Está en la página 1de 14

8.20. Para la función de demanda (8.6.

24), ¿cómo probaría la hipótesis de


que la elasticidad ingreso es igual en valor pero opuesta en signo a la
elasticidad precio de la demanda? Muestre los cálculos necesarios (Nota
Cov . β 2 , β 3=−0.00142.

La hipótesis nula es β 2=−β 3, esto es β 2+ β3 =0

Utilización de la t stadistic presentado en el anterior ejercicio. Obtenemos:

0.4515+(−0.3772)
t=
√(0.0247) +¿(0.0635)2−2(−0.00142)=0.858¿
2

Este valor de t no es significativo, decir en el nivel del 5 %. Por lo tanto, no hay


ninguna razón para rechazar la hipótesis nula.

8.21. Consulte la función de demanda de rosas del ejercicio 7.16 1. Centre


su atención en la especificación logarítmica.

a) ¿Cuál es la elasticidad precio-propio de la demanda estimada (es decir, la


elasticidad respecto del precio de las rosas)?

La elasticidad propia de precios es -1.274

b) ¿Es estadísticamente significativa?

De la prueba de t, obtenemos:

1.274−0
t= =2.41755
0.527

El valor de p de obtener t stadistic conforme a la hipótesis nula es


aproximadamente 0.034, que son pequeños. A partir de esto, rechazamos la
hipótesis que la elasticidad verdadera de precios es cero.

c) De ser así, ¿es significativamente diferente de la unidad?

Otra vez, usando la fórmula estándar, obtenemos:

−1.274−(−1)
t= =−0.5199
0.527

1
Para más información revisar el libro de Econometría cuyo autor es Gujarati, 5ta educación pag. 218.
Ya que este valor de t no es estadísticamente significativo, no rechazamos la
hipótesis que la elasticidad verdadera de precios es la unidad.

d) A priori, ¿cuáles son los signos esperados de X3 (precio de los claveles) y


X4 (ingreso)? ¿Corresponden los resultados empíricos a estas expectativas?

En ambos casos se esperan que los signos sean positivos, aunque ninguna de
estas variables sea estadísticamente significativo.

e) Si los coeficientes de X3 y X4 no son estadísticamente significativos,


¿cuáles pueden serlas razones?

Quizás nuestro tamaño de la muestra es demasiado pequeño para detectar la


importancia estadística de precios rosa contra la demanda de rosas o él de
ingreso sobre la demanda de rosas. Además, el gasto sobre rosas puede ser
una tan pequeña parte del ingreso total que uno no puede notar el impacto de
ingreso en demanda para rosas.

8.22. Consulte el ejercicio 7.17 2, relacionado con la actividad de


exploración de pozos.

a) ¿Es cada uno de los coeficientes de pendiente estimados estadísticamente


significativo individualmente en el nivel de 5%?

Los coeficientes de X2 y X3 son estadísticamente significativos pero aquellos de


X4 y X5 no lo son.

b) ¿Rechazaría la hipótesis de que R2 = 0?

Sí. Usando la prueba de F, obtenemos:

0.656/4
F= =12.395
(1−0.656) /26

El valor de F al 5 % para 4 y 26 gdl. Es 2.74. Entonces se rechaza la hipótesis


nula.

c) ¿Cuál es la tasa de crecimiento instantánea de la actividad de exploración


durante el periodo 1948-1978? ¿Cuál es la tasa de crecimiento compuesta
correspondiente?

2
Para más información revisar el libro de Econometría cuyo autor es Gujarati, 5ta educación pag. 219.
Usando el modelo semi - logaritmo, obtenemos:

log ¿ 2.53203−0.0127 tiempo

t valor=( 38.3766 ) (−3.3514 )

R2=0.2792

Así, la tarifa instantánea de crecimiento es el-1.27 %. La tarifa correspondiente


compuesta de crecimiento es también aproximadamente el-1.27 %. (Se toma el
anti – log de -0.0127 (=0.9873) luego restamos 1 de ello y lo multiplicamos por
100.Nota: Para pequeño r , ln (1+r ) ≈ r.

