TAREA: EJERCICIO PRÁCTICO DE PRUEBA DE HIPÓTESIS Y ANÁLISIS DE

COLINEALIDAD

1. Con el archivo table_7.11 desarrolle el ejercicio 7.22 de Gujarati (pág 224)

7.22 La tabla 7.11 suministra datos sobre el sector manufacturero de la economía griega de
1961 a 1987.
b) Ahora considere el siguiente modelo:
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛
= 𝐴(𝐾/𝐿)𝛽 𝑒 𝑢
𝑇𝑟𝑎𝑏𝑎𝑗𝑜
Donde la variable regresada representa la productividad del trabajo, y la regresora, la razón
capital-trabajo. ¿Cuál es la importancia económica de dicha relación, si existe alguna?
Estime los parámetros de este modelo e interprete los resultados.
La importancia económica de esta relación es que en las teorías de desarrollo económico, la
proporción de capital sobre trabajo explica en gran medida las causas del desarrollo entre
países, esto es, el nivel de tecnificación de la economía conduce a brechas de desarrollo muy
diferentes.
Estimación
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛
Llamamos a la variable endógena como la productividad del trabajo (𝑃𝑟𝑜𝑑 𝑇𝑟𝑎𝑏 ).
𝑇𝑟𝑎𝑏𝑎𝑗𝑜
Procedemos a sacar logaritmo natural a ambos lados de la ecuación:

ln(𝑃𝑟𝑜𝑑 𝑇𝑟𝑎𝑏 ) = ln[𝐴(𝐾/𝐿)𝛽 𝑒 𝑢 ]

𝐾
ln(𝑃𝑟𝑜𝑑 𝑇𝑟𝑎𝑏 ) = ln 𝐴 + 𝛽 ln ( ) + 𝑢 ln 𝑒
𝐿
Como ln 𝑒 = 1 y definimos ln 𝐴 como una constante 𝑐, el modelo se vuelve:
𝐾
ln(𝑃𝑟𝑜𝑑 𝑇𝑟𝑎𝑏 ) = c +𝛽 ln ( ) + 𝑢
𝐿
Estimamos el modelo por MCO y tenemos:
Este modelo tiene la siguiente ecuación de regresión:
𝐾
ln(𝑃𝑟𝑜𝑑 𝑇𝑟𝑎𝑏 ) = −1.156 +0.68 ln ( ) + 𝑢
𝐿
Observamos que, ceteris paribus, si el ratio capital/trabajo (𝐾/𝐿) se incrementa en un 1%, la
productividad del trabajo (𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛/ 𝑇𝑟𝑎𝑏𝑎𝑗𝑜) aumenta en promedio 0.68%. El término
de la constante dice que cuando las no hay inversión de capital por unidad de trabajo, la
productividad es negativa. También observamos que ambas variables son significativas tanto
al 5%, como al 1%, ya que el 𝑝𝑣𝑎𝑙𝑢𝑒 = 0.000 < 1% 𝑦 5%.
Además:
a. Ajuste por separado un modelo del logaritmo del producto en función del logaritmo
de cada uno de los factores productivos. Comente los resultados y compárelos con
el modelo estimado en 1.a.
El modelo propuesto será:
ln 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑜 = 𝛽0 ln 𝐴 + 𝛽1 ln 𝐾 + 𝛽0 ln 𝐿 + 𝑢
Calculamos la regresión por MCO para este modelo y tenemos:

La ecuación de regresión es:

 ln 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑜 = −11.93 + 0.139 ln 𝐾 + 2.33 ln 𝐿 + 𝑢
Observamos que, ceteris paribus, si el capital (𝐾) se incrementa en un 1%, el producto (
𝑂𝑢𝑡𝑝𝑢𝑡) aumenta en promedio 0.139%. Además, ceteris paribus, si el trabajo (𝐿) se
incrementa en un 1%, el producto ( 𝑂𝑢𝑡𝑝𝑢𝑡) aumenta en promedio 2.32%. El término de la
constante dice que cuando las no hay inversión ni en capital ni en trabajo el producto es de
-11.93 unidades. También observamos que ambas las variables trabajo y la constante son
significativas tanto al 5%, como al 1%, ya que el 𝑝𝑣𝑎𝑙𝑢𝑒 = 0.000 < 1% 𝑦 5%, mientras que
la variable capital resulta ser no significativa a todos los niveles de significancia permitidos
(𝑝𝑣𝑎𝑙𝑢𝑒 = 0.406 < 1%, 5%, 10% )
A comparación del modelo al punto 1.a, este modelo tiene un mayor poder de explicación
pues la medida de bondad de ajuste es 𝑅 2 = 0.97, y la del modelo anterior es 𝑅 2 = 0.90, esto
se debe a que el modelo estimado inmediatamente anterior cuenta con una variable adicional
que da mayor porcentaje de explicación acumulada. Sin embargo, en este nuevo modelo el
coeficiente de la variable capital resulta ser no significativa.

