UNIVERSIDAD MAYOR DE SAN ANDRES

FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS

CARRERA DE ECONOMIA

ASIGNATURA: C-115 ECONOMETRIA I

DOCENTE: Dr. JULIO HUMEREZ QUIROZ
I SEMESTRE-2021

TRABAJO PRACTICO N° 1
INSTRUCCIONES:
• El trabajo práctico debe elaborado y entregado en grupos de TRES personas, conformadas
por afinidad, que se mantendrá durante todo el semestre.
• El trabajo práctico debe ser entregado al AUXILIAR de la materia.

PARTE I: EJERCICIOS ANALITICOS

1. Para cada uno de los siguientes modelos:

𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 + 𝑢𝑖

𝑌𝑖 = 𝛽0 + 𝛽1 𝐼𝑛(𝑋𝑖 ) + 𝑢𝑖

𝐼𝑛(𝑌𝑖 ) = 𝛽0 + 𝛽1 𝐼𝑛(𝑋𝑖 ) + 𝑢𝑖

Se pide:
a) Interpretar los coeficientes 𝛽0 y 𝛽1 .
b) El efecto marginal de Y con respecto a X.
c) Elasticidad de Y con respecto a X.

2. En base a las siguientes especificaciones:

1
𝑌𝑖 = 𝛼0 + 𝛼1 ( ) + 𝑢𝑖
𝑋𝑖

𝐼𝑛(𝑌𝑖 ) = 𝛼0 + 𝛼1 𝑋𝑖 + 𝑢𝑖

1
𝐼𝑛(𝑌𝑖 ) = 𝛼0 + 𝛼1 ( ) + 𝑢𝑖
𝑋𝑖

Para cada uno de los modelos se pide:

a) Interpretar los coeficientes 𝛼0 y 𝛼1 .
b) El efecto marginal de Y con respecto a X.
c) Elasticidad de Y con respecto a X.

1
3. Dado el siguiente modelo estimado:
1
𝐼𝑛(𝑌̂𝑡 ) = 10.53892 + 0.00000226𝑋2𝑡 + 0.042878𝐼𝑛(𝑋3𝑡 ) − 27153.75 ( )
𝑋4𝑡
Y, teniendo en cuenta que los valores medios de 𝑌𝑡 , 𝑋2𝑡 , 𝑋3𝑡 , 𝑋4𝑡 son, respectivamente, 117108.4;
235017; 17291.82 y 223981.2

a) Interprete los coeficientes estimados.

b) Calcular el efecto marginal de 𝑌𝑡 con respecto a 𝑋2𝑡 , 𝑋3𝑡 , 𝑋4𝑡 .
c) Calcular las elasticidades de 𝑌𝑡 con respecto a 𝑋2𝑡 , 𝑋3𝑡 , 𝑋4𝑡 .

4. A partir de la siguiente regresión estimada:

1
𝑌̂𝑡 = −261.32 + 0.320197𝑋2𝑡 − 0.277161𝐼𝑛(𝑋3𝑡 ) + 3.97632 ( )
𝑋4𝑡

Sabiendo que: 𝑌̅ = 2169.356 , 𝑋̅2 = 1963.255 , 𝑋̅3 = 1456.346 , 𝑋̅4 = 1595.953

a) Interprete los coeficientes estimados del modelo.

b) Calcular el efecto marginal de 𝑌𝑡 con respecto a 𝑋2𝑡 , 𝑋3𝑡 , 𝑋4𝑡 .
c) Calcular las elasticidades de 𝑌𝑡 con respecto a 𝑋2𝑡 , 𝑋3𝑡 , 𝑋4𝑡 .

5. Para el siguiente modelo de regresión múltiple: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + 𝛽3 𝑋3𝑖 + 𝑢𝑖 se tiene la siguiente

información muestral:

𝒀 𝑿𝟐 𝑿𝟑
1 7 1
3 5 6
1 4 9
6 6 8
1 2 9

a) Escriba las matrices Y y X en base a los datos de la información muestral.

b) Obtenga los coeficientes 𝛽1 , 𝛽2 y 𝛽3 utilizando la fórmula matricial de MCO.