8.23. Consulte los resultados de la regresión de los gastos de


presupuesto de defensa de Estados Unidos estimada en el ejercicio 7.18 3.

a) Comente, en términos generales, los resultados de regresión estimados.

Refiérase a la regresión pasado es el ejercicio 7.18. A priori, esperan que todos


los coeficientes de la pendiente sean positivos, Que es el caso, excepto las
ventas variables estadounidenses militares. El R2 valor es bastante alto. En
general, el modelo es satisfactorio.

b) Prepare la tabla ANOVA y pruebe la hipótesis de que todos los coeficientes


de pendiente parciales son iguales a cero.

Podemos usar el R2 versión de la tabla ANOVA dada en la tabla 8.5 del texto.

Fuente de SS gdl MSS


variación
Debido a la 0.978 ¿ 4 0.978 ¿ ¿
regresión
Debido a los 0.022 ¿ 15 0.022 ¿ ¿
residuos

Conforme a la hipótesis habitual nula, la proporción de F es:

0.978 /4
F= =166.704
0.022/15

3
Para más información revisar el libro de Econometría cuyo autor es Gujarati, 5ta educación pag. 219.
Este valor de F es obviamente sumamente significativo, pero al rechazar la
hipótesis nula todos los coeficientes de la pendiente son simultáneamente
iguales a cero.

8.24. La siguiente función se conoce como la función de producción


trascendental (FPT), generalización de la conocida función de producción
Cobb-Douglas:

Y i=β 1 Lβ K β e β
2 3 4 L+β 5 K

Donde Y = producción, L = insumo trabajo y K = insumo capital. Después de


tomar logaritmos y de sumar el término de perturbación estocástico, obtenemos
la FPT estocástica como

ln Y i= β0 +¿ β 2 ln Li +¿ β 3 ln K i+ ¿ β 4 Li + β 5 K i+u i ¿ ¿ ¿

Donde: β 0=ln β 1

a) ¿Cuáles son las propiedades de esta función?

Esta función permite que los productos marginales de trabajo y capital a subir
antes de que caigan finalmente. Para la producción estándar Cobb - Douglas
hace que los productos marginales caigan desde el principio. Esta función
también permite ver la elasticidad de la variable de sustitución, a diferencia del
modelo habitual Cobb - Douglas

b) Para reducir la FPT a la función de producción Cobb-Douglas, ¿cuáles


deben ser los valores de β4 y β5?

Si β 4 =β5 =0, entonces e 0=1. Esto es el modelo estándar.

c) Si tuviera la información, ¿cómo haría para encontrar la forma en la que la


FPT se reduce a la función de producción Cobb-Douglas? ¿Qué procedimiento
de prueba utilizaría?

Se podría usar la prueba de F de restringidos mínimos - cuadrados.

d) Verifique si la FPT se ajusta a los datos de la tabla 8.8 4. Muestre sus


cálculos.

4
Para más información revisar el libro de Econometría cuyo autor es Gujarati, 5ta educación pag. 250.
Los resultados son los siguientes:

Variable Dependiente: LOG(GDP)


Método: Mínimos Cuadrados
Fecha: 11/10/15 Hora: 08:23
Muestra:1955 1974

Variable Coefficient Std. Error t-Statistic Prob.  

C -11.70601 2.876300 -4.069814 0.0010


LOG(Labor) 1.410377 0.590731 2.387512 0.0306
LOG(Capital) 0.9422699 0.194542 4.845735 0.0002

Labor -9.06E-05 4.35E-05 -2.082179 0.0549

Capital -3.54E-07 4.15E-07 -0.853032 0.4071

R-cuadrado 0.999042 Mean var dependiente 12.226605


Ajustado cuadrado R- 0.998787 S.D. var dependiente 0.381497
S.E. de la regresión 0.013289 Información Akaike -5.591475
criterio
Suma resid cuadrado 0.002649 Criterio de Schwarz -5.342542
Entrar probabilidad 60.91475 Criter Hannan-Quinn. 6.237071
F-estadística 3911.007 Durbin-Watson stat 1.065992
Prob (F-estadística) 0.000000

A medida que estos cálculos se muestren, los resultados son mixtos. Mientras
el coeficiente de trabajo es estadísticamente significativo, la de capital no es. El
R2 del modelo planteado es perfecto, globalmente e individualmente los
parámetros son significativos respectivamente.

