UNIVERSIDAD NACIONAL

DEL CENTRO DEL PERÚ

FACULTAD DE ECONOMIA

EJERCICIOS NLOGIT

CÁTEDRA : ECONOMÍA AMBIENTAL Y DE LOS RECURSOS NATURALES

CATEDRÁTICO : M.Sc. HUARINGA SANCHEZ, Miguel Angel

ESTUDIANTE: : COLORADO QUISPE, Liz Gaby

MELGAR CASALLO, Cristina Janina

SEMESTRE :X

Huancayo – Perú
- 2021-
 LABORATORIO Nº 01 INTRODUCCIÓN AL N-LOGIT

Ejercicio N° 1

Para poder realizar en forma fácil el proceso de familiarización con el uso de NLogit, se
tomará como base el ejercicio propuesto líneas abajo, comenzando con el análisis de
Correlación y Regresión Simple:

Con el objetivo de medir la elasticidad Ingreso del consumo de cerveza se tomó una
muestra de 22 individuos, cada uno de ellos con ingresos distintos, como se muestra en
la Tabla N°1. Encuentre la elasticidad ingreso del consumo de cerveza, interprete sus
resultados.

Tabla 1

Ingreso Consumo de Ingreso Consumo de

cerveza cerveza
10 636 120 10982
20 1188 130 21483
30 1781 140 22628
40 2859 150 20000
50 3275 160 25477
60 5647 170 25968
70 5112 180 25968
80 9838 190 22521
90 12448 200 35182
100 14475 210 19395
110 16917 220 35000

a) Estadísticos descriptivos

Tabla 2

Descriptive Mean Std.Dev. Skewnes Kurtosis Minimu Maximu

s s m m
INGRESO 115 64.93 0 1.71 10 220
CONSUMO 15399.11 10902.3 0.19 1.86 636 35182
 36941

29203

21465
Ra ng e

13727

5989

-1 7 4 9
INGRESO CONS UMOD
Va ria b le

Bo x plo ts with o utlie rs s h o wn

Figura 1: Diagrama de caja

Como podemos observar en el diagrama de caja de nuestro modelo de consumo de

cerveza en función al ingreso de las personas, tiene una distribución con sesgo negativo.

Figura 2: Dispersión de las variables

 El promedio del ingreso es de 115 con una variación de 64.93, el ingreso máximo
que se alcanzó es de 220 y el ingreso mínimo es de 10. La distribución de los datos
del ingreso es simétrica con un valor de 0; asimismo la distribución de los datos es
 leptocurtica (CU>0) tiene gran concentración de valores están alrededor del
promedio del ingreso.
 El promedio del consumo de cerveza es de 15399.1 con una variación de 10802.3,
el consumo máximo que se alcanzó es de 35182 y el consumo mínimo es de 636.
La distribución de los datos del consumo de cerveza es asimétrica con un valor de
0.19; asimismo la distribución de los datos es leptocurtica (CU>0) tiene gran
concentración de valores están alrededor del consumo de cerveza.

b) Matriz de correlación

Tabla 3

INGRE CONSU
SO MO
INGRES 1 0.93997
O
CONSU 0.93997 1
MO

De acuerdo a la tabla anterior, se constata que la variable ingreso es una variable que
tiene una alta correlación con influencia positiva respecto al consumo de cerveza, con
un coeficiente de 0.93997.

c) Estimación por MCO

Tabla 4

LHS=CONSUMO Mean 15399.09

Standard deviation 10502.31
WTS=none Number of observs. 22
Model size Parameters 2
 Degrees of freedom 20
Residuals Sum of squares 0.2853666
Standard error of e 3777.34
Fit R-squared 0.8835471
Adjusted R-squared 0.8777245
Model test F[ 4, 25] (prob) 151.74 (0.000)
Diagnostic Log likelihood -211.3773
Restricted(b=0 -146.2664
Chi-sq [ 4] (prob 47.31 (0.000)
Info criter LogAmemiya Prd. Crt 16.56056
Akaike Info. Criter. 16.56006
Durbin-Watson Stat. 2.9431658
Autocorrel Rho = cor[e,e(-1)] -0.4715829

