ESTIMACIN DE LA FUNCIN DE CONSUMO KEYNESIANA

INTRODUCCIN

En el siguiente trabajo se va a realizar una estimacin economtrica bajo el mtodo de

MNIMOS CUADRADOS ORDINARIOS con el fin de determinar la estructura de la
funcin de consumo keynesiana y la propensin marginal a consumir para Colombia en el
periodo que comprende desde el primer trimestre del 2000 hasta el primer trimestre del
2016. El consumo de los hogares es una variable fundamental en la actividad econmica de
un pas tanto as que en el 2013 en Colombia este represento casi el 65% del PIB y esta
cifra no vara mucho en relacin a la de los trimestres del periodo de estudio, esto indica el
fuerte peso de esta variable econmica en Colombia, es por esto que es de gran importancia
evaluar las caractersticas con las cuales se determina el consumo, para lo cual se tomara
como base la hiptesis de consumo keynesiana. Keynes en su teora general estableci
diversas relaciones econmicas que incidan sobre el nivel de ocupacin en una economa,
estableciendo como variables importantes en la determinacin de la ocupacin el nivel de
consumo de la comunidad y la inversin. Respecto al consumo postulo: la relacin entre el
ingreso de la comunidad y lo que se espera que gaste en consumo,.., depender de las
caractersticas psicolgicas de la comunidad, que llamaremos propensin marginal a
consumir. La inversin cuyo monto parafraseando Keynes depender del incentivo para
invertir, que a su vez depende de la relacin entre la curva de eficiencia marginal del capital

y de las tasas de inters de diversos plazos, como el objetivo de este trabajo es determinar la
funcin de consumo para Colombia, dejamos de lado las consideraciones acerca de la
inversin. Para Keynes el consumo se determinaba a partir de dos grupos de factores los
objetivos (se podra decir que son ms cuantitativos) y los subjetivos (que dependan ms
que todo de las expectativas que tuvieran los agentes). Partiendo del anlisis de los factores
objetivos, concluyo que la propensin a consumir puede considerarse como una funcin
bastante estable bajo ciertas circunstancias. En el artculo base, se hace una alusin a la
estabilidad de la funcin de consumo, explicando que esta funcin keynesiana no se puede
considerar de tipo lineal pues esta predispuesta a cualquier modificacin de tipo subjetivo
por parte del individuo (Casas Herrera & Gil Leon, 2011). Lo anterior se relaciona con
el hecho de que Keynes establece que el ingreso total medido en unidades de salario es,
por regla general, la principal variable de que depende el elemento consumo se deja a la
propensin marginal a consumir en segundo plano.
La funcin de consumo lineal fue planteada en el modelo Hicks-Hansen quienes haban
presentado diferentes artculos tratando de formalizar la teora general de Keynes. En
(Hicks, 1937) se tiene la primera aproximacin al modelo IS-LM actual (planteado
inicialmente como IS-LL por Hicks) el cual fue posteriormente presentado de una manera
un poco ms formal por Hansen en Teora monetaria y poltica fiscal. En el modelo
Hicks-Hansen se analiza el mercado de bienes y el mercado monetario, siendo el mercado
de bienes y en especial la forma como se explic el consumo lo importante para este
trabajo. La hiptesis de comportamiento para el consumo planteada en el modelo (IS-LM)
nos dice que el consumo tiene como determinante al ingreso disponible, es decir el ingreso

restante despus de pagar los impuestos y recibir las transferencias (subsidios), entonces se
dice que un aumento en el ingreso disponible provoca un aumento menos que proporcional
en el consumo (tambin se consideran factores psicolgicos bajo los cuales los seres
humanos seguimos en promedio la misma senda de consumo, cuando se presentan
variaciones en el ingreso poco predecibles), adems del ingreso disponible se especific la
existencia de un consumo autnomo, es decir que es independiente del ingreso (una
explicacin para esto podra ser que ante variaciones negativas del ingreso, las personas a
fin de mantener los niveles de consumo pueden acudir al crdito). Las ecuaciones y sus
restricciones se presentaran en la parte de la especificacin del modelo economtrico.
Antes de pasar al anlisis economtrico de la funcin de consumo se debe mencionar que
utilizara la metodologa1 planteada en (Blanchard, 1997) tal como se realiz en el artculo
base (Casas Herrera & Gil Leon, 2011) con el fin de quitar el efecto de incrementos
tendenciales a los datos de las series de tiempo de las variables tomadas.

