[Ultima revisin, 20-09-02]

NOCIONES DE REGRESION LINEAL

Julio H. Cole
Profesor de Economa
Universidad Francisco Maroqun

1. Introduccin.
El objeto de un anlisis de regresin es investigar la relacin estadstica que existe entre
una variable dependiente (Y) y una o ms variables independientes ( X 1 , X 2 , X 3 , ... ). Para
poder realizar esta investigacin, se debe postular una relacin funcional entre las variables.
Debido a su simplicidad analtica, la forma funcional que ms se utiliza en la prctica es la
relacin lineal. Cuando solo existe una variable independiente, esto se reduce a una lnea
recta:
Y b0 b1 X

donde los coeficientes b0 y b1 son parmetros que definen la posicin e inclinacin de la

recta. (Ntese que hemos usado el smbolo especial Y para representar el valor de Y
calculado por la recta. Como veremos, el valor real de Y rara vez coincide exactamente con
el valor calculado, por lo que es importante hacer esta distincin.)
El parmetro b0, conocido como la ordenada en el origen, nos indica cunto es Y cuando
X = 0. El parmetro b1, conocido como la pendiente, nos indica cunto aumenta Y por
cada aumento de una unidad en X. Nuestro problema consiste en obtener estimaciones de
estos coeficientes a partir de una muestra de observaciones sobre las variables Y y X. En el
anlisis de regresin, estas estimaciones se obtienen por medio del mtodo de mnimos
cuadrados.
Como ejemplo, consideremos las cifras del Cuadro 1, que muestra datos mensuales de
produccin y costos de operacin para una empresa britnica de transporte de pasajeros por
carretera durante los aos 1949-52 (la produccin se mide en trminos de miles de millasvehculo recorridas por mes, y los costos se miden en trminos de miles de libras por mes).
Para poder visualizar el grado de relacin que existe entre las variables, como primer paso
en el anlisis es conveniente elaborar un diagrama de dispersin, que es una representacin
en un sistema de coordenadas cartesianas de los datos numricos observados. En el
diagrama resultante, en el eje X se miden las millas-vehculo recorridas, y en el eje Y se
mide el costo de operacin mensual. Cada punto en el diagrama muestra la pareja de datos
(millas-vehculo y costos de operacin) que corresponde a un mes determinado. Como era

DIAGRAMA DE DISPERSIN
280

COSTOS

260
240
220
200
180
2500

3000

3500
MILLAS

4000

4500

Cuadro 1. Operaciones Mensuales en una Empresa de Transporte de Pasajeros.

Costos
MillasCostos
MillasTotales Vehculo
Totales Vehculo
(miles)
(miles)
(miles)
(miles)
Mes N
Y
X
Mes N
Y
X

1
213.9
3147
18
213.2
3338
2
212.6
3160
19
219.5
3492
3
215.3
3197
20
243.7
4019
4
215.3
3173
21
262.3
4394
5
215.4
3292
22
252.3
4251
6
228.2
3561
23
224.4
3844
7
245.6
4013
24
215.3
3276
8
259.9
4244
25
202.5
3184
9
250.9
4159
26
200.7
3037
10
234.5
3776
27
201.8
3142
11
205.9
3232
28
202.1
3159
12
202.7
3141
29
200.4
3139
13
198.5
2928
30
209.3
3203
14
195.6
3063
31
213.9
3307
15
200.4
3096
32
227.0
3585
16
200.1
3096
33
246.4
4073
17
201.5
3158

Fuente: J. Johnston, Anlisis Estadstico de los Costes (Barcelona: Sagitario, S. A., 1966),
p. 118.

de esperarse, existe una relacin positiva entre estas variables: una mayor cantidad de
millas-vehculo recorridas corresponde un mayor nivel de costos de operacin.
Por otro lado, tambin se aprecia por qu este grfico se denomina un diagrama de
dispersin: no existe una relacin matemticamente exacta entre las variables, ya que no
toda la variacin en el costo de operacin puede ser explicada por la variacin en las millasvehculo. Si entre estas variables existiera una relacin lineal perfecta, entonces todos los
puntos caeran a lo largo de la recta de regresin, que tambin ha sido trazada y que
muestra la relacin promedio que existe entre las dos variables. En la prctica, se observa
que la mayora de los puntos no caen directamente sobre la recta, sino que estn dispersos
en torno a ella. Esta dispersin representa la variacin en Y que no puede atribuirse a la
variacin en X.

2. Estimacin de la Recta de Regresin.1

Para estimar los coeficientes por medio de mnimos cuadrados, se utilizan las siguientes
frmulas:
b1

XY y X
X2 xX

b0 y b1 x
En nuestro ejemplo, aplicando estas frmulas tenemos:
25,216,020.3 219.1242(113,879)

b1 = = 0.044674
398,855,769 3,450.879(113,879)

b0 = 219.1242 0.044674(3,450.879) = 64.96

Expresando los resultados en trminos de la recta de regresin, tenemos:
Y = 64.96 + 0.044674 X
Podemos concluir que por cada milla adicional recorrida, los costos de operacin aumentan
en aproximadamente 4.5 centavosesto podra interpretarse como el costo marginal para
la empresa de recorrer una milla adicionalmientras que el coeficiente b0 nos estara
indicando la parte del costo mensual que no vara directamente con la cantidad de millas
recorridas (aproximadamente 64,960 libras mensuales).
3. Coeficiente de Determinacin ( R 2 ).
Una pregunta importante que se plantea en el anlisis de regresin es la siguiente: Qu
porcentaje de la variacin total en Y se debe a la variacin en X? En otras palabras, cul es
la proporcin de la variacin total en Y que puede ser explicada por la variacin en X? El
estadstico que mide esta proporcin o porcentaje se denomina coeficiente de
determinacin:
e2
R 1
(Y y ) 2
2

En este caso, al hacer los clculos respectivos, se obtiene un valor de 0.946. Esto significa
que la variacin en las millas recorridas explica 94.6 % de la variacin en el gasto de
operacin mensual.

En la prctica los clculos relacionados con un anlisis de regresin se efectan por medio de
programas de computadora, por lo que los clculos detallados en esta seccin se incluyen
nicamente a ttulo de ilustracin.

4. Regresin Mltiple.
Hasta ahora hemos considerado nicamente el caso de la regresin simple. En el caso ms
general de la regresin mltiple, existen dos o ms variables independientes:
Y b0 b1 X 1 b2 X 2 ...

