Como Calcular la Tasa de Crecimiento de los Agregados

Macroeconmicos Mediante el Anlisis de Regresin

HL Mata1

La estadstica ha generado diversos indicadores para medir el crecimiento de los

agregados econmicos, entre otros: Tasas de Variacin (o cambios porcentuales):
ndices; Relaciones; Tasa de Crecimiento Compuesta (o promedio geomtrico);
Tasa anual de crecimiento promedio y Tendencia o mtodo de los Mnimos Cuadrados Ordinarios (MCO). No obstante, esta diversidad de criterios, en estas notas solo
se ilustrar la manera de calcular la tasa de crecimiento mediante el mtodo de los
MCO y el mtodo o modelo geomtrico.
Como se recordar, la tasa de crecimiento compuesta, calculada a partir del Modelo
geomtrico, solo toma en consideracin la primera y la ltima observacin de la
serie objeto de estudio. Es un indicador excelente, siempre y cuando sus valores
extremos no varen demasiado. Cuando el proceso de crecimiento de la variable es
muy voltil, entonces la tasa de crecimiento calculada a partir de este mtodo pueda ser completamente engaosa. De los criterios estadsticos mencionados ms
arriba, solo el mtodo Tasa anual de crecimiento promedio y Tendencia o mtodo
de los Mnimos Cuadrados Ordinarios toman en consideracin cada una de las observaciones bajo estudio. Por otra parte, la tasas calculadas por MCO son muy sensitiva a las observaciones extremas (outliers), por lo que se pueden eliminar aquellas que no estn relacionadas con el proceso bajo estudio
En estas notas se ilustrar la forma de calcular las tasas de crecimiento, a partir de
dos tipos de modelo de crecimiento2: el modelo de crecimiento Lineal (ML), el modelo de crecimiento Exponencial (ME) y el Modelo de crecimiento geomtrico, respectivamente.

Objetivos
1. Estimar los parmetros correspondientes de los modelos de crecimiento Lineal (ML) y Exponencial (ME).
2. Determinar cual de los modelos estimados se ajusta mejor a las observaciones del Producto Interno Bruto real (PIB) de Venezuela, correspondiente al
perodo 1968 - 2003.
3. Calcular la tasa de crecimiento (PIB) a partir de ambos modelos
4. Predecir el crecimiento del PIB para los aos 2004 y 2005.

Metodologa
Los parmetros de los modelos de crecimiento [1] y [3] se estimarn mediante el
mtodo de los MCO. Tal como se puede leer en Gujarati (51-111) dicho mtodo
busca seleccionar la Funcin de Regresin Muestral (FRM) de tal manera que la suma de los residuos al cuadrado sea la mnima posible, es decir:

u
1

2
i

= Yi Yi

Profesor Titular de la Facultad de Ciencias Econmicas y Sociales (FACES) de la Universidad de los

Andes. No hay ninguna pretensin de originalidad en estas notas. Las mismas existen por todas partes.
Mi mayor contribucin, si acaso alguna, consisti en ubicarlas, sistematizarlas, adaptarlas y publicarlas
para beneficio de los Estudiantes de la Facultad de Ciencias Econmicas y Sociales de la Universidad de
los Andes, en Mrida, Venezuela.
2
El presente trabajo aplica la metodologa de S. Amirkhailhali et. al., en su artculo An Empirical Study
of Selection and Estimation of Statistical Growth Models.

Especificacin de los Modelos

Modelos de crecimiento a ser estimados:
Modelo Lineal:
[1]

Yt = + * t + t

Modelo Exponencial:
[2]

Yt = AB t e t

en donde:

Yt

es el Producto Interno Bruto real (PIB) de Venezuela a precios constantes

de 1984.
son los parmetros a ser estimados mediante el mtodo de los MCO

, , A y B
t

es el tiempo, t = 1, 2 ,..., T

son los errores, con sus supuestos caractersticos: NID(0, )

2

Dado que el modelo [2] no puede ser estimado directamente por MCO se procedi a
linealizarlo previamente en logaritmos, tal y como se indica en [3]
[3]

LnYt = + * t + t

Los parmetros de [3] son los mismos que los de [1], solo que en este caso son:

= Ln A

= Ln (1 + r )

Dado que los modelo [1] y [3] satisfacen los supuestos del modelo de regresin
lineal se procedi a estimar sus parmetros:
los MCO.