Tabla 5

Variable Coefficient Standard t-ratio P[|T|>t] Mean of

Error X

Constant -2583.19481 1667.19662 -1.549 0.1370

INGRESO 156.367702 12.6936181 12.318 0.000 115.000

d) El modelo estimado es:

CONSUMO=−2583 . 19+ 156 .36 INGRESO + µi....(1)

e) Análisis del modelo:

Según la tabla anterior, los resultados de la regresión muestran que la variable ingreso
de las personas explica 87.77% al consumo de cerveza, lo cual indica un alto porcentaje
de nivel de explicación. Asimismo, la probabilidad del t estadístico de la variable
ingreso es 0.000 menor a 0.05 lo cual indica que es una variable significativa.

 Según lo planteado en la ecuación anterior, el ingreso de las personas y el

consumo de cerveza tuvieron una relación positiva. Por otro lado, el
coeficiente de regresión es 156.36, lo cual indica que, ante el incremento del
ingreso en una unidad monetaria, el consumo de cerveza se incrementa en
156.36.
 f) La elasticidad ingreso del consumo de cerveza es:

Fórmula:
Δ y / y Δ y x́
EPD= = x
Δ x / x Δ x ý
Donde

La elasticidad ingreso se usa para clasificar los bienes en:

156.367702∗115
β 1 INGRESO= =1.167749
15399.11

ei ≥1

Por lo que la cerveza es un bien normal y elástico, lo que indica que ante un aumento en
el ingreso en 1 % conlleva a un aumento de la demanda de la cerveza en 1.16 %.

Ejercicio N° 2

Estimación por mínimos cuadrados ordinarios; uso del software econométrico NLOGIT. El
gerente de personal de una compañía farmacéutica, está interesada en pronosticar si un
aspirante en particular se convertirá en un buen vendedor. Para ello decide emplear como
variable dependiente las ventas del primer mes y elige las siguientes variables
independientes para analizar:

X2 = examen de aptitud en ventas

X3 = edad, en años
X4 = calificación en la prueba de ansiedad
X5 = experiencia en años
X6 = PPG (punto promedio de grado) en secundaria
 El gerente de personal reúne los datos que se muestran en la tabla 2 y lo designa como su
analista para la tarea de obtener el “mejor” conjunto de variables independientes para
pronosticar la habilidad en ventas. Elabore un reporte final con su resultado.

Tabla 6
VENTA CEA EDAD CPA EXPERIENCI PPG_SE
S A C
44 10 22.1 4.9 0 2.4
47 19 22.5 3 1 2.6
60 27 23.1 1.5 0 2.8
71 31 24 0.6 3 2.7
61 64 22.6 1.8 2 2
60 81 21.7 3.3 1 2.5
58 42 23.8 3.2 0 2.5
56 67 22 2.1 0 2.3
66 48 22.4 6 1 2.8
61 64 22.6 1.8 1 3.4
51 57 21.1 3.8 0 3
47 10 22.5 4.5 1 2.7
53 48 22.2 4.5 0 2.8
74 96 24.8 0.1 3 3.8
65 75 22.6 0.9 0 3.7
33 12 20.5 4.8 0 2.1
54 47 21.9 2.3 1 1.8
39 20 20.5 3 2 1.5
52 73 20.8 0.3 2 1.9
30 4 20 2.7 0 2.2
58 9 23.3 4.4 1 2.8
59 98 21.3 3.9 1 2.9
52 27 22.9 1.4 2 3.2
56 59 22.3 2.7 1 2.7
49 23 22.6 2.7 1 2.4
63 90 22.4 2.2 2 2.6
61 34 23.8 0.7 1 3.4
39 16 20.6 3.1 1 2.3
62 32 24.4 0.6 3 4
78 94 25 4.6 5 3.6

*: John Hanke y Arthur Reitsch: Pronósticos en los negocios.

