---------------------------------------------------------------------------------------------------------------------------

Total (Corr.)             3.28328                4

 

R-cuadrado = 99.9806 porcentaje

R-cuadrado (ajustado para g.l.) = 99.9613 porcentaje

Error estándar de est. = 0.017834

Error absoluto medio = 0.00856935

Estadístico de Durbin-Watson = 2.55008 (P=0.0006)

Auto correlación residual en Lag 1 = -0.405728

 

 

Por lo tanto, la salida muestra los resultados del ajuste a un modelo de regresión lineal múltiple para describir la relación entre Tasa de Natalidad  y 2 variables independientes.  La ecuación del modelo ajustado es:

 

Tasa de Natalidad = 16.717 + 6.42502*Tasa de Fertilidad - 0.000118309*Índice de población

 

Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe relación estadísticamente significativa entre las variables para un

nivel de confianza del 99%.

 

El estadístico R-cuadrado indica que el modelo explica un 99.9806% de la variabilidad en Tasa de Natalidad.  El estadístico R-cuadrado ajustado, que es más conveniente para comparar modelos con diferente números de variables independientes, es 99.9613%.

 

El error estándar de la estimación muestra la desviación típica de los residuos que es 0.017834.  Este valor puede usarse para construir los límites de predicción para las nuevas observaciones seleccionando la opción Informes del menú del texto.  El error absoluto medio (MAE) de 0.00856935 es el valor medio de los residuos.  El estadístico Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se han introducido los datos en el fichero.  Dado que el p-valor es inferior a 0.05, hay indicio de una posible correlación serial.  Represente los residuos frente al orden de fila para ver si hay algún modelo que pueda verse. 

 

Para decidir la simplificación del modelo, tenga en cuenta que el p-valor más alto en las variables independientes es 0.2815, perteneciendo a índice de población en millones.  Puesto que el p-valor es superior o igual a 0.10, este término no es estadísticamente significativo para un nivel de confianza del 90% o superior.

 

ECUACION 8

Análisis de Regresión Múltiple

---------------------------------------------------------------------------------------------------------------------------

Variable dependiente: ingreso salarial

---------------------------------------------------------------------------------------------------------------------------

                                                               Error            Estadístico

Parámetro                Estimación          estándar               T                      P-Valor

---------------------------------------------------------------------------------------------------------------------------

CONSTANTE                25270.3         1632.14             15.4829               0.0000

Índice de población       0.14459       0.0216134            6.68982              0.0001

---------------------------------------------------------------------------------------------------------------------------

 

                           Análisis de Varianza

---------------------------------------------------------------------------------------------------------------------------

Fuente          Suma de cuadrados     GL      Cuadrado medio        Cociente-F         P-Valor

---------------------------------------------------------------------------------------------------------------------------

Modelo                  1.25822E8             1           1.25822E8                44.75              0.0001

Residuo                 2.53028E7             9           2.81143E6

---------------------------------------------------------------------------------------------------------------------------

Total (Corr.)           1.51125E8            10

 

R-cuadrado = 83.257 porcentaje

R-cuadrado (ajustado para g.l.) = 81.3966 porcentaje

Error estándar de est. = 1676.73

Error absoluto medio = 1342.47

Estadístico de Durbin-Watson = 1.76224 (P=0.2100)

Auto correlación residual en Lag 1 = -0.046208

 

La salida muestra los resultados del ajuste a un modelo de regresión lineal múltiple para describir la relación entre ingreso salarial y 1 variables independientes.  La ecuación del modelo ajustado es:

 

ingreso salarial = 25270.3 + 0.14459*índice poblacional

 

Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe relación estadísticamente significativa entre las variables para un nivel de confianza del 99%.

 

El estadístico R-cuadrado indica que el modelo explica un 83.257% de la variabilidad en ingreso salarial.  El estadístico R-cuadrado ajustado, que es más conveniente para comparar modelos con diferente números de variables independientes, es81.3966%.  El error estándar de la estimación muestra la desviación típica de los residuos que es 1676.73.  Este valor puede usarse para construir los límites de predicción para las nuevas observaciones seleccionando la opción Informes del menú del texto.  El error absoluto medio (MAE) de 1342.47 es el valor medio de los residuos.  El estadístico Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se han introducido los datos en el fichero.  Dado que el p-valor es superior a 0.05, no hay indicio de auto correlación serial en los residuos. 

 

Para decidir la simplificación del modelo, tenga en cuenta que el p-valor más alto en las variables independientes es 0.0001, perteneciendo al índice de población.  Puesto que el p-valor es inferior a 0.01, el término de orden superior es estadísticamente significativo para un nivel de confianza del 99%. 

