Arstides Torche
Supngase que se desea calcular las elasticidades precio, ingreso y poblacin de una curva de
demanda. En primer lugar es necesario preguntarse que informacin se requiere. Las variables que
habitualmente se han considerado son las siguientes: cantidad consumida (demandada), precio
del bien, precio de sustitutos y complementos, ingreso per cpita, poblacin y otras variables de
acuerdo al bien cuya demanda se desee calcular.
Un segundo punto se refiere a la ecuacin con que se relacionaran las variables. Las ms conocidas
son la lineal y la doble logartmica. En este caso se harn ambas regresiones
Para calcular el modelo lineal se emplearn las cifras que se presentan en el cuadro adjunto:
Obs aos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Q
1264
1329
1394
1459
1527
1591
1654
1719
1788
1848
1915
1982
2044
2110
2174
2241
2303
2371
2436
2500
2565
2630
2696
2759
Pb
2201,0
2359,4
2401,2
2450,4
2506,8
2570,3
2641,0
2718,9
3436,5
3550,0
3672,9
3805,6
4265,3
5241,2
5378,0
5887,7
6054,5
7756,7
7991,8
8874,3
9673,5
10241,0
11012,9
11513,6
PSUS
2,5
2,5
2,5
2,5
2,5
2,5
2,5
2,5
3,5
3,5
3,5
3,5
3,5
3,9
3,9
3,9
3,9
4,2
4,2
5,1
5,9
6,3
7
7,2
POB
120
122
124
127
129
131
134
136
141
143
146
149
154
163
165
171
175
187
191
194
198
202
205
209
YCAP
3560
3850
4005
4165
4331
4505
4685
4872
5270
5480
5700
5928
6411
7074
7286
7730
7962
8961
9230
9507
9792
10086
10388
10700
Para calcular el modelo doble logartmico se construir la base de datos con los logaritmos de las
variables tal como se presenta en el cuadro siguiente.
LQ
3,10184853
3,12362393
3,14430034
3,1640935
3,18382668
3,20156252
3,21864385
3,23535596
3,25232182
3,26671132
3,28222941
3,29719802
3,31052861
3,32426986
3,33721506
3,35035185
3,36236028
3,37501433
3,38663789
3,39792107
3,40902207
3,41991196
3,43079904
3,44073011
LPb
3,3426209
3,37279758
3,38042577
3,38923386
3,39911902
3,40999132
3,42177162
3,43438996
3,53611355
3,55022806
3,56501315
3,58042403
3,62995167
3,71943403
3,73061985
3,76994758
3,78207578
3,88967561
3,90264418
3,94813241
3,98558573
4,0103403
4,04190242
4,06120929
LPSUS
0,39794001
0,39794001
0,39794001
0,39794001
0,39794001
0,39794001
0,39794001
0,39794001
0,54406804
0,54406804
0,54406804
0,54406804
0,54406804
0,59106461
0,59106461
0,59106461
0,59106461
0,62324929
0,62324929
0,70757018
0,77085201
0,79934055
0,84509804
0,8573325
LPOB
2,07918125
2,08692902
2,0946768
2,10242458
2,11017236
2,11792014
2,12566791
2,13341569
2,14891125
2,15665903
2,1644068
2,17215458
2,18765014
2,21089347
2,21864125
2,23413681
2,24188458
2,2728757
2,28062347
2,28878115
2,29652892
2,3042767
2,31202448
2,31977226
LYCAP
3,55145
3,58551668
3,60255002
3,61958336
3,63661669
3,65365003
3,67068337
3,68771671
3,72178339
3,73881673
3,75585007
3,77288341
3,80695009
3,84965788
3,8624951
3,88816955
3,90100677
3,95235567
3,9651929
3,97803012
3,99086735
4,00370457
4,0165418
4,02937902
Luego es conveniente familiarizarse con las caractersticas de las variables. Para ello existen varios
comandos:
list para verlas todas en conjunto.
Summarize para ver sus caractersticas estadsticas
graph para ver su comportamiento en el tiempo o en relacin con otras variables.
correlate para determina las relaciones lineales entre ellas.
El comando list entrega los valores de las variables consideradas
Nota estos comandos se aplicaran a las variables de la primera base de datos.
