Modelo Vectorial Autorregresivo de los Componentes de la Ley de Thirlwall en el Perú

Abstract

Esta investigación tuvo como finalidad determinar el mejor modelo de los componentes de la ley de Thirlwall en el Perú en el periodo 2000 - 2019. La investigación realizada es de tipo aplicada, longitudinal en el tiempo. La muestra fue de 80 observaciones trimestrales por variable del PBI, exportaciones, importaciones y TCR en el Perú. Se utilizó la metodología de los modelos de vectores autorregresivos (VAR) y el programa estadístico Eviews 10. Cumpliendo con la Prueba de Estabilidad, donde las raíces inversas del polinomio Autorregresivo son menores a la unidad y los supuestos básicos donde existe normalidad, no hay heterocedásticidad y no existe Autocorrelación, el mejor Modelo es un VAR (3). Se concluye que las D(EXPORT) tine una mayor variación en el error de pronóstico de la varianza del D(PBI) en comparación de las D(IMPORT) y D(TCR) a través del tiempo existiendo una relación de largo plazo, por lo cual es necesario incluir en nuestro modelo VAR un mecanismo de corrección de errores

The purpose of this research was to determine the best model of the components of Thirlwall's law in Peru in the period 2000 - 2019. The research carried out is of an applied type, longitudinal in time. The sample consisted of 80 quarterly observations per variable of GDP, exports, imports and RER in Peru. The methodology of autoregressive vector models (VAR) and the statistical program Eviews 10 were used. Complying with the Stability Test, where the inverse roots of the autoregressive polynomial are less than unity and the basic assumptions where there is normality, there is no heteroscedasticity and there is no Autocorrelation, the best Model is a VAR (3). It is concluded that the D (EXPORT) have a greater variation in the forecast error of the variance of the D (GDP) compared to the D (IMPORT) and D (TCR) over time, with a long-term relationship, for which is necessary to include in our VAR model an error correction mechanism