, y2

mediante el mtodo de

A fin de tener una idea preliminar acerca de la forma funcional del modelo a ser
estimado, se procedi a preparar un diagrama de dispersin con las observaciones
de la variable PIB. Dada la aparente ambigedad de la grfica (Lineal ? o Exponencial?) se decidi estimar ambas funciones y seleccionar aquel que diera mejor ajuste, en funcin del criterio Error Medio Absoluto Porcentual (MAPE, por sus siglas en
Ingls)

650000
600000
550000
500000
450000
400000
350000
300000
250000
1970

1975

1980

1985

1990

1995

2000

PIBR

Fuente de la informacin:
La informacin es temporal, correspondiente al perodo 1968-2003. Las observaciones del PIB, a precios constantes de 1984, se obtuvieron de las siguientes fuentes
nacionales e internacionales: INE, Banco Central de Venezuela y la Direccin de
Estadstica de la FAO.

Estimacin del Modelo Lineal:

La estimacin se realiz con el software Econometric Views3 (EViews), versin 4.1,
en un todo de acuerdo con las siguientes instrucciones:
1.
2.

Clic en el Men Quick y seleccionen Estimate equation

En el cuadro de dilogo Equation Specification escriban:

3.

Primero, el nombre de la variable Dependiente (en nuestro caso el agregado macroeconmico, PIB)
La constante C, para que el Eviews calcule la ordenada en el Origen
El tiempo (Tmpo)

Al terminar de escribir la variable dependiente y la lista de regresores opriman

el botn de comando OK para ver el resultado de la estimacin:

Econometric Views, EViews, es marca registrada de la empresa Quantitative Micro Software en USA, as
como tambin en otros pases del mundo

Los resultados anteriores permiten escribir la funcin estimada:

PIB = 305236.0 + 8480.241 * t

[2]

(12400.28)

(584.4466)

R 2 = 0.86 S Y = 36428.42 DW = 0.455 Fc = 210.5362

Los resultados indican que el modelo se ajusta bastante bien a los datos, a juzgar
por la magnitud del coeficiente de determinacin,

R 2 = 0.86 . Como se recordar el

coeficiente R vara entre 0 (un ajuste psimo) y 1 (un ajuste perfecto). Los valores de la Prob asociada a los estadsticos t c indican que los mismos son estadsticamente diferentes de cero con un altsimo nivel de significacin. Igual sucede con
el estadstico Fc = 210.53 . Su magnitud implica que existe una fuerte asociacin
estadstica entre el PIB y el tiempo. Finalmente, la magnitud del estadstico de Durbin y Watson, DW = 0.455 , revela que los errores estimados estn autocorrelacionados positivamente, es decir: a una secuencia de errores positivos sigue otra negativa y viceversa.

Este problema es caracterstico cuando se estiman modelos utilizando series de

datos temporales. Segn la econometra, la autocorrelacin es un problema que
depende de los datos utilizados, ms no de la forma funcional empleada.

Tasa de Crecimiento Lineal

La tasa de crecimiento se define como la tasa a la cual crece (o decrece) una variable (o agregado econmico) entre dos perodos de tiempo.
Siguiendo a Amirkhalkhali et al [202] la tasa de crecimiento del modelo lineal, rl ,

se obtiene dividiendo la pendiente estimada (

tica de la variable dependiente ( PI B =

PIB

= dPIB / dt ) entre la media aritm-

n ) y multiplicando el resultado por

100 para expresarla en porcentaje, es decir:

rl = / PIB * 100
Cmo estimar a rl con la ayuda de EViews ?
1.

Hagan clic en el Men Quick y seleccionen Generate Series

2.

En la seccin Enter equation del cuadro de dilogo Generate Series by Equation escriban la siguiente expresin: rl = 100 * (8480.241 /@ MEAN ( PIB)) :

3.

Al concluir hagan clic en el botn de comando OK

Observen que EViews realiz el clculo y coloc el resultado en la ventana del
archivo de trabajo

4.

Hagan doble clic sobre el icono rl , en la ventana del archivo de trabajo, con el
fin de conocer el resultado
Este resultado se interpreta diciendo que la Variable PIB se ha incrementado
interanualmente a una tasa del 1.835071%.

Error Absoluto Medio Porcentual (MAPE)

Este criterio se utiliza para examinar cual de los modelos estimados se ajusta mejor
a la serie objeto de estudio, en este caso el PIB. El MAPE es un nmero positivo, el
cual no depende de las unidades de medida. Amirkhalkhali et al [203] sostienen
que para efectos de decidir cual de los modelos se ajusta mejor a los datos, se deben comparar sus MAPEs y seleccionar aquel que exhiba el MAPE ms bajo, generalmente igual o por debajo del nivel 0.05 5%
La frmula para el clculo de este criterio es el siguiente:

MAPE = 100 * (@ SUM (@ ABS (Yt Yt ) / Yt ) /@ OBS (Yt ))

Observaciones:
1.