8.25. Precios de energía y formación de capital: Estados Unidos, 1948-


1978. Para probar la hipótesis de que un aumento en el precio de la
energía relativo a la producción provoca un descenso en la productividad
del capital existente y de los recursos laborales, John A. Tatom estimó la
siguiente función de producción para Estados Unidos, durante el periodo
trimestral 1948-I a 1978-II:*
y h P
ln ( )
K
=1.5492+0.7135 ln
k () P ( )
−0.1081 ln e +0.0045 t

(16.33) (21.69) (-6.42) (15.86)

Donde:

 y = producción real en el sector de negocios privado


 k = una medida del flujo de servicios de capital
 h = horas por persona en el sector de negocios privado
 Pe = índice de precios al productor para combustible y productos
relacionados
 P = deflactor de precios del sector de negocios privado
 t = tiempo

Los números en paréntesis son los estadísticos t.

a) ¿Apoyan los resultados la hipótesis del autor?

Sí, el índice de precios de combustible es negativo y estadísticamente


significativo en el nivel del 1 %.

b) Entre 1972 y 1977, el precio relativo de la energía (Pe/P) aumentó 60%. A


partir de la regresión estimada, ¿cuál es la pérdida en productividad?

La pérdida de salida sería el 6.48 % [(-0.1081)*(60%)].

c) Después de permitir los cambios en (h/k) y (Pe/P), ¿cuál fue la tendencia de


la tasa de crecimiento de la productividad durante el periodo muestral?

La tarifa de tendencia de crecimiento fue del 0.45 %

d) ¿Cómo interpreta el valor del coeficiente de 0.7135?

Por regla general, para la muestra, un aumento del 1 % de la proporción de


trabajo/capital conduce al aumento del 0.71 % de la salida.

e) ¿El hecho de que cada coeficiente de pendiente parcial estimado sea


estadísticamente significativo en el nivel individual (¿por qué?) significa que
podemos rechazar la hipótesis de que R2 = 0? ¿Por qué?
Mirar la Pregunta 8.11. Si cada coeficiente individual es estadísticamente
significativo, es improbable esto R2 = 0. En el caso presente:

0.98
3
F= =1927.33
(1−0.98)
118

Este valor de F es sumamente significativo. Entonces uno puede rechazar la


hipótesis que R2 = 0.

8.26. La demanda de cable. La tabla 8.10 presenta los datos de un fabricante


de cable telefónico para pronosticar las ventas a uno de sus principales clientes
durante el periodo 1968-1983.

Las variables en la tabla se definen de la siguiente forma:

 Y = ventas anuales en millones de pies de cables pareados (MPC)


 X2 = Producto Interno Bruto (PIB), $, miles de millones
 X3 = construcción de nuevas viviendas, miles de unidades
 X4 = tasa de desempleo, %
 X5 = tasa preferencial rezagada 6 meses
 X6 = ganancias de línea para el cliente, %

