Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Qt = ß 1 Lt 2 Kt 3 e ut
Donde:
In Qt = Inß 1 +ß 2 In Lt +ß 3 In Kt + ut
R = 0.990
R 2 = 0.980
R 2 = 0.978
Matriz de correlaciones:
Correlaciones parciales:
r 12.3 = 0.529
r 13.2 =0.736
NTERPRETACIONES:
ˆ2
Dados cambios porcentuales del 1% en el factor trabajo se estima que la producción real medida por el PIB real
también se incrementará en un 3.697% manteniendo el capital constante.
Existe una relación directa entre la producción real medida por el PIB real y el factor trabajo, es decir si
incrementa el uno también incrementará el otro o viceversa.
ˆ3
Dados cambios porcentuales del 1% en el factor capital se estima que la producción real medida por el PIB real
también se incrementará en un 0.974% manteniendo el factor trabajo constante.
Existe una relación directa entre el factor capital y la producción real medida por el PIB real, es decir si
incrementa el uno también incrementará el otro o viceversa.
R
Con una proporcición de 0.99 nos indica que el factor trabajo, el factor capital y el PIB están perfectamente
asociadas entre si.
R2
Nos indica que el 98% de la producción real medida por el PIB real esta explicada por el modelo en su conjunto,
es decir por el factor trabajo y el factor capital.
2
R
Nos indica que con 18 grados de libertad el 97.8% de las variaciones de la producción real medida por el PIB
real están explicadas por el modelo en su conjunto, es decir por el factor trabajo y el factor capital.
r 12.3
Son las variaciones de la producción con el factor trabajo manteniendo constante les factor capital.
r 13.2
Son las variaciones de la producción con el factor capital manteniendo constante el factor trabajo.
LN Q T LIC LSC
2,28 1 2,18 2,36
2,33 2 2,27 2,41
2,4 3 2,37 2,46
2,43 4 2,45 2,54
2,49 5 2,51 2,65
2,47 6 2,52 2,60
2,47 7 2,47 2,57
2,58 8 2,56 2,63
2,67 9 2,63 2,75
2,76 10 2,66 2,74
2,83 11 2,71 2,78
2,93 12 2,80 2,87
3,03 13 2,90 2,97
3,1 14 2,99 3,06
3,18 15 3,09 3,16
3,27 16 3,19 3,27
3,35 17 3,29 3,38
3,4 18 3,37 3,47
3,49 19 3,43 3,55
3,57 20 3,58 3,70
3,62 21 3,64 3,78
GRAFICO:
4,00000 LNQt
95% L CI for LNQt
mean
95% U CI for LNQt
mean
3,50000
3,00000
2,50000
2,00000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
TIEMPO
ˆ1
Ho : 1 = 0
Ha : 1 ≠ 0
g de l = 18
ˆ
1 1
g de l = 21-3 tc =
ee 1
9.587 0
α = 0.05 tc =
2.790
α/2 = 0.025
td = 2.101 tc = -3.436
No existe evidencia estadística suficiente para aceptar la Ho de que ß 1 = 0 con un 95% de confianza.
ˆ2
Ho: ß 2 = 0
Ha: ß 2 ≠ o
ˆ 2
2
g de l = 18 tc =
ee ˆ2
3.697 0
g de l = 21-3 tc =
1.399
α = 0.05
α/2 = 0.025 tc = 2.643
td = 2.101
No existe evidencia estadística suficiente para aceptar la Ho de que ß 2 = 0 con un 95% de confianza.
ˆ3
Ho: ß 3 = o
Ha: ß 3 ≠ 0
ˆ
ee ˆ
3 3
g de l = 18 tc =
3
0.974 0
g de l = 21-3 tc =
0.211
α = 0.05
α/2 = 0.025 tc = 4.612
td = 2.101
No existe evidencia estadística suficiente para aceptar la Ho de que ß 3 = o con un 95% de confianza.