ESPECIFICACIN DEL MODELO.

2.1. Realice la especificacin terico-econmica y matemtica en la cual sustente
variables, relaciones de causalidad, forma funcional, expresin escalar y matricial
del modelo.
A partir de la teora planteada anteriormente relacionada a la linealizacion de la funcin de
consumo keynesiana tenemos la siguiente funcin matemtica:
C=C0 +C 1 (Y T +TR)
Como

(Y T +TR)

es igual a la renta disponible YD podemos especificar una funcin

como la siguiente:
C=C0 +C 1 (YD)

que se puede escribir asi:

CH stt = 0 + 1 ( YDs t t ) (1)

Introducimos los betas con el fin de no generar confusin y generar una forma
economtrica convencional.
En la ecuacin (1) tenemos las siguientes variables:

CHst: representa el consumo de los hogares sin los incrementos tendenciales 2. Los
datos iniciales se obtuvieron del DANE, son series desestacionalizadas 3 con cifras
en miles de millones de pesos, a precios constantes de 2005.
YDst: Ingreso disponible sin los incrementos tendenciales. Para esta variable se
rest al valor del PIB, el valor del total de los impuestos menos subvenciones. Los
datos del PIB y los impuestos se obtuvieron del DANE, son series

2metodologa de Blanchard ya mencionada

3

desestacionalizadas con cifras en miles de millones de pesos, a precios constantes

de 2005.
Estas dos variables se espera establezcan una relacin causal positiva, es decir que un
aumento en el ingreso disponibles cause un aumento en el consumo de los hogares. Aqu es
muy importante establecer que se pueden presentar rezagos en la variables explicativa, es
decir que el ingreso disponible del periodo anterior influya en la determinacin de parte del
consumo de los hogares en el presente, pueden presentarse ms rezagos, es decir que el
consumo de los hogares se relacione con el ingreso disponibles de uno o ms periodos
anteriores, esto es comprobable con la significancia estadstica de los coeficientes de los
estimadores de los rezagos, es decir se incluirn los rezagos que sean estadsticamente
significativos y que bajo una prueba f de significancia global se compruebe que realmente
aportan a la explicacin de la variable dependiente en este caso el consumo de los hogares.
Entonces la ecuacin a estimar (1) podra quedar con uno o ms rezagos de YD. Si fuese
con uno quedara as:
CH stt = 0 + 1 ( YDs t t ) + 2 ( YDs t t1 ) +U

(2)

La ecuacin (2) ya est expresada economtricamente pues se agreg el trmino de error U

por lo tanto constituye una funcin de regresin. Esta representa la funcion de regresin a
priori cuando se estime el modelo se verificara el nmero de rezagos que se deberan
incluir.

La forma funcional se plantea de esta manera pues como se ha indicado el planteamiento

terico de Hicks-Hansen la considera lineal y no existen consideraciones a priori para
justificar una forma funcional diferente.
Expresin Matricial:
Para realizar esta expresin consideramos el modelo de regresin mltiple que establece la
CH stt = 0 + 1 ( YDs t t ) + 2 ( YDs t t1 ) +U
ecuacin (2)
Entonces:
^ n1
Y n1= X n3 ^ 31 + U
Donde

Y n1

indica el vector columna de las observaciones para el consumo de los

hogares sin incremento tendencial.

Donde

X n3

indica matriz de las observaciones de las variables explicativas en este caso

el ingreso disponible y el ingreso disponible rezagado en un periodo, los dos sin incremento
tendencial.

[ ][
CHs t 2000 I
CHs t 2000II

CHs t 2016I

1 YDs t 2000I YDst (1)2000I

= 1 YDst 2000 II YDs t(1)2000 II

1 YDs t 2016I YDst (1)2016I

n1

][] [ ]
n3

0
1
2

U 2000I
+ U 2000II

31
U 2016I

n1

Donde YDst (1) representa el valor agregado del periodo en consideracin.