La estimacin de los coeficientes de una regresin mltiple es un clculo bastante

complicado y laborioso, por lo que se requiere del empleo de programas de computacin
especializados. Sin embargo, la interpretacin de los coeficientes es similar al caso de la
regresin simple: el coeficiente de cada variable independiente mide el efecto separado que
esta variable tiene sobre la variable dependiente. El coeficiente de determinacin, por otro
lado, mide el porcentaje de la variacin total en Y que es explicado por la variacin
conjunta de las variables independientes.
El ejemplo numrico que se desarrolla a continuacin est basado en un estudio estadstico
de los costos administrativos en los bancos comerciales en Guatemala. (Los datos bsicos
se muestran en el Cuadro 2.) La variable dependiente para el anlisis ser el nivel anual de
los Gastos Generales y de Administracin en los diferentes bancos del sistema. Si se
examina el Cuadro 2, se podr apreciar que estos costos (que en lo sucesivo llamaremos
simplemente costos administrativos) varan enormemente de un banco a otro. Nuestro
problema consistir, por tanto, en encontrar una lista de variables que nos permitan explicar
esta variacin observada.
A un nivel muy elemental, por supuesto, dicha variacin no tiene realmente ningn
misterio, ya que los bancos varan mucho en cuanto a su tamao, y es ms bien de esperarse
que los bancos ms grandes tengan tambin costos administrativos ms altos por el slo
hecho de ser ms grandes. Nuestra tarea ser traducir esta nocin intuitiva en un concepto
operativo, y para esto debemos tratar de expresar el tamao de un banco en trminos de
alguna variable numrica. La variable escogida para este propsito fue el Total de Activos
del banco. Con esto, y como una primera aproximacin para el anlisis, la recta de
regresin sera la siguiente:
Y b0 b1 X

donde Y = Costos Administrativos del banco, y X = Activos Totales del banco.

Los Activos Totales de un banco son una buena medida de su tamao, aunque no es la
nica medida posible, por lo que la decisin de adoptar esta medida especfica es en cierto
modo arbitraria. Por otro lado, el empleo de los Activos Totales como variable
independiente en la regresin facilita en cierto modo la interpretacin econmica de los
coeficientes:
(a) El coeficiente b1 nos indica en cunto incrementa el costo administrativo anual por cada
quetzal adicional de activos que maneja el banco. En otras palabras, este coeficiente nos
mide el costo marginal de administrar un quetzal adicional de activos. Obviamente, este

Cuadro 2. Bancos Comerciales Privados en Guatemala (1991).

G&T
INDUSTRIAL
OCCIDENTE
del CAFE
del AGRO
AGRICOLA MERC.
INTERNACIONAL
INMOBILIARIO
CONSTRUBANCO
del EJERCITO
LLOYDS
METROPOLITANO
BANEX
del QUETZAL
PROMOTOR
CITIBANK
CONTINENTAL
REFORMADOR
UNO

Gastos
Generales y
de Admin.

Total Activo
Promedio

Agencias

48.8
43.2
39.4
29.8
26.2
24.8
24.0
21.5
18.3
15.6
14.3
12.9
12.5
8.8
6.0
5.9
3.6
1.7
1.0

831.5
1204.0
1153.5
499.6
466.6
522.3
376.6
431.3
282.2
311.8
284.5
339.0
462.8
205.0
162.4
45.8
113.7
237.3
170.8

30
18
20
25
30
12
12
20
10
13
7
8
3
12
3
1
4
7
5

Fuente: Superintendencia de Bancos, Boletn de Estadsticas Bancarias (Guatemala, 4 Trimestre,

1992).

es un dato sumamente interesante para los tomadores de decisiones en el sector bancario.

Esperamos naturalmente que este coeficiente sea positivo.
(b) Por otro lado, el coeficiente b0 nos estara indicando la parte del costo administrativo
que no vara directamente con el nivel de los activos del banco. En otras palabras, esta sera
la parte del costo administrativo que podra interpretarse como un costo fijo. Esperamos
tambin que este coeficiente sea positivo.
Un posible defecto de esta ecuacin es la suposicin de que todos los bancos tienen los
mismos costos fijos. Por otro lado, se puede apreciar en el Cuadro 2 que los bancos
comerciales varan mucho en cuanto al nmero de sucursales o agencias que operan, y este
es un factor que seguramente debe afectar el nivel de los costos administrativos. Por esto,
para una mejor aproximacin se estimar ms bien la siguiente regresin mltiple:
Y b0 b1 X 1 b2 X 2

donde X1 = Activos Totales del banco, y X2 = Nmero de Agencias del banco.

En esta segunda regresin, el coeficiente b2 nos est midiendo el incremento en el costo
administrativo anual que resulta de manejar una agencia adicional. Esperamos, por tanto,
que este coeficiente sea positivo. (Naturalmente que este coeficiente tendra que
interpretarse como un costo promedio por agencia, ya que ninguna agencia es
exactamente igual que otra, por lo que difcilmente pueden tener todas el mismo costo.) Los
otros coeficientes tienen la misma interpretacin que en la ecuacin anterior. Los resultados
estimados fueron los siguientes:
Y 1.22 0.0275 X 1 0.661 X 2

R 2 = 0.9018
Se puede apreciar en primer lugar que esta regresin tiene un alto grado de poder
explicativo: la variacin conjunta de estas dos variables explica poco ms de 90 por ciento
de la variacin en los Costos Administrativos.
Por otro lado, se aprecia que el valor estimado para b0 es negativo, lo cual en principio
carece de sentido econmico. En vista de esto, conviene en este caso volver a estimar la
regresin por el origen, es decir, sin esta constante. Los resultados son los siguientes:
Y 0.0266 X 1 0.621 X 2

R 2 = 0.8995
Aqu se aprecia que el poder explicativo es bsicamente igual que en la regresin anterior,
aunque al haber eliminado un coeficiente posiblemente redundante, esta segunda regresin
nos proporciona en principio estimaciones ms eficientes de los otros coeficientes:
(a) El coeficiente b1, se recordar, nos mide el costo marginal de administrar un quetzal
adicional de activos. Segn estas estimaciones, por tanto, se podra concluir que en

nmeros redondos el costo administrativo de un banco tpico aumentar entre 2 y 3

centavos por ao por cada quetzal adicional de activos que administre.
(b) El coeficiente b2, se recordar, nos mide el incremento en el costo administrativo anual
que resulta de manejar una agencia adicional. Segn estas estimaciones, por tanto, se podra
concluir en nmeros redondos, y tomando en cuenta que los datos se expresan en trminos
de millones de quetzales, que el costo administrativo de un banco tpico aumentar
alrededor de 620,000 quetzales por ao por cada agencia adicional.2
5. Regresin No-lineal.
La regresin lineal no siempre da buenos resultados, porque a veces la relacin entre Y y X
no es lineal sino que exhibe algn grado de curvatura. La estimacin directa de los
parmetros de funciones no-lineales es un proceso bastante complicado. No obstante, a
veces se pueden aplicar las tcnicas de regresin lineal por medio de transformaciones de
las variables originales.
Una funcin no-lineal que tiene muchas aplicaciones es la funcin exponencial:
Y = AXb
donde A y b son constantes desconocidas. Si aplicamos logaritmos, esta funcin tambin
puede ser expresada como:
log(Y) = log(A) + b.log(X)
Consideremos ahora la siguiente regresin lineal:
log(Y) = b0 + b1log(X)
En esta regresin (denominada regresin doble-log), en lugar de calcular la regresin de Y
contra X, calculamos la regresin del logaritmo de Y contra el logaritmo de X. Comparando
estas dos ecuaciones, podemos apreciar que el coeficiente b0 es un estimador de log(A),
mientras que b1 es un estimador de b (el exponente de la funcin exponencial). Este
Los resultados de este anlisis pueden proporcionar una buena indicacin sobre el comportamiento
de los costos para el banco tpico en Guatemala, aunque la naturaleza misma de un estudio de este
tipo no puede arrojar resultados estrictamente aplicables a cada uno de los bancos considerados
individualmente. No obstante, a pesar de esto, un estudio de este tipo de todas maneras puede ser
muy til, porque los resultados pueden proporcionar una norma o estndar contra el cual se
pueden comparar los costos administrativos en un banco particular. En ausencia de un estudio de
este tipo, un banco no tiene realmente un criterio para determinar si sus costos son muy elevados,
aceptables, o normales, ya que los bancos difieren enormemente en cuanto a cantidad de
activos, nmero de sucursales, etc., de modo que el nico criterio objetivo sera el de compararse
con un banco de similar tamao y caractersticas. Sin embargo, si se pudiera obtener una frmula
emprica que permita calcular un valor normal o promedio para los costos administrativos en
funcin de unas pocas variables que permitan una medicin numrica, entonces se podra
fcilmente determinar si el banco en cuestin est mejor o peor que el banco tpico a ese
respecto.
2