1
6. Se pretende estimar el siguiente modelo de regresión: 𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 (𝑋 ) + 𝑢𝑡 .
3𝑡
Se tiene la siguiente información muestral:

𝒀 𝑿𝟐 𝑿𝟑
1 2 4
5 5 9
8 3 6
4 1 2
9 7 13

2
 a) Escriba las matrices Y, X considerando los datos de la información muestral.
b) Obtenga los coeficientes 𝛽1 , 𝛽2 y 𝛽3 utilizando la fórmula matricial de MCO.

7. Usando datos del periodo 1995-2005 para Bolivia de las variables consumo nacional (C) y renta
nacional (R), a precios corrientes, se obtuvo la siguiente estimación:

𝐶𝑡 = 𝛽1 + 𝛽2 𝑅𝑡 + 𝑢𝑡

11 6021 5422
𝑋′𝑋 = ( ) ; 𝑋′𝑌 = ( )
6021 3443083 3104015

𝑆𝐶𝑅 = 182.1756 (𝑠𝑢𝑚𝑎 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠 𝑟𝑒𝑠𝑖𝑑𝑢𝑎𝑙𝑒𝑠)

Se pide:

a) Obtener las estimaciones por MCO.

b) Estimar la varianza de las perturbaciones 𝜎𝑢2 .
c) Obtener la matriz de varianzas y covarianzas de los coeficientes estimados.

8. Con información muestral relativa a las siguientes observaciones, se pretende estimar el modelo
de regresión:

𝑌𝑡 = 𝛾1 + 𝛾2 𝑋2𝑡 + 𝛾3 𝑋3𝑡 + 𝛾4 𝑋4𝑡 + 𝑢𝑡

A partir de:

14 85 532 2094 248

𝑋 ′ 𝑋 = ( 85 631 3126 13132 ) ; 𝑋 ′ 𝑌 = ( 1622 )
532 3126 20666 78683 9202
2094 13132 78683 317950 37592

∑(𝑌𝑡 − 𝑌̅)2 = 226.86

a) Obtener las estimaciones por MCO.

b) Estimar la varianza de las perturbaciones 𝜎𝑢2 .
c) Obtener la matriz de varianzas y covarianzas de los coeficientes estimados.

9. Considere el siguiente modelo: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + 𝛽3 𝑋3𝑖 + 𝑢𝑖 . Con los siguientes datos muestrales

𝒀 𝑿𝟐 𝑿𝟑
1 7 10
3 3 3
1 6 8
2 3 1
3 8 6
4 6 3
1 9 13

3
 Sabiendo, además, que la suma de cuadrados residuales (SCR) es 2.195756. Se pide:

a) Estimar el modelo por Mínimos Cuadrados Ordinarios.

b) Estimar la varianza de las perturbaciones 𝜎𝑢2 .
c) Estimar la matriz de varianzas y covarianzas de los coeficientes estimados.
d) Calcular el coeficiente de determinación 𝑅 2.

10. Sea el siguiente modelo: 𝑋𝑡 = 𝛼1 + 𝛼2 𝑊𝑡 + 𝛼3 𝑍𝑡 + 𝑢𝑡 . Con los siguientes datos

𝑿 0.6 0.8 0.6 0.5 0.6 0.9 -0.4

𝑾 0.8 0.6 0.4 0.4 0.5 0.5 0
𝒁 0.4 0.1 -0.1 0.3 0 -0.2 0.5

Conociendo, además, que la suma de cuadrados residuales (SCR)es 0.068135. Se pide:

a) Estimar el modelo por MCO.
b) Estimar la varianza de las perturbaciones 𝜎𝑢2 .
c) Estimar la matriz de varianzas y covarianzas de los coeficientes estimados.
d) Calcular el coeficiente de determinación 𝑅 2, y el coeficiente de determinación corregido 𝑅̅ 2.