2.2. Interprete econmicamente la variable aleatoria, los parmetros y las restricciones
tericas del modelo.
CH stt = 0 + 1 ( YDs t t ) + 2 ( YDs t t1 ) +U
La variable aleatoria o el termino de perturbacin estocstica tal como lo describe (Gujarati,
2003) es un sustituto para todas aquellas otras variables que son omitidas del modelo pero

que colectivamente afectan a Y4 entonces en este modelo variables que por ejemplo
podran estar en este trmino serian: la riqueza familiar de los hogares que es una
informacin difcil de obtener; variables cualitativas que se podran incluir en un modelo de
tamao limitado y no a nivel agregado como se propone en este trabajo, como el nmero de
hijos por hogar, la educacin de los adultos que componen el hogar, la religin o la regin
geogrfica; (Gujarati, 2003), adems de las anteriores dado el comportamiento a veces
irracional de los seres humanos el modelo debe tener un trmino de perturbacin que
pueda representar la aleatoriedad que algunas veces se tiene al tomar decisiones de
consumo. Por otra parte el trmino u^ que representa los residuos de la regresin
estimada puede verse afectado si el modelo tiene problemas como errores de medicin de
los datos, errores de especificacin ya sea por sub-especificacin, sobre-especificacin o la
escogencia de una forma funcional incorrecta.
0 : Este parmetro indica lo que la teora llama el consumo autnomo, es decir el nivel
consumo de los hogares que no depende del ingreso disponible de este periodo ni de los
rezagados, al realizar la estimacin del modelo se debe verificar si estadsticamente
diferente de cero para.
Debe ser mayor a cero segn la teora econmica.
0> 0
1 : Este parmetro representa la variacin que se tendr en el consumo de los hogares si
el ingreso disponible vara en una unidad. Es decir es el efecto que tiene una variacin
marginal en el ingreso disponible sobre el consumo de los hogares. Manteniendo lo dems
constante Ceteris Paribus. Como un hogar no puede aumentar su consumo por encima de
su ingreso disponible5 y las variaciones en el consumo segn la teora son menos que
proporcionales a las variaciones del ingreso. Esto da lugar a establecer que este parmetro
0< 1 <1
debe estar entre 0 y 1.
2 : Este parmetro tiene la casi la misma interpretacin que el parmetro anterior, con
este se tiene el efecto de las variaciones unitarias en el ingreso disponible rezagado en un
periodo sobre el consumo de los hogares. Tiene la misma restriccin que el anterior por las
0< 2 <1
mismas razones.
4
5

Una caracterstica interesante de este modelo es que la suma de los parmetros de las
variables explicativas nos proporciona la Propensin marginal a consumir, entonces se
tendra otra restriccin para el modelo que se puede expresar as:

2+
3)<1
(
0<

pues esta propensin debe cumplir las mismas restricciones planteadas para los parmetros
2 y 3
.
2.3. Plantee escalar y matricial los supuestos del modelo (generales, sobre las variables
explicativas, y sobre la variable aleatoria). Interprete econmicamente.
SUPUESTOS GENERALES SOBRE LAS VARIABLES EXPLICATIVAS, Y SOBRE LA
VARIABLE ALEATORIA
1.

El valor medio de la perturbacin es igual a 0 , dados los valores de las variables

explicativas el valor esperado del termino de perturbacin aleatorio es 0.

E ( ut /YDst t ,YDst t 1 )=0

Notacin matricial:
nula
E(ut )
u
E( t +1)

u
E( t+ n)

ut
E ut +1
=

ut +n ( t+n )1

[]

E ( ut ) =0

E ( u )=0

donde u y 0 son vectores columna y 0 es un vector

2.

La varianza del termino de error u, condicionada a las variables explicativas, es la

misma para todas las combinaciones de resultados de estas variables (Wooldridge,
2001), es decir el termino de perturbacin tiene varianza Homoscedastica.

var ( u t /YDst t , YDst t1 ) = 2

La notacin matricial de este supuesto se obtiene en conjunto con la del siguiente
3.