Tabla 7

LHS=VENTAS Mean 55.3000

Standard deviation 11.16692
WTS=none Number of observs. 30
 Model size Parameters 6
Degrees of freedom 24
Residuals Sum of squares 377.7625
Standard error of e 3.967380
Fit R-squared 0.8955389
Adjusted R-squared 0.8737762
Model test F[ 4, 25] (prob) 41.15 (0.000)
Diagnostic Log likelihood -80.56418
Restricted(b=0 -114.4483
Chi-sq [ 4] (prob 67.77 (0.000)
Info criter LogAmemiya Prd. Crt 2.938533
Akaike Info. Criter. 2.933068
Durbin-Watson Stat. 1.8950454
Autocorrel Rho = cor[e,e(-1)] 0.0524768

Tabla 8

Variable Coefficient Standard t-ratio P[|T|>t] Mean of X

Error
Constant -90.6291525 17.8410899 -5.080 0.000
CEA 0.20291469 0.2822123 7.190 0.000 45.9000
EDAD 6.15429519 092146173 6.679 0.8252 22.4100
CPA 0.11231856 0.50307148 0.223 0.9867 2.7133
EXPERIEN -0.01319849 0.78581086 -0.017 0.7422 1.2000
PPG_SEC -0.58647651 1.76208987 -0.333 0.000 2.71333

Según la tabla anterior, los resultados de la regresión muestran que las variables,
examen de aptitud en ventas, edad, calificación en la prueba de ansiedad, experiencia en
años y punto promedio de grado en secundaria explican de manera conjunta en 87.37 %
a las ventas del primer mes. Asimismo, las variables examen de aptitud en ventas y edad
tienen un t-static mayor a 2 en valor absoluto es decir un 7.190 y 6.679 con sus
respectivas probabilidades menores a 0.05, los cuales indican que solo dichas variables
explican de manera significativa a la variable ventas del primer mes.

El modelo econométrico es lo siguiente:

VENTAS=−90.6291+0.202914 CEA +6.154295 EDAD+0.112318 CPA−0.013198 EXPERIEN−0.586476

 Según lo planteado en la ecuación anterior, el examen de aptitud en ventas y

las ventas del primer mes tuvieron una relación positiva. Por otro lado, el
coeficiente de regresión es 0.202914, lo cual indica que, ante un puntaje
 mayor en el examen de aptitud en ventas, las ventas del mes podrán
incrementarse en 002029.
 Según lo planteado en la ecuación anterior, la edad de los aspirantes y las
ventas del primer mes tuvieron una relación positiva. Por otro lado, el
coeficiente de regresión es 0.202914, lo cual indica que, cuando la edad del
postulante sea más, las ventas del mes podrán incrementarse en 6.1542.

Según el resultado obtenido, mediante la regresión por MCO de las variables, la

probabilidad estadística del examen de aptitud 0.00 es menor a 0.05 que indica que es
una variable significativa al igual que la edad en donde su probabilidad estadística es
0.00, entonces podemos concluir que el gerente de personal de la compañía
farmacéutica deberá tomar en cuenta el examen de aptitud y la edad de los aspirantes,
para que se pueda así, desempeñar el cargo de un buen vendedor.

Ejercicio Nº 3

El ejercicio tiene por objetivo la capacitación del estudiante en el uso de la técnica

MCO para la estimación de una función de demanda y sus elasticidades empleando el
software econométrico NLOGIT 3.0

Con base a los datos del archivo DEMANDA, se pide:

a. Hallar los estadísticos descriptivos y comentar los resultados.

