UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONÓMICAS

INGENIERÍA ESTADÍSTICA

MODELOS ESTOCASTICOS II

Integrantes:

 Alysson Pinzón
 Hernán Recalde
 Iván Santillán
 Ederson Ushiña
 Andy Vallejo

Aula: IE8-003

Fecha:

TEMA: PROYECTO DE INVESTIGACIÓN

1.- Problemática de la investigación

Efecto de la Formación Bruta de Capital Fijo y la Población con Ocupación Plena en el
Producto Interno Bruto

2.- Teoría que sustenta el modelo

Variable dependiente:
Producto Interno Bruto (PIB):“Mide la riqueza creada en un periodo; y su tasa
de variación es considerada como el principal indicador de la evolución de la economía
de un país. Corresponde a la suma del valor agregado bruto de todas las unidades de
producción residentes, durante un período determinado, más los otros elementos del PIB
conformados por: impuestos indirectos sobre productos, subsidios sobre productos,
derechos arancelarios, impuestos netos sobre importaciones, e impuesto al valor
agregado (IVA). El valor agregado bruto es la diferencia entre la producción y el
consumo intermedio.”[CITATION Ecu17 \l 2058 ]
Variables independientes:

Formación Bruta de Capital Fijo

“Se mide por el valor total de las adquisiciones, menos las disposiciones, de
activos fijos efectuadas por el productor durante el período contable. Los activos fijos
son activos tangibles o intangibles que se obtienen como resultado de procesos de
producción y que a su vez se utilizan repetida o continuamente durante más de un año.” [
CITATION Ecu17 \l 2058 ]

Población con ocupación plena/Pleno empleo

Dado que, la ocupación plena es una variable explicativa con respecto al PIB,
“Existe una correlación bilateral entre crecimiento del PIB y crecimiento del empleo; es
decir, una determinada variación porcentual de la tasa de empleo por cada variación
porcentual de la tasa de crecimiento y viceversa. El crecimiento del empleo es una
función del crecimiento de la producción, del coste laboral real y de la productividad
total de los factores (PTF). A su vez, el crecimiento de esta última variable, junto con el
de los inputs empleo y capital (físico y humano), determinan el crecimiento del PIB.”
[ CITATION ELP13 \l 12298 ]

Variables que influyen en los dos cálculos del PIB:

La función del PIB se basa fundamentalmente en el concepto del acelerador:

"Siendo, por definición, la inversión neta igual a la variación del stock de

capital, ese incremento dará lugar, si se supone constante el coeficiente de capital a un
aumento de la capacidad de producción proporcional al nivel de inversión". [ CITATION
Ecu17 \l 2058 ]

“Es decir, mayores inversiones, tanto públicas como privadas, originan en el

futuro un mayor crecimiento del PIB. A este efecto positivo se añaden, en esta ecuación,
el componente inercial, representado por la constante y el crecimiento registrado en el
pasado.”[ CITATION Ecu17 \l 2058 ]
Modelo de crecimiento económico de Solow en función de producción Cobb-
Douglas

Para aplicación de la presente investigación se desarrolla mediante la función de

producción de Cobb-Douglas.

“Una de las propiedades más notables de la función de producción que nos

ocupa, es la llamada de los "rendimientos constantes de escala". Estos se dan cuando un
incremento porcentual similar en los factores productivos, determina un aumento
porcentual de la misma magnitud en el producto obtenido.”[ CITATION Var14 \l 12298 ]

La función Cobb-Douglas es expresada de la siguiente forma:

Y t =K t α ¿

Al sustituir la expresión por variables en términos de unidades eficientes y timando

logaritmos naturales, quedaría:
α 1−α
Yt Kt A t Lt
A t Lt
=( )( )
A t Lt A t Lt

Yt
=K ¿ α At 11−α
Lt

Donde α y (1-α) miden las participaciones del capital y del trabajo,

respectivamente, dentro del producto total, y reflejan la parte del producto que
corresponde al capital y al trabajo por sus productividades marginales.

Esta última expresión provee una descomposición del crecimiento observado

entre los componentes asociados con el cambio en los factores productivos y un
componente residual para el progreso tecnológico.

Yt s α
ln ( ) (
Lt
=ln
v + y +δ ) 1−α
ln ⁡( At )

Cabe mencionar que si bien y y δ se espera que no varíen, por cuanto depende de
los recursos naturales, institucionales, climáticos de cada país.

“En una función con rendimientos constantes a escala, la suma de las

elasticidades es unitaria y equivale, en el lenguaje de la distribución, a decir que el
producto se agota, o lo que es lo mismo, el ingreso que va al capital y el que remunera
al trabajo (1-α) son iguales a sus respectivas productividades marginales” [ CITATION
Bri18 \l 12298 ]

De esta forma a las variables explicativas del modelo a estudiar se las transforma
en logaritmos para su correspondiente análisis que influye sobre el crecimiento
económico.
3.- Estimación del modelo de regresión logarítmico múltiple

MODELO DE REGRESION LOGARÍTMICO MULTIPLE

Formula:

¿ Y i= β^1 + ^
β 2 lnX 1+ ^
β 3 ln X 2 + μi

Producto Interno Bruto Logarítmico= ^

β 1+ ^
β 2(Formación Bruta de Capital Fijo

Logarítmico) + ^
β 3(Población con Ocupación Plena Logarítmico) + ^μ

X1= lnOP (Población conOcupación Plena Logarítmico), puntos porcentuales.