modelo es particularmente interesante en aplicaciones economtricas, porque el exponente

b en una funcin exponencial mide la elasticidad de Y respecto de X.
Como ejemplo, en el Cuadro 3 se muestran los datos bsicos de un estudio de la demanda
de carros nuevos en los Estados Unidos, publicado en 1958 por el Profesor D. B. Suits
(ntese que Suits excluy de su anlisis los datos correspondientes al perodo 1942-48, por
considerarlos poco representativos). Las variables consideradas para el anlisis fueron las
siguientes:
X1 = Indice del Precio Real de Automviles Nuevos
X2 = Ingreso Disponible Real (en miles de millones de dlares)
X3 = Automviles en Circulacin al principio de cada ao (millones de unidades)
Y = Ventas de Automviles Nuevos (millones de unidades).
Con estos datos, podemos estimar la siguiente regresin doble-log:
log(Y) = b0 + b1log(X1) + b2log(X2) + b2log(X3)
Puesto que todas las variables se expresan en trminos de logaritmos, los coeficientes de
regresin son estimaciones de las elasticidades de Y respecto de las variables
independientes. La regresin estimada fue la siguiente:
log(Y) = 1.5803 1.422 log(X1) + 3.216 log(X2) 1.479 log(X3)

R2

= 0.942

En base a estos resultados, podemos concluir que la elasticidad-precio de la demanda de

automviles nuevos en este perodo era de aproximadamente 1.4, con una elasticidadingreso de aproximadamente 3.2. (Cul sera la interpretacin del coeficiente de la
variable X3?)

Cuadro 3. Demanda de Automviles Nuevos y Variables Relacionadas, 1932-56.

X1
X2
X3
Y

1932
1933
1934
1935
1936
1937
1938
1939
1940
1941

126.5
128.5
128.5
120.5
117.0
121.0
133.8
131.0
134.3
144.9

83.4
82.6
90.9
99.3
111.6
115.6
109.0
118.5
127.0
147.9

18.7
17.9
18.9
19.4
20.1
21.5
22.3
22.7
23.2
24.5

1.10
1.53
1.93
2.87
3.51
3.51
1.96
2.72
3.46
3.76

1949
1950
1951
1952
1953
1954
1955
1956

186.6
186.6
181.5
195.7
188.2
190.2
196.6
193.4

184.9
200.5
203.7
209.2
218.7
221.6
236.3
247.2

30.6
33.1
35.7
37.6
39.3
41.6
43.0
47.0

4.87
6.37
5.09
4.19
5.78
5.47
7.20
5.90

Fuente: The Demand for New Automobiles in the United States, Review of Economics
and Statistics, 40 (August 1958): 279.

CASOS APLICADOS
Caso A Elecciones en Florida
En las elecciones presidenciales norteamericanas de Noviembre 2000 los contendientes
principales, George Bush y Al Gore, resultaron casi empatados en trminos de votos
electorales, por lo que el resultado dependa crucialmente de los comicios en el estado de
Florida, donde el escrutinio inicial no dio un resultado definitivo a favor de ninguno de los
candidatos. A medida que prosegua el conteo, surgieron varias anomalas, una de las cuales
tuvo que ver con el condado de Palm Beach. Entre otras cosas, se aleg que en este
condado muchos votantes que deseaban votar por Gore se confundieron, debido al diseo
de la papeleta electoral, y votaron por error por un candidato marginal, Pat Buchanan, del
Reform Party. (El condado de Palm Beach tena una papeleta electoral un tanto confusa y
con un formato diferente a la de los dems condados en el estado.)
El cuadro adjunto muestra la votacin obtenida por Buchanan en todos los condados del
estado de Florida, y se aprecia claramente que la cantidad de votos obtenidos por ese
candidato en Palm Beach fue exageradamente grande en comparacin al resto del estado.
Presumiblemente, muchos de estos fueron efectivamente votos errneos (y probablemente
con la intencin de votar por Gore, debido al diseo de la papeleta). La pregunta es si se
puede obtener una estimacin aproximada de la cantidad de estos votos errneos.
Como una primera aproximacin, se esperara que la votacin obtenida por Buchanan en un
condado determinado estara positivamente relacionada con la cantidad de personas
afiliadas al Reform Party residentes en ese condado. Este dato tambin se muestra en el
cuadro adjunto.
Con esta informacin,
(a)

Construya un diagrama de dispersin, relacionando las dos variables.

(b)

Calcule la lnea de regresin (excluyendo la observacin para Palm Beach), y con

los resultados obtenidos, haga una estimacin de la votacin excedente obtenida
por Buchanan en Palm Beach.

(c)

Tomando en cuenta que segn los resultados oficiales, Bush gan a Gore en Florida
por una diferencia de 537 votos (sobre un total de ms de 6,100,000 votos
emitidos), comente sobre las implicaciones de este anlisis para el resultado final de
las elecciones presidenciales de ese ao.

Resultados Electorales en Florida, Nov 2000 Reform Party (P. Buchanan).