Tabla 9

Descriptive Mean Std.Dev. Skewness Kurtosis Minimu Maximu

s m m
POVI 7.3559 3.21493 0.841856 3.13763 1.996 15.533
PPOL 7.93047 3.9555 0.438479 1.87732 2.471 15.459
PRES 8.37353 2.84128 0.512093 2.20842 4.016 14.219
QPOL 44.6275 32.2513 1.60784 4.60548 13.251 137.269
ING 409.502 127.946 0.594163 3.29179 184.815 760.389

 El promedio del precio de carne de Ovino fue de 7.35 con una variación de 3.21, el
precio máximo que se alcanzó fue de 15.33 y el precio mínimo fue de 1.99. La
distribución de los datos de precio de ovino es asimétrica positiva (CA>0) es decir
que la mayoría de los precios de carne de ovino son menores al precio promedio es
decir son menores a 7.35; asimismo la distribución de los datos es leptocurtica
 (CU>0) tiene gran concentración de valores están alrededor del promedio del precio
de carne de ovino.
 El promedio del precio de pollo fue de 7.93 con una variación de 2.47, el precio
máximo alcanzado fue15.45 y el mínimo fue de 2.47. La distribución de los datos de
precio de ovino es asimétrica positiva (CA>0) es decir que la mayoría de los datos de
precio de carne de pollo son menores al precio promedio es decir son menores a
7.93; asimismo la distribución de los datos es leptocurtica (CU>0) tiene gran
concentración de valores alrededor del promedio del precio de carne de pollo.

 El promedio del precio de res fue de 8.37 con una variación de 2.84, el precio
máximo alcanzado fue 14.21 y el mínimo fue de 4.01. La distribución de los datos de
precio de res es asimétrica positiva (CA>0) es decir que la mayoría de los datos de
precio de carne de res son menores al precio promedio es decir son menores a 8.37;
asimismo la distribución de los datos es leptocurtica (CU>0) tiene gran
concentración de valores alrededor del promedio del precio de carne de res.
 El promedio de la cantidad demandada de carne de pollo fue de 44.62 con una
variación de 32.25, la cantidad máxima demandada fue 137.26 y el mínimo fue de
13.251. La distribución de los datos de la cantidad demandada de pollo es asimétrica
positiva (CA>0) es decir que la mayoría de los datos de la cantidad demandada de
pollo son menores al precio promedio es decir son menores a 44.62; asimismo la
distribución de los datos es leptocurtica (CU>0) tiene gran concentración de valores
alrededor del promedio de la cantidad demandada de la carne de pollo.
 El promedio de los ingresos fue de 409.502 con una variación de 127.94, la cantidad
máxima de los ingresos fue 760.389 y el mínimo fue de 184.815. La distribución de
los de los datos de ingresos es asimétrica positiva (CA>0) es decir que la mayoría de
los datos de ingresos son menores al ingreso promedio es decir son menores a
409.502; asimismo la distribución de los datos es leptocurtica (CU>0) tiene gran
concentración de valores alrededor del promedio del ingreso.
 Figura 3: Dispersión de las variables

Matriz de correlación
Tabla 10
POVI PPOL PRES QPOL ING
POVI 1 0.03771 -0.16218 -0.01123 0.05715
PPOL 0.03771 1 -0.02515 -0.68732 -0.00619
PRES -0.16218 -0.02515 1 0.02003 -0.01002
QPOL -0.01123 -0.68732 0.02003 1 0.53213
ING 0.05715 -0.00619 -0.01002 0.53213 1

El ingreso per cápita y el precio de carne de pollo tiene una correlación moderada con la
cantidad de consumo de pollo.

b. Estimar una función de demanda lineal para la carne de pollo e interpretar los
coeficientes, siendo el modelo:
Tabla 11
Ordinary least squares regression
LHS=QPOL Mean 44.62747
Standard deviation 32.25129
WTS=none Number of observs. 30
Model size Parameters 5
 Degrees of freedom 25
Residuals Sum of squares 7500.258
Standard error of e 17.32081
Fit R-squared .7513525
Adjusted R-squared .7115690
Model test F[ 4, 25] (prob) 18.89 (.0000)
Diagnostic Log likelihood -125.3906
Restricted(b=0 -146.2664
Chi-sq [ 4] (prob 41.75 (.0000)
Info criter LogAmemiya Prd. Crt 5.857968
Akaike Info. Criter. 5.854829
Durbin-Watson Stat. 1.8858373
Autocorrel Rho = cor[e,e(-1)] .0570813

