UNIVERSIDAD NACIONAL DEL ALTIPLANO

MAESTRIA EN ECONOMÍA: MENCIÓN PROYECTOS DE INVERSION

Curso: Métodos cuantitativos

Trabajo final
Los datos se encuentran en el archivo Trabajo final 2019.xls

1. Estime la función de demanda del bien X: 𝐷𝑥 = 𝑓(𝑃𝑥 , 𝑃𝑤 , 𝑃𝑧 , 𝐼), donde Dx: Cantidad
demandada del bien X, Px: Precio del bien X, Pw: Precio del bien W, Pz: Precio del bien Z;
I: Ingreso del consumidor.
a) Considere que puede estimar diferentes formas funcionales, las que sean pertinentes.
b) Realice las pruebas de detección de multicolinealidad y heterocedasticidad, haga las
correcciones necesarias y haga una interpretación adecuada de los resultados.
c) Los datos se encuentran en la hoja denominada demanda. Antes de realizar los análisis
pulse F9 y reemplace los primeros cinco datos de Dx.
d) Todos deben consignar la información con la que trabajaron.
DESARROLLO:
A) La regresión de las variables la planteamos con el comando “regress”, como resultado
nos da:
Source SS df MS Number of obs = 24
F(4, 19) = 141.41
Model 2412.95095 4 603.237738 Prob > F = 0.0000
Residual 81.0490497 19 4.26573946 R-squared = 0.9675
Adj R-squared = 0.9607
Total 2494 23 108.434783 Root MSE = 2.0654

dx Coef. Std. Err. t P>|t| [95% Conf. Interval]

px 1.682282 .6479446 2.60 0.018 .3261179 3.038445

pz -1.92208 .9002537 -2.14 0.046 -3.806332 -.037827
pw -1.807374 .6028516 -3.00 0.007 -3.069157 -.5455913
i 2.06483 .4573625 4.51 0.000 1.107559 3.022101
_cons .0926237 1.5893 0.06 0.954 -3.233819 3.419067

1. 𝐷𝑥 = 0.0926237 + 1.682282𝑃𝑥 − 1.92208𝑃𝑧 − 1.807374𝑃𝑤 + 2.06483𝐼

Expresa la cantidad demandada del bien “x”, y como esta se ve afectada por el
precio del bien x, el precio del bien z, el precio del bien w y el ingreso del
consumidor a lo largo del tiempo.

B) Prueba de deteccion de multicolinealidad y heterocedasticidad:

Con el comando “vif” para detectar la multicolinealidad:

Variable VIF 1/VIF

pw 246.21 0.004062
px 173.61 0.005760
i 97.68 0.010237
pz 92.26 0.010838

Mean VIF 152.44

Donde todos los valores varian por debajo de 0.05, lo que indica que existe
homocedasticidad y no existe heterocedasticidad, significa que la varianza de los errores
es constante a lo largo del tiempo.
Con el comando “correl”, evaluamos la matriz de correlacion de las variables:

px pz pw i

px 1.0000
pz -0.5576 1.0000
pw 0.9840 -0.4645 1.0000
i -0.2402 0.9162 -0.1100 1.0000

Podemos consignar tmbn un modelo normalizando todos sus valores con “Ln” y
obtendremos la siguiente regresion:

Source SS df MS Number of obs = 24

F(4, 19) = 187.16
Model 7.55464724 4 1.88866181 Prob > F = 0.0000
Residual .191730121 19 .010091059 R-squared = 0.9752
Adj R-squared = 0.9700
Total 7.74637736 23 .336799016 Root MSE = .10045

LNDX Coef. Std. Err. t P>|t| [95% Conf. Interval]

LNPX .1478004 .2589509 0.57 0.575 -.39419 .6897907

LNPZ -.091097 .1477221 -0.62 0.545 -.400283 .2180889
LNPW -.5636369 .3813836 -1.48 0.156 -1.361882 .2346081
LNI 1.529749 .3023962 5.06 0.000 .8968261 2.162671
_cons -.4628804 .3312664 -1.40 0.178 -1.156229 .2304681

2. 𝐿𝑁𝐷𝑥 = −0.4628804 + 0.1478004𝐿𝑁𝑃𝑥 − 0.091097𝐿𝑁𝑃𝑧 −

0.5636369𝐿𝑁𝑃𝑤 + 1.529749𝐿𝑁𝐼
Aplicando la prueba de variación “vif”, obtenemos los siguientes datos:
 Variable VIF 1/VIF