Condado
Alachua
Baker
Bay
Bradford
Brevard
Broward
Calhoun
Charlotte
Citrus
Clay
Collier
Columbia
Dade
Desoto
Dixie
Duval
Escambia
Flagler
Franklin
Gadsden
Gilchrist
Glades
Gulf
Hamilton
Hardee
Hendry
Hernando
Highlands
Hillsborough
Holmes
Indian River
Jackson
Jefferson
Lafayette

Registrados
Reform Party

Votos por
Buchanan

91
4
55
3
148
332
2
41
44
40
118
35
217
7
0
150
130
30
0
11
6
2
3
3
4
10
43
24
299
2
66
8
2
0

263
73
248
65
570
788
90
182
270
186
122
89
560
36
29
652
502
83
33
38
29
9
71
23
30
22
242
127
847
76
105
102
29
10

Registrados
Reform Party

Votos por
Buchanan

Lake
Lee
Leon
Levy
Liberty
Madison
Manatee
Marion
Martin
Monroe
Nassau
Okaloosa
Okeechobe
Orange
Osceola
Pasco
Pinellas
Polk
Putnam
Santa Rosa
Sarasota
Seminole
St.Johns
St.Lucie
Sumter
Suwannee
Taylor
Union
Volusia
Wakulla
Walton
Washington

80
113
80
17
0
2
140
108
48
62
13
96
27
199
62
167
425
119
27
55
154
81
59
25
21
7
3
1
176
7
22
9

289
305
282
67
39
29
271
563
112
47
90
267
43
446
145
570
1013
532
148
311
305
194
229
124
114
108
27
37
496
46
120
88

PALM BEACH

337

3407

Condado

Fuentes: Florida Dept. of State, Division of Elections, "County Voter Registration by Party," Oct 10,
2000 (http://election.dos.state.fl.us/pdf/2000voterreg/2000genparty.pdf); ABC News, "Florida: RealTime County Returns" (www.abcnews.go.com/sections/politics/2000vote/general/FL_county.html),
visited June 15, 2001.

Caso B Desempleo y Crecimiento Econmico

En 1962 el economista norteamericano Arthur Okun plante un modelo macroeconmico

para explicar las variaciones en la tasa de desempleo. 3 Segn este modelo, que se conoce
hoy en da como la ley de Okun, existe una relacin lineal entre el cambio en la tasa de
desempleo y la tasa de crecimiento del Producto Interno Bruto (PIB) real.4
El siguiente cuadro muestra datos sobre desempleo y crecimiento econmico en los Estados
Unidos durante el perodo 1966-95.
a) Use estos datos para estimar el modelo de Okun, y explique el significado de los
coeficientes obtenidos.
b) En este problema, el punto donde la recta intersecta al eje X tiene un significado
econmico interesante. Determine este punto para este caso, y explique su
significado en trminos del modelo de Okun.

1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980

Tasa de
Desempleo (%)

Crecimiento
PIB real (%)

3.6
3.7
3.4
3.4
4.8
5.8
5.5
4.8
5.5
8.3
7.6
6.9
6.0
5.8
7.0

6.0
2.6
4.1
2.7
0.0
3.1
4.8
5.2
-0.6
-0.8
4.9
4.5
4.8
2.5
-0.5

1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995

Tasa de
Desempleo (%)

Crecimiento
PIB real (%)

7.5
9.5
9.5
7.4
7.1
6.9
6.1
5.4
5.2
5.6
6.8
7.5
6.9
6.0
5.5

1.8
-2.2
3.9
6.2
3.2
2.9
3.1
3.9
2.5
0.8
-1.2
3.3
3.1
4.1
2.0

Fuentes: Desempleo OECD Economic Outlook, No. 32 (Dec 1982), Table R12, y No. 59
(June 1996), Annex Table 22; Crecimiento PIB International Financial Statistics Yearbook
1996, pp. 146-47.

Caso C Desempleo y Crecimiento Econmico (cont.)

Como regularidad emprica, la Ley de Okun es una de las relaciones macroeconmicas
ms estables que se conocen. Para comprobarlo, vuelva a estimar el modelo de Okun
A. M. Okun, Potential GNP: Its Measurement and Significance, Proceedings (Business and
Economics Section), American Statistical Association, 1962, pp. 98-104.
3

Para una aplicacin reciente del modelo de Okun, vase Paul Krugman, How Fast Can the U.S.
Economy Grow?, Harvard Business Review, 75 (July-Aug 1997): 123-29.

usando datos sobre desempleo y crecimiento econmico en Estados Unidos durante el

perodo 1929-54. (Para el estudio de las fluctuaciones en el desempleo, este perodo
muestral es particularmente interesante, porque incluye el perodo de la Gran Depresin de
los aos 30s.)
Compare con la regresin estimada en el caso anterior, y comente sobre los resultados.

1929
1930
1931
1932
1933
1934
1935
1936
1937
1938
1939
1940
1941

Tasa de
Desempleo (%)

Crecimiento
PIB real (%)

3.2
8.9
15.9
23.6
24.9
21.7
20.1
17.0
14.3
19.0
17.2
14.6
9.9

n.d.
-9.5
-7.0
-15.0
-2.7
9.4
10.4
13.3
5.9
-4.6
8.1
8.7
15.7

1942
1943
1944
1945
1946
1947
1948
1949
1950
1951
1952
1953
1954

Tasa de
Desempleo (%)

Crecimiento
PIB real (%)

4.7
1.9
1.2
1.9
3.9
3.6
3.4
5.5
5.0
3.0
2.7
2.5
5.0

12.1
11.2
7.1
-1.2
-10.0
-0.1
3.8
-0.1
8.7
7.5
3.4
4.4
-1.6

Fuentes: (a) DesempleoStanley Lebergott, Annual Estimates of Unemployment in the U.S.,

1900-1950, en The Measurement and Behavior of Unemployment (Princeton University Press,
1957), Table 1, pp. 215-16; (b) Crecimiento PIB realEconomic Report of the President, 1962
(Washington: Government Printing Office, 1962), Table B-3, p. 210.

Caso D Ley de Okun en Alemania

En el cuadro adjunto se muestran datos anuales para la tasa de desempleo y el cambio
porcentual en el PIB real en Alemania Occidental durante el perodo 1960-1981. Use estos
datos para estimar el modelo de Okun, y explique el significado de los resultados obtenidos.

Crecimiento PIB
Real (%)

Desempleo
(%)

n.d.

1.2

5.1
4.4
3.1
6.7
5.5
2.6
-0.1
5.9
7.5
5.1
3.1
4.2
4.6
0.5
-1.7
5.5
3.1
3.1
4.2
1.8
0.1

0.9
0.7
0.9
0.8
0.7
0.7
2.1
1.5
0.8
0.7
0.8
1.1
1.2
2.6
4.8
4.7
4.6
4.4
3.8
3.8
5.5

1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
n.d. = no disponible

Fuente: Frank Wolter, Del Milagro Econmico al Estancamiento: La Enfermedad Alemana, en A.

C. Harberger, ed., El Crecimiento Econmico en el Mundo (Mxico: Fondo de Cultura
Econmica, 1988), Cuadro A-3, p. 115.

Caso E Funcin Consumo

Los datos en el cuadro adjunto fueron tomados de un antiguo estudio sobre la funcin consumo en los Estados Unidos. Se desea estimar la siguiente regresin lineal:

(1)

C(t) = b0 + b1Y(t) + e(t)

donde C(t) = Gasto de consumo personal, en el trimestre t, Y(t) = Ingreso personal

disponible, en el trimestre t (ambos expresados en billones de dlares de 1954), y e(t) es el
error o residuo de la regresin estimada.
Suponga que otro investigador desea estudiar las variaciones en el ahorro personal, por lo
que postula la siguiente relacin:
(2)

S(t) = a0 + a1Y(t) + e(t)

donde S(t) se define como el ahorro personal trimestral:

S(t) = Y(t) C(t)
(a)

Estime ambas regresiones por mnimos cuadrados ordinarios.