Tabla 12
Variable Coefficient Standard t-ratio P[|T|>t] Mean of X
Error
Constant 34.7707161 17.9152723 1.941 .0636
POVI -.14793908 1.01609338 -0.146 .8854 7.35590000
PPOL -5.57168992 .81390358 -6.846 .0000 7.93046667
PRES .06522308 1.14742619 0.057 .9551 8.37353333
ING .13329601 .02518077 5.294 .0000 409.501592

QPOL = β0 + β1 PPOL + β2 PRES + β3POVI + β4ING + µi

Donde:

QPOL : cantidad per cápita de consumo anual de carne de pollo

PPOL : precio de pollo
PRES : precio de carne de res
POVI : precio de carne de ovino
ING : ingreso per cápita promedio anual

Modelo Econométrico

QPOL = 34.7707161 - 5.57168992PPOL + 0.06522308PRES - 0.14793908POVI +

0.13329601ING + µi

c. Estimar las elasticidades de la demanda, directa, cruzadas e ingreso.

ELASTICIDAD PRECIO DE LA DEMANDA

FÓRMULA

EPD= | ΔΔ yx // xy |=| ΔΔ xy x x́ý|

 Elasticidad precio –demanda de pollo
Δy
β 1 PPOL= =−5.57168992
Δx

Δ y / y Δ y x́ 7.93047
E PPOL D= = x =−5.57168992 x =−0.9901
Δ x / x Δ x ý 44.6275

|−0.9901|< 1

Lo que indica que la demanda de la carne de pollo es inelástica, lo cual nos da a conocer
que las variaciones en el precio de pollo tienen un efecto relativamente pequeño en la
cantidad demandada de carne de pollo.

ELASTICIDAD CRUZADA

Δ y / y Δ y ý
EC = = x
Δ x / x Δ x x́

 Elasticidad precio de ovino –demanda de pollo

Δy
β 2 POVI = =−0.14793908
Δx

Δ y / y Δ y ý 44.6275
ECPOVID= = x =−0.14793908 x =−0. 897531
Δ x / x Δ x x́ 7.3559

La elasticidad precio cruzada es negativa por lo que los bienes (carne de pollo y carne
de ovino) son complementarios.

 Elasticidad precio de res – demanda de pollo

 Δy
β 3 RES= =0.06522308
Δx

Δ y / y Δ y ý 44.6275
ECRESD= = x =0.06522308 x =0.347612
Δ x /x Δ x x́ 8.37353

La elasticidad precio cruzada es positiva, los bienes (carne de pollo y carne de res) son
sustitutos.

ELASTICIDAD RENTA DE LA DEMANDA

FÓRMULA

Δ y / y Δ y x́
ER= = x
Δ x /x Δ x ý

Δy
β 4= =0.13329601
Δx

Δ y / y Δ y x́ 409.502
β 4 ING= = x =0.13329601 x =1.223125
Δ x/ x Δ x ý 44.6275

ei ≥1

Por lo que la carne de pollo es un bien normal y elástico, lo que indica que ante un
aumento en el ingreso en 1 % conlleva a un aumento de la demanda de carne de pollo
1.22%.

d. Interpretar el coeficiente de determinación y la significancia individual de los

coeficientes.

