TRABAJO DE ECONOMETRIA (Cobb-Douglas)

Dados los datos que se encuentran proporcionados en el anexo N.- 1 se pide:

Analizar a fondo la función de producción.

Qt = ß 1 Lt  2 Kt  3 e ut

Donde:

Qt = Producción real medida por el PIB real.

Lt = Factor trabajo
Kt = Factor capital
T = tiempo

1.- Linealice el modelo, estime los parámetros, obtenga R 2 R 2

, la matriz de correlaciones R y las
correlaciones parciales. Interprete.

In Qt = Inß 1 +ß 2 In Lt +ß 3 In Kt + ut

Corrido el modelo como se muestra en el anexo 2, obtuvimos los siguientes datos:

In Qt = -9.587 + 3.697In Ltˆ + 0.974 In Ktˆ

ee (2.790) (0.211) (0.399)
t (-3.437) (4.612) (2.643)

R = 0.990
R 2 = 0.980
R 2 = 0.978

Matriz de correlaciones:

Rx= 1 0.978 0.986

0.978 1 0.970
0.986 0.970 1

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.

2.- Obtenga el intervalo de predicción para E (Q/L,K) y grafique los resultados.

1. Obtener el intervalo de predicción para E (Q / TK) y grafique los resultados en el tiempo.

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:

INTERVALO DE PREDICCION PARA E (Q/LK)

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

3.- Analice la significancia individual del modelo.

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

-3.436 -2.101 2.101

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

-2.101 2.101 2.643

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

-2.101 2.101 4.612

No existe evidencia estadística suficiente para aceptar la Ho de que ß 3 = o con un 95% de confianza.

4.- Pruebe:

a).- Ho: ß 2 = 0.5

Ha: ß 2 ≠ 0.5
 ˆ 2 
 
2
g de l = 18 tc =
ee ˆ2
3.697  0.5
g de l = 21-3 tc =
1.399
α = 0.05
α/2 = 0.025 tc = 2.2852

td = 2.101

-2.101 2.101 2.28

No existe evidencia estadística suficiente para aceptar la Ho de que ß 2 = 0.5 con un 95% de confianza.

b).- Ho: ß 3 = 0.6

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

Ha: no son conjuntamente iguales a cero.

Matricialmente se presenta así:

 ˆ 
 BX Y  nY 2  /  K  1
 
F
 Y Y  ˆ 
 BX Y  / n  k 
Se utiliza la formula:

SEC /  K  1 K 1
Fc  Fd =
SRC /  n  K  nk

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

se ˆ  ˆ    var ˆ    var ˆ   2 cov ˆ  ˆ 

 2 3  2  3  2 3

3.697  0.974
tc = 
1.9572  0.044  2  0.286

2.723
tc =
1.6043

tc = 1.6973

-2.101 1.6973 2.101

No existe evidencia estadística suficiente para rechazar la Ho de que ß 2 = ß 3 = 0 con un 95% de confianza.

7.- Pruebe aplicando los dos enfoques:

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

tc = 3.07 α/2 = 0.05

td = 2.101

-2.101 2.101 3.07

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.

8.- Suponga que quiere ajustar el modelo:

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:

In Qt = -6.81 + 0.407 In Ltˆ + 0.628 In Ktˆ + 0.040 tˆ

ee (2.572) (1.136) (0.156) (0.08)

t (-0.265) (0.358) (4.038) (4.950)

R = 0.996
R 2 = 0.992
R 2 = 0.990

Matriz de correlaciones

rx= 1 0.978 0.986 0.991

0.978 1 0.97 0.976
0.986 0.97 1 0.97
0.991 0.976 0.97 1

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.

2.- Obtenga el intervalo de predicción para E (Q/L,K) y grafique los resultados.

ind sup Med sup Ind inf Ind sup

2,18306 2,30724 2,13424 2,35607
2,25692 2,35166 2,2009 2,40768
2,32536 2,40166 2,264 2,46302
2,38082 2,46707 2,32242 2,52547
2,42118 2,54838 2,37301 2,59655
2,50156 2,56404 2,43573 2,62987
2,53796 2,61994 2,47832 2,67958
2,60898 2,66842 2,54211 2,73529
2,66243 2,73771 2,60075 2,79938
2,72363 2,7918 2,65969 2,85574
2,77536 2,85372 2,71463 2,91445
2,86297 2,93225 2,79939 2,99583
2,94751 3,01043 2,88183 3,07611
3,0396 3,09569 2,97155 3,16373
3,12836 3,18099 3,05908 3,25028
3,21631 3,26859 3,1469 3,338
3,2983 3,35627 3,23092 3,42365
3,3773 3,44337 3,31267 3,508
3,4493 3,53002 3,38928 3,59004
 3,53635 3,6319 3,48055 3,68771
3,6168 3,71639 3,56207 3,77113