Año X2, PIB X3, X4, X5, Tasa X6, Y, Ventas


Construcción Desempleo preferencial, Ganancias anuales
de nuevas % rezago 6 línea cliente (MPF)
viviendas meses %.
1968 1051.8 1503.6 3.6 5.8 5.9 5873
1969 1078.8 1486.7 3.5 6.7 4.5 7852
1970 1075.3 1434.8 5.0 8.4 4.2 8189
1971 1107.5 2035.6 6.0 6.2 4.2 7497
1972 1171.1 2360.8 5.6 5.4 4.9 8534
1973 1235.0 2043.9 4.9 5.9 5.0 8688
1974 1217.8 1331.9 5.6 9.4 4.1 7270
1975 1202.3 1160.0 8.5 9.4 3.4 5020
1976 1271.0 1535.0 7.7 7.2 4.2 6035
1977 1332.7 1961.8 7.0 6.6 4.5 7425
1978 1399.2 2009.3 6.0 7.6 3.9 9400
1979 1431.6 1721.9 6.0 10.6 4.4 9350
1980 1480.7 1298.0 7.2 14.9 3.9 6540
1981 1510.3 1100.0 7.6 16.6 3.1 7675
1982 1492.2 1039.0 9.2 17.5 0.6 7419
1983 1535.4 1200.0 8.8 16.0 1.5 7923

Considere el siguiente modelo:

Y i=β 1 + β 2 X 2t + β 3 X 3t + β 4 X 4 t + β5 X 5 t + β6 X 6 t +ut

a) Estime la regresión anterior.

Variable Dependiente: Y
Método: Mínimos Cuadrados
Fecha: 11/10/15 Hora: 09:40
Muestra:1968 1983

Variable Coefficient Std. Error t-Statistic Prob.  

C 5962.656 2507.724 2.377716 0.0388


X2 4.883663 2.512542 1.943714 0.0806
X3 2.363956 0.843559 2.802361 0.0187

X4 -819.1287 187.7072 -4.363863 0.0014

X5 12.01048 147.0496 0.081676 0.9365

X6 -851.3927 292.1447 -2.914284 0.0155

R-cuadrado 0.822750 Mean var dependiente 7543.125


Ajustado cuadrado R- 0.734125 S.D. var dependiente 1217.152
S.E. de la regresión 627.6005 Información Akaike 16.00168
criterio
Suma resid cuadrado 3938.824 Criterio de Schwarz 16.29140
Entrar probabilidad -122.0134 Criter Hannan-Quinn. 4.237241
F-estadística 9.283507 Durbin-Watson stat 2.484497
Prob (F-estadística) 0.001615

b) ¿Cuáles son los signos esperados para los coeficientes de este modelo?

Se esperaría que B2, B3 y B6 sean positivos y B4 y B3 sean negativos.


c) ¿Corresponden los resultados empíricos a las expectativas a priori?

Los parámetros B2, B3 y B4 son los únicos que reúnen las expectativas
esperadas.

d) ¿Son los coeficientes de regresión parcial estimados estadísticamente


significativos considerados en forma individual en el nivel de 5% de
significancia?

Como los resultados de regresión muestran que X 3, X4 y X6 son significativos al


95%, X2 es significativo al 90% nivel, pero X5 es estadísticamente insignificante.

e) Suponga que efectúa la regresión de Y sobre X 2, X3 y X4 solamente y luego


decide agregar las variables X 5 y X6 ¿Cómo averiguará si se justifica agregar
las variables X5 y X6? ¿Qué prueba utiliza? Muestre los cálculos necesarios.

Usamos la metodología de restringidos mínimos - cuadrados hablados en el


capítulo.

De la regresión Y sobre X2, X3 y X4 solamente, obtenemos R R2=0.6012. La


inclusión de todas las regresiones, se observa los resultados de regresión
dados en (a), tenemos un RUR2=0.8227.

Por tanto se procede hacer el siguiente cálculo:

(0.8227−0.6012)/2
F= =6.246
(1−0.8227) /10

Para 2 y 10 gdl en el numerador y el denominador, respectivamente, el valor de


F crítico del 5 % es 4.10. Por lo tanto, rechazamos la hipótesis que las variables
X5 y X6 no pertenecen en el modelo.