(b)

En vista de que R2 es ms bajo para la segunda regresin, podramos concluir que

este modelo tiene menos poder explicativo? (Sugerencia: Compare los errores de
ambas regresiones.)

CONSUMO E INGRESO PERSONAL EN ESTADOS UNIDOS, 1947-61 (trimestral)

Ao Trimestre
1947

C(t)

Y(t)

192.5

202.3

Ao Trimestre
1956

C(t)

Y(t)

263.2

282.0

1948

1949

1950

1951

1952

1953

1954

1955

2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

196.1
196.9
197.0
198.1
199.0
199.4
200.6
199.9
203.6
204.8
209.0
210.7
214.2
225.6
217.0
222.3
214.5
217.5
219.8
220.0
222.7
223.8
230.2
234.0
236.2
236.0
234.1
233.4
236.4
239.0
243.2
248.7
253.7
259.9
261.8

197.1
202.9
202.2
203.5
211.7
215.3
215.1
212.9
213.9
214.0
214.9
228.0
227.3
232.0
236.1
230.9
236.3
239.1
240.8
238.1
240.9
245.8
248.8
253.3
256.1
255.9
255.9
254.4
254.8
257.0
260.9
263.0
271.5
276.5
281.4

1957

1958

1959

1960

1961

2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2

263.7
263.4
266.9
268.9
270.4
273.4
272.1
268.9
270.9
274.4
278.7
283.8
289.7
290.8
292.8
295.4
299.5
298.6
299.6
297.0
301.6

286.2
287.7
291.0
291.1
294.6
296.1
293.3
291.3
292.6
299.9
302.1
305.9
312.5
311.3
313.2
315.4
320.3
321.0
320.1
318.4
324.8

Fuente: Zvi Griliches, et al. "Notes on Estimated Aggregate Quarterly Consumption Functions,"
Econometrica, 30 (July 1962): 499-500.

Caso F Demanda de Fotocopias

En el cuadro adjunto se muestra una estadstica de la venta mensual de fotocopias en la
Biblioteca de la Universidad Francisco Marroqun, y de la cantidad mensual de usuarios en
dicha biblioteca, clasificados segn varias categoras. Como se puede observar, el
movimiento de fotocopias vara mucho de un mes a otro. Utilice los datos disponibles para
estimar un modelo de regresin mltiple que explique esta variacin. De acuerdo a estos
resultados, qu porcentaje de la variacin en el volumen de fotocopias se puede explicar

por las variaciones en el nmero de usuarios de diferente tipo? Cules son los usuarios que
ms impacto tienen sobre la demanda de fotocopias en esta biblioteca?

Biblioteca UFM Ingreso de Usuarios y Movimiento de Fotocopias, 1994-99.

Usuarios

Estudiantes

Fotocopias
(miles)

UFM

Otras
Univ.

Escolares

Cated. y
Pers. Adm.

Otros

TOTAL

1994
Sept
Oct
Nov
Dic

25.7
24.6
24.5
1.5

5003
9125
6241
0

438
763
402
0

328
611
261
0

184
723
463
0

281
430
468
0

6234
11652
7835
0

1995
Enero
Feb
Marzo
Abril
Mayo
Junio
Julio
Agosto
Sept
Oct
Nov
Dic

12.6
30.9
31.3
22.0
27.9
16.9
21.4
21.4
22.2
16.3
20.5
2.9

6071
12716
12937
8676
12905
5164
8768
11508
11336
9537
10191
629

239
380
636
459
425
256
562
572
460
375
374
19

246
672
410
910
794
1211
788
568
479
197
94
16

180
301
1071
1007
222
126
230
356
244
369
247
23

232
155
238
223
131
112
243
219
147
264
213
28

6968
14224
15292
11275
14477
6869
10591
13223
12666
10742
11119
715

1996
Enero
Feb
Marzo
Abril
Mayo
Junio
Julio
Agosto
Sept
Oct
Nov
Dic

22.1
36.1
30.4
31.1
29.6
19.9
28.6
29.8
24.2
28.9
22.6
0.1

9922
13393
13007
10021
11988
7409
10508
11216
8004
8119
6807
67

717
563
519
442
318
202
440
386
526
431
459
0

470
619
828
692
521
499
743
439
452
224
83
0

771
466
344
227
208
157
212
208
18
50
15
0

525
370
314
229
703
100
196
126
51
131
79
0

12405
15411
15012
11611
13738
8367
12099
12375
9051
8955
7443
67

(cont.)
(cont.)

Biblioteca UFM Ingreso de Usuarios y Movimiento de Fotocopias, 1994-99.

Usuarios

Estudiantes

Fotocopias
(miles)

UFM

Otras
Univ.

Escolares

Cated. y
Pers. Adm.

Otros

TOTAL


1997
Enero
Feb
Marzo
Abril
Mayo
Junio
Julio
Agosto
Sept
Oct
Nov
Dic

23.7
33.2
21.6
30.9
31.5
14.6
32.2
23.3
19.9
31.2
19.9
2.8

9298
13343
13720
15534
14004
8889
9078
10339
8910
10269
11156
0

531
713
621
656
373
247
492
489
599
628
535
0

464
759
844
1076
1114
569
953
563
417
216
298
0

619
414
427
555
517
385
479
447
376
470
408
0

412
405
345
243
256
232
317
279
213
226
221
0

11324
15634
15957
18064
16264
10322
11319
12117
10515
11809
12618
0

1998
Enero
Feb
Marzo
Abril
Mayo
Junio
Julio
Agosto
Sept
Oct
Nov
Dic

20.1
31.1
25.5
25.0
26.3
16.9
27.8
23.6
16.9
21.3
20.5
2.2

8673
13293
14432
9656
12359
8459
6999
8137
7576
7719
10053
0

345
863
722
516
656
498
742
707
499
534
404
0

457
898
859
573
861
440
678
384
280
124
217
0

467
362
509
103
343
516
231
253
154
274
158
0

298
440
375
278
569
294
626
272
180
379
342
0

10240
15856
16897
11126
14788
10207
9276
9753
8689
9030
11174
0

1999
Enero
Feb
Marzo
Abril
Mayo
Junio
Julio
Agosto
Sept
Oct
Nov
Dic

20.2
20.9
25.7
36.0
30.4
21.5
29.3
33.8
23.8
29.2
20.6
4.9

7604
9773
10884
10677
10755
5658
6934
9189
7628
7121
5706
0

469
788
682
635
646
430
665
892
653
502
208
0

311
801
629
918
726
679
709
467
556
107
75
0

136
191
274
171
319
237
241
403
214
203
168
0

592
227
219
467
319
283
263
334
203
182
119
0

9112
11780
12688
12868
12765
7287
8812
11285
9254
8115
6276
0

Fuente: Registros de la Biblioteca.