Los trminos de perturbacin son independientes, es decir la correlacin entre los

errores de cada observacin es cero. No hay correlacin serial.

cov ( ut /u t+1 ) =0

con tt+1

La notacin matricial de los supuestos 2 y 3 se expresa as:

E ( uu )= 2 I

Donde I es la matriz identidad

Establecemos el valor esperado del producto de la matriz u y su traspuesta u

[]

ut
E ( uu )=E u t+1

u t+n

[ ut ut +1 u t +n ]1(t +n)

( t +n)1

Al efectuar el producto entre las matrices y aplicar el valor esperado E obtenemos:

E (u2t )
u
E ( t ut +1 )

E(u t u t +n)
E(u t+1 ut )

u
E ( t+12 )
u E ( t+1 ut +n )

E(u t+ n ut )

t
+n
u
E ( uu )=E [ u E(
t +1) u E ( t+ n ) ](t +n )(t +n)

Debido a los supuesto 2 y 3 de homoscedasticidad y no correlacin serial la matriz

anterior se transforma en:

2 0
0 2
E ( uu )=

0 0

0
0

2

( t+ n)(t +n )

Aplicando factor comn en la matriz podemos escribirla asi:

1 0 0
0 1 0
E ( uu )=

0 0 1
2

( t+ n)(t +n)

E ( uu )= 2 I

Obteniendo la varianza multiplicada por la matriz identidad comprobando los supuestos de

homoscedasticidad y no correlacin serial.

4.

Las variables explicativas no son probabilsticas, es decir son fijas o no estocsticas.

Para la notacin matricial de este supuesto se necesitan los valores especficos de
las variables que se agruparan en una matriz x, con t+n filas y k columnas, y serian

5.

un conjunto de nmeros fijos

No existe multicolinealidad perfecta entre las explicativas, es decir no hay una
relacin lineal exacta entre las variables x. Para comprobar este supuesto de forma
matricial se debe tener el rango de la matriz x que es p(x)=k y k debe ser menor al
nmero de observaciones, t+n (como se ha venido representando el nmero de

6.

observacin de la serie temporal que se maneja en el trabajo).

Para el desarrollo adecuado y la no invalidacin de las pruebas de hiptesis sobre
los parmetros se debe cumplir que los errores se aproximen a una distribucin
2
normal multivariada, con media cero y varianza homoscedastica u N ( 0, ) . En

notacin matricial:

[]

ut
ut +1
N ( 0, 2 )

u t+ n ( t +n)1

Los supuestos restantes son:

7.
8.

La linealidad de los parmetros, las variables pueden entrar al modelo en cualquier

forma.
La correcta especificacin del modelo, es decir que no se presente la subespecificacin, la sobre-especificacin y se elija una forma funcional correcta.

ESTIMACIN DEL MODELO

3.1. Sustente econmica y economtricamente qu significa estimar el modelo

especificado. Qu mtodo utiliza y qu interpretacin econmica tienen para su
modelo los estimadores.
Estimar el modelo economtricamente significa obtener el valor desconocido de los
parmetros planteados en la funcin de regresin para asi poder realizar las presiones
econmicas a que den lugar las caractersticas de los estimadores obtenidos tras efectuar la
regresin. Adems de lo anterior se quiere analizar las dependencia estadstica entre la
variable dependiente regresada y las regresoras o explicativas con el fin de estimar con la
mayor precisin posible el valor esperado o promedio de la variable dependiente en
relacin a las variables explicativas. Econmicamente al estimar un modelo se tendr
informacin til en el proceso de elaboracin de polticas pblicas o en la interpretacin de
diversos fenmenos econmicos ya sean a nivel micro o macro y para el sector privado
(funciones de produccin, costos, etc.) o para el sector pblico (determinantes del empleo,
el consumo agregado, para evaluar el impacto de programas sociales, etc.)
Para estimar la funcin de consumo keynesiana planteada en la ecuacin (2) se utilizara el
mtodo de mnimos cuadrados ordinarios, el cual minimiza los residuos al cuadrado y la
sumatoria de los residuos es igual a cero. Para utilizar este mtodo el modelo planteado
debe cumplir con los supuestos del modelo clsico de regresin lineal (mencionados en el
punto anterior) y bajo estos supuestos se obtendrn los mejores estimadores lineales
insesgados (MELI) que son los que tienen las propiedades de linealidad, insesgo es decir

que el valor esperado del estimador converge al del parmetro verdadero, consistencia que
indica que a medida que crece el tamao de muestra (tendiendo al infinito) la varianza del
estimador tiende a cero y por ltimo la eficiencia es decir que cuente con varianza mnima.
Este mtodo de estimacin es uno de los ms utilizados debida su relativa facilidad de
aplicacin y tambin por la posibilidad que ofrece de encontrar relaciones entre diversas
variables con el fin de realizar evaluaciones de polticas, predicciones de valores futuros y
anlisis estructural de los fenmenos econmicos que involucran dichas variables.
Las interpretaciones econmicas de los parmetros se mencionaron en el punto 2.2, en el
siguiente punto al presentar la salida del computador con la estimacin del modelo se
realizara la interpretacin de los parmetros de acuerdo a los valores que resulten.