LNPW 78.87 0.012679

LNPX 61.02 0.016387
LNPZ 33.78 0.029604
LNI 33.57 0.029784

Mean VIF 51.81

Donde también podemos apreciar que existe homocedasticidad con la prueba que
los valores son menores a 0.05, manteniéndose una constancia en los errores.
C) Cambiando los 5 primeros valores:
D) Tenemos:

Dx Px Pz Pw I
25 3 9 8 25
23 5 9 9 23
17 6 8 12 21
19 8 7 13 20
12 9 6 15 19
14 10 5 17 18
13 11 4 19 17
11 13 3 21 16
9 15 2 23 14
7 17 2 24 13
6 18 1 25 11
5 20 1 27 10
44 5 16 14 44
40 9 16 16 40
30 11 14 21 37
33 14 12 23 35
21 16 11 26 33
25 18 9 30 32
23 19 7 33 30
19 23 5 37 28
16 26 4 40 25
12 30 4 42 23
11 32 2 44 19
9 35 2 47 18
2 Demanda de carne de pollo en Estados Unidos, 1960-1982. Para estudiar el consumo per
cápita de carne de pollo en Estados Unidos se presentan los datos de la tabla 7_9, donde
Y = consumo per cápita de carne de pollo, lbs
X2 = ingreso per cápita real disponible, $
X3 = precio real al menudeo del pollo por lb
X4 = precio real al menudeo del cerdo por lb
X5 = precio real al menudeo de la carne de res por lb
X6 = Precio real compuesto de los sustitutos de pollo por lb, el cual es un promedio
ponderado de los precios reales al menudeo por libra de carne de cerdo y de res; las
ponderaciones son los consumos relativos de la carne de res y de cerdo en el consumo
total de estos productos.
Considere las siguientes funciones de demanda:

ln Yt = α1 + α2 ln X 2t + α3 ln X 3t + u t (1)

ln Yt = γ1 + γ2 ln X 2t + γ3 ln X 3t + γ4 ln X 4t + u t (2)

ln Yt = λ1 + λ2 ln X 2t + λ3 ln X 3t + λ4 ln X 5t + u t (3)

ln Yt = θ1 + θ2 ln X 2t + θ3 ln X 3t + θ4 ln X 4t + θ5 ln X 5t + u t (4)

ln Yt = β1 + β2 ln X 2t + β3 ln X 3t + β4 ln X 6t + u t (5)

De la teoría microeconómica, se sabe que la demanda de un bien suele depender del ingreso
real del consumidor, del precio real del bien y de los precios reales de los bienes
complementarios o que compiten con él. Bajo estas consideraciones, responda las siguientes
preguntas.
a) Entre las funciones de demanda que aquí se dan, ¿cuál escogería y por qué?
La regresión quiere dar una explicación al consumo per cápita de carne de pollo y como
esta varía de acuerdo al ingreso per cápita real disponible, el precio real al menudeo del
pollo, el precio real al menudeo del cerdo, al precio real al menudeo de la res, y el precio
real de los sustitutos de la carne de pollo. Es por eso que las regresiones siguientes
contemplan:
1. La relación del consumo de la carne de pollo con el ingreso per cápita real disponible
y el precio real al menudeo de la carne de pollo.
 Source SS df MS Number of obs = 23
F(2, 20) = 489.23
Model .759234042 2 .379617021 Prob > F = 0.0000
Residual .015519048 20 .000775952 R-squared = 0.9800
Adj R-squared = 0.9780
Total .77475309 22 .03521605 Root MSE = .02786

LNY Coef. Std. Err. t P>|t| [95% Conf. Interval]

LNX2 .4541888 .0249099 18.23 0.000 .4022278 .5061499

LNX3 -.3784942 .0639547 -5.92 0.000 -.5119013 -.245087
_cons 2.038763 .1166455 17.48 0.000 1.795444 2.282081

𝐿𝑁𝑌 = 2.038763 + 0.4541888𝐿𝑁𝑋2 − 0.3784942𝐿𝑁𝑋3

2. La relación del consumo de la carne de pollo con el ingreso per cápita real
disponible, el precio real al menudeo de la carne de pollo y el precio real al menudeo
de la carne de cerdo.

