Solución.

a) Estimación de los parámetros del modelo lineal:

Hacemos la regresión lineal en Eviews:

Dependent Variable: Y
Method: Least Squares
Date: 09/01/23 Time: 17:06
Sample: 1971Q3 1975Q2
Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

C 10816.04 5988.348 1.806181 0.0983

P_rosa -2227.704 920.4657 -2.420193 0.0340
P_clavel 1251.141 1157.021 1.081347 0.3027
IFam 6.282986 30.62166 0.205181 0.8412
X5 -197.3999 101.5612 -1.943655 0.0780

R-squared 0.834699 Mean dependent var 7645.000

Adjusted R-squared 0.774590 S.D. dependent var 2042.814
S.E. of regression 969.8744 Akaike info criterion 16.84252
Sum squared resid 10347220 Schwarz criterion 17.08395
Log likelihood -129.7401 Hannan-Quinn criter. 16.85488
F-statistic 13.88635 Durbin-Watson stat 2.333986
Prob(F-statistic) 0.000281

Análisis: A un nivel de significancia del 0.05, bajo la hipótesis nula de que los coeficientes son no
significativos, se realiza la prueba de hipótesis. Como se puede observar, los valores probabilísticos de
las variables explicativas asumen valores superiores a 0.05, lo que nos hace aceptar la hipótesis nula
de que los coeficientes son no significativos.

Construimos la ecuación con los parámetros estimados:

Y =10816.04−2227.70∗Prosa +1251.14∗Pclavel +6. 3∗IFam−197. 4∗X 5

 Existe una relación lineal negativa entre el precio al por mayor de las rosas y la cantidad de
docenas de rosas vendidas. Por cada unidad de dólares que aumenta el precio de la docena de
rosas, la venta de rosas por docena disminuye en 2227.7 unidades.

 Existe una relación lineal positiva entre el precio al por mayor de los claveles y la cantidad de
docenas de rosas vendidas. Por cada dólar en que aumenta el precio de los claveles al por
mayor, la venta de rosas aumenta en 1251.1 unidades.

 Existe una relación positiva entre el ingreso familiar semanal y la cantidad de rosas vendidas al
por mayor. Por cada unidad de dólares en que aumenta el ingreso semanal de una familia, la
venta de rosas al por mayor aumenta poco, en 6.3 unidades.

 La variable de tendencia que toma valores ascendentes en cada periodo trimestral en el área
de Detroit se relaciona indirectamente con la cantidad de rosas vendidas al por mayor. Por
cada trimestre de año que pasa la cantidad de rosas vendidas disminuye en 197.4 unidades.

El estadístico de Durbin-Watson, al ser mayor que 2, establece que los términos de error sucesivos
están correlacionados negativamente.
b) Estimación de los parámetros del modelo log-lineal:

Para hacer un análisis general del modelo será necesario convertir todas las variables a su forma de
logaritmo natural para que, de esta manera, podamos analizar el grado de influencia en una misma
unidad de medida (la variación porcentual de cada variable). Corremos el modelo en Eviews:
Dependent Variable: LNY
Method: Least Squares
Date: 09/01/23 Time: 17:08
Sample: 1971Q3 1975Q2
Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

C 3.572156 4.695162 0.760816 0.4628

LP_rosa -1.170728 0.488324 -2.397440 0.0354
LP_clavel 0.737938 0.652863 1.130311 0.2824
LIFam 1.153213 0.901989 1.278522 0.2274
X5 -0.030111 0.016419 -1.833925 0.0938

R-squared 0.798779 Mean dependent var 8.902209

Adjusted R-squared 0.725607 S.D. dependent var 0.306877
S.E. of regression 0.160750 Akaike info criterion -0.567630
Sum squared resid 0.284245 Schwarz criterion -0.326196
Log likelihood 9.541038 Hannan-Quinn criter. -0.555266
F-statistic 10.91654 Durbin-Watson stat 2.049078
Prob(F-statistic) 0.000798

Análisis: A un nivel de significancia del 0.05, bajo la hipótesis nula de que los coeficientes son no
significativos, se realiza la prueba de hipótesis. Notemos que, aplicando logaritmos, el P-Valor de la
variable precio al por mayor de las rosas nos da un valor inferior a 0.05, lo que nos hace rechazar la
hipótesis nula y aceptar la hipótesis alternativa de que esta variable es significativa. Sin embargo,
para las otras variables, aún se sigue cumpliendo la hipótesis nula de que sus coeficientes son no
significativos, al tener valores probabilísticos mayores a 0.05.