8.27. Marc Nerlove estimó la siguiente función de costo para la


generación de electricidad:

Y = AX β∗Pa ∗Pa ¿ Pa ∗u(1)


1 2 3

Donde

 Y = costo total de producción


 X = producción en horas kilowatt
 P1 = precio del insumo trabajo
 P2 = precio del insumo capital
 P3 = precio del combustible
 u = término de perturbación

En teoría, se espera que la suma de las elasticidades del precio sea igual a la
unidad, es decir, (α1 + α2 + α3) = 1. Pero al imponer esta restricción, la función
de costos anterior se escribe como:

a
Y β P1 P2 a
1 2

( )
P3
= AX ( )( )
P3

P3
∗u(2)

En otras palabras, (1) es una función de costo no restringida y (2) es una


función de costo restringida. Con base en una muestra de 29 empresas de
tamaño mediano y después de realizar la transformación logarítmica, Nerlove
obtuvo los siguientes resultados de la regresión:

ln Y i=−4.93+0.94 ln X i +0.31 ln P 1−0.26 ln P2 +0.44 ln P3 (3)

ee = (1.96) (0.11) (0.23) (0.29) (0.07)

SCR=0.336

Y P1 P2
ln
( )
P3
=−6.55+0.91 ln X + 0.51 ln
P3 ( )
+ 0.09 ln
P3 ( ) (4)

ee = (0.16) (0.11) (0.19) (0.16)

SCR=0.364

a) Interprete las ecuaciones (3) y (4).

Ya que ambos modelos son logaritmos - lineales, los coeficientes estimados de


la pendiente representan la elasticidad (parcial) de la variable dependiente en
lo que concierne a la regresividad en la consideración. Por ejemplo, el
coeficiente 0,94 en la ecuación (3) significa que si la producción en X i aumenta
en un 1%, Por regla general, el coste total de producción sube en el 0.94 %. De
modo similar en la ecuación (4), Si el precio de trabajo en relación con el precio
de combustible sube en 1 %, por regla general, el coste relativo de producción
está encima del 0.51%.
b) ¿Cómo averiguaría si la restricción (α 1 + α2 + α3) = 1 es válida? Muestre sus
cálculos.

Se usa la prueba estadística de F de la siguiente manera:

( RSS ¿ ¿ R−RSS UR) /NR (0.364−0.336)/1


F= = =1.012 ¿
1−RSSUR (1−0.336)/24
n−k

Donde NR= N° de restricciones

Esta F no es significativa, el valor de F crítico del 5 % para 1, y 24 numerador y


el denominador gdl, respectivamente, es 4.26. Por lo tanto, no rechazamos la
hipótesis nula puesto que la suma de las elasticidades de precios es 1.

8.28. Estimación del modelo de asignación de precios de activos de


capital (CAPM). En la sección 6.1 consideramos brevemente el conocido
modelo de asignación de precios de activos de capital de la teoría
moderna de portafolios. En el análisis empírico, el CAPM se estima en dos
etapas.

Etapa I (Regresión de serie de tiempo). Para cada uno de los N títulos


incluidos en la muestra efectuamos la siguiente regresión a través del tiempo:

Rit =ai + β i∗Rmt + eit ( 1)

Donde Rit y Rmt son las tasas de rendimiento del i-ésimo título y el portafolio del
mercado (por ejemplo, el S&P 500) en el año t; β i, como ya vimos, es el
coeficiente beta o coeficiente de volatilidad del mercado del i-ésimo título y e it
son los residuos. En total hay N regresiones, una para cada título, y se
producen, por consiguiente, N valores estimados para β i.

Etapa II (Regresión transversal). En esta etapa efectuamos la siguiente


regresión para los N títulos:

Ri=Y 1+Y 2∗β i+u i (2)

Donde Ri es el promedio o tasa media de rendimiento para el título i, calculado


sobre el periodo muestral cubierto por la etapa I, β i es el coeficiente beta
estimado de la regresión de la primera etapa y u i es el término residual.
Al comparar la regresión (2) de la segunda etapa con el CAPM, ecuación
(6.1.2), escrita como:

E Ri=r f + β i∗( E R ¿ ¿ m−r f )(3) ¿

Donde rf es la tasa de rendimiento libre de riesgo, vemos que γ 1 es una


estimación de rf y es γ2 una estimación de (ERm − rf), la prima del riesgo del
mercado.