Source SS df MS Number of obs = 23

F(3, 19) = 337.66
Model .760488945 3 .253496315 Prob > F = 0.0000
Residual .014264145 19 .000750744 R-squared = 0.9816
Adj R-squared = 0.9787
Total .77475309 22 .03521605 Root MSE = .0274

LNY Coef. Std. Err. t P>|t| [95% Conf. Interval]

LNX2 .4058989 .04467 9.09 0.000 .3124034 .4993943

LNX3 -.448434 .0829681 -5.40 0.000 -.6220883 -.2747797
LNX4 .1125754 .0870732 1.29 0.212 -.0696709 .2948218
_cons 2.136231 .1372866 15.56 0.000 1.848887 2.423575

𝐿𝑁𝑌 = 2.136231 + 0.4058989𝐿𝑁𝑋2 − 0.448434𝐿𝑁𝑋3 + 0.1125754𝐿𝑁𝑋4

3. La relación del consumo de la carne de pollo con el ingreso per cápita real
disponible, el precio real al menudeo de la carne de pollo y el precio al menudeo de
la carne de res.
 Source SS df MS Number of obs = 23
F(3, 19) = 310.70
Model .759275823 3 .253091941 Prob > F = 0.0000
Residual .015477266 19 .000814593 R-squared = 0.9800
Adj R-squared = 0.9769
Total .77475309 22 .03521605 Root MSE = .02854

LNY Coef. Std. Err. t P>|t| [95% Conf. Interval]

LNX2 .4436859 .052935 8.38 0.000 .3328916 .5544801

LNX3 -.3874298 .0764891 -5.07 0.000 -.5475233 -.2273362
LNX5 .0209162 .0923553 0.23 0.823 -.1723856 .2142179
_cons 2.045018 .122665 16.67 0.000 1.788278 2.301759

𝐿𝑁𝑌 = 2.045018 + 0.4436859𝐿𝑁𝑋2 − 0.3874298𝐿𝑁𝑋3 + 0.0209162𝐿𝑁𝑋5

4. La relación del consumo de la carne de pollo con el ingreso per cápita real
disponible, el precio real al menudeo de la carne de pollo, el precio real al
menudeo de la carne de cerdo y el precio real al menudeo de la carne de res.
Source SS df MS Number of obs = 23
F(4, 18) = 251.46
Model .761132457 4 .190283114 Prob > F = 0.0000
Residual .013620633 18 .000756702 R-squared = 0.9824
Adj R-squared = 0.9785
Total .77475309 22 .03521605 Root MSE = .02751

LNY Coef. Std. Err. t P>|t| [95% Conf. Interval]

LNX2 .34193 .0826016 4.14 0.001 .1683904 .5154695

LNX3 -.5134195 .1091067 -4.71 0.000 -.7426443 -.2841948
LNX4 .1537838 .0981771 1.57 0.135 -.0524785 .3600462
LNX5 .0921889 .0999684 0.92 0.369 -.1178369 .3022147
_cons 2.199482 .153953 14.29 0.000 1.876039 2.522926

𝐿𝑁𝑌 = 2.199482 + 0.34193𝐿𝑁𝑋2 − 0.5134195𝐿𝑁𝑋3 + 0.1537838𝐿𝑁𝑋4 +

0.921889𝐿𝑁𝑋5
5. La relación del consumo de la carne de pollo con el ingreso per cápita real
disponible, el precio real al menudeo de la carne de pollo y el precio real compuesto
de los sustitutos de la carne de pollo.
 Source SS df MS Number of obs = 23
F(3, 19) = 313.23
Model .75939868 3 .253132893 Prob > F = 0.0000
Residual .01535441 19 .000808127 R-squared = 0.9802
Adj R-squared = 0.9771
Total .77475309 22 .03521605 Root MSE = .02843

LNY Coef. Std. Err. t P>|t| [95% Conf. Interval]

LNX2 .4830078 .0687235 7.03 0.000 .339168 .6268477

LNX3 -.358109 .0793697 -4.51 0.000 -.5242318 -.1919863
LNX6 -.0587643 .1301932 -0.45 0.657 -.3312617 .2137331
_cons 2.036292 .1191651 17.09 0.000 1.786877 2.285707

𝐿𝑁𝑌 = 2.036292 + 0.4830078𝐿𝑁𝑋2 − 0.358109𝐿𝑁𝑋3 − 0.0587643𝐿𝑁𝑋6

 El modelo de regresión a elegir será el (4), debido a que esta contempla la mayor
cantidad de datos y contempla mejor la sensibilidad de precios de carne de cerdo y res
con respecto al consumo de la carne de pollo.

b) ¿Cómo interpretaría los coeficientes de ln X2t y ln X3t en estos modelos?

