8.20. Para la funcin de demanda (8.6.

24), cmo probara la hiptesis de

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

2=3 , esto es

2+ 3=0

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

(0.0247)2 +(0.0635)22(0.00142)=0.858
t=

0.4515+(0.3772)

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

ninguna razn para rechazar la hiptesis nula.
8.21. Consulte la funcin de demanda de rosas del ejercicio 7.16 1. Centre
su atencin en la especificacin logartmica.
a) Cul 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 estadsticamente significativa?
De la prueba de t, obtenemos:
t=

1.2740
=2.41755
0.527

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

aproximadamente 0.034, que son pequeos. A partir de esto, rechazamos la
hiptesis que la elasticidad verdadera de precios es cero.
c) De ser as, es significativamente diferente de la unidad?
Otra vez, usando la frmula estndar, obtenemos:

1 Para ms informacin revisar el libro de Econometra cuyo autor es

Gujarati, 5ta educacin pag. 218.

t=

1.274(1)
=0.5199
0.527

Ya que este valor de t no es estadsticamente significativo, no rechazamos la

hiptesis que la elasticidad verdadera de precios es la unidad.
d) A priori, cules son los signos esperados de X3 (precio de los claveles) y
X4 (ingreso)? Corresponden los resultados empricos a estas expectativas?
En ambos casos se esperan que los signos sean positivos, aunque ninguna de
estas variables sea estadsticamente significativo.
e) Si los coeficientes de X3 y X4 no son estadsticamente significativos,
cules pueden serlas razones?
Quizs nuestro tamao de la muestra es demasiado pequeo para detectar la
importancia estadstica de precios rosa contra la demanda de rosas o l de
ingreso sobre la demanda de rosas. Adems, el gasto sobre rosas puede ser
una tan pequea 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
exploracin de pozos.
a) Es cada uno de los coeficientes de pendiente estimados estadsticamente
significativo individualmente en el nivel de 5%?
Los coeficientes de X2 y X3 son estadsticamente significativos pero aquellos de
X4 y X5 no lo son.
b) Rechazara la hiptesis de que R2 = 0?
S. Usando la prueba de F, obtenemos:
F=

0.656 /4
=12.395
(10.656)/26

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

nula.
2 Para ms informacin revisar el libro de Econometra cuyo autor es
Gujarati, 5ta educacin pag. 219.

c) Cul es la tasa de crecimiento instantnea de la actividad de exploracin

durante el periodo 1948-1978? Cul es la tasa de crecimiento compuesta
correspondiente?
Usando el modelo semi - logaritmo, obtenemos:
log 2.532030.0127 tiempo

t valor= ( 38.3766 )(3.3514 )

R2=0.2792
As, la tarifa instantnea de crecimiento es el-1.27 %. La tarifa correspondiente
compuesta de crecimiento es tambin 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 pequeo

r , ln(1+r ) r .

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

presupuesto de defensa de Estados Unidos estimada en el ejercicio 7.18 3.
a) Comente, en trminos generales, los resultados de regresin estimados.
Refirase a la regresin 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 hiptesis de que todos los coeficientes
de pendiente parciales son iguales a cero.
Podemos usar el R2 versin de la tabla ANOVA dada en la tabla 8.5 del texto.
Fuente de

SS

gdl

MSS

variacin

3 Para ms informacin revisar el libro de Econometra cuyo autor es

Gujarati, 5ta educacin pag. 219.

Debido a la
regresin

Debido a los
residuos

( i 2)

0.978

( i 2)
4

0.978

( i 2)

0.022

15

( i 2)
15

0.022

Conforme a la hiptesis habitual nula, la proporcin de F es:

F=

0.978/4
=166.704
0.022/15

Este valor de F es obviamente sumamente significativo, pero al rechazar la

hiptesis nula todos los coeficientes de la pendiente son simultneamente
iguales a cero.
8.24. La siguiente funcin se conoce como la funcin de produccin
trascendental (FPT), generalizacin de la conocida funcin de produccin
Cobb-Douglas:
2

Y i= 1 L K e

4 L+ 5 K

Donde Y = produccin, L = insumo trabajo y K = insumo capital. Despus de

tomar logaritmos y de sumar el trmino de perturbacin estocstico, obtenemos
la FPT estocstica como
K i + 4 Li + 5 K i+ ui
Li + 3 ln
Y i= 0 + 2 ln
ln
Donde:

0=ln 1

a) Cules son las propiedades de esta funcin?

