Instituto Tecnolgico y de Estudios Superiores Monterrey Campus Ciudad de Mxico

Econometra I SEGUNDO PARCIAL Martin Villapando A01331957

Diego Lozano A01331046

El objetivo de este trabajo es aplicar los conocimientos adquiridos hasta ahora en el semestre para lograr determinar en diferentes escenarios reales, que tan relacionadas estn las variables en funciones de produccin o que tanto explican ciertos ndices a otros de acuerdo a variables macroeconmicas. Problema 1 En el primer punto del ejercicio debamos determinar una funcin Cobb-Douglas, buscando nuestros datos desde la base de datos del censo econmico del INEGI 2009. Escogimos como datos los servicios relacionados con el transporte, obteniendo la cantidad de gente empleada, los ingresos y la cantidad producida. Lo primero fue obtener las transformaciones logartmicas para trabaja con ellas. Lo que buscbamos encontrar era la relacin entre Q que es la cantidad producida con L que es la cantidad de gente empleada y K siendo la cantidad de capital con el que contaba la empresa. gen lk= log( acervototaldeactivosfijosmilesde) (13 missing values generated) gen lq= log( unidadeseconmicas) (490 missing values generated) . gen ll= log( personalocupadototal) (1 missing value generated) Habr que aplicar la regresin multiple para encontrar la relacin que hay entre la variable que buscamos explicar que son las unidades econmicas contra el personal ocupado y el capital que se ha utilizado. reg lq lk ll

Tenemos una R-cuadrada de .7345 que es cercano al 1, lo cual determina que el 73.45% de la produccin en servicios de transporte se puede explicar por la

cantidad de capital que se utiliza y la cantidad de trabajadores que estn empleados.

La segunda parte de la tabla que observamos de la regresin, nos explica los coeficientes Tenemos el coeficiente: B1= .0062542 Este nos indica que a medida que aumenta una unidad de capital cuanto aumenta la produccin de servicios de transporte. B2= .5885281 Esta indica que por cada unidad que aumenta una unidad de trabajo cuanto aumenta la produccin de servicios de transporte. B0= -.4701 Este es el punto del intercepto y nos indica el promedio de la produccin de las variables omitidas en el modelo de regresin. Podemos determinar si estamos subestimando o sobrestimado el efecto marginal del capital y el trabajo sobre la produccin. Ahora cambiaremos el modelo por uno de regresin parcial utilizando por cada lado lk y ll, para conocer los efectos que tiene cada variable mostrada aparte en la regresin. Primero utilizaremos lk

De acuerdo a los datos obtenidos tenemos que nuestra R-cuadrada= .4717 que para nosotros determina que cerca del 50% de la produccin esta relacionada con la cantidad de capital que invertimos para trabajar. Despus tenemos los resultados de nuestros coeficientes:

B1= .3493 que nos indica que por un aumento marginal en el capital, nuestra produccin puede aumentar un 34.93%. B0= -.9414 nuestro intercepto con el eje vertical estar por debajo del eje de las x lo que no es totalmente relevante porque no puede haber una produccin negativa, pero nuestra regresin nos permite conocer ese punto que existe.

Ahora procederemos a hacer la regresin parcial con respecto a ll.

En base a nuestra regresin obtenemos una R-cuadrada= .7344 que nos indica que el 74% de nuestra produccin esta explicada por la cantidad de trabajadores con los que contamos. Es mayor que nuestra Ahora podemos determinar si nuestros rendimientos son constantes, decrecientes o crecientes de acuerdo al aumento proporcional en el trabajo y el capital. Debemos probar si la suma de lk+ll es igual 1 que seran los rendimientos constantes a escala.

Obtenemos que los rendimientos son mayores a 1, por lo que el aumento proporcional en ambos lados, tanto en el trabajo como en el capital nos da unos rendimientos crecientes y que generan mucho mas de lo que inicialmente se invierte en ellos. Son los coeficientes estadsticamente significativos? Para comprobar si los coeficientes son significativos en nuestra funcin debemos aplicar una prueba de hiptesis teniendo una funcin que se comporta como una T. Student.

Aplicamos nuestras pruebas, individualmente probando lk y ll separadamente.

Tenemos que los coeficientes son estadsticamente significativos porque rondan o son mayores que 1, son determinantes en el modelo para poder explicar la cantidad de produccin que se puede obtener.

Con una correlacin cercana a 1 podemos afirmar que la relacin que tienen el trabajo con el capital para lograr la produccin en una empresa es determinante y que estn estrechamente relacionadas para tener la mayor cantidad de producto alcanzable.

Ahora buscamos agregar un nuevo coeficiente para nuestra regresin, encontrar otra variable que pueda ayudarnos a determinar de mejor manera la produccin. Decidimos agregar la inversin bruta total y comenzamos a trabajar con la regresin, la misma que teniamos al principio pero aumentando la parte de la inversin. La inversin de nuevo aplicamos el logaritmo para trabajar de esta manera todas las variables y comenzamos con la regresin obteniendo los siguientes resultados:

Nuestra R-cuadrada= .7351 fue mayor a la R-cuadrada sin la inversin agregada. Lo cual quiere decir que la inversin si tiene relevancia en la produccin y es una variable que nos puede ayudar a entender mejor de donde viene la inversin. No es una variable inservible porque aunque no es mucho lo que incrementa la Rcuadrada si refleja una importancia en la produccin. Ahora tenemos la regresin parcial, la produccin contra la inversin total obteniendo los siguientes resultados.