. list q pb psus pob ycap
1.
2.
3.
q
1264.295
1329.303
1394.121
pb
2201.004
2359.378
2401.186
psus
2.5
2.5
2.5
pob_mile
120
122.16
124.3589
ycap
3560
3850.496
4004.516
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
1459.128
1526.957
1590.606
1654.413
1719.317
1787.812
1848.04
1915.267
1982.431
2044.225
2109.939
2173.777
2240.536
2303.352
2371.452
2435.779
2499.891
2564.614
2629.735
2696.491
2758.863
2450.382
2506.796
2570.344
2641.02
2718.879
3436.478
3549.998
3672.934
3805.608
4265.32
5241.24
5377.988
5887.726
6054.465
7756.675
7991.792
8874.266
9673.547
10240.95
11012.92
11513.55
2.5
2.5
2.5
2.5
2.5
3.5
3.5
3.5
3.5
3.5
3.9
3.9
3.9
3.9
4.2
4.2
5.1
5.9
6.3
7
7.2
126.5973
128.8761
131.1959
133.5574
135.9614
140.9001
143.4363
146.0181
148.6465
154.0459
162.515
165.4403
171.4497
174.5358
187.4458
190.8198
194.438
197.9379
201.5008
205.1278
208.8201
4164.696
4331.284
4504.536
4684.717
4872.106
5269.669
5480.457
5699.675
5927.662
6411.359
7073.883
7286.1
7729.823
7961.718
8960.983
9229.813
9506.707
9791.908
10085.67
10388.24
10699.88
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------q |
24
2012.458
459.7719
1264
2759
pb |
24
5341.854
3078.482
2201
11513.6
psus |
24
3.875
1.449813
2.5
7.2
pob |
24
159
29.72482
120
209
ycap |
24
6728.25
2357.715
3560
10700
-------------+-------------------------------------------------------lq |
24
3.292353
.102952
3.101849
3.44073
lpb |
24
3.660569
.2451508
3.342621
4.061209
lpsus |
24
.5622838
.1498288
.39794
.8573325
lpob |
24
2.194192
.0804336
2.079181
2.319772
lycap |
24
3.801727
.1550955
3.55145
4.029379
Cuando se desea obtener mas informacin de una sola variable por ejemplo
precio (pb) se emplea el comando summmarize con el agregado detail
Summarize pb, detail
Pb
------------------------------------------------------------Percentiles
Smallest
1%
2201
2201
5%
2359.4
2359.4
10%
2401.2
2401.2
Obs
24
25%
2605.65
2450.4
Sum of Wgt.
24
50%
4035.45
75%
90%
95%
99%
Largest
9673.5
10241
11012.9
11513.6
7874.25
10241
11012.9
11513.6
Mean
Std. Dev.
5341.854
3078.482
Variance
Skewness
Kurtosis
9477051
.7345044
2.139824
2000
4000
6000
8000
10000
10
15
20
25
tiempo
Q
YCAP
Source |
SS
df
MS
-------------+-----------------------------Model | 4848536.55
4 1212134.14
Residual | 13437.4087
19 707.232037
-------------+-----------------------------Total | 4861973.96
23 211390.172
Number of obs =
F( 4,
19)
Prob > F
R-squared
Adj R-squared
Root MSE
24
= 1713.91
= 0.0000
= 0.9972
= 0.9967
= 26.594
-----------------------------------------------------------------------------q |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------pb | -.1908073
.0159062
-12.00
0.000
-.2240993
-.1575154
psus |
152.6666
17.11665
8.92
0.000
116.841
188.4921
pob |
22.00833
10.96962
2.01
0.059
-.9513557
44.96801
ycap |
.0723776
.1345184
0.54
0.597
-.2091726
.3539279
_cons | -1546.159
832.4968
-1.86
0.079
-3288.594
196.2772
Number of obs
F( 4,
19)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
24
.