 

 

 

A continuación, se anexa las ecuaciones correspondientes al .mod en donde están especificadas   las variables para el modelo de la distribución de la riqueza se encuentran las variables endógenas y exogenas.

 

 

- MODELO DISTRIBUCION DE LA RIQUEZA - INDICE DE GINI

-

    ITERACIONES = 50

    EPSILON     = 0.05

    ANIO        = 2004

    COM = 'MODELO DIST-RIQ_IND-GINI'

-

    EXOGENAS

Y1 'Producto Interno Bruto (miles de millones de pesos)' = 1633076

Y2 'Exportaciones Totales' = 556825

Y3 'Importaciones Totales' = 597132

Y4 'Gasto Publico' =1265396

Y5 'Inversion' = 3108820

Y6 'Poblacion Total (millones de Personas)' = 97920.2

Y7 'Tasa de Natalidad (%)' = 19.34

Y8 'Tasa de Mortalidad (%)' =44.32

Y9 'Tasa de Fertilidad (%)' =2.21

Y10 'Indice de Gini' = .499

Y11 'Tasa de Alfabetizacion (%)' =  104.78

Y12 'Tasa de Inflacion (%)' = 4.56

Y13 'Gasto Social' = 23.2

Y14 'Empleo Total' = 53

Y15 'Tipo de cambio real' = 10.87

-

-

    ENDOGENAS

X1 'Producto Interno Bruto'  = Y1

X2 'Exportaciones Totales'

X3 'Importaciones Totales' 

X4 'Gasto Publico'

X5 'Inversión'

X6 'Poblacion Total (millones de Personas)'

X7 'Tasa de Natalidad (%)'

X8 'Indice de gini'

-

-

 

    ECUACIONES

X1 = 752648.0 + 1.5474*X5 +0.647244*X2

X2 = 2.37752E6 - 44078.6*Y14+ 1.95763*Y5

X3 = 15996.8 - 3471.79*Y15 + 57241.4*Y4

X4 = 11.3354 - 0.0521761*Y12 +0.0000456158*Y6.

X5 = 731842.0 - 1499.69*Y15 + 0.160678*Y3 -15615.9*Y13

 

X6 = 154336.0 - 0.0191851*Y8- 2477.92*Y7

X7 = 16.717 + 6.42502*Y9 - 0.000118309*Y6

X8 =  25270.3 + 0.14459*Y6                                                       

END

 

 

 

 

 

 

 

 

 

 

4.4. Validación.

            A continuación se muestra la validación de las ecuaciones y las proyecciones del modelo distribución de la riqueza en el sistema macroeconometrico “The Economist”, para así saber el índice de gini de los proximos años.

 

 

 

En la primer pantalla se muestra el inicio del software “The Economist system”

 

En las siguientes pantallas se muestra la variación de las ecuaciones anteriores, indicando así el Índice de gini y las proyecciones de los años 2005 en adelante.

 

 

 

 

 

 

 

 

 

 

 

 

 

CAPITULO V

CONCLUSIONES Y REFERENCIAS

 

 

 

 

 

 

 

 

 

5.1. CONCLUSIONES

 

A lo largo de su historia, México se ha caracterizado por presentar niveles de pobreza y desigualdad persistentes, a pesar de contar con un ingreso promedio que lo ubica como un país con niveles relativamente altos de desarrollo. Este documento explora las causas que se encuentran detrás de estos niveles excesivos de pobreza y desigualdad, y discute cuáles son las perspectivas a futuro para resolver ambos problemas.

 

Pero dada la inserción del país a los mercados mundiales, adicionalmente depende de lo que suceda en el resto del mundo. Afortunadamente, México se encuentra en un momento ideal para revertir estas tendencias, ya que la transición demográfica por la cual atraviesa el país representa una oportunidad sin precedentes para mejorar tanto las dotaciones de activos generadores de ingreso, como su distribución y retribución hacia los sectores menos favorecidos en la sociedad.

 

           

 

 

 

5.2. REFERENCIAS.

 

Web general:

 

http://www.theeconomistsystem.com

http://es.wikipedia.org/wiki/Coeficiente

http://es.wikipedia.org/wiki/Coeficiente_Gini

http://es.wikipedia.org/wiki/Curva_de_Lorenz

http://www.shcp.gob.mx/

http://www.inegi.gob.mx/inegi/default.asp

http://www.indexmundi.com

http://www.bancomext.com/Bancomext/index.jsp

http://www.conapo.gob.mx/

 

 

 

 

 

 

 

 

CAPITULO VI

ANEXOS

 

 

6.1. NOMENCLATURA

Coeficiente de gini: Un índice que sirve para medir la  distribución   del   ingreso dentro de una

                                sociedad. El coeficiente de Gini  puede  adoptar  valores  entre cero y uno;  

                                el primer caso correspondería a una distribución completamente igualitaria  

                                o uniforme de los ingresos, en tanto que el valor de uno se  presentaría en

                                el caso de una distribución totalmente desigual.