11. Para un modelo de regresión con 2 variables explicativas se tiene la siguiente matriz X y el
vector de errores:

1 4 𝑨 𝑪
1 −2 1 4
𝑋= 1 1 4 𝑒= 5
1 −2 8 −7
(1 𝑩 2) (−1)
Determine los valores de A, B y C

12. Un investigador ha estimado el siguiente modelo con una muestra de 5 observaciones:

𝑌𝑡 = 𝛽1 + 𝛽2 𝑋𝑡 + 𝑢𝑡

Una vez realizada la estimación extravía toda la información de que disponía excepto la que
aparece en la siguiente tabla:

Núm. Obs. 𝑿𝒕 ̂𝒕
𝒖
1 1 2
2 3 -3
3 4 0
4 5 A
5 6 B

a) Determinar los valores de A y B.

b) Estimar la varianza de las perturbaciones aleatorias 𝜎𝑢2 .

4
13. Dado el siguiente modelo para el consumo de un producto, expresado en desviaciones respecto a
la media:
𝑦𝑡 = 𝛽2 𝑥2𝑡 + 𝛽3 𝑥3𝑡 + 𝑢𝑡

Donde: 𝑥2 =renta disponible; 𝑥3 =precio relativo del bien respecto al índice general de precios al
consumo, se dispone de la siguiente información:
2
∑ 𝑥2𝑡 2
∑ 𝑥3𝑡 ∑ 𝑦𝑡2 = 670
= 100000 ; = 850 ;

∑ 𝑥2𝑡 𝑥3𝑡 = 9000 ; ∑ 𝑥2𝑡 𝑦𝑡 = 8000 ; ∑ 𝑥3𝑡 𝑦𝑡 = 700

𝑌̅ = 54 ; 𝑋̅2 = 300; 𝑋̅3 = 30 ; 𝑇 = 5

a) Estimar los coeficientes del modelo y escríbalo como 𝑌̂𝑡 = 𝛽̂1 + 𝛽̂2 𝑋2𝑡 + 𝛽̂3 𝑋3𝑡 .
b) Obtener la matriz varianza y covarianza de los coeficientes estimados.
c) Obtener el coeficiente de determinación.

14. Considere el siguiente modelo de regresión, expresado en desvíos respecto a sus medias:

𝑦𝑖 = 𝛽2 𝑥2𝑖 + 𝛽3 𝑥3𝑖 + 𝑢𝑖

Se cuenta con una muestra de tamaño 100 y se cuenta con la siguiente información:
493
∑ 𝑦𝑖2 = 2
; ∑ 𝑥2𝑖 2
= 30 ; ∑ 𝑥2𝑖 =3
3

∑ 𝑥2𝑖 𝑦𝑖 = 30 ; ∑ 𝑥3𝑖 𝑦𝑖 = 20 ; ∑ 𝑥2𝑖 𝑥3𝑖 = 0

a) Obtener las estimaciones MCO de los parámetros 𝛽2 y 𝛽3 .

b) Calcular las desviaciones típicas de los estimadores.
c) Estimar el coeficiente de determinación.

15. Luego de estimar un modelo de regresión lineal por MCO, se obtuvieron los siguientes resultados:

𝑌̂𝑡 = 3.99 + 0.582𝑋2𝑡 𝑡: 1,2,3 … … . .100

(2.704) (0.0474)
𝑅 2 = 0.606

Los valores entre paréntesis representan las desviaciones estándar.

a) Realice la prueba de significancia individual utilizando el estadístico t, con un nivel de

significancia del 5%.
b) Lleve a cabo la prueba de significancia conjunta de los parámetros del modelo, con un nivel
de significancia del 5%.

5
16. Un investigador con datos para el periodo 1961-1974 estimó siguientes modelos para el consumo
nacional (C) en función de exportaciones (EX) e importaciones (IM):

𝑨) 𝐶𝑡 = 655.8 + 3.350𝐸𝑋𝑡 + 0.0556𝐼𝑀𝑡

(11.39) (4.282) (3.312)
𝑅 2 = 0.969 ∑ 𝑢̂𝑡2 = 526.23

𝑩) 𝐶𝑡 = 815 + 0.7945𝐼𝑀𝑡
(15,52) (11.6)
𝑅 2 = 0.9182 ∑ 𝑢̂𝑡2 = 647.86
Donde los valores entre paréntesis representan los estadísticos t.

