Prácticos

6. a) Para hacer este ejercicio dividimos en primer lugar los datos de gasto y renta por el
índice de precios (se excluyen las ciudades de Ceuta y Melilla de las que no se dispone
de los datos de precios para el año 2007), para expresar ambas en términos reales.

Para introducir los datos con la estructura de correcta, una opción es apilar las series
de gasto y renta por CCAA como se muestra a continuación,

CCAA Año Gasto Renta

2002 606322.824 636982.834

2003 631439.529 667654.576

2004 662398.311 693353.335

Andalucía

2005 686434.879 725871.18

2006 730011.891 756499.747

2007 757527.521 780126.502

2002 124439.382 143596.755

Arag
ón

92
 2003 128653.945 148478.776

2004 132978.404 152439.897

2005 136501.758 157946.117

2006 142448.145 166337.056

2007 147791.482 171468.259

2002 104980.278 109717.339

…
….. ….
… …

También se pueden apilar las series escribiendo primero los datos de las 17
CCAA para 2002, a continuación los de 2003, etc.

Al importar los datos desde Excel, aparecerá en Gretl la ventana,

donde debemos elegir estructura de panel y proporcionar la información necesaria

(secciones cruzadas apiladas y 17 CCAA)4.

Las estimaciones para la pmc y la elasticidad son respectivamente,

Modelo 1: estimaciones MCO combinados utilizando 102 observaciones

4
Ver la Ayuda del programa para más aclaraciones

93
 Se han incluido 17 unidades de sección cruzada
Largura de la serie temporal = 6
Variable dependiente: Gasto_precios_c

Variable Coeficiente Desv. típica Estadístico t valor p

const -4557,94 2319,37 -1,9652 0,05217 *
Renta_precios_c 0,904211 0,00595163 151,9266 <0,00001 ***

Media de la var. dependiente = 257917

Desviación típica de la var. dependiente. = 236777
Suma de cuadrados de los residuos = 2,44262e+010
Desviación típica de los residuos = 15628,9
R2 = 0,995686
R2 corregido = 0,995643
Grados de libertad = 100
Log-verosimilitud = -1128,72
Criterio de información de Akaike = 2261,45
Criterio de información Bayesiano de Schwarz = 2266,7
Criterio de Hannan-Quinn = 2263,57

Modelo 2: estimaciones MCO combinados utilizando 102 observaciones

Se han incluido 17 unidades de sección cruzada
Largura de la serie temporal = 6
Variable dependiente: log_Gasto

Variable Coeficiente Desv. típica Estadístico t valor p

const -0,402692 0,0862092 -4,6711 <0,00001 ***
log_Renta 1,02201 0,0070483 145,0004 <0,00001 ***

Media de la var. dependiente = 12,0653

Desviación típica de la var. dependiente. = 0,906281
Suma de cuadrados de los residuos = 0,392688
Desviación típica de los residuos = 0,0626648
R2 = 0,995266
R2 corregido = 0,995219
Grados de libertad = 100
Log-verosimilitud = 138,814
Criterio de información de Akaike = -273,627
Criterio de información Bayesiano de Schwarz = -268,377
Criterio de Hannan-Quinn = -271,501

b) Ambos estimadores son acordes con la teoría y son estadísticamente significativos. Para
llevar a cabo los contrastes pedidos, podemos emplear las herramientas del programa. Para la
regresión en logaritmos, tanto el contraste de White para la heterocedasticidad, como el de

94
Breusch Godfrey para la autocorrelación, muestran que no se puede mantener ninguno de los
dos supuestos (lo mismo sucede con los datos sin transformar),

Contraste de heterocedasticidad de White

estimaciones MCO utilizando 102 observaciones
Variable dependiente: uhat^2

VARIABLE COEFICIENTE DESV.TÍP. ESTAD T VALOR P

const -0,229551 0,0814533 -2,818 0,00583 ***
log_Renta 0,0390899 0,0133350 2,931 0,00419 ***
sq_log_Renta -0,00162748 0,000543821 -2,993 0,00349 ***

R-cuadrado = 0,101318

Estadístico de contraste: TR^2 = 10,334465,

con valor p = P(Chi-cuadrado(2) > 10,334465) = 0,005700

Contraste de Breusch-Godfrey para autocorrelación de orden 1

estimaciones MCO utilizando 85 observaciones
Variable dependiente: uhat

VARIABLE COEFICIENTE DESV.TÍP. ESTAD T VALOR P

const -0,00475622 0,0197836 -0,240 0,81061
log_Renta 0,000468618 0,00161498 0,290 0,77242
uhat_1 0,994608 0,0229265 43,383 <0,00001 ***

R-cuadrado = 0,95825

Estadístico de contraste: LMF = 1882,057016,

con valor p = P(F(1,82) > 1882,06) = 2,51e-058

Estadístico alternativo: TR^2 = 81,451223,

con valor p = P(Chi-cuadrado(1) > 81,4512) = 1,8e-019

c) Los estimadores robustos muestran, en ambas regresiones, que las desviaciones típicas de
los estimadores son significativamente más altas. Aún así tanto la pmc como la elasticidad, son
significativas:

Modelo 3: estimaciones MCO combinados utilizando 102 observaciones

Se han incluido 17 unidades de sección cruzada
Largura de la serie temporal = 6
Variable dependiente: Gasto_precios_c
Desviaciones típicas robustas (HAC)
Variable Coeficiente Desv. típica Estadístico t valor p
Const -4557,94 3909,21 -1,1659 0,24641
Renta_precios_c 0,904211 0,018582 48,6606 <0,00001 ***

Media de la var. dependiente = 257917

Desviación típica de la var. dependiente. = 236777
Suma de cuadrados de los residuos = 2,44262e+010
Desviación típica de los residuos = 15628,9
R2 = 0,995686
R2 corregido = 0,995643

95
 Grados de libertad = 100
Log-verosimilitud = -1128,72
Criterio de información de Akaike = 2261,45
Criterio de información Bayesiano de Schwarz = 2266,7
Criterio de Hannan-Quinn = 2263,57

Modelo 4: estimaciones MCO combinados utilizando 102 observaciones

Se han incluido 17 unidades de sección cruzada
Largura de la serie temporal = 6
Variable dependiente: log_Gasto
Desviaciones típicas robustas (HAC)
Variable Coeficiente Desv. típica Estadístico t valor p
Const -0,402692 0,15585 -2,5838 0,01122 **
log_Renta 1,02201 0,0124439 82,1293 <0,00001 ***

Media de la var. dependiente = 12,0653

Desviación típica de la var. dependiente. = 0,906281
Suma de cuadrados de los residuos = 0,392688
Desviación típica de los residuos = 0,0626648
R2 = 0,995266
R2 corregido = 0,995219
Grados de libertad = 100
Log-verosimilitud = 138,814
Criterio de información de Akaike = -273,627
Criterio de información Bayesiano de Schwarz = -268,377
Criterio de Hannan-Quinn = -271,501

d) Podemos emplear MCG.

En todo el ejercicio hemos tratado igual a todas las CCAA y tampoco hemos empleado efectos
fijos temporales. Pueden generarse variables dummy para tratar estos efectos, seleccionando
la opción correspondiente en la pestaña Añadir.