Esta funcin permite que los productos marginales de trabajo y capital a subir
antes de que caigan finalmente. Para la produccin estndar Cobb - Douglas
hace que los productos marginales caigan desde el principio. Esta funcin
tambin permite ver la elasticidad de la variable de sustitucin, a diferencia del
modelo habitual Cobb - Douglas
b) Para reducir la FPT a la funcin de produccin Cobb-Douglas, cules
deben ser los valores de 4 y 5?
Si

4= 5=0 , entonces e 0=1 . Esto es el modelo estndar.

c) Si tuviera la informacin, cmo hara para encontrar la forma en la que la

FPT se reduce a la funcin de produccin Cobb-Douglas? Qu procedimiento
de prueba utilizara?
Se podra usar la prueba de F de restringidos mnimos - cuadrados.
d) Verifique si la FPT se ajusta a los datos de la tabla 8.8 4. Muestre sus
clculos.
Los resultados son los siguientes:
Variable Dependiente: LOG(GDP)
Mtodo: Mnimos Cuadrados
Fecha: 11/10/15 Hora: 08:23
Muestra:1955 1974
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
LOG(Labor)
LOG(Capital)

-11.70601
1.410377
0.9422699

2.876300
0.590731
0.194542

-4.069814
2.387512
4.845735

0.0010
0.0306
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
Ajustado cuadrado RS.E. de la regresin

0.999042
0.998787
0.013289

Suma resid cuadrado

0.002649

Mean var dependiente

S.D. var dependiente
Informacin Akaike
criterio
Criterio de Schwarz

12.226605
0.381497
-5.591475
-5.342542

4 Para ms informacin revisar el libro de Econometra cuyo autor es

Gujarati, 5ta educacin pag. 250.

Entrar probabilidad
F-estadstica
Prob (F-estadstica)

60.91475
3911.007
0.000000

Criter Hannan-Quinn.
Durbin-Watson stat

6.237071
1.065992

A medida que estos clculos se muestren, los resultados son mixtos. Mientras
el coeficiente de trabajo es estadsticamente significativo, la de capital no es. El
R2 del modelo planteado es perfecto, globalmente e individualmente los
parmetros son significativos respectivamente.
8.25. Precios de energa y formacin de capital: Estados Unidos, 19481978. Para probar la hiptesis de que un aumento en el precio de la
energa relativo a la produccin provoca un descenso en la productividad
del capital existente y de los recursos laborales, John A. Tatom estim la
siguiente funcin de produccin para Estados Unidos, durante el periodo
trimestral 1948-I a 1978-II:*
ln

P
y
h
=1.5492+ 0.7135 ln
0.1081 ln e + 0.0045 t
K
k
P

( )

( )

()

(16.33
)

(21.6
9)

(-6.42)

(15.86
)

Donde:

y = produccin 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 = ndice de precios al productor para combustible y productos

relacionados
P = deflactor de precios del sector de negocios privado
t = tiempo
Los nmeros en parntesis son los estadsticos t.
a) Apoyan los resultados la hiptesis del autor?
S, el ndice de precios de combustible es negativo y estadsticamente
significativo en el nivel del 1 %.
b) Entre 1972 y 1977, el precio relativo de la energa (Pe/P) aument 60%. A
partir de la regresin estimada, cul es la prdida en productividad?

La prdida de salida sera el 6.48 % [(-0.1081)*(60%)].

c) Despus de permitir los cambios en (h/k) y (Pe/P), cul 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) Cmo interpreta el valor del coeficiente de 0.7135?
Por regla general, para la muestra, un aumento del 1 % de la proporcin de
trabajo/capital conduce al aumento del 0.71 % de la salida.
e) El hecho de que cada coeficiente de pendiente parcial estimado sea
estadsticamente significativo en el nivel individual (por qu?) significa que
podemos rechazar la hiptesis de que R2 = 0? Por qu?
Mirar la Pregunta 8.11. Si cada coeficiente individual es estadsticamente
significativo, es improbable esto R2 = 0. En el caso presente:
0.98
3
F=
=1927.33
(10.98)
118
Este valor de F es sumamente significativo. Entonces uno puede rechazar la
hiptesis que R2 = 0.
8.26. La demanda de cable. La tabla 8.10 presenta los datos de un fabricante
de cable telefnico 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:

Ao

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

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

X2, PIB

X3,

X4,

X5,

Tasa X6,

Y,

Ventas

Construcci

1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983

1051.8
1078.8
1075.3
1107.5
1171.1
1235.0
1217.8
1202.3
1271.0
1332.7
1399.2
1431.6
1480.7
1510.3
1492.2
1535.4