Realice el contraste de significancia al 5% de las exportaciones (EX) mediante el estadístico t y F,

y compruebe que las conclusiones de ambos contrastes sean equivalentes.

17. Partiendo del siguiente modelo de regresión:

𝑌𝑡 = 𝛽0 + 𝛽1 𝑊𝑡 + 𝛽2 𝑍𝑡 + 𝑢𝑡

se realizó una estimación de la regresión con 53 observaciones por MCO y se obtuvo los siguientes
resultados

0.25 0.2 0.4 0.6

𝛽̂ = ( 1.3 ) ; 𝑉𝑎𝑟 − 𝑐𝑜𝑣 = (0.4 0.9 0.8) ; 𝜎̂𝑢2 = 1.6 ; 𝑅 2 = 0.65
2.6 0.6 0.8 1.2

Estime el intervalo de 95% de confianza de los coeficientes e interprete el resultado.

18. Considere la siguiente regresión:

𝑌𝑖 = 𝛼0 + 𝛼1 𝑋1𝑖 + 𝛼2 𝑋2𝑖 + 𝑢𝑖

y suponga que la estimación por MCO con 20 observaciones arrojó los siguientes resultados:

0.96587 0.2 0.4 0.6

𝛼̂ = (0.69914) ; 𝑉𝑎𝑟 − 𝑐𝑜𝑣 = (0.4 0.9 0.8) ; 𝜎̂𝑢2 = 1.6 ; 𝑅 2 = 0.65
1.7769 0.6 0.8 1.2

Se desea probar la siguiente hipótesis: 𝐻0 : 𝛼1 + 𝛼2 = 2.

6
 a) Realice el test haciendo uso del estadístico 𝑡.
b) Plantee la hipótesis en su forma 𝑅𝛽 = 𝑟.

19. En un estudio de determinantes de la inversión se usaron 20 datos anuales para las variables:
inversión anual en billones de pesetas (Y), tipo de interés en porcentaje (X1) y variación anual de
PIB en billones de pesetas (X2).

𝑌𝑡 = 𝛽0 + 𝛽1 𝑋1𝑡 + 𝛽2 𝑋2𝑡 + 𝑢𝑡

∑ 𝑋1𝑡 = 100 ∑ 𝑋2𝑡 = 24 ∑ 𝑌𝑡 = 5

∑ 𝑋1𝑡 𝑌𝑡 = −255 ∑ 𝑋2𝑡 𝑌𝑡 = 146 ∑ 𝑋1𝑡 𝑋2𝑡 = 100
2 2
∑ 𝑋1𝑡 = 680 ∑ 𝑋2𝑡 = 48.8 𝑅 2 = 0.9187
Se pide:
a) Estime el modelo por MCO.
b) Contraste la significación global del modelo a partir del porcentaje de evolución temporal de
la inversión que puede explicarse por la influencia lineal del tipo de interés y la variación
anual del PIB.
c) Contraste la hipótesis 𝛽1 = 1 y 𝛽2 = 2 mediante el test de Wald.

20. Se desea estudiar la influencia que sobre la demanda de carne de vacuno (Y) ha tenido el
precio de la carne de cerdo (X2) y de pollo (X3). Para ello se han tomado datos anuales para el
periodo 1979 - 2001, obteniéndose los siguientes resultados:

𝑌̂𝑡 = 2.1 + 0.7𝑋2𝑡 − 1.5𝑋3𝑡

𝑅 2 = 0.9 𝑆𝐶𝐸 = 1236

¿Se podría afirmar, para un nivel de confianza del 95%, que los precios no influyen sobre la
demanda de carne vacuno?