Caso G Inflacin en Amrica Latina

La llamada Teora Cuantitativa del Dinero (tambin conocida como monetarismo)
postula a largo plazo una relacin estable entre tres variables macroeconmicas muy
importantes: el cambio porcentual en el ndice general de precios (i.e., la tasa de
inflacin), el cambio porcentual en la masa monetaria (la tasa de crecimiento
monetario), y el cambio porcentual en el PIB a precios constantes (la tasa de crecimiento

real).5 Segn esta teora, la inflacin estar positivamente relacionada con la tasa de
crecimiento monetario, e inversamente relacionada con la tasa de crecimiento econmico
real.
El cuadro adjunto muestra las tasas anuales promedio de inflacin, crecimiento monetario,
y crecimiento real en 16 pases latinoamericanos durante el perodo 1950-69. La inflacin
fue medida por medio del IPC, y el crecimiento monetario se basa en el agregado monetario
conocido como M1 (efectivo fuera de bancos + depsitos a la vista en bancos comerciales).
Use estos datos para estimar la siguiente regresin
Y = b0 + b1X1 + b2X2
donde Y = tasa anual promedio de inflacin, X1 = tasa anual promedio de crecimiento
monetario, y X2 = tasa anual promedio de crecimiento en PIB real.
Comente sobre los resultados, e interprete el significado de los coeficientes en trminos de
la Teora Cuantitativa.

Inflacin en 16 Paises Latinoamericanos, 1950-69.

Tasa Anual (%) Promedio de:

Pas

Inflacin

Crecimiento

Crecimiento

Monetario

PIB Real

Para un desarrollo moderno de la Teora Cuantitativa, vase M. Friedman, Money: Quantity

Theory, International Encyclopedia of the Social Sciences (1968), vol. 10, pp. 432-47.
5

Argentina

26.4

24.6

2.4

Bolivia

41.3

41.6

3.0

Brazil

35.1

38.2

3.9

Chile

28.2

35.2

4.6

Colombia

9.2

16.5

5.4

Costa Rica

1.9

9.0

5.7

Ecuador

3.0

8.8

4.7

El Salvador

0.3

3.5

4.6

Guatemala

1.1

5.9

3.9

Honduras

2.1

8.0

4.0

Mxico

5.3

11.3

6.9

Nicaragua

3.4

8.6

3.7

Paraguay

12.5

15.4

5.5

8.5

13.4

5.7

43.0

40.1

0.7

1.1

7.9

6.8

Per
Uruguay
Venezuela

Fuente: R. C. Vogel, The Dynamics of Inflation in Latin America, 1950-1969,

American Economic Review, 64 (1974), Table 1, p. 103.

Caso H Convergencia Regional en Mxico

Segn el modelo neo-clsico de crecimiento econmico, propuesto por Robert Solow en los
aos cincuentas,6 a largo plazo la tasa de crecimiento en el ingreso per cpita tiende a
disminuir, a medida que aumenta el nivel de ingreso per cpita, debido al efecto de
rendimientos decrecientes en el empleo de capital fsico. Esto implica que si se comparan
Robert M. Solow, A Contribution to the Theory of Economic Growth, Quarterly Journal of
Economics, 70 (Feb 1956): 65-94.
6

diferentes pases durante un determinado perodo, se esperara encontrar una relacin

inversa entre la tasa de crecimiento econmico en un pas y su nivel de ingreso inicial. Este
efecto se conoce como convergencia, ya que implica que a largo plazo los niveles de
ingreso per cpita tienden a igualarse entre diferentes regiones. En la prctica slo se
observa este efecto a nivel internacional cuando se comparan pases ms o menos similares
(ya que es una prediccin ceteris paribus, y cuando los pases son muy disimilares tiende a
predominar el efecto de otros factores). Por otro lado, s se observa comnmente este efecto
cuando se comparan diferentes regiones de un mismo pas.7
En el cuadro adjunto, se muestra una estadstica de la evolucin del ingreso real per cpita
en los diferentes estados de Mxico, entre 1940 y 1995. Use estos datos para estimar la
siguiente regresin:
Y = b0 + b1log(X)
donde
Y = tasa anual promedio de crecimiento del ingreso real per capita, 1940-95,
X = ingreso real per cpita en 1940.
Son compatibles estos resultados con la hiptesis de convergencia?

MXICO Ingreso per Cpita Estatal, 1940-1995 (pesos de 1995).

Estado
1
2
3
4
5
6

Aguascalientes
Baja California
Baja California del Sur
Campeche
Chiapas
Chihuahua

1940

1995

10384
22361
9573
3758
2934
8578

21013
25311
23989
35806
8341
24973

Estado
17
18
19
20
21
22

Morelos
Nayarit
Nuevo Len
Oaxaca
Puebla
Quertaro

1940

1995

6936
4836
9073
1892
3569
11016

15682
10515
31453
8404
12809
21451

Vase, por ejemplo, Robert J. Barro, Economic Growth and Convergence, Occasional Papers No.
46 (San Francisco: International Center for Economic Growth, 1994), y Xavier Sala-i-Martin, The
Classical Approach to Convergence Analysis, Economic Journal, 106 (July 1996): 1019-36.
7

7
8
9
10
11
12
13
14
15
16

Coahuila
Colima
Distrito Federal
Durango
Guanajuato
Guerrero
Hidalgo
Jalisco
Mxico
Michoacn

8537
6909
17816
12132
4359
2181
4414
5309
3408
3327

25654
17970
45323
15270
12494
10258
10515
17535
14430
10193

23
24
25
26
27
28
29
30
31
32

Quintana Roo
San Luis Potos
Sinaloa
Sonora
Tabasco
Tamaulipas
Tlaxcala
Veracruz
Yucatn
Zacatecas

21965
4372
4840
6399
2459
7508
3605
5203
7990
3734

29276
13757
14310
23298
12422
19895
9628
11911
13426
10663

Fuente: G. Esquivel, Convergencia Regional en Mxico, 1940-1995, El Trimestre Econmico, 66 (OctDic 1999), Cuadro A1, p. 759.

Caso I Demanda de Importaciones en Guatemala

En el cuadro adjunto se muestran datos relacionados con las importaciones en Guatemala
durante el perodo de 1960-2000. Para eliminar el efecto de la inflacin, los datos han sido
expresados en trminos de quetzales de 1958, por lo que estas cifras deflatadas se pueden
interpretar como las importaciones reales en el sentido de que reflejan cambios en la
demanda fsica de bienes importados.
Como una primera aproximacin, la demanda de importaciones puede expresarse como
funcin del costo relativo de los productos importados (comparado con el costo de bienes
producidos domsticamente) y del nivel de ingreso real. Para medir la primera de estas

variables explicativas, tomamos la razn entre el Deflactor de Importaciones y el Deflactor

del PIB totalesta razn la interpretaremos como el precio relativo de las importaciones
y para medir la segunda variable tomamos el PIB real (a precios de 1958). Los datos para
las variables explicativas tambin se muestran en el cuadro adjunto.
Para medir la elasticidad de la demanda de importaciones respecto de cada una de estas
variables, use estos datos para calcular la siguiente regresin doble-log:8
log(Y) = b0 + b1log(X1) + b2log(X2)
donde Y = Importaciones reales,
X1 = Precio relativo
X2 = PIB real
Interprete el significado de los resultados obtenidos.