COEFICIENTE DE DETERMINACIÓN: Los resultados de la regresión muestran que

las variables precio de pollo(PPOL), precio de carne de res(PRES), precio de carne de
ovino(POVI) e ingreso per cápita promedio anual(ING) explicaron de manera conjunta en
71.15% a la cantidad per cápita de consumo anual de carne de pollo(QPOL).
 COEFICIENTES INDIVIDUALES: El t estadístico de las variables precio de
pollo(PPOL) y el ingreso per cápita promedio anual(ING) son mayores a dos en valor
absoluto¿), lo que muestra que solo las dos variables(PPOL,6.84-ING,5.29) consideradas
fueron significativas y explicaron adecuadamente a la cantidad per cápita de consumo
anual de carne de pollo(QPOL).
Por otro lado, el precio de PRES Y POVI no fueron significativas y no explicaron
adecuadamente a la a la cantidad per cápita de consumo anual de carne de pollo(QPOL).

e. Ahora, plantear una función exponencial y luego estimar e interpretar sus

coeficientes.
Tabla 13
Matriz de correlación
LPOVI LPPOL LPRES LQPOL LING
LPOVI 1 0.10977 -0.22838 -0.17447 -0.02335
LPPOL 0.10977 1 -0.09054 -0.84301 -0.02977
LPRES -0.22838 -0.09054 1 -0.0161 0.05085
LQPOL -0.17447 -0.84301 -0.0161 1 0.47684
LING -0.02335 -0.02977 0.05085 0.47684 1

Tabla 14
LHS=QPOL Mean 3.599495
Standard deviation .6178038
WTS=none Number of observs. 30
Model size Parameters 5
Degrees of freedom 25
Residuals Sum of squares .6829748
Standard error of e .1652846
Fit R-squared .9382971
Adjusted R-squared .9284246
Model test F[ 4, 25] (prob) 95.04 (.0000)
Diagnostic Log likelihood 14.16926
Restricted(b=0 -27.61210
Chi-sq [ 4] (prob 83.56 (.0000)
Info criter LogAmemiya Prd. Crt -3.446023
Akaike Info. Criter. -3.449161
Durbin-Watson Stat. 2.2422431
Autocorrel Rho = cor[e,e(-1)] - .1211215
 Variable Coefficient Standard t-ratio P[|T|>t] Mean of X
Error
Constant 1.01528533 .63430769 1.601 .1220
LPOVI -.14426097 .07092887 -2.034 .0527 1.90329002
LPPOL -.96536654 .05825019 -16.573 .0000 1.94117565
LPRES -.25048318 .09271551 -2.702 .0122 2.06946786
LING .88003674 .09588760 9.178 .0000 5.96690240

logQPOL = log A + β1 log PPOL + β2 log PRES + β3 log POVI + β4ING + µi

Modelo Econométrico

logQPOL = 1.01528533 - 0.96536654 log PPOL -0.25048318log PRES - 0.14426097

log POVI + 0.88003674ING + µi

COEFICIENTE DE DETERMINACIÓN: Los resultados de la regresión muestran que

las variables precio de pollo(PPOL), precio de carne de res(PRES), precio de carne de
ovino(POVI) e ingreso per cápita promedio anual(ING) explicaron de manera conjunta en
92.84 % a la cantidad per cápita de consumo anual de carne de pollo(QPOL).

COEFICIENTES INDIVIDUALES: Asimismo, el t estadístico de las variables

explicativas son mayores a dos en valor absoluto ¿), lo que muestra que las cuatro
variables consideradas(PPOL,PRES,POVI, ING) fueron significativas y explicaron
adecuadamente al comportamiento de la cantidad per cápita de consumo anual de carne
de pollo(QPOL).

 Ante un incremento en una unidad monetaria del precio del pollo, la cantidad
demandada de precio de pollo(PPOL) disminuirá en 5.57.
 Ante un incremento en una unidad monetaria del precio de carne de res(PRES), la
cantidad demandada de la carne de pollo se incrementará en 0.065.
 Ante un incremento en una unidad monetaria precio de carne de ovino(POVI), la
cantidad demandada de carne de pollo disminuirá en 0.14.
 Ante un incremento en una unidad monetaria del ingreso per cápita promedio
anual(ING) la cantidad demandada de carne de pollo aumentará en 0.13.