21. Se tiene el siguiente modelo estimado: 𝑌̂𝑡 = −0.0636 + 1.44𝑋2𝑡 − 0.4898𝑋3𝑡 , conoiendo que

0.1011 −0.0007 −0.0005

(𝑋 ′ 𝑋)−1 = (−0.0007 0.0231 −0.0162) ; 𝜎̂𝑢2 = 3.1799
−0.0005 −0.0162 0.0122

Contraste la siguiente hipótesis conjunta al 95% de nivel de confianza: 𝛽1 + 3𝛽2 = 2 , 𝛽3 = 1.

22. Considere la siguiente función de producción:

𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝑢𝑡

7
 donde Y es el logaritmo de producción, X2 el logaritmo de trabajo y X3 es el logaritmo del capital.
Los siguientes datos se refieren a una muestra de 23 empresas y las observaciones se miden en
forma de desviaciones con respecto a sus medias muéstrales

2
∑ 𝑥2𝑖 2
= 12 ; ∑ 𝑥3𝑖 = 12 ; ∑ 𝑥2𝑖 𝑥3𝑖 = 8
2
∑ 𝑦𝑖 = 10 ; ∑ 𝑦𝑖 𝑥2𝑖 = 10 ; ∑ 𝑦𝑖 𝑥3𝑖 = 8

Contraste la hipótesis de la existencia de rendimientos constantes a escala.

23. Se supone que el gasto de turismo internacional depende del nivel de renta del turista (Y), del
precio del producto turístico internacional (PI) y del precio del producto en el país de origen del
turista (PR). Por tanto, se especificó el siguiente modelo con 2000 observaciones:

𝐺𝑖 = 𝛽1 + 𝛽2 𝑌2𝑖 + 𝛽3 𝑃𝐼3𝑖 + 𝛽4 𝑃𝑅4𝑖 + 𝑢𝑖

Y se obtuvo la suma de cuadrados residuales igual a 4000.

Por otra parte, al estimar el modelo:

𝐺𝑖 = 𝛽1 + 𝛽2 𝑌2𝑖 + 𝑢𝑖

Se obtuvo una suma de cuadrados residuales de 5000.

a) Contraste conjuntamente, para un nivel de significancia del 5%, la hipótesis de que las dos
variables de precios (PI y PR) no tienen capacidad explicativa sobre el gasto en turismo
internacional (G).
b) Escriba las matrices R y r de la expresión general del estadístico del test de Wald.

24.Para el periodo 2001-2014 se estimó los siguientes modelos:

𝐴) 𝑦𝑡 = 369 + 4236𝑥1𝑡 + 0,86𝑥2𝑡 + 2,56𝑥3𝑡 𝑐𝑜𝑛 ∑ 𝑢̂𝑡2 = 359 (Modelo No Restringido)

2
𝐵) 𝑦𝑡 = 156 + 0,23𝑥3𝑡 𝑐𝑜𝑛 ∑(𝑌𝑡 − 𝑌̂𝑡 ) = 536 (Modelo Restringido)

Contraste la significancia conjunta del modelo mediante el estadístico F al 95% de confianza.

25. Se tiene la siguiente regresión estimada del salario (𝑊𝑡 ) en función de educación (𝐸𝐷𝑡 ) utilizando
una muestra para el periodo 1970-1995:

̂𝑡 = 62.4226 + 0.0376𝐸𝐷𝑡
𝑊 𝑅 2 = 0.7672 𝑆𝐶𝑅 = 23248.30

Para probar la hipótesis de quiebre estructural se estimó la regresión para los siguientes periodos:

1970-1981 ̂𝑡 = 1.0161 + 0.0803𝐸𝐷𝑡

𝑊 𝑅 2 = 0.9021 𝑆𝐶𝑅1 = 1785.02
1982-1995 ̂𝑡 = 153.4947 + 0.0148𝐸𝐷𝑡
𝑊 2
𝑅 = 0.2971 𝑆𝐶𝑅2 = 10005.22

8
 Se pide contratar la hipótesis de quiebre estructural mediante el test de Chow al 5% de nivel de
significancia.

26.Se pretende especificar un modelo para las ventas de una empresa (𝑉𝑡 ) y para ello se dispone de
datos trimestrales desde el primer trimestre de 1980 hasta el cuarto de 1995, siendo, por tanto, el
número de observaciones disponibles 64. Se estima el modelo:

𝑉𝑡 = 𝛼 + 𝛽𝑡 + 𝑢𝑡

Donde 𝑡 es la variable tiempo y toma valores 𝑡 = 1,2,3, … . ,64.