Construimos la ecuación con los parámetros estimados:

LNY =3.57215 6−1.1707∗L Prosa+ 0.7379∗L Pclavel +1.15∗L IFam−0.03∗X 5

 Existe una relación lineal negativa entre la variación porcentual del precio al por mayor de las
rosas y la variación porcentual de la cantidad de docenas de rosas vendidas. Por cada unidad
porcentual que aumenta el precio de la docena de rosas, la venta de rosas por docena disminuye
en 1.17 puntos porcentuales.

 Del mismo modo, por cada unidad porcentual en que aumentan el precio de los claveles al por
mayor y el ingreso familiar semanal, la venta de rosas al por mayor aumenta en 0.74 y 1.15
puntos porcentuales respectivamente.

 La variación porcentual de la variable de tendencia se relaciona indirectamente con la variación

porcentual de las rosas vendidas al por mayor.

Adicionalmente, el estadístico de Durbin-Watson, al ser mayor que 2, establece que los términos de
error sucesivos están correlacionados negativamente.
c) β 2, β 3 y β 4 dan respectivamente las elasticidades de la demanda respecto del precio propio,
precio cruzado e ingreso. ¿Cuáles son, a priori, los signos de estas elasticidades? ¿Concuerdan
estos resultados con las expectativas a priori?
 Con respecto al PRECIO PROPIO, por teoría, la elasticidad precio de la demanda siempre es
negativa. De esta manera, el signo del parámetro β 2 debería ser negativo, a priori. Podemos
observar que en nuestra regresión lineal, se cumple con las expectativas de la teoría.

 La elasticidad precio cruzada de la demanda mide la forma en que un cambio en el precio de

un bien afecta la cantidad demandada de otro bien. A diferencia de la elasticidad precio de la
demanda, que siempre es negativa, el valor de la elasticidad precio cruzada puede ser negativo
o positivo y su signo nos proporciona información importante sobre si los bienes son
complementarios o sustitutos.

Si esta es positiva, significa que ante un incremento del precio del bien x la demanda del bien
y aumenta, entonces los bienes son sustitutos; si es negativa, significa que ante un
incremento del precio del bien x la demanda del bien y disminuye, por lo que los bienes serían
complementarios.

En nuestro problema, rosas y claveles son bienes sustitutos por lo que se esperaría que el signo
del coeficiente de esta variable sea positivo, a priori. Como vemos en la regresión del modelo,
β 3 >0 concordando con las expectativas a priori.

 Con respecto al INGRESO, según la teoría microeconómica, existen bienes cuyas demandas
tienen una relación inversa con el nivel de ingresos, lo cual tiene como resultado una
elasticidad ingreso de la demanda negativa. Estos bienes se llaman bienes inferiores. En
cambio, las demandas de los bienes normales presentan una relación positiva con el ingreso, lo
cual se refleja como una elasticidad ingreso de la demanda positiva.

En este caso, las rosas se consideran bienes normales, por lo que, a priori, el signo de β 4 sería
positivo, lo que si concuerda con las expectativas a priori.

d) ¿Cómo calcularía las elasticidades precio propio, precio cruzado e ingreso en el modelo lineal?

En Eviews, haciendo la regresión lineal del modelo mediante el método de Mínimos Cuadrados
Ordinarios (MCO) podemos obtener estas elasticidades tomando los valores de los coeficientes de
cada variable explicativa, los cuales vendrían a ser los estimadores de nuestro modelo.

En Excel, esto se lograría utilizando el cálculo matemático de la siguiente manera:

Elasticidad Precio de la demanda:

Elasticidad Precio Cruzado de la demanda:

Elasticidad Ingreso de la Demanda: