Universidad San Francisco de Quito

Colegio de Administración y Economía (CADE)

Principios de Econometria 2018-2019 II
Profesor: Sergio Parra-Cely
Taller N° 3

Ejercicio 1: Teoria Keynesiana del Multiplicador del Gasto

En la teoría Keynesiana el multiplicador del gasto se puede escribir como

∆Y 1
=
∆G 1 − PMC
donde Y es ingreso nacional (medido en millones de dólares), G es gasto del gobierno (medido en
millones de dólares) y P M C es la propensión marginal a consumir de la población. Supongamos que se
estima la propensión marginal a consumir a través de una regresión simple del consumo C en función
del ingreso Y basada en una muestra aleatoria de la población de hogares representativa a nivel
nacional:

Ĉ = 0,8 + 0,63Y
(0,01) (0,009)
R 2
= 0,47; n = 398

a) La teoría Keynesiana del consumo conjetura que la verdadera P M C es menor a uno. Verique con
una prueba de hipótesis si esta conjetura es consistente con los datos al 5 % de signicancia estadística.
Encuentre el multiplicador del gasto de la teoría Keynesiana en este caso e interprete lo que encuentra.

b) Encuentre un intervalo de conanza al 95 % para la propensión marginal a consumir. Suponga que la

verdadera PMC es 0.66 y verique si está en el intervalo. Encuentre el multiplicador de gasto con este
valor. ¾Son signicativamente diferentes las respuestas encontradas para el multiplicador con la PMC
estimada y la verdadera? Para responder esta pregunta considere el siguiente argumento del famoso
econometrista Arthur Goldberger (1991)1

Cuando una hipótesis nula, digamos βj = 1, se especica, lo que se busca es que βj esté
cercano a 1, tan cerca que para todos los propósitos prácticos pudiera ser tratada como si
fuera 1. Pero el que 1.1 sea "prácticamente lo mismo que" 1.0 es un asunto de economía,
no de estadística. No se puede resolver el asunto apoyándose en una prueba de hipótesis
porque el estadístico de prueba [t=(bj -1)/σ̂bj ] mide el coeciente estimado en unidades de
errores estándar, las cuales no tienen signicado para medir el parámetro económico βj − 1.
Puede ser una buena idea reservar el término "signicancia" para el concepto estadístico,
adoptando la palabra "sustancial" para el concepto económico.

1
Goldberger, A. (1991) A Course in Econometrics . Harvard University Press.

1
Ejercicio 2: Rendimientos a Escala en Una Industria Regulada (Nerlove, 1963)

Utilice la base de datos N ERLOV E63 disponible en el D2L para realizar el siguiente ejercicio. El
artículo de Nerlove2 de 1963 es un clásico en el estudio de los rendimientos a escala en una industria
regulada. La oferta de electricidad en los años 50 en EEUU tenía las siguientes características
i) Monopolios privados locales ofrecían la electricidad basada en la demanda local.
ii) Precios de la electricidad (tasas por vatio ) los establecían la comisión de regulación del sector.
iii) Precios de los factores (e.g. tasa de salario) eran exógenos a la rma , ya sea porque había compe-
tencia perfecta en el mercado de factores o contratos de largo plazo con sindicatos laborales.
Nerlove conformó una base de datos de corte transversal de 145 rmas en 44 estados de los estados
unidos en 1955.3 Las variables observable fueron costos totales (denotado costs y medidos en millones
de dólares), precios de factores (tasa salarial denotado plabor, precio de combustible denotado pfuel, y
precio del capital arrendado por las rmas denotado pkap ) y producto (denotado output y medido en
mil millones de Kwh o billones de Kwh en la medida norteamericana e inglesa).4
En principio al tenerse costos totales y producto total se podría representar la curva de costo medio
(Average cost) y determinar si tiene pendiente negativa lo que sugeriría rendimientos crecientes. Esto
en realidad no es posible ya que existe heterogeneidad al interior de las rmas en cuanto a su eciencia
(inobservable) lo que implica curvas de costo medio diferentes por rma. Para salir de este impase
Nerlove utiliza una función de producción Cobb-Douglas paramétrica