3.2. Realice las estimaciones del modelo con el paquete Eviews. Presente las salidas del
computador.
Dependent Variable: CHST
Method: Least Squares
Date: 07/22/16 Time: 22:49
Sample (adjusted): 2000Q3 2016Q1
Included observations: 63 after adjustments
Variable
C
YDST
YDST(-1)

Coefficient

Std. Error

t-Statistic

Prob.

1.867615
0.248038
0.181973

55.14820
0.073286
0.073016

0.033865
3.384531
2.492243

0.9731
0.0013
0.0155

R-squared
0.225266
Adjusted R-squared 0.199442
S.E. of regression
437.6073
Sum squared resid
11490009
Log likelihood
-470.9795

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.

7.209573
489.0892
15.04697
15.14902
15.08711

F-statistic
Prob(F-statistic)

8.722969
0.000473

Durbin-Watson stat

2.168876

De la estimacin realizada lo que resalta es que el coeficiente del intercepto que

tericamente representa el consumo autnomo, no es significante, es decir no existe

evidencia estadstica suficiente para establecer que el coeficiente

es diferente de cero,

esto lo confirmamos una prueba de hiptesis a un nivel de significancia del 5%:

H 0 : 0 =0

H 0 : 0 >0

Debido a las restricciones que tiene el parmetro en el

modelo
^
1.86760
ee ( 0)=
=0.033865
55.1482
^
t c= 0 0
Este estadstico t que tambin se presenta en los resultados de la regresin es menor al valor
del t crtico para un nivel de significancia del 5% en una prueba de una sola cola con 60 6
grados de libertad que es: 1.671. Entonces dado lo anterior no es es posible rechazar la
hiptesis nula y concluimos que el coeficiente del intercepto que en este modelo representa
el consumo autnomo no es estadsticamente significativo.

6por eso de las 65 observaciones originales quedan 63 con 60 grados de

libertad.

Por esto se cambi el modelo por la siguiente regresin a travs del origen, tal como se
plantea en el artculo base (Casas Herrera & Gil Leon, 2011) no se plante desde el
principio esta regresin con el fin de verificar si el intercepto era o no significante pues
desde la perspectiva terica keynesiana deba incluirse. Adems se incluy solo un rezago
del ingreso disponible pues si incluye un rezago de dos periodos YDst(-2) el coeficiente
resultante no es signicante a un nivel del 5%. El estadstico t de dicho coeficiente es 1.9893
y la probabilidad de cometer el error tipo I7 es de 0.0513 que es mayor al nivel de
significancia del 5%.
CH stt = 1 ( YDst t ) + 2 ( YDst t1 ) +U
^
^
^
Cuya estimacin CHst t= 1 ( YDst t ) + 2 ( YDst t1 ) + u^

Dependent Variable: CHST

Method: Least Squares
Date: 07/22/16 Time: 22:51
Sample (adjusted): 2000Q3 2016Q1
Included observations: 63 after adjustments
Variable

Coefficien
t

Std. Error

t-Statistic

Prob.

YDST
YDST(-1)

0.248083
0.182009

0.072671
0.072408

3.413774
2.513671

0.0011
0.0146

R-squared
0.225251
Adjusted R-squared 0.212550
S.E. of regression
434.0097
Sum squared resid 11490229
Log likelihood
-470.9801
Durbin-Watson stat 2.168905

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.

7.209573
489.0892
15.01524
15.08328
15.04200

3.3. Interprete econmicamente las estimaciones del modelo: , R, SRC, , , Fc.

Presente en forma resumida los resultados de la estimacin, indicando (^, , tc),
se cumplen las restricciones?