MAPE significa Error Medio Absoluto Porcentual

2.

Yt es la variable o agregado macroeconmico objeto de estudio, en nuestro

3.

caso el PIB
En la expresin del MAPE aparecen las siguientes funciones del EViews:
@SUM(). Se utiliza para calcular la sumatoria de una variable
@ABS(). Se usa para calcular el valor absoluto de un nmero o de una serie
@OBS(). Se usa para determinar el nmero de observaciones en una serie

4.

La diferencia entre los valores observados y estimados de la variable dependiente son los errores estimados, es decir:

t = Yt Yt .
5

Cmo se recordar, tan pronto como el EViews realiza la estimacin inmediatamente almacena los residuos estimados en un arreglo de nombre RESID. Dicho arreglo
se encuentra en el archivo de trabajo. A fin de poder trabajar con los errores estimados los usuarios deben asignarlos a una nueva variable. Vamos a utilizar la orden Generate Series del Men Quick con el fin de realizar dicha asignacin. Para
ello siga los siguientes pasos:
1.

Hagan clic en el men Quick y seleccionen el comando Generate Series

2.

En la seccin Enter equation del cuadro de dilogo Generate Series by Equation escriban la siguiente expresin: RESL = RESID , es decir:

Dicha expresin no hace otra cosa que asignar los residuos estimados a la
nueva variable RESL (residuos estimados correspondientes al modelo lineal):

3.

Al concluir la trascripcin hagan clic en el botn de comando OK

Noten que EViews genera inmediatamente la nueva variable y la coloca en la
ventana del archivo de trabajo, para que Uds. La utilicen en su trabajo
Vamos a utilizar a continuacin los residuos estimados a partir del modelo Lineal con el fin de calcular el criterio MAPE.

Clculo del MAPE a partir del Modelo Lineal

A continuacin se reproduce, por conveniencia, la expresin original del MAPE con
el fin de ilustrar su estimacin con el EViews:

MAPE = 100 * (@ SUM (@ ABS (Yt Yt ) / Yt ) /@ OBS (Yt ))

Dado que el modelo de crecimiento estimado fue el Lineal vamos a reemplazar en
la expresin anterior la variable Yt por el PIBt , es decir:

MAPE = 100 * (@ SUM (@ ABS ( PIBt PIBt ) / PIBt ) /@ OBS ( PIBt ))

Si recordamos que los residuos estimados no son otra cosa que la diferencia entre
los valores observados y estimados del PIB, se puede escribir que

t = PIBt PIBt .

Ahora bien, si recordamos adicionalmente que los residuos estimados del modelo
Lineal haban sido asignados a la nueva variable RESL (para diferenciarlos con los
residuos del modelo exponencial a ser estimados, es decir RESe), podemos escribir,
por lo tanto, la expresin final para el clculo del MAPE L , correspondiente al modelo Lineal, es decir:

MAPE L = 100 * (@ SUM (@ ABS ( RESL) / PIBt ) /@ OBS ( PIBt ))

A continuacin sigan los siguientes pasos para estimar el MAPE L correspondiente
al modelo Lineal:
1.

Hagan clic en el men Quick y seleccionen el comando Generate Series

2.

En la seccin Enter equation del cuadro de dilogo Generate Series by Equation escriban: MAPE L = 100 * (@ SUM (@ ABS ( RESL) / PIBt ) /@ OBS ( PIBt ))
es decir:

4.

Al concluir hagan clic en el botn de comando OK

5.

Hagan doble clic sobre el icono del MAPEL en la ventana del archivo de trabajo para conocer su valor
El valor del MAPE L correspondiente al modelo Lineal es igual a 6.56 %. Dicho
valor est ligeramente por encima del valor considerado normal, 0.05 5%. A
fin de decidir si ste modelo se ajusta bien a los datos de la muestra se hace
necesario estimar el modelo exponencial, calcular su MAPE e y compararlo
con el del lineal. Finalmente se seleccionar aquel modelo que presente el
MAPE ms bajo, de acuerdo con el criterio indicado ms arriba.
Resumen de los principales resultados de la estimacin:
Cuadro1. Resultados de la estimacin del Modelo de Crecimiento Lineal