Desempleo

preferencial,

n de nuevas %

rezago

viviendas
1503.6
1486.7
1434.8
2035.6
2360.8
2043.9
1331.9
1160.0
1535.0
1961.8
2009.3
1721.9
1298.0
1100.0
1039.0
1200.0

meses
5.8
6.7
8.4
6.2
5.4
5.9
9.4
9.4
7.2
6.6
7.6
10.6
14.9
16.6
17.5
16.0

3.6
3.5
5.0
6.0
5.6
4.9
5.6
8.5
7.7
7.0
6.0
6.0
7.2
7.6
9.2
8.8

Ganancias

anuales

6 lnea cliente (MPF)

%.
5.9
4.5
4.2
4.2
4.9
5.0
4.1
3.4
4.2
4.5
3.9
4.4
3.9
3.1
0.6
1.5

5873
7852
8189
7497
8534
8688
7270
5020
6035
7425
9400
9350
6540
7675
7419
7923

Considere el siguiente modelo:

Y i= 1 + 2 X 2 t + 3 X 3 t + 4 X 4 t + 5 X 5 t + 6 X 6 t + ut
a) Estime la regresin anterior.
Variable Dependiente: Y
Mtodo: Mnimos Cuadrados
Fecha: 11/10/15 Hora: 09:40
Muestra:1968 1983
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
X2
X3

5962.656
4.883663
2.363956

2507.724
2.512542
0.843559

2.377716
1.943714
2.802361

0.0388
0.0806
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
Ajustado cuadrado RS.E. de la regresin

0.822750
0.734125
627.6005

Mean var dependiente

S.D. var dependiente
Informacin Akaike
criterio

7543.125
1217.152
16.00168

Suma resid cuadrado

Entrar probabilidad
F-estadstica
Prob (F-estadstica)

3938.824
-122.0134
9.283507
0.001615

Criterio de Schwarz
Criter Hannan-Quinn.
Durbin-Watson stat

16.29140
4.237241
2.484497

b) Cules son los signos esperados para los coeficientes de este modelo?
Se esperara que B2, B3 y B6 sean positivos y B4 y B3 sean negativos.
c) Corresponden los resultados empricos a las expectativas a priori?
Los parmetros B2, B3 y B4

son los nicos que renen las expectativas

esperadas.
d) Son los coeficientes de regresin parcial estimados estadsticamente
significativos considerados en forma individual en el nivel de 5% de
significancia?
Como los resultados de regresin muestran que X 3, X4 y X6 son significativos al
95%, X2 es significativo al 90% nivel, pero X5 es estadsticamente insignificante.
e) Suponga que efecta la regresin de Y sobre X 2, X3 y X4 solamente y luego
decide agregar las variables X 5 y X6 Cmo averiguar si se justifica agregar
las variables X5 y X6? Qu prueba utiliza? Muestre los clculos necesarios.
Usamos la metodologa de restringidos mnimos - cuadrados hablados en el
captulo.
De la regresin Y sobre X2, X3 y X4 solamente, obtenemos RR2=0.6012. La
inclusin de todas las regresiones, se observa los resultados de regresin
dados en (a), tenemos un RUR2=0.8227.
Por tanto se procede hacer el siguiente clculo:
F=

(0.82270.6012)/2
=6.246
(10.8227)/10

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

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

8.27. Marc Nerlove estim la siguiente funcin de costo para la

generacin de electricidad:

a1

a2

a3

Y = AX P P P u(1)

Donde

Y = costo total de produccin

X = produccin en horas kilowatt
P1 = precio del insumo trabajo
P2 = precio del insumo capital
P3 = precio del combustible
u = trmino de perturbacin

En teora, se espera que la suma de las elasticidades del precio sea igual a la
unidad, es decir, (1 + 2 + 3) = 1. Pero al imponer esta restriccin, la funcin
de costos anterior se escribe como:
a1

a2

P
P
Y
= AX 1 2 u(2)
P3
P3
P3

( )

( ) ( )

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

funcin de costo restringida. Con base en una muestra de 29 empresas de
tamao mediano y despus de realizar la transformacin logartmica, Nerlove
obtuvo los siguientes resultados de la regresin:
(3)

ln Y i=4.93+ 0.94 ln X i +0.31 ln P10.26 ln P2 +0.44 ln P3

ee
=

(1.9
6)

(0.2
3)

(0.1
1)

(0.0
7)

(0.2
9)

SCR =0.336

ln

P
P
Y
=6.55+ 0.91 ln X+ 0.51 ln 1 +0.09 ln 2
P3
P3
P3

( )

( )

ee =

(0.1
6)

(0.1
1)

SCR=0.364
a) Interprete las ecuaciones (3) y (4).