R-squared 0.225251
Este estadstico nos indica la medida de de bondad de ajuste del modelo estimado a la
tendencia de los datos observados, es decir proporciona el porcentaje de explicacin que
tienen las regresoras sobre la variabilidad de la regresada, poir la regresin a travs del
origen. Entonces las dos variables explicativas YSst y YDst(-1) aportan el 22.52% de la
explicacin sobre las variaciones del consumo de los hogares en el periodo planteado del
2000-I al 2016-I, como se mencion los otros factores que afectan al consumo entran a
hacer parte del termino de perturbacin estocstico.

Dado que el este estadstico R

cuadrado para la regresin a travs del origen se obtiene de manera diferente no es

directamente comparable con valores de R cuadrado de modelos con intercepto.

Sum squared

resid
11490229
Este valor representa la suma residual de cuadrados, es decir la variabilidad de la endgena
que no es explicada por el modelo planteado, lo grados de libertad en este caso son 61, es
decir el nmero de observaciones despus del ajuste menos el nmero de parmetros
estimados en el modelo

Para obtener la varianza

SRC 11490229
=
=188364.41
nk
61

este valor es una medida de

dispersin de la funcin de regresin muestral respecto a la poblacional, nos permite

establecer que tanto se aproximan las estimaciones a los valores verdaderos del modelo, a
par de este valor se obtiene el error estndar

de la regresin que en este caso es S.E. of

regression434.0097 y es una medida de la desviacin tpica de la regresin estimada

respecto a la observada o verdadera

Fc Como el modelo presentado es una regresin a travs del origen, el R al cuadrado no es

directamente comparable con el convencional por lo cual la prueba F se ve afectada y el
programa no presenta este estadstico. Paro bajo la posibilidad de caer en un error nos
arriesgamos a calcular el estadstico Fc con su frmula:
Esta frmula la dado que los grados de libertad de SEC se resta un gl
SEC
k 1
Fc=
SRC
nk

cuando es un modelo con intercepto, entonces para la regresin a travs del

origen tendramos:

SEC
3343954.89
k
2
Fc=
=
=8.876
SRC 11490229.011
nk
61
Este estadstico lo comparamos con un valor crtico de la distribucin de Fisher con 2
grados de libertad en el numerador y 61 en el denominador y un nivel de significancia del

5%, que es, aproximando en 60 gl en el denominador: 3.15, por lo cual vemos que el Fc es
estadsticamente significativo pues el valor calculado sobrepasa la critico en un nivel de
significancia del 5%. Entonces podemos decir que las variables que tiene el modelo
efectivamente pertenecen a l, hay una significancia global. Aclaramos que las hiptesis
nula y alterna son respectivamente: que los parmetros del modelo sean iguales a cero y
que estos parmetros sean diferentes de cero, entonces hay evidencia estadstica para
rechazar la Ho y concluir que los parmetros del modelo son diferentes de cero.

INTERPRETACION DE LOS ESTIMADORES Y SU ESTADISTICOS

Variable
YDST
YDST(-1)

^ 1 :

Coefficien
t Std. Error t-Statistic
0.248083
0.182009

0.072671
0.072408

3.413774
2.513671

Prob.
0.0011
0.0146

0.2480 Este indicador nos muestra que ante una variacin unitaria en el ingreso

disponible el consumo de los hogares aumentara en promedio en 0.248083 unidades lo cual

cumple la restriccin que se impuso al parmetro de estar entre 0 y 1, indicando una
variacin menos que proporcional de la variable dependiente respecto a una variacin
unitaria en la variable YDst. El error o la desviacin estndar de este estimador es
relativamente bajo en comparacin con el coeficiente estimado lo cual podra dar lugar a
intervalos de confianza ms cerrados o pequeos. El tc calculado es de 3.413774 el cual

aplicando la regla practica8 t 2 indica que el estimador es estadsticamente significativo,

adems la probabilidad de cometer el error tipo I es de 0.0011 que es mucho menor a 0.05,