IMPORTACIONES EN GUATEMALA, 1960-2000.

Ao
1960
1961
1962
1963
1964
1965
1966
1967

Importaciones
Reales 1/
165.3
152.9
164.7
213.4
234.1
247.0
251.0
267.0

Precio
Relativo 2/
0.923
0.965
0.923
0.927
1.007
1.076
1.090
1.088

PIB Real 1/
1049.2
1094.3
1133.0
1241.1
1298.6
1355.2
1429.9
1488.6

Para una justificacin de esta forma funcional vase M. S. Khan, Import and Export Demand in
Developing Countries, IMF Staff Papers, 21 (1974): 678-93.
8

1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000

277.7
271.8
293.2
312.0
294.7
324.2
416.4
352.1
457.1
498.1
521.6
482.8
441.2
424.6
334.3
269.2
287.2
250.3
213.6
315.9
327.7
346.9
344.3
369.2
506.0
527.3
553.5
595.5
554.7
662.8
825.2
831.1
882.2

1.074
1.087
1.087
1.134
1.277
1.352
1.598
1.573
1.524
1.431
1.495
1.603
1.755
1.738
1.687
1.589
1.589
2.358
2.009
2.149
2.117
2.130
2.336
2.055
1.992
1.894
1.790
1.785
1.752
1.599
1.500
1.612
1.679

1/ Millones de quetzales de 1958

1619.2
1695.9
1792.8
1892.8
2031.6
2169.4
2307.7
2352.7
2526.5
2723.8
2859.9
2994.6
3106.9
3127.6
3016.6
2939.6
2953.5
2936.1
2940.2
3044.4
3162.9
3287.6
3389.6
3513.6
3683.6
3828.3
3982.7
4179.8
4303.4
4491.2
4715.5
4896.9
5072.5

Deflactor de Importacin
2/ Precio Relativo =
Deflactor del PIB

Fuente: Banco de Guatemala, Seccin Cuentas Nacionales.

Caso J Produccin de Algodn

Los siguientes datos muestran los resultados de un experimento agrcola realizado en 1957
por la Universidad Estatal de Mississippi para investigar los efectos de variaciones en el
uso de dos fertilizantes, nitrgeno y cido fosfrico, sobre el rendimiento en el cultivo del
algodn:
Rendimiento en el Cultivo de Algodn (kg/Ha) para Diferentes Combinaciones de
Nitrgeno y Acido Fosfrico

Acido Fosfrico (kg/Ha)

Nitrgeno

(kg/Ha)
0
8
16
24
32
40
48
56

0
710
800
873
932
975 1003 1014 1012
8
985 1078 1155 1217 1264 1295 1311 1312
16
1205 1301 1382 1448 1498 1534 1553 1558
24
1370 1470 1555 1625 1679 1718 1742 1749
32
1481 1584 1673 1747 1804 1847 1875 1886
40
1538 1645 1737 1814 1876 1922 1954 1969
48
1539 1651 1747 1828 1893 1943 1978 1997

Fuente: C. E. Bishop y W. D. Toussaint, Introduccin al Anlisis de Economa Agrcola

(Mxico: Limusa-Wiley, 1966), p. 119. El experimento original tambin incluye
resultados para aplicaciones de 56 kg de nitrgeno, y para aplicaciones de 64 kg de
cido fosfrico, pero se han omitido estos valores del anlisis, ya que con estas
cantidades de fertilizante los rendimientos empiezan a disminuir.
(a) Sea Y = Rendimiento de la cosecha,
X1 = Cantidad empleada de nitrgeno,
X2 = Cantidad empleada de cido fosfrico.
Use estos datos para estimar la siguiente funcin por regresin lineal:
Y = A(1+X1)b(1+X2)c
donde A, b y c son constantes desconocidas. Cmo interpreta usted el significado de la
constante A en esta funcin?
(b) Use estos resultados para determinar la cantidad ptima que debera emplearse de cada
tipo de fertilizante, suponiendo que el precio del algodn es de 4 centavos por kg, y que los
costos de aplicacin de nitrgeno y de cido fosfrico son de 28 y 14 centavos por kg,
respectivamente. Cul sera la utilidad esperada por hectrea si se emplean estas
cantidades?
Caso K Inflacin en Guatemala
En el Caso G se aplic un modelo basado en la Teora Cuantitativa del Dinero para explicar
la variacin en las tasas de inflacin en un grupo de pases latinoamericanos. Un problema
que se presenta al aplicar este modelo a los datos anuales de un pas especfico es que, en el
corto plazo, generalmente existe un retardo en el efecto de variaciones en la masa
monetaria, por lo que una estimacin directa de esa regresin tiende a subestimar el efecto
inflacionario de un cambio monetario, debido a la omisin del efecto retardado. Para salvar

esta dificultad, en un clsico estudio sobre la inflacin chilena, 9 A. C. Harberger propuso el

siguiente modelo:
Y(t) = b0 + b1X1(t) + b2X1(t-1) + b3X2(t) + e(t)
donde Y(t) representa la tasa de inflacin en el ao t, X1(t) es la tasa de crecimiento en la
masa monetaria en el ao t, X2(t) es el cambio porcentual en el PIB real en el ao t, y e(t) es
el error o residuo de la regresin estimada. Se puede apreciar que la regresin incluye
tambin como variable independiente el crecimiento monetario del ao anterior, X1(t-1),
para poder tomar en cuenta posibles retardos en el efecto del crecimiento monetario. 10
Este modelo ha sido usado para estudiar la inflacin en muchos pases, con buenos
resultados. Algunos economistas, sin embargo, consideran que el modelo de Harberger no
siempre capta bien el retardo en el efecto monetario, y proponen ms bien que se incluya,
en lugar del crecimiento monetario retardado, un valor retardado de la variable dependiente,
o sea, la tasa de inflacin del ao anterior:
Y(t) = b0 + b1X1(t) + b2X2(t) + b3Y(t-1)+ e(t)
(a)

A fin de comparar estos dos modelos, estime ambas regresiones con datos para
Guatemala para el perodo 1962-95 (los datos usados se muestran en el cuadro
adjunto).

(b)

En trminos generales, cul de estos dos modelos funciona mejor? Por qu?
Cmo se podran mejorar los resultados?