Nuestra R-cuadrada= .3259 determina que cerca del 33% de la produccin esta determinada por la inversin, nos da una mayor participacin de la inversin que lo que es el capital fijo que tomamos. Podemos ver que al agregar esta nueva variable podemos explicar un poco mas nuestro modelo y no es una variable redundante. Ahora hacemos nuestra prueba de hiptesis para determinar si es estadsticamente significativo.

Es un coeficiente estadsticamente significativo porque se encuentra arriba del 0 y podemos deducir que no es una variable redundante.

Problema 2 a) Nuestras hiptesis son: H0: supervit = dficit H1: supervit dficit Para el modelo restringido quitaremos la cuenta corriente.

Para el irrestricto usamos las variables dummy (supervit y dficit).

Por ltimo tenemos que obtener el estadstico F.

El estadstico F es 3.2380961. ste cae en la zona de rechazo y por eso es que podemos concluir que s hay un cambio estructural en los parmetros de la ecuacin. b)

Nosotros intentamos explicar el PIB con la poblacin ocupada total y la cuente corriente de la balanza de pagos (exportaciones importaciones). Obtuvimos una R cuadrada de .9646, creemos que es muy alta por lo que se explica muy bien. Notamos que nuestro modelo se parece mucho al modelo del PIB por gasto que vimos en clases de Macroeconoma. Problema 3 La ecuacin minceriana o de Mincer, aplicada a nuestros datos, utiliza el logaritmo de los ingresos como variable dependiente y la edad, la edad al cuadrado, el gnero, el logaritmo de las horas trabajadas, la escolaridad, parentesco, pertenencia a sindicato y aos de escolaridad.

a)

Para saber si los hombres tienen mayores o menores ingresos basta con fijarnos en los coeficientes de las regresiones para cada una de las variables (dummy). Notamos como el coeficiente de las mujeres es -.2874836 mientras que el de los hombres es el mismo pero con signo positivo. Entonces, el signo nos indica que las mujeres tienen 28.75% menos ingreso que los hombres.

b)

Para determinar si la entidad donde el individuo vive tiene algn impacto sobre su ingreso, primero hicimos una variable dummy para cada estado. Una vez que corremos la regresin tenemos que fijarnos, nuevamente, en los coeficientes que obtuvimos. Como los coeficientes son diferentes entre s podemos concluir que la entidad donde el individuo recide, s tiene un impacto sobre su ingreso. Es importante remarcar que la variable x3 se tuvo que omitir para no caer en colinealidad.

c) Para poder realizar la prueba Chow es importante primero se necesita plantear hiptesis. H0: mujer = hombre H1: mujer hombre Posteriormente se corrern 2 regresiones la del modelo restringido y el modelo irrestricto. El restringido es aquel que quita la variable del gnero y el irrestricto s la incluye.

Por ltimo tenemos que obtener el estadstico F.

El estadstico F es 2.2144098. ste cae en la zona de rechazo y por eso concluimos que existen diferencias en el vector de coeficientes de hombres y mujeres. d) Para la grfica suave basta con hacer una regresin con las variables de edad.

Usamos el comando predict para poder tener un valor ajustado del ingreso y as ver el efecto marginal.

Fitted values 7

20

40

60 EDAD

80

100

Para la forma spline separamos la grfica en segmentos para ver los efectos marginales en esos segmentos.

e) Para saber si los autoempleados ganan ms, haremos una regresin parecida a la que se us en el inciso a. La nica diferencia es que ahora las variables dummy sern autoempleado y empleado. La conclusin la obtenemos, nuevamente de los coeficientes de cada una de las variables. El coeficiente del autempleado es -.4271599 mientreas que el del empleado es .4271599. Con esto sabemos que los autoempleados ganan 42.72% menos que los empleados.

Para saber si el resultado depende del gnero, incluimos las variables dummy (mujer y hombre) a la regresin. Comparamos el coeficiente .4271599. con el coficiente de la nueva regresin (incluye gnero) .4032857. Al haber un cambio en el coeficiente, determinamos que el gnero s va tener un impacto en los ingresos. Adems si nos fijamos en los coeficientes de las variables hombre y mujer, refirmamos que los hombres ganan ms (inciso a).

f) Por ltimo, checamos si las personas sindicalizadas ganan ms que las que no lo estn. Creamos las variables dummy e hicimos la regresin. Al comparar el coeficiente de los que pertenecen al sindicato (.3954327) con el de las personas que no pertenecen a sindicato (.1318202) concluimos que las personas que s pertenecen a un sindicato, tienen mayores ingresos porque el coeficiente es mayor.