entonces podemos decir que el estimador

^ 1
del parmetro

es estadsticamente

diferente de cero, a un nivel de significancia incluso del 1%

^ 2 :
0.1820 Este indicador nos muestra que ante una variacin marginal en el ingreso
disponible rezagado en un periodo, el consumo de los hogares aumentara en promedio en
0.1820 unidades, cumplindose as la restriccin que se impuso al parmetro de estar entre
0 y 1, indicando una variacin menos que proporcional de la variable dependiente respecto
a una variacin unitaria en la variable YDst(-1). El error o la desviacin estndar de
este estimador es relativamente bajo en comparacin con el coeficiente estimado lo cual
podra dar lugar a intervalos de confianza ms cerrados o pequeos. El tc calculado es de
2.5136 el que considerando la regla practica aplicando la regla practica 9 t 2 sabemos que
el coeficiente es significativo, adems la probabilidad de cometer el error tipo I es de
0.0146 que es mucho menor a 0.05, entonces dado lo anterior tenomos evidencia estadstica

suficiente para determinar que el estimador

^ 2
del parmetro

es estadsticamente

diferente de cero, a un nivel de significancia del 5%

8 Esta regla es aplicable pues la muestra consta de ms de 20 datos.

9

La otra restriccin que se planteo fue que dado que la suma de los parmetros de las
variables explicativas nos proporciona la Propensin marginal a consumir, esta suma debe

estar entre 0 y 1

( 2+ 3)<1
0<

pues esta propensin debe cumplir las mismas

restricciones planteadas para los parmetros

2 y 3

. Para esta estimacin la

propensin marginal a consumir.

=0.248083+0.182009=0.430092)

Este valor de la propensin marginal a consumir de 0.43 indica que una variacin unitaria
en el ingreso disponible genera una variacin de CH en el mismo periodo de 0.24 unidades
y de 0.18 en el periodo siguiente. Este valor contrasta con el obtenido en el artculo base de
0.62 (Casas Herrera & Gil Leon, 2011) evidenciando as una disminucin notoria en la
propensin marginal a consumir en los ltimos aos10. La estabilidad estructural del modelo
podra comprobarse mediante una prueba de chow o una utilizando variables dictomas,
para verificar as la estabilidad en el tiempo de los parmetros estimados.

10

3.4. Construya intervalos de confianza para los parmetros con un =5%. Interprete.
Variable
YDST
YDST(-1)

Coefficien
t Std. Error t-Statistic
0.248083
0.182009

0.072671
0.072408

3.413774
2.513671

Prob.
0.0011
0.0146

INTERVALO DE CONFIANZA para el coeficiente de la variable YDst a un nivel

de significancia de 5%
1=0.248
Ho:
H1:

1 0.248

Pr ^ 1t /2ee ( ^ 1 ) 1 ^ 1 +t / 2ee ( ^ 1) =1=95

[ 0.24808310.072671 1 0.248083+10.072671 ]
[ 0.175412 1 0.320754 ]
Del intervalo anterior se puede decir que en 95 de 100 casos el intervalo contendr el valor

verdadero del parmetro

dado que el valor del coeficiente estimado est dentro del

intervalo, no se tiene evidencia estadstica para establecer que el este coeficiente

converge a su valor verdadero

^ 1
no

Es decir no se puede rechazar la hiptesis nula.

INTERVALO DE CONFIANZA para el coeficiente de la variable YDst(-1) a un

nivel de significancia de 5%
1=0.182
Ho:
H1:

1 0.182

Pr ^ 2t /2ee ( ^ 2 ) 2 ^ 2 +t / 2ee ( ^ 2) =1=95

[ 0.18200910.072408 2 0.182009+10.072408 ]
[ 0.109601 2 0.254417 ]
Del intervalo anterior se puede decir que en 95 de 100 casos el intervalo contendr

el valor verdadero del parmetro

dado que el valor del coeficiente estimado

est dentro del intervalo, no se tiene evidencia estadstica para establecer que el

este coeficiente

^ 2

no converge a su valor verdadero

. Esto dado que no

hay evidencia estadstica suficiente para rechazar la hiptesis nula.

3.5. Decida desde los datos sobre la significancia individual y global de las exgenas.

Variable
YDST
YDST(-1)

Coefficien
t Std. Error t-Statistic
0.248083
0.182009

0.072671
0.072408

3.413774
2.513671

Prob.
0.0011
0.0146

Prueba de Significancia para el coeficiente de la variable exgena YDST

1=0
Ho:
H1:

1 0

debido a las expectativas a priori planteadas en la restriccin del

parmetro
Calculamos el estadstico:

t c=

^ 1 1 0.2480830
=
=3.413774
0.072671
ee ( ^1 )

El valor critico

t , 61=1.670

Como vemos el t calculado excede en gran medida el valor del t crtico, por lo cual existe
evidencia estadstica para rechazar la Ho y concluimos que el valor del parmetro de la
variable YDST es estadsticamente significativo, por lo cual confirmamos que la variable
pertenece al modelo.