INFLACION, MASA MONETARIA, Y PIB REAL EN GUATEMALA, 1961-1995

(cambios porcentuales anuales)
Ao

IPC

M1

PIB

1961
1962
1963
1964

-0.5
2.1
0.1
-0.2

-1.4
0.4
13.8
8.8

4.3
3.5
9.5
4.6

Arnold C. Harberger, The Dynamics of Inflation in Chile, en C. F. Christ, et al., Measurement in

Economics: Studies in Mathematical Economics and Econometrics in Memory of Yehuda Grunfeld
(Stanford University Press, 1963), pp. 219-50.
Otra forma de expresar esta misma ecuacin es

10

Y(t) = b0 + (b1 + b2)X1(t) b2[X1(t) X1(t-1)] + b3X2(t) + e(t)

donde la tasa de inflacin en un perodo determinado depende de la tasa de crecimiento monetario
en ese perodo, y del cambio en la tasa de crecimiento monetario. Esto introduce un elemento
dinmico en la relacin a corto plazo entre inflacin y crecimiento monetario. La relacin de largo
plazo se da cuando X1(t) = X1(t-1), i.e., el crecimiento monetario se mantiene constante de un
perodo a otro, y la ecuacin entonces se reduce a
Y(t) = b0 + (b1 + b2)X1(t) + b3X2(t) + e(t)
por lo que en el largo plazo el efecto de una determinada tasa de crecimiento monetario est dado
por (b1 + b2).

1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995

-0.8
0.7
0.5
1.9
2.1
2.4
-0.5
0.6
14.4
15.9
13.1
10.7
12.6
7.9
11.5
10.7
11.4
0.1
4.7
3.4
18.7
36.9
12.3
10.8
13.0
41.0
35.1
10.2
13.4
12.5
8.4

3.2
8.4
-2.9
7.8
4.4
7.0
1.8
11.7
26.1
27.0
9.5
32.3
24.7
10.5
9.8
1.6
1.3
6.3
1.0
5.2
32.8
34.7
14.8
11.9
14.0
39.8
20.3
19.3
19.7
29.5
21.3

4.4
5.5
4.1
8.8
4.7
5.7
5.6
7.3
6.8
6.4
2.0
7.4
7.8
5.0
4.7
3.7
0.7
-3.5
-2.6
0.5
-0.6
0.1
3.5
3.9
3.9
3.1
3.7
4.8
3.9
4.0
4.9

Fuente: J. H. Cole, Inflacin en Guatemala, 1961-95, Banca Central,

No. 32 (Abril-Junio 1997), p. 24.

Caso L Inflacin en Guatemala (cont.)

En el caso anterior se aplic un modelo monetarista con retardos para explicar la
variacin anual en la tasa de inflacin en Guatemala. Para medir la inflacin, se utiliz el
Indice de Precios al Consumidor (IPC). En el cuadro adjunto, se muestra una desagregacin
del cambio en el IPC en Guatemala, en trminos de su dos principales componentes:
Alimentos y No-Alimentos.

Con estos datos, repita el anlisis del caso anterior, estimando regresiones separadas para
los dos componentes del IPC.
Qu conclusiones deriva usted de este ejercicio?

INDICE DE PRECIOS AL CONSUMIDOR EN GUATEMALA, 1961-1995

(cambios porcentuales anuales)
Ao

Total

IPC
Alimentos

No-Alim.

Ao

Total

IPC
Alimentos

No-Alim.

1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980

-0.5
2.1
0.1
-0.2
-0.8
0.7
0.5
1.9
2.1
2.4
-0.5
0.6
14.4
15.9
13.1
10.7
12.6
7.9
11.5
10.7

-1.1
1.9
0.3
-0.5
-0.1
-0.1
0.0
3.6
1.1
4.0
-1.9
0.1
19.3
15.9
14.6
9.6
11.0
4.6
10.3
11.2

0.3
2.4
-0.2
0.2
-1.7
1.8
1.2
-0.4
3.4
0.3
1.4
1.3
7.8
15.9
11.9
11.6
13.8
10.5
12.4
10.3

1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995

11.4
0.1
4.7
3.4
18.7
36.9
12.3
10.8
13.0
41.0
35.1
10.2
13.4
12.5
8.4

11.3
-2.8
3.3
2.0
20.6
39.2
15.6
14.2
13.3
47.1
32.3
7.2
14.5
16.1
8.8

11.5
2.4
5.8
4.4
17.3
35.2
9.9
8.3
12.8
36.5
37.1
12.4
12.5
9.9
8.1

Fuente: J. H. Cole, Inflacin en Guatemala, 1961-95, Banca Central,, No. 32 (Abril-Junio 1997),
p. 24.

REFERENCIAS

Barro, Robert J. Economic Growth and Convergence. Occasional Papers No. 46. San
Francisco: International Center for Economic Growth, 1994.

Benston, George J. Multiple Regression Analysis of Cost Behavior, Accounting Review,

41 (1966): 657-72. (University of Rochester, Graduate School of Management, Systems
Analysis Reprint Series No. S-6.)
Bishop, C. E. & W. D. Toussaint. Introduccin al Anlisis de Economa Agrcola. Mxico:
Limusa-Wiley, 1966.
Cole, J. H. Inflacin en Guatemala, 1961-95, Banca Central, No. 32 (1997): 21-25.
Esquivel, Gerardo. Convergencia Regional en Mxico, 1940-1995, El Trimestre
Econmico, 66 (1999): 725-61.
Friedman, Milton. Money: Quantity Theory, International Encyclopedia of the Social
Sciences (1968), vol. 10, pp. 432-47.
Goldberger, Arthur S. Topics in Regression Analysis. New York: Macmillan, 1968.
Griliches, Zvi, et al. Notes on Estimated Aggregate Quarterly Consumption Functions,
Econometrica, 30 (1962): 491-500.
Harberger, Arnold C. The Dynamics of Inflation in Chile, en C. F. Christ, et al.,
Measurement in Economics: Studies in Mathematical Economics and Econometrics in
Memory of Yehuda Grunfeld, pp. 219-50. Stanford University Press, 1963.
Johnston, J. Anlisis Estadstico de los Costes. Barcelona: Sagitario, S. A., 1966.
Johnston, J. Econometric Methods, 2 ed. New York: McGraw-Hill, 1972.
Khan, M. S. Import and Export Demand in Developing Countries, IMF Staff Papers, 21
(1974): 678-93.
Krugman, Paul. How Fast Can the U.S. Economy Grow? Harvard Business Review, 75
(July-Aug 1997): 123-29.
Lebergott, Stanley. Annual Estimates of Unemployment in the United States, 1900-1950,
en The Measurement and Behavior of Unemployment, pp. 213-41. Princeton: Princeton
University Press, 1957.
Okun, A. M. Potential GNP: Its Measurement and Significance, Proceedings (Business
and Economics Section), American Statistical Association, 1962, pp. 98-104.
Rao, Potluri, & R. L. Miller. Applied Econometrics. Belmont, Cal.: Wadsworth Pub., 1971.
Sala-i-Martin, Xavier. The Classical Approach to Convergence Analysis, Economic
Journal, 106 (1996): 1019-36.

Suits, D. B. The Demand for New Automobiles in the United States, Review of
Economics and Statistics, 40 (1958): 273-80.
Vogel, Robert C. The Dynamics of Inflation in Latin America, 1950-1969, American
Economic Review, 64 (1974): 102-14.
Wolter, Frank. Del Milagro Econmico al Estancamiento: La Enfermedad Alemana, en
A. C. Harberger, ed., El Crecimiento Econmico en el Mundo, pp. 90-118. Mxico:
Fondo de Cultura Econmica, 1988.