 

Curva de Lorenz: gráfico frecuentemente utilizado para representar la distribución relativa de

                             una variable en un dominio determinado.

 

Decil: un percentil múltiplo de diez.

 

Econometría: Nombre  con  el  que se  designa  la  aplicación  de las técnicas matemáticas y  

                       estadísticas a la resolución de problemas de economía.

 

Macroeconomía: Parte de la ciencia económica que estudia los agregados económicos con           

                           el objeto de comprender su funcionamiento de conjunto en un país o  región.

                           la   macroeconomía   utiliza  categorías  tales  como   empleo   global,   renta

                           nacional,  consumo,  oferta  y  demanda  agregadas,  valor  promedio  de los

                           precios, etc.,  siguiendo  en  general la conceptualización realizada  por John

                           M. Keynes.  Su propósito  es  estudiar las influencias que  determinan el nivel

                           de  la  renta  nacional y  el crecimiento económico, así como otros problemas         

                          relacionados a los anteriores, como el desempleo y las recesiones.

 

 

The Economist system: programa computacional que simula modelos económicos.

 

 

 

 

 

 

 

 

6.2. ANEXOS

 

 

 

 

 

PATRÓN GENERAL DE INGRESOS Y GASTOS DEL GOBIERNO FEDERAL

CON RESPECTO AL PIB 1990 - 2002

 

GASTO PUBLICO 1990 - 2002

 

 

 

DISTRIBUCION DE GASTO EN HOGARES ANTES Y DEPUES DE TRANSFERENCIAS PÚBLICAS

 

 

 

 

 C U A D R O 1

 

México: distribución del ingreso por hogares, 1963-1994 (porcentajes)

 

 

 40 más bajo

 50 intermedio

 10 más alto

 Total

 1963

 10.2

 47.6

 42.2

 100

 1968

 11.2

 48.8

 40.0

 100

 1977

 10.4

 52.8

 36.8

 100

 1984

 14.3

 52.9

 32.8

 100

 1984a

 14.5

 53.4

 32.2

 100

 1984b

 12.7

 53.0

 34.3

 100

 1989

 12.9

 49.2

 37.9

 100

 1992b

 11.0

 48.1

 40.8

 100

 1994a

 12.2

 48.1

 39.6

 100

 

 

 

 

 

 

 

 

 

 

 

México: distribución del ingreso monetario corriente real de los hogares por decil, 1984 y 1994

 

 Decil

 Distribución del ingreso monetario corriente por deciles (%)

 Número promedio de perceptores de ingreso por hogar

  Ingreso monetario corriente promedio del hogar por decil1

 Tamaño promedio del hogar

  Ingreso monetario corriente promedio per cápita por decil1

 

 1984

 1994

 1984

 1994

 1984

 1994

1984

 1994

 1984

 1994

 I

 1.5

 1.4

 1.1

 1.3

 920

1 038

 3.1

 3.1

 293

 332

 II

 3.3

 2.7

 1.3

 1.3

1 971

2 004

 4.2

 4.1

 474

 486

 III

 4.4

 3.6

 1.3

 1.4

2 627

2678 

 4.9

 4.2

 531

 639

 IV

 5.3

 4.5

 1.4

 1.4

3 202

3 329

 4.7

 4.2

 688

 786

 V

 6.4

 5.5

 1.4

 1.7

3 877

4 063

 4.9

 4.5

 787

 898

 VI

 8.0

 6.7

 1.6

 1.8

4 789

4 983

 5.1

 4.7

 937

1 071

 VII

 9.9

 8.5

 1.8

 2.1

5 932

6 324

 5.2

 5.1

1 134

1 245

 VIII

 12.3

 11.2

 2.0

 2.2

7 373

8 287

 5.7

 5.1

1 288

1 623

 IX

 16.8

 16.2

 2.2

 2.2

10 129

11 976

 5.7

 4.8

1 775

2 498

 X

 32.2

 39.6

 2.1

 2.1

19 343

29 341

 5.7

 4.4

3 390

6 596

 Total

 100.0

 100.0

 1.6

 1.8

6 030

7 414

 4.9

 4.4

1 222

1 673