Modelos de
Crecimiento

Ordenadas
en el origen

Pendientes
estimadas

Tasas de
Crecimiento
%

MAPE
%

[1]

Yt = + * t + t

305236.0

8480.241

1.83

6.56

[2]

Yt = AB t e t

[3]

LnYt = + * t + t

No se puede estimar mediante MCO

Modelo Exponencial
El modelo de crecimiento lineal se especific de la siguiente manera:

PIB = AB t e t

[2]
Donde:
PIB
A
B

se refiere al Producto Interno Bruto de Venezuela durante el perodo 19682003

es el Intercepto u ordenada en el origen
es igual a (1+r)

re

es la tasa de crecimiento promedio anual del perodo

se refiere al tiempo en aos, desde t = 1, 2 ,..., 36

son los errores con sus supuestos caractersticos NID(0, )

2

Tal como se indic al principio, si se toman logaritmos en ambos lados de la ecuacin [2] sta queda linealizada, pudindose estimar mediante el mtodo de los MCO

[3]

LnYt = + * t + t

la funcin [3] es una funcin semilogartmica con el tiempo como variable independiente.
La linealizacin de la funcin [2] se realiz con el EViews en un todo de acuerdo con
el siguiente procedimiento:
1.

Hagan clic en el men Quick y seleccionen el comando Generate Series

2.

En la seccin Enter equation del cuadro de dilogo Generate Series by Equation escriban la siguiente expresin: LPIB = Log (PIB) , es decir:

3.

Al concluir hagan clic en el botn de comando OK

4.

Hagan doble clic sobre el icono de LPIB en la ventana del archivo de trabajo
para ver la serie en logaritmos

Estimacin del Modelo Exponencial:

La estimacin se realiz con el EViews, en un todo de acuerdo con las siguientes
instrucciones:
1.
2.

Clic en el Men Quick y seleccionen Estimate equation

En el cuadro de dilogo Equation Specification escriban:

3.

Primero, el nombre de la variable Dependiente (en nuestro caso el agregado macroeconmico, LPIB)
La constante C, para que el Eviews calcule la ordenada en el Origen
El tiempo (Tmpo)

Al terminar de escribir la variable dependiente y la lista de regresores opriman

el botn de comando OK para ver el resultado de la estimacin:

Los resultados anteriores permiten escribir la funcin estimada:

[2]

LPIB = 12.65772 + 0.019591 * t

(0.031775)

(0.001498)

R 2 = 0.83 S Y = 0.093347 DW = 0.295 Fc = 171.1209

El modelo exponencial se ajusta bastante bien a los datos, a juzgar por la magnitud
del coeficiente de determinacin, R = 0.83 . Los valores de la Prob asociada a los
estadsticos t c indican que los mismos son estadsticamente diferentes de cero con
2

un altsimo nivel de significacin. Igual sucede con el estadstico Fc = 171.12 . Su

magnitud implica que existe una fuerte asociacin estadstica entre el PIB y el
tiempo. Los errores estn autocorrelacionados positivamente a juzgar por la magnitud del estadstico de Durbin y Watson, DW = 0.295 . Como se recordar, la autocorrelacin produce estimados insesgados, lineales, consistentes, pero no eficientes, es decir no tienen varianza mnima

Tasa de Crecimiento Promedio Anual

Siguiendo a Amirkhalkhali et al [202] la tasa de crecimiento del modelo exponencial, re , se obtiene tomando el antilogaritmo de la tasa de crecimiento instantnea,

restarle 1 y multiplicar el resultado por 100, tal y como se indica en [7], es de-

cir:
[7]

re = ( EXP(0.019591) 1) *100

Cmo estimar a re con la ayuda de EViews ?

1.
2.

Hagan clic en el Men Quick y seleccionen Generate Series

En la seccin Enter equation del cuadro de dilogo Generate Series by Equation escriban la siguiente expresin: re = ( EXP(0.019591) 1) * 100 , es decir:

3.

Al concluir hagan clic en el botn de comando OK

Observen que EViews realiza el clculo y coloca el resultado en la ventana del
archivo de trabajo

4.