La normalización de los datos para una mejor comprensión en la estimación de la
regresión, donde:
𝐿𝑁𝑋2 → 𝐿𝑎 𝑠𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑝𝑜𝑟 𝑒𝑙 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑝𝑒𝑟 𝑐𝑎𝑝𝑖𝑡𝑎
𝐿𝑁𝑋3 → 𝐿𝑎 𝑠𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑝𝑜𝑟 𝑒𝑙 𝑝𝑟𝑒𝑐𝑖𝑜 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑟𝑛𝑒 𝑑𝑒 𝑝𝑜𝑙𝑙𝑜
Existirá un incremento o decremento en el consumo de la carne de pollo, con el
incremento del ingreso per cápita la gente consumirá más y sino lo contrario.
Existirá un incremento o decremento en el consumo de la carne de pollo, con el
incremento del precio la gente reducirá el consumo de la carne de pollo.

c) ¿Cuál es la diferencia entre las especificaciones (2) y (4)?

La especificación 2 solo muestra cómo afecta el precio de la carne de cerdo con al
consumo de carne de pollo.
La especificación 4 es más completa ya que muestra como el precio de la carne de cerdo
y la de res afectan al consumo de carne de pollo.
 d) ¿Qué problemas prevé si adopta la especificación (4)? (Sugerencia: Los precios de la
carne de cerdo y de res se incluyen con el del pollo.)
Al incluir los precios de la carne de res y cerdo, podemos concebir una mejor regresión

e) ¿La carne de cerdo y la de res son productos que compiten con el pollo o que lo
sustituyen? ¿Por qué?
Lo sustituyen, por la apreciación de los modelos de regresión, existe mayor preferencia
por la carne de pollo, pero siempre se ve afectada por su precio, en caso que la carne de
pollo suba de precio el consumidor optara por otro tipo de carne.

f) Suponga que la función (5) es la de demanda “correcta”. Estime los parámetros de este
modelo. Interprete sus resultados.

𝐿𝑁𝑌 = 2.036292 + 0.4830078𝐿𝑁𝑋2 − 0.358109𝐿𝑁𝑋3 − 0.0587643𝐿𝑁𝑋6

El consumo de la carne de pollo “LNY”, se verá afectado por el incremento del ingreso
per cápita “LNX2” en 48%, se reducirá si el precio de la carne de pollo “LNX3”
aumenta en 36% y también se reducirá si el precio de los sustitutos de la carnde pollo
aumenta un 6%.

g) Suponga que corre el modelo “incorrecto” (2). Evalúe las consecuencias de esta mala

especificación considerando los valores de γ2 y γ3 en relación con β2 y β3,

respectivamente.
(2) 𝐿𝑁𝑌 = 2.136231 + 0.4058989𝐿𝑁𝑋2 − 0.448434𝐿𝑁𝑋3 + 0.1125754𝐿𝑁𝑋4
(5) 𝐿𝑁𝑌 = 2.036292 + 0.4830078𝐿𝑁𝑋2 − 0.358109𝐿𝑁𝑋3 − 0.0587643𝐿𝑁𝑋6

La diferencia de estos dos modelos es que en una se toman los precios de todos los
sustitutos de la carne de pollo (5) y en (2) solo se toma en consideración el precio de la carne
de cerdo.
Afecta en:
- La proporción en el ingreso per cápita, 0.41 (precio de carne de cerdo) y
0.48 (precio de carnes sustitutas).
 - La proporción en el precio de la carne de pollo 0.45 (precio de la carne de
cerdo) y 0.36 (precio de carnes sustitutas).
La forma en la que varían es demasiado grande, debido a que en uno de los modelos solo te
toma y precio, y en el otro un ponderado de los sustitutos.

Antes de responder las preguntas, cambie los primeros cinco números de la variable X2
generando números aleatorios.
(Sugerencia: Revise la sección 7.7 del texto de Gujarati.)

3. Calcule la DAP con la base de datos del artículo Valoración económica del Complejo
Cultural-Recreativo San Jacinto.
a. De acuerdo a la nómina de maestrantes, deben eliminar 4 filas.
b. El primero eliminará las filas 1-4 de información, el segundo del 5-8, el tercero del 9-
12, y así sucesivamente.
c. Seleccionan el modelo Logit apropiado.
d. Hacen la predicción de las probabilidades (prob), analizan el nivel de ajuste, los efectos
marginales, algunos efectos marginales específicos (siguiendo el análisis del modelo
Logit de la sesión de clases), odds ratios.
e. Estiman el modelo Probit con las mismas variables del modelo Logit apropiado.
f. Calculan la DAP, en caso necesario hacen la corrección.
g. Basado en el artículo Valoración económica del Complejo Cultural-Recreativo San
Jacinto, redactan un informe (resumido) con un máximo de diez páginas de texto, de
acuerdo a la siguiente estructura:
I. Introducción
II. Materiales y método
III. Resultados y discusión
IV. Conclusiones

Fecha máxima de entrega, en archivo pdf, domingo 29 de septiembre hasta

las 11:59 pm.