Qi = Ai xαi1 xβi2 xγi3

donde Qi es el producto de la rma i, x1i es trabajo contratado por la rma i, xi2 es la utilización de
capital por la rma i, y xi3 es combustible utilizado por la rma i. El residuo de solow esta denotado
como Ai . La suma α + β + γ ≡ r determinan los rendimientos a escala. Se asume que r no cambia con
Q aunque si r > 1 tendríamos rendimientos crecientes a escala. La minimización de costos en micro
para una función de esta forma implica que la función de costos totales viene dada por
 − 1 1 α β γ
T Ci = r Ai αα β β γ γ r
Qir pi1r pi2
r r
pi3 (1)

donde T Ci son costos totales de la rma i mientras que pi1 , pi2 y pi3 son los precios correspondientes
de los factores (trabajo, capital y combustible respectivamente). Tomando logaritmos a ambos lados
en (1) obtenemos la siguiente relación log-lineal
1 α β γ
log T Ci = µi + log Qi + log pi1 + log pi2 + log pi3 (2)
r r r r
  − 1 
donde µi ≡ log r Ai αα β β γ γ r
. Recuérdese que los coecientes de esta relación log-log son elasti-
cidades.

a) Reescriba (2) como una regresión lineal (con 5 parámetros β ) tal que el término de error tenga valor
esperado cero.
b) Discuta si los supuestos del modelo de regresión lineal clásico se tienen en este contexto. (Ayuda:
discuta los supuestos teniendo en cuenta las características i)-iii) de la industria en los años 50 para
2
Nerlove, M. (1963) "Returns to Scale in Electricity Supply" en Measurement in Economics: Studies in Mathematical
Economics and Econometrics in Memory of Yehuda Grunfeld, Stanford University Press.
3
Datos que provenían del Federal Power Commission (1956).
4
Aunque en realidad las rmas eran dueñas del capital (como las plantas de poder, equipo y estructuras) la teoría
estándar de inversión diría (mientras no haya costos de ajuste del stock de capital) que la rma debería comportarse
como si arrendara capital periodo a periodo de sí misma al precio de arrendamiento llamado el "costo de uso del
capital" denido como (i + δ) pI donde i es la tasa de interés real, δ es la tasa de depreciación y pI es el precio de
bienes de capital. Por esta razón el capital se puede tratar como si fuera un factor de producción variable como el
combustible y el trabajo.

2
cada uno de los regresores)
c) Con los datos de N ERLOV E63 estime el modelo de regresión por mínimos cuadrados ordina-
rios (MCOs). Reporte la estimación con errores estándar y el SSR. Llame a este SSR el SSRnr (no
restringido).

La función de costos en micro es linealmente homogénea en precios lo que implica que debe tenerse
r + r + r = 1. Imponga esta condición al modelo de regresión (Ayuda: según esta restricción despeje
α β γ

un parámetro en función de los otros y reemplácelo en la regresión; note que la especicacion a estimar
cambia).

d) Estime ahora el modelo restringido por MCOs bajo la restricción de homogeneidad lineal de la
función de costos y repórtela con errores estándar y el SSR. Llame a este SSR el SSRr (restringido).
Utilizando un estadístico F verique la hipótesis nula (al 5 %) que existe homogeneidad lineal de la
función de costos totales.
e) Utilizando un estadístico t verique la hipótesis nula r = 1. (Cuidado: dependiendo de lo concluido
en d) debe escoger el modelo (ya sea restringido o no restringido) pertinente para realizar esta prueba.

Máxima Fecha y Lugar de Entrega: Martes 23 de Abril, Horario y Salon de Clases.

Formato: Copia escrita a mano, o impresa en word/latex/lyx

Numero de Integrantes: Máximo dos (2) personas de acuerdo a la asignación de grupos provista
en D2L