Hagan doble clic sobre el icono re , en la ventana del archivo de trabajo, con el
fin de conocer el resultado
De acuerdo con el resultado el PIB creci en Venezuela a una tasa de crecimiento promedio anula del 1.99 % durante el perodo 1968-2003

10

Clculo del MAPE a partir del Modelo Exponencial

A continuacin4 se reproduce, por conveniencia, la expresin original del MAPE con
el fin de ilustrar la estimacin de este criterio para el modelo exponencial:

MAPE = 100 * (@ SUM (@ ABS (Yt Yt ) / Yt ) /@ OBS (Yt ))

Si revisan las notas al final de la pgina 5 y recuerdan, por otra parte, que la serie
del PIB se transform en logaritmos con el fin de estimar el modelo exponencial, se
puede rescribir dicho criterio de la siguiente forma:

MAPE = 100 * (@ SUM (@ ABS ( LnPIBt LnPIBt ) / LnPIBt ) /@ OBS ( LnPIBt ))

A fin de estimar el MAPE del modelo exponencial hace falta transferir los residuos
estimados por el modelo exponencial desde al arreglo RESID, hasta una nueva
variable tal como RESe. Para ello sigan los siguientes pasos:
1.

Hagan clic en el men Quick y seleccionen el comando Generate Series

2.

En la seccin Enter equation del cuadro de dilogo Generate Series by Equation escriban la siguiente expresin: RESe = RESID , es decir:

3.

Hagan clic en el botn de comando OK

4.

Para ver los residuos del modelo exponencial hagan clic en el icono RESe en
el archivo de trabajo

La estimacin del MAPE, el cual designaremos con las siglas MAPEe, pasa por los
siguientes pasos:
1.

Hagan clic en el men Quick y seleccionen el comando Generate Series

2.

En la seccin Enter equation del cuadro de dilogo Generate Series by Equation escriban: MAPEe = 100 * (@ SUM (@ ABS ( RESe) / LnPIBt ) /@ OBS ( LnPIBt )) ,
es decir:

3.

Al concluir hagan clic en el botn de comando OK

4.

Hagan doble clic sobre el icono del MAPEe en la ventana del archivo de trabajo para conocer su valor

UNESCAP: XIII. Statistical Notes http://www.unescap.org/tctd/pubs/files/review2001_ch13.pdf

11

El valor estimado del MAPE e correspondiente al modelo exponencial, permite

completar el cuadro 2 con el fin de decidir cual de los modelos de crecimiento
ajustados se ajusta mejor a las observaciones del PIB correspondiente al perodo 1968-2003:
Cuadro 2. Resultados de la estimacin de los Modelo de Crecimiento (1968-2003)

Modelos de
Crecimiento

Ordenadas
en el origen

Pendientes
estimadas

Tasas de
Crecimiento
%

MAPE
%

[1]

Yt = + * t + t

305236.0

8480.241

1.83

6.56

[2]

Yt = AB t e t

[3]

LnYt = + * t + t

No se puede estimar mediante MCO

12.6

0.019591

1.98

0.54

La ltima columna del Cuadro 2 muestra los MAPE calculados para ambos modelos.
De acuerdo con este criterio, mientras mas bajo sea el MAPE mejor ser la habilidad predictiva del modelo. En nuestro caso el modelo exponencial. Por lo tanto,
dicho modelo se utilizar a efectos de ilustrar la prediccin con el EViews

Cmo realizar la Prediccin

No obstante la fuerte autocorrelacin positiva en los errores, vamos a ilustrar la
manera de predecir o pronosticar el PIB para los aos 2004 y 2005, respectivamente. Para ello sigan los siguientes pasos:
1.

La funcin debe haber sido estimada previamente para que el EViews conserve los valores de los parmetros estimados en el arreglo C

2.

Cambie el Rango (Range) del archivo de trabajo a fin especificar el perodo o

los aos de la prediccin:

Clic en el men Procs del archivo de trabajo y seleccionen Change

Workfile Range

En el cuadro de dilogo Change Workfile Range amplen la fecha (end

date) de 2003 a 2005:

Clic en el botn de comando OK

Observen en la ventana del archivo de trabajo que EViews realiz el cambio del Rango, de 1968 2003 a 1968 2005.

12

3.

4.

5.