0.0000
1.0000
1.0000
.00032
-----------------------------------------------------------------------------lq |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
---------+-------------------------------------------------------------------lpb | -.8032228
.0059815
-134.284
0.000
-.8157422
-.7907033
lpsus |
.3012374
.0022254
135.362
0.000
.2965795
.3058952
lpob |
1.004204
.0261102
38.460
0.000
.9495549
1.058853
lycap |
1.121931
.0072423
154.915
0.000
1.106773
1.137089
_cons | -.4054682
.0154435
-26.255
0.000
-.4377919
-.3731446
regress
Source |
SS
df
MS
-------------+-----------------------------Model | 4848536.55
4 1212134.14
Residual | 13437.4087
19 707.232037
-------------+-----------------------------Total | 4861973.96
23 211390.172
Number of obs
F( 4,
19)
Prob > F
R-squared
Adj R-squared
Root MSE
=
24
= 1713.91
= 0.0000
= 0.9972
= 0.9967
= 26.594
-----------------------------------------------------------------------------q |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------pb | -.1908073
.0159062
-12.00
0.000
-.2240993
-.1575154
psus |
152.6666
17.11665
8.92
0.000
116.841
188.4921
pob |
22.00833
10.96962
2.01
0.059
-.9513557
44.96801
ycap |
.0723776
.1345184
0.54
0.597
-.2091726
.3539279
_cons | -1546.159
832.4968
-1.86
0.079
-3288.594
196.2772
------------------------------------------------------------------------------
predict e, resid
*Medidas resumenes de las variables y de los indicadores
estat sum
Estimation sample regress
Number of obs =
24
------------------------------------------------------------Variable |
Mean
Std. Dev.
Min
Max
-------------+----------------------------------------------q |
2012.458
459.7719
1264
2759
pb |
5341.854
3078.482
2201
11513.6
psus |
3.875
1.449813
2.5
7.2
pob |
159
29.72482
120
209
ycap |
6728.25
2357.715
3560
10700
------------------------------------------------------------estat vce
Covariance matrix of coefficients of regress model
e(V) |
pb
psus
pob
ycap
_cons
-------------+----------------------------------------------------------pb | .00025301
psus | -.21581374
292.97955
pob | -.05662578
41.862678
120.33261
ycap | .00051301
-.4187138 -1.4682237
.0180952
_cons |
estat ic
5.0365854
-3821.4049
-9114.0396
110.58063
693050.9
----------------------------------------------------------------------------Model |
Obs
ll(null)
ll(model)
df
AIC
BIC
-------------+--------------------------------------------------------------. |
24
-180.6813
-109.9875
5
229.9749
235.8652
-----------------------------------------------------------------------------
=
=
3.71
0.0542
=
=
15.90
0.3197
--------------------------------------------------Source |
chi2
df
p
---------------------+----------------------------Heteroskedasticity |
15.90
14
0.3197
Skewness |
2.98
4
0.5614
Kurtosis |
0.08
1
0.7796
---------------------+----------------------------Total |
18.95
19
0.4598
--------------------------------------------------*Tests de autocorrelacin para series de tiempo. En primer trmino es
necesario generar una variable de paso del tiempo (t) y referir todas las
otras variables a ella (tsset t)
gener t=_n
tsset t
estat dwatson
Durbin-Watson d-statistic(
estat durbinalt
5,
24) =
1.173594
*/
CUSUM
CUSUM
24
t
CUSUM squared
CUSUM squared
24
t
*TEST DE HIPOTESIS
Se puede calcular nuevamente la regresin para estar seguro cual es el modelo del que se calculan
los tests
regress
( 1) psus = 0
( 2) pob = 0
F( 2, 19) = 39.78
Prob > F = 0.0000
test (psus=0) (pob=0), mtest /* test separado y conjunto */
( 1) psus = 0
( 2) pob = 0
| F(df,19) df
p
-------+------------------------------(1) |
79.55 1 0.0000 #
(2) |
4.03 1 0.0593 #
-------+------------------------------all |
39.78 2 0.0000
--------------------------------------# unadjusted p-values
.
Test de igualdad de parmetros
test pob=ycap
( 1) pob - ycap = 0
F( 1, 19) = 3.90
Prob > F = 0.0629
/* test no lineales */
_nl_1: _b[pob]/8*_b[ycap]-1
-----------------------------------------------------------------------------q | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------_nl_1 | -.8008861 .2714997 -2.95 0.008 -1.369142 -.2326307
------------------------------------------------------------------------------