El siguiente grafico corresponde a las ventas reales, ventas estimadas y errores de esta regresión:

A partir del grafico se puede observar posibles indicios de cambio estructural. Realice el contraste
correspondiente, sabiendo que los resultados de la SCR (Suma de Cuadrados Residuales) al
estimar el modelo anterior para las submuestras 1980-1987 y 1988-1985, respectivamente, son:

𝑆𝐶𝑅80−87 = 18612.45 𝑆𝐶𝑅88−95 = 17267.72

Y que la SCR para la muestra total es 505628.4

27. La estimación de un modelo con datos centrados correspondiente a 100 observaciones

proporciona la siguiente estimación: 𝑦̂𝑡 = 𝑥2𝑡 + 6.6𝑥3𝑡 , obtenido conociendo la siguiente matriz

0.033 0
(𝑥 ′ 𝑥)−1 = ( )
0 0.333

Se sabe, además, que 𝜎̂𝑢2 = 0.0103.

9
 a) Realice el pronóstico (puntual) para la variable 𝑦𝑡=101, sabiendo que 𝑥2 = 0.13 y 𝑥3 = 0.25.
b) Obtenga la varianza del error de pronóstico.
c) Obtenga un intervalo de confianza del 95% para el pronóstico realizado.

28. Se ha recogido información del gasto de personal (Y), del número de personas que componen la
plantilla (X1) y del número medio de horas extras que se realizan a la semana (X2). Se estimó el
gasto en función de estas variables, obteniéndose los siguientes resultandos:

𝑌̂𝑡 = 303.5 + 2.3𝑋1𝑡 − 25.07𝑋2𝑡 + 0.2𝑋1𝑡 𝑋2𝑡

Además, se conoce que

0.196116 −0.000119 −0.002773 0.0000170

(𝑋 ′ 𝑋) −1
=( −0.000119 0.0000010 0.000018 −0.0000001) ; 𝜎̂ 2 = 5213.1
0.000506 −0.000003 𝑢
−0.002773 0.000018
0.0000170 −0.0000001 −0.000003 0.00000002

a) Realice el pronóstico (puntual) para la variable 𝑌𝑡 , para el caso en el que el tamaño de la

plantilla sea 250 y el número medio de horas extras semanales de 4.
b) Calcule la varianza del error de pronóstico.
c) Obtenga un intervalo de confianza del 95% para el pronóstico realizado.

29. Para estimar el modelo 𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝑢𝑡 se cuenta con una muestra, de la cual se
obtuvo la siguiente información:

14 7 14 10 2
′
𝑋 𝑋 = ( 7 4.5 7 ) ; 𝑋 𝑌 = ( 6 ) ; 𝑌 ′ 𝑌 = 14 ; ∑(𝑌𝑡 − 𝑌̂𝑡 ) = 1.8571
′

14 7 15 12

Se pide:
a) Estimar los coeficientes del modelo por MCO.
b) Contrastar la hipótesis 𝛽2 + 1 = 𝛽3 .
c) Realizar el pronóstico (puntual) para la variable Y sabiendo que 𝑋2 = 5 y 𝑋3 = 7.
d) Determinar la varianza del error de pronóstico.
e) Calcular el intervalo de pronostico al 95% de confianza para Y.

30. Con información muestral con 14 observaciones, se pretende estimar el siguiente modelo de
regresión:

𝑌𝑡 = 𝛽0 + 𝛽1 𝑋1𝑡 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝑢𝑡

14 85 532 2094 248

85 631 3126 78683 1622
𝑋′𝑋 = ( ); 𝑋′ 𝑌 = ( ) ; 𝜎̂𝑢2 = 6.7308
532 3126 20666 78683 9202
2094 13132 78683 317950 37592

10
 a) Estimar los coeficientes del modelo por MCO.
b) Contrastar la hipótesis 𝛽1 + 3𝛽2 = 2 , 𝛽3 = 1.
c) Realizar el pronóstico (puntual) para la variable Y sabiendo que 𝑋1 = 35.4, 𝑋2 = 29.3 y 𝑋3 =
94.7, y determine la varianza del error de pronóstico.
d) Calcular el intervalo de pronostico al 95% de confianza para Y.