Así, en la prueba empírica de CAPM, R i y βi se utilizan como estimadores de


ERi y βi respectivamente. Ahora, si se mantiene CAPM, estadísticamente,

Y 1=r f

Y 2=R m−r f , elestimador de ( ER ¿ ¿ m−r f )¿

Considere ahora otro modelo:

Ri=Y 1+Y 2∗β i+Y 3∗S e i2+u i( 4)

Donde s2ei es la varianza residual del i-ésimo título de la regresión de la primera


etapa. Entonces, si CAPM es válido, γ 3 no debe ser significativamente diferente
de cero. Para probar el CAPM, Levy efectuó las regresiones (2) y (4) sobre una
muestra de 101 acciones durante el periodo 1948-1968 y obtuvo los siguientes
resultados:

Ri=0.109+0.037 β i
(2)’
(0.009) (0.008)

t=( 12.0 ) (5.1)

R2=0.21

Ri=0.106+0.0024 β i +0.201 S ei2 (4)’


(0.008) (0.007) (0.038)

t=( 13.2 ) ( 3.3 ) (5.3)

R2=0.39
a) ¿Apoyan estos resultados el CAPM?

No, la Y3 estimado, es significativamente diferente de cero, ya que su valor t es


de 5.3.

b) ¿Se justifica agregar la variable s2ei al modelo? ¿Cómo sabe?

Sí, ya que esto se deshace la luz sobre la validez de la teoría. También,


estadísticamente es significativo, como se ha notado en la pregunta (a).

c) Si el CAPM se mantiene, γ1 en (2) ´ debe aproximar el valor promedio de la


tasa libre de riesgo rf. El valor estimado es 10.9%. ¿Parece una estimación
razonable de la tasa de rendimiento libre de riesgo durante el periodo de
observación, 1948-1968? (Se puede considerar la tasa de rendimiento de los
bonos del Tesoro o de un activo libre de riesgo relativamente parecido.)

No, esto parece una demasiada alta vuelta para cuentas de tesoro americanas.

d) Si el CAPM se mantiene, la prima de riesgo del mercado (R m − rf) de (2) ´ es


cerca de 3.7%. Si se supone que r f es 10.9%, esto implica que R m para el
periodo de la muestra fue aproximadamente 14.6%. ¿Parece una estimación
razonable?

No. Otra vez, esto parece relativamente alto.

e) ¿Qué puede decir sobre el CAPM en general?

Un estudio de la literatura reciente sobre el CAMP sugiere que el modelo no se


pueda asignar en todas las situaciones.

8.29. Consulte el ejercicio 7.21c 5. Ahora que ya cuenta con las


herramientas necesarias, ¿cuál(es) prueba(s) utilizaría(n) para elegir entre
los dos modelos? Muestre los cálculos necesarios. Observe que las
variables dependientes en los dos modelos son distintas.

Hablaremos sólo de los resultados basados en la tarifa de cuenta de tesoro, los


resultados basados en el largo - la tarifa de término es paralela.

El modelo en el ejercicio 7.21 (a) es el modelo sin restricción y que en (b) es el


modelo restringido. Ya que la variable dependiente en los dos modelos es

5
Para más información revisar el libro de Econometría cuyo autor es Gujarati, 5ta educación pag. 223.
diferente, usamos la prueba de F. El RSS restringido y sin restricción es,
respectivamente, 0.0772 y 0.0463.

Note que hemos puesto sólo una restricción, a saber que el coeficiente de Y en
el primer modelo es la unidad.

(0.0772−0.0463) /1
F= =10.6781
( 0.0463)/( 19−3)

Para 1 y 16 numerador y denominador gdl, respectivamente, el valor de F


crítico del 5 % es 4.49. De ahí rechazamos el modelo restringido y concluimos
que la verdadera elasticidad de ingreso es menos que la unidad.

También podría gustarte