X2=lnFBK (Formación Bruta de Capital Fijo Logarítmico), puntos porcentuales.

Y =lnPIB ( Producto Interno Bruto Logarítmico) , puntos porcentuales

Producto Interno Bruto Logarítmico=12.66+ 0.37 (Formación Bruta de Capital Fijo

Logarítmico) +0.23(Población con Ocupación Plena Logarítmico) + ^μ

Interpretación de coeficientes
 a^ : 12.66
Si la formación bruta de capital fijo logarítmico y población con ocupación
plena logarítmico son cero, el producto interno bruto logarítmico será de 12.66
puntos porcentuales.
b^ : 0.37
Si la formación bruta de capital fijo logarítmico incrementa en un punto
porcentual, en promedio el producto interno bruto logarítmico incrementaría en
0.37 puntos porcentuales, manteniendo constante la influencia de la población
con ocupación plena logarítmico.
c^ : 0.23
Si la población con ocupación plena logarítmico incrementa en un punto
porcentuales, en promedio el producto interno bruto logarítmico incrementaría
en 0.23 puntos porcentuales, manteniendo constante la influencia de la
formación bruta de capital fijo logarítmico.

Comprobación de la validación estadística del modelo de regresión

logarítmico múltiple

 Pruebas Estadísticas:

 Prueba t-Student
t a^ : 16.49

El valor de la T-Student del intercepto del modelo de regresión logarítmico

múltiple en valores absolutos es de 16.49 que es mayor al valor crítico de la T-
Student que es de 1.96, por lo tanto, el intercepto si es estadísticamente
significativo.

t b^ : 7.99
El valor de T-Student de la pendiente de la formación bruta de capital fijo
logarítmico del modelo de regresión logarítmico múltiple en valores absolutos es
de 7.99 que es mayor al valor crítico de la T-Student que es de 1.96, por lo tanto,
la pendiente si es estadísticamente significativo.
t c^ : 8.33
 El valor de la T-Student de la pendiente de la población con ocupación plena
logarítmico del modelo de regresión logarítmico múltiple en valores absolutos es
de 8.33 que es mayor al valor crítico de la T-Student que es de 1.96, por lo tanto,
la pendiente si es estadísticamente significativo.

 Prueba de Fisher
FM: 438.94
El valor de Fisher 438.94 del modelo de regresión logarítmico múltiple este
valor es mayor al valor crítico de la prueba de Fisher que es igual a 4, en valores
absolutos. Por lo tanto, el modelo en su conjunto es estadísticamente
significativo.

 Coeficiente de determinación:

r 2=0.9669

 El grado de bondad de ajuste del modelo de regresión lineal múltiple es alto.

 La formación bruta de capital fijo logarítmico y población con ocupación
plena logarítmico explican en un 96.69% el comportamiento del producto
interno bruto.

4.- Aplicación de una metodología para detectar multicolinealidad en el modelo de

regresión múltiple

Para la detección de la multicolinealidad se aplicará el método formal del factor de

inflación, aplicando una regresión auxiliar entre las variables independientes que según
Gujarati & Porter (2010): si el factor de inflación de la varianza de alguna de las
variables en la regresión auxiliar supera el 10, quiere decir que esa variable es colineal.

Hipótesis:

H0: No existe multicolinealidad

Ha: Existe multicolinealidad

Decisión

Debido a que el factor de inflación de la varianza de la regresión auxiliar es menor a 10,

se dice que no hay evidencia estadística para rechazar la hipótesis nula, por lo tanto, no
existe multicolinealidad.

Bibliografía
Aguilar, P. (4 de Noviembre de 2016). UTA. Obtenido de “La caída del precio del petróleo y la
disminución del Presupuesto General del:
http://repositorio.uta.edu.ec/jspui/bitstream/123456789/24263/1/T3823e.pdf

Banco Central, E. (2017). Obtenido de

https://contenido.bce.fin.ec/documentos/PublicacionesNotas/Catalogo/IEMensual/m
etodologia/esr4taed.pdf

Briones Mendoza, X. F. (Diciembre de 2018). DIALNET. Obtenido de

https://dialnet.unirioja.es/descarga/articulo/6770133.pdf

Gujarati, D., & Porter, D. (2010). Econometría Quinta Edición. Obtenido de

file:///E:/Septimo_Semestre/Estocasticos/Gujarati%20-%20Econometría%205ta
%20Edición.pdf

Morettini, M. (abril de 2009). NULAN. Obtenido de http://nulan.mdp.edu.ar/1854/1/01466.pdf

PAÍS, E. (16 de JUNIO de 2013). ECONOMÍA. Obtenido de

https://elpais.com/economia/2013/06/15/actualidad/1371325823_473956.html#:~:te
xt=Existe%20una%20correlaci%C3%B3n%20bilateral%20entre,tasa%20de
%20crecimiento%20y%20viceversa.&text=Es%20decir%2C%20el%20PIB%20habr
%C3%A1,puntos%20porcentuales%20en%20cinco%20a

Vargas Biesuz, B. (septiembre de 2014). SCIELO. Obtenido de

http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2071-
081X2014000200006
Vidal, F. M. (8 de Noviembre de 2017). Centro de Investigación UTMACH. Obtenido de “CARGA
TRIBUTARIA Y RECAUDACIÓN FISCAL EN EL ECUADOR: UN ANÁLISIS MEDIANTE LA
CURVA DE LAFFER”: file:///C:/Users/laboratoriofce12/Downloads/150-1-240-1-10-
20170615.pdf