Prueba de Significancia para el coeficiente de la variable exgena YDST rezagada

en un periodo
2=0
Ho:
H1:

2 0

debido a la restriccin impuesta al parmetro

Calculamos el estadstico:

El valor critico

t c=

^ 2 2 0.1820090
=
=2.513671
0.072408
ee ( ^ )
2

t , 61=1.670

El estadstico t calculado es mayor al valor del t crtico, por lo cual se puede rechazar la
Ho y concluimos que el valor del parmetro de la variable YDST con un rezago, es
estadsticamente significativo, por lo cual confirmamos que la variable pertenece al
modelo.

Fc para verificacin global como se mencion en un aparatado anterior este estadstico se

basa en el R cuadrado obtenido de la regresin con intercepto y como en este trabajo se
utiliza una regresin a travs del origen la prueba de significancia global se podra obtener
como sigue:

Ho:

1= 2=0 o R2=0

H1:

1 2 0 o R =0

Calculamos el estadstico como se haba planteado:

SEC
3343954.89
k
2
Fc=
=
=8.876
SRC 11490229.011
nk
61
Valor crtico:

F260=3.15

como en las tablas no aparece el valor para 61 gl en el

denominador se aproxim a 60gl

Dado que el valor del F calculado es mayor al F crtico, podemos decir el modelo estimado
se ajusta al anlisis del fenmeno econmico que en este caso es el consumo de los
hogares.

Entonces el conjunto de variables explicativas presentes en el modelo

efectivamente pertenecen a l, hay una significancia global. Rechazamos la nula y

concluimos que los parmetros del modelo son estadsticamente diferentes a cero.
3.6. Construya e interprete la tabla ANOVA. Sustente la relacin STC=SEC+SRC y el
valor del Fc.

ANOVAc,d
Modelo

Regresin

Suma de
cuadrados

Media
cuadrtica

gl

3343954,869

2 1671977,434

Residual

1,149E7

61

Total

1,483E7

63

F
8,876

Sig.
,000a

188364,410

a. Variables predictoras: YDST(-1), YDST

b. Esta suma de cuadrados total no se ha corregido para la constante porque la
constante es cero para la regresin a travs del origen.
c. Variable dependiente: CHST
d. Regresin lineal a travs del origen
La tabla anova o de anlisis de varianza se basa en el estudio de las relaciones entre los
componentes de la suma de cuadrados total, este tipo de anlisis establece otra forma de
hacer inferencia estadstica. Don de se debe cumplir la relacin: STC=SEC+SRC que
indica que la suma de cuadrados total que es para el modelo 1,483E7 y tiene 63 grados de
libertad que es el mismo nmero de observaciones pues al no estimar un intercepto en el
modelo, no se pierde el grado de libertad que esto representara, se descompone en: la SEC
suma explicada de cuadrados, que muestra la variabilidad de la endgena que es explicada
por el modelo estimado, es decir la funcin estimada, como vemos en la tabla esta es de
3343954,869 con dos grados de libertad pues como se ha mencionado esta es una regresin
a travs del origen; la SRC suma residual de cuadrados indica la variabilidad de la
endgena o dependiente que no es explicada por el modelo de regresin desarrollado, en la
tabla el valor es

1,149E7 y se relaciona con 61 grados de libertad que son las

observaciones menos los parmetros estimados. Con el mtodo de mnimos cuadrados

ordinarios se pretende reducir la SRC sin que sea igual a cero lo que se iguala a cero es la
sumatoria simple de los residuos.
La media cuadrtica de la SRC representa la varianza estimada del modelo de la cual ya
hablamos en este trabajo, la media cuadrtica de la SEC se utiliza para determinar el valor
del estadstico FC, que es igual al que calculamos anteriormente, lo nuevo a cerca de este
estadstico es que se presenta la probabilidad de cometer el error tipo I que es casi cero y
como es menor al 5% se concluye como en el anlisis de significancia global que las
variables pertenecen al modelo, son significativas globalmente.