4.- Pruebe:
td = 2.101
No existe evidencia estadística suficiente para aceptar la Ho de que ß 2 = 0.5 con un 95% de confianza.
Ha: ß 3 >0.6
ˆ 3
3
g de l = 18 tc =
ee ˆ3
0.974 0.6
g de l = 21-3 tc =
1.3990.211
α = 0.05
α/2 = 0.025 tc = 1.7725
td = 1.734
1.734 1.7725
No existe evidencia estadística suficiente para aceptar la Ho de que ß 3 = 0.6 con un 95% de confianza.
5.-Pruebe:
Ho: ß 2 = ß 3 = 0
ˆ
BX Y nY 2 / K 1
F
Y Y ˆ
BX Y / n k
Se utiliza la formula:
SEC / K 1 K 1
Fc Fd =
SRC / n K nk
3,858 / 2 3 1 3
Fc 439,518987 Fd = =
0,079 / 18 21 3 18
Fd = 3.55
3.35 439.51
Fc>fd = rechaza la hipótesis nula por lo tanto no existe evidencia estadística suficiente para aceptar la Ho de que
ß 2 = ß 3 = 0 con un 95% de confianza.
6.-Pruebe:
Ho: ß 2 = ß 3 = 0
Ha: ß 2 ≠ ß 3
g de l = 21-3
g de l = 18
α = 0.05
α/2 = 0.025
td = 2.101
ˆ ˆ
t 2 3
se ˆ ˆ
2 3
3.697 0.974
tc =
1.9572 0.044 2 0.286
2.723
tc =
1.6043
tc = 1.6973
No existe evidencia estadística suficiente para rechazar la Ho de que ß 2 = ß 3 = 0 con un 95% de confianza.
Ho: (ß 2 + ß 3 ) = 1
Ha: (ß 2 + ß 3 ) ≠ 1
Primer enfoque:
g de l =21-3
g de l =18
α = 0.05
α/2 = 0.025
td = 2.101
ˆ ˆ
2 3 2 3
tc
ee ˆ ˆ
2 3
ˆ ˆ
tc 2 3 1
var ˆ var ˆ 2 cov ˆ ˆ
2 3 2 3
3,697 0,974 1
tc
1.957201 0.04451 2 0.286
3.671
tc = g de l = 18
1.1957
td = 2.101
Rechazamos la Ho de que las sumas de las elasticidades del capital y el trabajo son igual a 1 es decir, no existe
evidencia estadística suficiente para aceptar la Ho de que (ß 2 + ß 3 ) = 1con un 95% de confianza y por lo tanto
aceptamos la Ha: (ß 2 + ß 3 ) ≠ 1.
Existen rendimientos crecientes a escala.
Segundo enfoque:
In Qt = ß 1 +ß 2 In Lt +ß 3 In Kt + ut
Ho: (ß 2 + ß 3 ) = 1
Ha: (ß 2 + ß 3 ) ≠ 1
2 = 1- 3
In Qt = ß 1 +(1- ß 3 )In Lt +ß 3 In Kt + ut
In Qt = ß 1 +In Lt -ß 3 In Lt+ ß 3 In Kt + ut
In Qt = ß 1 +In Lt +ß 3 ( In Kt-InLt) + ut
In Qt- In Lt = ß 1 +ß 3 ( In Kt-InLt) + ut
Qt Kt
In = ß 1 +ß 3 In + ut
Lt Lt
SEC = 3.098
SRC = 0.120
STC = 3.218
Aplicando en la formula:
1 SRCR SRC NR / 1
Fd = Fc =
18 SRC NR / n k
0.120 0.079 / 1
Fd =4.41 Fc =
0.079 / 18
Fc = 9.86
4.41 9.86
Rechazamos la Ho de que las sumas de las estacidades del capital y el trabajo son igual a 1 es decir, no existe
evidencia estadística suficiente para aceptar la Ho de que (ß 2 + ß 3 ) = 1con un 95% de confianza y por lo tanto
aceptamos la Ha: (ß 2 + ß 3 ) ≠ 1.
Existen rendimientos crecientes a escala.
Qt = ß 1 Lt 2 Kt e 4 t ut
3
Repita para este modelo los pasos del 1 al 7 compare los resultados con el modelo anterior.
Linealizando:
In Qt = Inß 1 +ß 2 In Lt +ß 3 In Kt + ß 4 t +u
Corriendo el modelo como se puede ver en el anexo 3 se obtuvieron los siguientes datos:
R = 0.996
R 2 = 0.992
R 2 = 0.990
Matriz de correlaciones
Correlaciones parciales
r 12.34 = 0.087
r 13.24 = 0.768
r 14.23 = 0.700
INTERPRETACIONES:
ˆ2
Dados cambios porcentuales del 1% en el factor trabajo manteniendo el capital y el tiempo constantes, se estima
que la producción real medida por el PIB real tambien incrementara en un 0.407%, nos indica tambien que existe
un relación directa entre el factor trabajo y las producción real medida por el PIB real, es decir si incrementa el
uno tambien incrementara el otro o viceversa.
ˆ3
Dados cambios porcentuales del 1% en el factor capital manteniendo el factor trabajo y el tiempo constantes, se
estima que la producción real medida por el PIB real tambien se incrementara en un 0.628%, nos indica tambien
que existe una relación directa entre el factor capital y la producción real medida por el PIB real, es decir si
incrementa el uno tambien incrementara el otro o viceversa.
ˆ4
Dados cambios unitarios en el tiempo se estima que la producción real medida por el PIB real se incrementara en
un 4% pero manteniendo el factor trabajo y capital constantes.
R
Nos indica que hay una asociación de 0.996 entre las variables: factor trabajo, el factor capital y el PIB.
R2
Nos indica que el 99.2% de las variaciones en el Ln de la producción están explicadas por el modelo en su
conjunto, es decir: por el factor trabajo, el factor capital y el tiempo.
2
R
Nos indica que con 17 grados de libertad el 99.2% de las variaciones en el Ln de la producción están explicadas
por el modelo en su conjunto, es decir: por el factor trabajo, el factor capital y el tiempo.
r 12.34
Son las variaciones de la producción y el factor trabajo manteniendo constante el factor capital y el tiempo.
r 13.24
Son las variaciones de la producción con el factor capital manteniendo constante el factor trabajo y el tiempo.
r 14.23
Son las variaciones de la producción con el tiempo manteniendo constante el factor trabajo y el factor capital.
4,0
Unstandardized Predi
3,5 cted Value
ean
2,0 ndividual
1 3 5 7 9 11 13 15 17 19 21
TIEMPO
ˆ1
Ho: ß 1 = 0
Ha: ß 1 ≠ 0
g de l = 17
ˆ
1 1
g de l = 21-4 tc =
ee 1
0.681 0
α = 0.05 tc =
2.572
α/2 = 0.025
td = 2.110 tc = -0.2648
No existe evidencia estadística suficiente para aceptar la Ho de que ß 1 = 0 con un 95% de confianza.
ˆ2
Ho: ß 2 = 0
Ha: ß 2 ≠ o
ˆ 2
2
g de l = 17 tc =
ee ˆ2
0.407 0
g de l = 21-4 tc =
1.136
α = 0.05
α/2 = 0.025 tc = 0.3583
td = 2.110
No existe evidencia estadística suficiente para rechazar la Ho de que ß 2 = 0 con un 95% de confianza.
ˆ3
Ho: ß 3 = o
Ha: ß 3 ≠ 0
ˆ
ee ˆ
3 3
g de l = 17 tc =
3
0.628 0
g de l = 21-4 tc =
0.156
α = 0.05
α/2 = 0.025 tc = 4.026
td = 2.110
tc >2.5 = rechaza la Ho, por lo tanto no existe evidencia estadística suficiente para aceptar la Ho de que ß 3 = o
con un 95% de confianza.
ˆ4
Ho: ß 4 = 0
Ha: ß 4 ≠ 0
ˆ 4
4
g de l = 17 tc =
ee ˆ4
0.040 0
g de l = 21-4 tc =
0.008
α = 0.05
α/2 = 0.025 tc = 5
td = 2.110
-2.110 2.110 5
tc > 2.5 rechaza la Ho por lo tanto no existe evidencia estadística suficiente para aceptar la Ho de que ß 4 = 0 con
un 95% de confianza.
4.- Pruebe:
ˆ 2
2
g de l = 17 tc =
ee ˆ 2
0.407 0
g de l = 21-4 tc =
1.136
α = 0.05
α/2 = 0.025 tc = -0.082
td = 2.110
No existe evidencia estadística suficiente para rechazar la Ho de que ß 2 = 0.5 con un 95% de confianza.
No existe evidencia estadística suficiente para rechazar la Ho de que ß 3 = 0.6 con un 95% de confianza.
5.-Pruebe:
Ho: ß 2 = ß 3 = 0
ˆ
BX Y nY 2 / K 1
F
Y Y ˆ / n k
B X
Y
Se utiliza la formula:
SEC / K 1 K 1
Fc Fd =
SRC / n K nk
3.905 / 3 4 1 3
Fc 691.5104 Fd = =
0.032 / 17 21 4 17
Fd =3.20
3.20 691.51
Fc>fd = rachaza la hipótesis nula por lo tanto no existe evidencia estadística suficiente para aceptar la Ho de que
ß 2 = ß 3 = 0 con un 95% de confianza.
6.-Pruebe:
Ho: ß 2 = ß 3 = 0
Ha: ß 2 ≠ ß 3
g de l = 21-4
g de l = 17
α = 0.05
α/2 = 0.025
td = 2.110
ˆ ˆ
t 2 3
se ˆ ˆ
2
3
0.407 0.628
tc =
1.290496 0.024336 2 0.078
0.221
tc =
1.212655
tc = -0.182226166
No existe evidencia estadística suficiente para rechazar la Ho de que ß 2 = ß 3 = 0 con un 95% de confianza.
Ho: (ß 2 + ß 3 ) = 1
Ha: (ß 2 + ß 3 ) ≠ 1
Primer enfoque:
g de l =21-4
g de l = 17
α = 0.05
α/2 = 0.025
td = 2.110
ˆ ˆ
2 3 2 3
tc
ee ˆ ˆ
2 3
ˆ ˆ
tc 2 3 1
var ˆ var ˆ 2 cov ˆ ˆ
2 3 2 3
0.407 0.628 1
tc
1.290496 0.024336 2 0.078
0.035
tc =
1.212654939
tc = 0.0288859347
No existe evidencia estadística suficiente para rechazar la hipótesis nula de que (ß 2 + ß 3 ) = 1 con un 95% de
confianza es decir se acepta la Ha de que (ß 2 + ß 3 ) ≠ 1
Segundo enfoque:
In Qt = ß 1 +ß 2 In Lt +ß 3 In Kt + In 4 + ut
Ho: (ß 2 + ß 3 ) = 1
Ha: (ß 2 + ß 3 ) ≠ 1
2 = 1- 3
In Qt = ß 1 +(1- ß 3 )In Lt +ß 3 In Kt + In 4 + ut
In Qt = ß 1 +In Lt -ß 3 In Lt+ ß 3 In Kt + In 4 + ut
In Qt = ß 1 +In Lt +ß 3 ( In Kt-InLt) + In 4 + ut
In Qt- In Lt = ß 1 +ß 3 ( In Kt-InLt) + In 4 + ut
Qt Kt
In = ß 1 +ß 3 In + In 4 + ut
Lt Lt
0.992 0.9920 / 1
F C
1 0.992 / 21 4 = -0.034 FALTA:::::::::::::::::::
Qt Kt
9.- Dado el modelo In = 0 + 3 In + ut
Lt Lt
Corra el modelo y compare el R 2 obtenido con el R 2 del primer modelo linealizado.