4,0

Unstandardized Predi
3,5 cted Value

95% L CI for LNPIB m

ean
3,0
95% U CI for LNPIB m

ean

95% U CI for LNPIB i

2,5
ndividual

95% L CI for LNPIB i

2,0 ndividual
1 3 5 7 9 11 13 15 17 19 21

TIEMPO

3.- Analice la significancia individual del modelo.

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

-2.648 -2.110 2.110

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

-2.110 0.3583 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

-2.110 2.110 4.026

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:

a).- Ho: ß 2 = 0.5

Ha: ß 2 ≠ 0.5

 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

-2.110 -0.082 2.110

No existe evidencia estadística suficiente para rechazar la Ho de que ß 2 = 0.5 con un 95% de confianza.

b).- Ho: ß 3 = 0.6

Ha: ß 3 > 0.6

 ˆ   
ee ˆ 
3 3
g de l = 17 tc =
3
0.628  0.6
g de l = 21-4 tc =
0.156
α = 0.05
td = 1.740 tc = 0.179
 0.179 1.740

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

Ha: no son conjuntamente iguales a cero.

Matricialmente se presenta así:

 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  nk

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

se ˆ  ˆ    var ˆ    var ˆ   2 cov ˆ  ˆ 

 2 3  2  3  2 3

0.407  0.628
tc = 
1.290496  0.024336  2  0.078

 0.221
tc =
1.212655

tc = -0.182226166

-2.110 -0.182 2.110

No existe evidencia estadística suficiente para rechazar la Ho de que ß 2 = ß 3 = 0 con un 95% de confianza.

7.- Pruebe aplicando los dos enfoques:

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

-2.110 0.0288 2.110

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 

Nos da un R de 0.996 elevando nos queda un R 2 = 0.992016. Anexo N.- 5

Aplicando en la formula:
   /m
 R R
2 2
1
F 1  R  / n  k 
NR R
Fd = = 4.41
C 2 18
NR

 0.992  0.9920 / 1
F C

1  0.992 /  21  4 = -0.034 FALTA:::::::::::::::::::

No existe evidencia estadística suficiente para rechazar la Ho 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.

 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.

Corrido los modelos se obtiene los siguientes R 2 :

Del primer modelo: 0.98

Del segundo modelo: 0.992

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

PIB CAPITAL TRABAJO TIEMPO

9,7937 20,787 11,113 1
10,2285 21,257 11,262 2
11,0429 21,727 11,424 3
11,3861 22,2294 11,605 4
12,0335 22,7317 11,81 5
11,7738 23,203 11,679 6
11,8811 23,6742 11,504 7
13,2206 21,2198 11,668 8
14,4959 24,7653 11,891 9
15,3725 25,5707 11,829 10
16,9171 26,1899 11,891 11
13,7007 27,9064 11,994 12
20,7069 26,623 12,118 13
22,2 31,9305 12,174 14
24,085 34,238 12,28 15
26,3838 36,711 12,41 16
23,5866 39,184 12,539 17
30,0748 41,8341 12,609 18
32,6428 44,4842 12,642 19
35,5308 47,8136 12,939 20
37,3065 51,1434 12,955 21
ANEXO N.- 2

Resumen del modelo (b)

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

Correlaciones de los coeficientes(a)

Modelo LNK LNT

1 Correlacio LNK 1,000 -,970
nes LNT -,970 1,000
Covarianz LNK 1,956 -,286
as LNT -,286 ,045
a Variable dependiente: LNPIB
ANEXO.- 3

Resumen del modelo(b)

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 de los coeficientes(a)

Modelo T LNT LNK

1 Correlacio T 1,000 -,449 -,585
nes LNT -,449 1,000 -,441
LNK -,585 -,441 1,000
Covarianz T 6,423E-05 -,001 -,005
as LNT -,001 ,024 -,078
LNK -,005 -,078 1,290
a Variable dependiente: LNPIB
ANEXO N:- 4

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).