PARTE II: EJERCICIOS COMPUTACIONALES

1. Considere la siguiente especificación para la función de producción de soya de la economía

boliviana:

𝛽 𝛽
𝑌𝑡 = 𝛽0 𝐿𝑡 1 𝐾𝑡 2 𝑒 𝑢𝑡

Donde la producción de soya (𝑌𝑡 ) está expresada en millones de unidades monetarias constantes
de 1990, el factor trabajo (𝐿𝑡 ) en millones de horas hombre trabajadas, y el stock de capital (𝐾𝑡 )
en miles de unidades monetarias, para el periodo 1992-2018.

Los datos se encuentran en el archivo “Datos_TP1.xlsx”, hoja 1. Se pide:

a) Estimar las elasticidades de la producción de soya respecto al trabajo y capital.

b) Interprete los coeficientes estimados.
c) Contraste la significancia individual del trabajo y el capital.
d) Contraste la hipótesis de rendimientos constantes a escala.
e) Contraste la significancia global del modelo.
f) Realice el contraste de cambio estructural mediante el test de chow, suponiendo que hay
indicios de cambio estructural a partir de 2004.
g) Conociendo para 2019 los valores del capital 𝐾2019 = 989.36 y trabajo 𝐿2019 = 459.13,
pronostique el valor del producto para 2019 y calcule un intervalo de confianza al 95% de
nivel de confianza.

2. Para analizar la demanda de dinero para la economía boliviana del periodo 1995-2015 se
especifica el siguiente modelo:

𝐿𝑜𝑔(𝑀2𝑡 ) = 𝛽1 + 𝛽2 𝐿𝑜𝑔(𝑃𝐼𝐵𝑅𝑡 ) + 𝛽3 𝑅𝐴𝑡 + 𝛽4 𝑅𝑃𝑡 + 𝑢𝑡

Donde:
𝑀2𝑡 : 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝐷𝑖𝑛𝑒𝑟𝑜
𝑃𝐼𝐵𝑅𝑡 : 𝑃𝑖𝑏 𝑅𝑒𝑎𝑙
𝑅𝐴𝑡 ∶ 𝑇𝑎𝑠𝑎 𝑑𝑒 𝐼𝑛𝑡𝑒𝑟𝑒𝑠 𝐴𝑐𝑡𝑖𝑣𝑎 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜
𝑅𝑃𝑡 ∶ 𝑇𝑎𝑠𝑎 𝑑𝑒 𝐼𝑛𝑡𝑒𝑟𝑒𝑠 𝑃𝑎𝑠𝑖𝑣𝑎 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜

Con los datos del archivo “Datos_TP1.xlsx”, hoja 2, se pide:

a) Estimar el modelo por Mínimos Cuadrados Ordinarios.

b) Interpretar los coeficientes estimados.

11
c) Contrastar la significancia individual del PIB y de las tasas de interés.
d) Contrastar las siguientes hipótesis:

▪ 𝐻0 : 𝛽2 = 12𝛽4

▪ 𝐻0 : 3𝛽1 + 4𝛽2 + 𝛽3 = 40

▪ 𝐻0 : 𝛽1 + 5𝛽3 , 2𝛽2 + 2𝛽3 + 8𝛽4 = 60

e) Contrastar la significancia global del modelo.

f) Contrastar la existencia de cambio estructural, suponiendo un cambio a partir de 2006.
g) Conociendo los datos para 2019: 𝑃𝐼𝐵𝑅2016 = 1634239.63, 𝑅𝐴2016 = 3.68, 𝑅𝑃2016 = 6.45,
pronosticar el valor de la demanda de dinero para 2016 y elaborar un intervalo de confianza
al 95% de nivel de confianza.

12