En el primer modelo logarítmico se tiene un R 2 de 0.98 y en el segundo modelo un R 2 de 0.992 por lo que
diríamos que el R 2 del segundo modelo es mejor (auque no se diferencian por mucho) ya que es superior a R 2
del primer modelo y nos dice que las variaciones del la producción están explicadas por las variables del modelo
en su conjunto.
ANEXOS
ANEXO N.- 1
Estadísticos de cambio
R cuadrado Error típ. de la Cambio en R Sig. del
Modelo R R cuadrado corregida estimación cuadrado Cambio en F gl1 gl2 cambio en F
1 ,990(a) ,980 ,978 ,06614 ,980 440,920 2 18 ,000
a Variables predictoras: (Constante), LNK, LNT
b Variable dependiente: LNPIB
Coeficientes(a)
Coeficientes
Coeficientes no estandarizado Intervalo de confianza para
estandarizados s B al 95% Correlaciones
Límite
Modelo B Error típ. Beta t Sig. Límite inferior superior Orden cero Parcial Semiparcial
1 (Constante
-9,587 2,790 -3,437 ,003 -15,448 -3,726
)
LNT ,974 ,211 ,634 4,612 ,000 ,530 1,417 ,986 ,736 ,154
LNK 3,697 1,399 ,363 2,643 ,017 ,758 6,635 ,978 ,529 ,088
a Variable dependiente: LNPIB
ANOVA(b)
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 3,858 2 1,929 440,920 ,000(a)
Residual ,079 18 ,004
Total 3,937 20
a Variables predictoras: (Constante), LNK, LNT
b Variable dependiente: LNPIB
Estadísticos de cambio
R cuadrado Error típ. de la Cambio en R Sig. del
Modelo R R cuadrado corregida estimación cuadrado Cambio en F gl1 gl2 cambio en F
1 ,996(a) ,992 ,990 ,04356 ,992 685,866 3 17 ,000
a Variables predictoras: (Constante), T, LNT, LNK
b Variable dependiente: LNPIB
Coeficientes(a)
Coeficientes
Coeficientes no estandarizado Intervalo de confianza para
estandarizados s B al 95% Correlaciones
Límite
Modelo B Error típ. Beta t Sig. Límite inferior superior Orden cero Parcial Semiparcial
1 (Constante
-,681 2,572 -,265 ,794 -6,107 4,744
)
LNT ,628 ,156 ,409 4,038 ,001 ,300 ,957 ,986 ,700 ,089
LNK ,407 1,136 ,040 ,358 ,724 -1,989 2,803 ,978 ,087 ,008
T ,040 ,008 ,555 4,950 ,000 ,023 ,057 ,991 ,768 ,109
a Variable dependiente: LNPIB
ANOVA(b)
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 3,905 3 1,302 685,866 ,000(a)
Residual ,032 17 ,002
Total 3,937 20
a Variables predictoras: (Constante), T, LNT, LNK
b Variable dependiente: LNPIB
Correlaciones
Unstandardized
VAR2 Predicted Value
VAR2 Correlación de
1 ,990(**)
Pearson
Sig. (bilateral) . ,000
N 21 21
Unstandardized Correlación de
,990(**) 1
Predicted Value Pearson
Sig. (bilateral) ,000 .
N 21 21
** La correlación es significativa al nivel 0,01 (bilateral).
ANEXO N.- 5
Correlaciones
Unstandardized
VAR2 Predicted Value
VAR2 Correlación de
1 ,996(**)
Pearson
Sig. (bilateral) . ,000
N 21 21
Unstandardized Correlación de
,996(**) 1
Predicted Value Pearson
Sig. (bilateral) ,000 .
N 21 21
** La correlación es significativa al nivel 0,01 (bilateral).