( )

(0.1
9)

(4)
(0.1
6)

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 consideracin. Por ejemplo, el
coeficiente 0,94 en la ecuacin (3) significa que si la produccin en X i aumenta
en un 1%, Por regla general, el coste total de produccin sube en el 0.94 %. De
modo similar en la ecuacin (4), Si el precio de trabajo en relacin con el precio
de combustible sube en 1 %, por regla general, el coste relativo de produccin
est encima del 0.51%.
b) Cmo averiguara si la restriccin ( 1 + 2 + 3) = 1 es vlida? Muestre sus
clculos.
Se usa la prueba estadstica de F de la siguiente manera:
RSS

RRSS
(
(0.3640.336)/1
UR)/ NR
=
=1.012
1RSSUR
(10.336)/24
nk
F=
Donde NR= N de restricciones
Esta F no es significativa, el valor de F crtico del 5 % para 1, y 24 numerador y
el denominador gdl, respectivamente, es 4.26. Por lo tanto, no rechazamos la
hiptesis nula puesto que la suma de las elasticidades de precios es 1.
8.28. Estimacin del modelo de asignacin de precios de activos de
capital (CAPM). En la seccin 6.1 consideramos brevemente el conocido
modelo de asignacin de precios de activos de capital de la teora
moderna de portafolios. En el anlisis emprico, el CAPM se estima en dos
etapas.
Etapa I (Regresin de serie de tiempo). Para cada uno de los N ttulos
incluidos en la muestra efectuamos la siguiente regresin a travs del tiempo:
Rit =ai + iRmt + eit (1)
Donde Rit y Rmt son las tasas de rendimiento del i-simo ttulo y el portafolio del
mercado (por ejemplo, el S&P 500) en el ao t; i, como ya vimos, es el

coeficiente beta o coeficiente de volatilidad del mercado del i-simo ttulo y e it

son los residuos. En total hay N regresiones, una para cada ttulo, y se
producen, por consiguiente, N valores estimados para i.
Etapa II (Regresin transversal). En esta etapa efectuamos la siguiente
regresin para los N ttulos:
Ri=Y 1 +Y 2i +ui (2)
Donde Ri es el promedio o tasa media de rendimiento para el ttulo i, calculado
sobre el periodo muestral cubierto por la etapa I, i es el coeficiente beta
estimado de la regresin de la primera etapa y u i es el trmino residual.
Al comparar la regresin (2) de la segunda etapa con el CAPM, ecuacin
(6.1.2), escrita como:
ER
( mr f )(3)
E Ri=r f + i
Donde rf es la tasa de rendimiento libre de riesgo, vemos que 1 es una
estimacin de rf y es 2 una estimacin de (ERm rf), la prima del riesgo del
mercado.
As, en la prueba emprica de CAPM, R i y i se utilizan como estimadores de
ERi y i respectivamente. Ahora, si se mantiene CAPM, estadsticamente,
Y 1=r f
ER
( mr f )
Y 2=Rm r f , el estimador de

Considere ahora otro modelo:

Ri=Y 1 +Y 2i +Y 3S ei2 +ui ( 4)
Donde s2ei es la varianza residual del i-simo ttulo de la regresin de la primera
etapa. Entonces, si CAPM es vlido, 3 no debe ser significativamente diferente

de cero. Para probar el CAPM, Levy efectu 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 i

(2)

(0.009
)

t=( 12.0 ) (5.1)

(0.008
)

R =0.21
(4)

2
Ri=0.106+ 0.0024 i+ 0.201 S(0.008
ei

(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? Cmo sabe?
S, ya que esto se deshace la luz sobre la validez de la teora. Tambin,
estadsticamente es significativo, como se ha notado en la pregunta (a).
c) Si el CAPM se mantiene, 1 en (2) debe aproximar el valor promedio de la
tasa libre de riesgo r f. El valor estimado es 10.9%. Parece una estimacin
razonable de la tasa de rendimiento libre de riesgo durante el periodo de
observacin, 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 estimacin

razonable?
No. Otra vez, esto parece relativamente alto.
e) Qu 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, cul(es) prueba(s) utilizara(n) para elegir entre
los dos modelos? Muestre los clculos necesarios. Observe que las
variables dependientes en los dos modelos son distintas.
Hablaremos slo de los resultados basados en la tarifa de cuenta de tesoro, los
resultados basados en el largo - la tarifa de trmino es paralela.
El modelo en el ejercicio 7.21 (a) es el modelo sin restriccin y que en (b) es el
modelo restringido. Ya que la variable dependiente en los dos modelos es
diferente, usamos la prueba de F. El RSS restringido y sin restriccin es,
respectivamente, 0.0772 y 0.0463.
Note que hemos puesto slo una restriccin, a saber que el coeficiente de Y en
el primer modelo es la unidad.
F=

(0.07720.0463)/1
=10.6781
(0.0463)/(193)

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

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

5 Para ms informacin revisar el libro de Econometra cuyo autor es

Gujarati, 5ta educacin pag. 223.