b. Sospecha usted que la función Cobb-Douglas estimada en la parte 1.a tenga

problemas de colinealidad.
No, ya que aunque existe un 𝑅 2 muy alto, los coeficientes de las variables son
estadísticamente significativos. La forma más directa de ver colinealidad es observar la
medida de bondad de ajuste y la significancia de los coeficientes de los parámetros.
c. Para la función Cobb-Douglas estimada en la parte 1.a lleve a cabo las pruebas de
significancia individual.
Para la prueba de significancia individual, utilizamos una prueba bilateral o de dos colas.
Esta prueba tiene la siguiente hipótesis nula:
𝐻0 : 𝛽𝑖 = 0
Utilizamos la prueba t para hallar la significancia individual

𝛽̂𝑖 − 𝛽𝑖
𝑡=
𝑒𝑒(𝛽̂𝑖 )

Contrastando con el t calculado con 592 gl y α=5%. Obtenemos los siguientes contrastes
𝑡𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑜 = 2,05
 Variable ̂ 𝒊 − 𝜷𝒊
𝜷 Regla de Significancia
𝒕= decisión
𝒆𝒆(𝜷 ̂𝒊)

𝐿𝑐𝑙𝑟𝑎𝑡𝑖𝑜 15.29 |𝑡| > 𝑡𝛼,𝑔𝑙 Significativo

2
𝐶𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 -15.58 |𝑡| > 𝑡𝛼,𝑔𝑙 Significativo
2

Así, observamos que aplicando la prueba t bilateral, las dos variables del modelo resultan
estadísticamente significativas al nivel de significancia de y α=5%.
d. Para la función Cobb-Douglas estimada en la parte 1.a lleve a cabo las pruebas de
significancia global y la prueba de normalidad de los residuos.
La hipótesis de significancia global dice que los parámetros del modelo son simultáneamente
igual a cero. Esta prueba es la siguiente
𝐻0 : 𝛽1 = ⋯ = 𝛽𝑘 = 0
Para realizar esta prueba calculamos un estadístico F, de la siguiente forma:
𝑅 2 /(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )/(𝑛 − 𝑘)

Este estadístico F se contrasta contra un F tabulado. El r cuadrado para el modelo estimado

en el punto 1.a es 𝑅 2 = 0.90. Remplazando esta información junto con los grados de libertad
tanto en el numerador como en el denominador, tenemos:

0.90/(2 − 1)
𝐹=
(1 − 0.90)/(27 − 2)
0.90
𝐹=
0.004

𝐹 = 225

Observamos que el estadístico F tabulado, para 1 grado de libertad en el numerador, 25

grados de libertad en el denominador y 𝛼 = 5%, es igual a 𝐹𝑡𝑎𝑏 = 4.24

Como 𝐹𝑐𝑎𝑙𝑐𝑢 = 225 > 𝐹𝑡𝑎𝑏 , rechazamos la hipótesis nula de que las betas estimados en el
modelo sean simultáneamente igual a 0. Entonces el modelo es significativo de forma global.
Normalidad
Para analizar la normalidad del modelo econométrico estimado en el punto 1.a, hacemos un
análisis gráfico de los residuos del modelo:
A primera vista se observa que los residuos no se distribuyen en torno a una media cero, y
los datos presentan fuertes asimetrías. Sin embargo se tienen que hacer pruebas formales para
concluir si existe o no normalidad de los residuos.
Para realizar la prueba de Jarque-Bera de forma manual, calculamos los momentos de la
distribución de densidad, que son la curtosis y la asimetría, del siguiente modo:

Curtosis (K) = 1.88

Asimetría (S)= 0.258

Remplazamos los anteriores valores en la ecuación del estadístico Jarque-Bera para

contrastar la hipótesis de normalidad. La hipótesis nula de esta prueba es que los residuos
están normalmente distribuidós:
𝐻0 : 𝑟𝑒𝑠𝑖𝑑𝑢𝑜𝑠 𝑛𝑜𝑟𝑚𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖𝑑𝑜𝑠
𝑆 2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 [ + ]
6 24
:
−0.252 (1.88 − 3)2
𝐽𝐵 = 27 [ + ]
6 24

𝐽𝐵 = 1.12
Constrastamos con un estadístico chi cuadrado con 2 grados de libertad y un nivel de
significancia del 5%:
𝜒 2 = 5.99

Como: 𝐽𝐵 < 𝜒 2 → 𝑁𝑅𝐻0

Decimos que los residuos siguen una distribución normal. Sin embargo, debido a que
tenemos pocos datos, el resultado se debe analizar con mayor cautela. En conclusión, los
residuos del modelo siguen una distribución normal.