Modelos VAR | Econometría 2 | Uninorte

Ejercicio Preparación final 1

Author

Carlos Andrés Yanes

Published

April 22, 2025

🎯 Objetivo

Aplicar un modelo VAR para estudiar las relaciones dinámicas entre variables macroeconómicas en Colombia o en otro país, utilizando datos trimestrales reales. La guía del curso que será muy útil no podrá usar paquete o código diferente al que hay en ella. Cualquier uso de la IA para esto, anulará el punto respectivamente.

📁 Datos a utilizar

Tome un grupo de series Macroeconómica de un país cualquiera. La idea es que esa selección guarde o tenga un gran repositorio de datos (inclusive un sistema como el DANE en Colombia) apliamente reconocido y trate de estipular la construcción de este grupo de series de tiempo:

  • Producto Interno Bruto real (PIB, logaritmo)
  • Inflación (variación porcentual anual)
  • Tasa de interés de política monetaria
  • Tipo de cambio nominal

Trate de que estos datos esten en formato trimestral. Recuerde que los modelos VAR requieren mas de 90 datos para ser estimados.

1. Preprocesamiento y descripción de datos

Paquetes que debe utilizar para resolver esto:

install.packages(c("vars", "tsibble", "readxl", "ggplot2", "lubridate", "urca", "tseries", "forecast"))

Luego de instalados no olvide cargar los paquetes. Paso adelante le sugiriero armar su data frame en estilo:

library(readxl)
library(lubridate)
library(dplyr)

# Cargar archivo
datos <- read_excel("datoscarlosyanes.xlsx")

# Convierta a ts o formato requerido como
PIB <- ts(log(datos$PIB), start = c(2005, 1), frequency = 4)
inflacion <- ts(datos$Inflacion, start = c(2005, 1), frequency = 4)
tasa_interes <- ts(datos$Interes, start = c(2005, 1), frequency = 4)
tipo_cambio <- ts(datos$TC, start = c(2005, 1), frequency = 4)

1.1 Haga una descripción de las variables

  • PIB:
  • Inflación:
  • Tasa de interés:
  • Tipo de cambio:

1.2 Fuente de datos

Indique la fuente de cada variable (e.g. Banco de la República, FRED, DANE).

2. Estacionariedad

2.1 ¿Las series son estacionarias?

Describa aquí los resultados obtenidos de los tests de raíz unitaria (ADF o similares). Indique si fue necesario transformar alguna serie.

Un código fuente puede ser:

library(urca)
summary(ur.df(PIB, type = "drift", selectlags = "AIC"))
summary(ur.df(inflacion, type = "drift", selectlags = "AIC"))
summary(ur.df(tasa_interes, type = "drift", selectlags = "AIC"))
summary(ur.df(tipo_cambio, type = "drift", selectlags = "AIC"))

3. Estimación del modelo VAR

3.1 ¿Cuántos rezagos seleccionó y por qué?

Explique el criterio de información utilizado (AIC, BIC) y el número de rezagos elegido.

4. Impulsos y respuestas

4.1 Análisis de funciones de impulso-respuesta (IRF)

  • ¿Cómo reacciona el PIB ante un shock en la tasa de interés?
  • ¿Y ante un shock en la inflación?

Agregue los gráficos generados e interprete sus resultados.

5. Descomposición de varianza

5.1 ¿Qué variable explica más la variabilidad del PIB en el mediano plazo?

Agregue gráficos e interpretación.

6. Resultados

Resuma los principales hallazgos del análisis VAR:

  • ¿Qué variables están más relacionadas?
  • ¿Qué implicaciones podrían tener estos hallazgos para la política económica?