Cambien la muestra (Sample) del archivo de trabajo en un todo de acuerdo

con la siguiente instruccin:

Clic en el men Procs del archivo de trabajo y seleccionen Sample

En el cuadro de dilogo Sample amplen la fecha final de 2003 a 2005

Hagan doble clic sobre el icono de la variable (Tmpo) para mostrar el tiempo
en una ventana individual:

Arrastren la barra de desplazamiento vertical completamente hacia abajo

hasta mostrar los aos 2004 y 2005 donde aparece la leyenda NA (No
disponible)

Hagan clic en el men Edit+/- de la ventana del archivo de trabajo para

editar (introducir el tiempo)

Hagan clic en la celda en blanco a la derecha del ao 2004 y escriban 37

Hagan clic en la celda en blanco a la derecha del ao 2005 y escriban 38

Activen la ventana de los resultados (para colocarla en primer plano) haciendo

clic en alguna de sus partes:

Clic en el men Forecast (Prediccin) del archivo de trabajo o seleccionen Procs/Forecast

En el cuadro de texto nombre de la prediccin (Forecast name), borren el

nombre sugerido por EViews (generalmente el nombre de la variable dependiente seguido de la letra f de forecast) y en su lugar escriban un
nombre adecuado.

Escriban un nombre en el cuadro de texto S.E. (optional) para que

EViews guarde el Error Standard de la Prediccin

Finalmente hagan clic en el botn de comando OK para ver los resultados

de la prediccin:

Intervalo de confianza para la prediccin:

13

Criterios para evaluar la prediccin:

Raz del Error Cuadrado Medio (Root Mean Squared Error):

RMSE = @ SQRT (@ SUM (Yt Yt ) 2 /@ OBS (Yt ))

Error Absoluto Medio (Mean Absolute Error):

MAE = @ SUM (@ ABS (Yt Yt ) /@ OBS (Yt ))

Error Absoluto Medio Relativo (Mean Absolute Percent Error,

MAPE):

MAPE = 100 * (@ SUM (@ ABS (Yt Yt ) / Yt ) /@ OBS (Yt ))

Coeficiente de desigualdad de Theil (Theil Inequality Coefficient):

TIC = @ SQRT (@ SUM (Yt Yt ) 2 /@ OBS (Yt ) @( SQRT (@ SUM (Yt ) /@ OBS (Yt )) + @( SQRT (@ SUM (Yt ) /@ OBS (Yt ))

Los dos primeros estadsticos dependen de la escala de medida de la variable dependiente. Estas deberan usarse como medidas relativas para
comparar la prediccin de la misma variable realizada en diferentes modelos; mientras ms bajo sea el error, mejor habilidad predicativa de ese
modelo de acuerdo a ese criterio. Las restantes medidas son invariantes
con respecto a la escala de medida de la variable dependiente.
El coeficiente de Desigualdad de Theil siempre oscila entre o y 1, en donde cero indica un ajuste perfecto.

14

Proporciones:
La proporcin del sesgo le dice al investigador que tan lejos est la media
de la prediccin de la media de la serie actual u observada
La proporcin de la varianza dice que tan lejos est la variacin de la prediccin de la variacin de la serie actual u observada.
La proporcin de la covarianza mide el resto de los errores no sistemticos de la prediccin
Noten que la suma del sesgo, la varianza y la proporcin es igual a uno
Si la prediccin es buena, el sesgo y la proporcin de la varianza deben
ser muy pequeas, de tal manera que la mayor parte del sesgo debe estar concentrado en la proporcin de la covarianza. Para una discusin adicional sobre la evaluacion de la prediccin consulte a Pindiyck y Rubinfeld
(1991, Captulo 12).
En nuestro trabajo el sesgo de la proporcin es inexistente indicando con
ello que la media de la prediccin hace un excelente trabajo al ajustarse
en forma perfecta a la media de la variable dependiente
Adems de estos resultados EViews coloca en la ventana del archivo de
trabajo una variable con los resultados de la prediccin. Esta variable tiene
por lo general el mismo nombre de la variable dependiente seguido de la
letra f (de forecast), es decir: (LPIBf)

Ver el resultado de la prediccin:

Siga los siguientes pasos para ver el resultado de la prediccin:
1.

Hagan doble clic sobre el icono de la prediccin LPIBF que se encuentra en la

ventana del archivo de trabajo
Noten que el resultado de la prediccin aparece en logaritmos

2.

Sigan las siguientes pasos para calcular el antilogaritmo de los valores:

Clic en el men Quick y seleccionen Generate Series

En el interior del cuadro de texto Enter equation, escriban:

PREDICCION=EXP(LPIBF)

OK

3.

Para ver el resultado de la prediccin hagan doble clic en el icono Prediccin

que se encuentra en el archivo de trabajo

4.

Noten que la prediccin para los aos 2004 y 2005, son respectivamente:
648609.8 y 661442.0 miles de millones de bolvares, respectivamente

15

Mtodo de Crecimiento Geomtrico

ValorFinal = ValorInicial (1 + r )

Valor Final No.de aos

1) *100
r = (
Valor Inicial

16