[TÍTULO DEL

DOCUMENTO]
[Subtítulo del documento]

[FECHA]
HP
[Dirección de la compañía]
Contenido
DATOS DE LOS LOGARITMOS DE LAS VARIABLES A ANALIZAR.....................................2
MATRIZ DE CORRELACIONES PARA LAS VARIABLES CON LOGARITMO........................3
MODELO DE LOGARITMO DEL PRODUCTO EN FUNCION DEL TRABAJO.........................4
MODELO DEL LOGARITMO DEL PRODUCTO EN FINCION DEL LOGARITMO DEL
CAPITAL...........................................................................................................................................5
FUNCION COBB- DOUGLAS.........................................................................................................6
COLINEALIDAD Y VIF...................................................................................................................7
 obs l_LABOR obs l_CAPITAL
196 6.456770 196 4.087656
1 1
196 6.466456 196 4.162003
DATOS DE LOS LOGARITMOS 2 DE LAS 2
obs l_OUTPUT 196 6.478510 196 4.231204
19613.579567 3 3
19623.624448 196 6.530440 196 4.324133
19633.698285
19643.831832 4 4
19653.932747 196 6.566250 196 4.435567
19663.986592 5 5
19674.040135 196 6.585206 196 4.519612
19684.181118
19694.316674 6 6
19704.394153 196 6.600143 196 4.604170
19714.508681 7 7
19724.624532 196 6.633713 196 4.692265
19734.739413
19744.623236 8 8
19754.678160 196 6.656212 196 4.793308
19764.767289 9 9
19774.814004 197 6.660319 197 4.882802
19784.874976
19794.933337 0 0
19804.908868 197 6.716353 197 4.987708
19814.893659 1 1
19824.870515 197 6.761689 197 5.091908
19834.872254
19844.884649 2 2
19854.922299 197 6.795929 197 5.196285
19864.923391 3 3
19874.910815 197 6.792569 197 5.283711
VARIABLES A ANALIZAR.
4 4
197 6.788409 197 5.345201
5 5
197 6.793802 197 5.402227
6 6
197 6.835292 197 5.448890
7 7
197 6.877193 197 5.495117
8 8
197 6.914632 197 5.551796
9 9
198 6.928440 198 5.614587
0 0
198 6.924711 198 5.668155
1 1
198 6.923727 198 5.710096
2 2
198 6.915823 198 5.752255
MATRIZ DE CORRELACIONES PARA LAS VARIABLES CON LOGARITMO
Coeficientes de correlación, usando las observaciones 1961 - 1987
Valor crítico al 5% (a dos colas) = 0.3809 para n = 27

l_OUTPUT l_CAPITAL l_LABOR l_CLRATIO

1.0000 0.9764 0.9852 0.9661 l_OUTPUT
1.0000 0.9862 0.9980 l_CAPITAL
1.0000 0.9740 l_LABOR
1.0000 l_CLRATIO

Se puede observar en esta matriz de correlación se tienen correlaciones positivas, por tanto,
se indica que el cambio en el capital, el ingreso y el trabajo comparadas con las otras de
manera individual generara un cambio en las demás variables en diferente proporción.
Es de verse que cuando se comparan las mismas variables, es decir, por ejemplo, ingreso
con ingreso generara que tenga una correlación perfecta dado que es 1.
En estos resultados se pueden observar correlaciones bastante altas entre las variables es
decir son muy cercanas a uno por tanto se puede observar que:
1) Se puede observar el mayor nivel de correlación entre las variables relación capital
trabajo y capital teniendo un valor demasiado cercano a 1 teniendo un dato de
0.9980.
2) Por otro lado se puede observar que el nivel de correlación más bajo es entre las
variables relación capital trabajo y producto o producción con un dato del 0.9661
pero este valor aún es muy significativo es decir estas dos variables si se determinan
mutuamente.
Al tener estas correlaciones positivas implican un cambio directo o gráficamente una
pendiente positiva donde si aumenta una inmediatamente aumentara la otra.
Por consiguiente en un diagrama de dispersión de datos se acercaran los puntos a la línea
tendencial.

MODELO DE LOGARITMO DEL PRODUCTO EN FUNCION DEL TRABAJO

Modelo 1: MCO, usando las observaciones 1961-1987 (T = 27)

Variable dependiente: l_OUTPUT

Coeficiente Desv. Típica Estadístico t valor p

const −14.5914 0.665175 −21.94 <0.0001 ***
l_LABOR 2.82820 0.0985432 28.70 <0.0001 ***

Media de la vble. dep. 4.493912 D.T. de la vble. dep. 0.461432

Suma de cuad. residuos 0.163071 D.T. de la regresión 0.080764
R-cuadrado 0.970543 R-cuadrado corregido 0.969365
F(1, 25) 823.6927 Valor p (de F) 1.17e-20
 Log-verosimilitud 30.66562 Criterio de Akaike −57.33124
Criterio de Schwarz −54.73957 Crit. de Hannan-Quinn −56.56060
rho 0.762179 Durbin-Watson 0.429740

La tercera columna nos muestra el estadístico t que es el estadístico de significación

individual y se desarrolla bajo las siguientes hipótesis:

Ho= El valor del estadístico β=0 es igual a cero (0) es decir el valor de la variable trabajo
no es relevante o no es significativa para explicar la producción.

Ha= El valor del estadístico β ≠ 0 es diferente de cero (0) es decir significa que la variable
trabajo es significativa para explicar la producción.

Por tanto, en este caso se rechaza la hipótesis nula, es decir, la variable trabajo es
significativa para explicar la producción (variable explicativa relevante valor cae en la
región critica).

En este caso el trabajo es significante al 1%. Es decir el valor de p que está asociado a esta
variable es más pequeño que 0.01 y también más pequeño por lo tanto que 0.05 y 0.1.

Por consiguiente, el valor que se observa en la tabla de t-student para este caso es menor
que el valor que nos arrojó en este caso el resultado

MODELO DEL LOGARITMO DEL PRODUCTO EN FINCION DEL LOGARITMO

DEL CAPITAL
Modelo 2: MCO, usando las observaciones 1961-1987 (T = 27)
Variable dependiente: l_OUTPUT

Coeficiente Desv. Típica Estadístico t valor p

Const 0.523008 0.176636 2.961 0.0066 ***
l_CAPITAL 0.773343 0.0341890 22.62 <0.0001 ***

Media de la vble. dep. 4.493912 D.T. de la vble. dep. 0.461432

Suma de cuad. residuos 0.257892 D.T. de la regresión 0.101566
R-cuadrado 0.953415 R-cuadrado corregido 0.951551
F(1, 25) 511.6497 Valor p (de F) 3.64e-18
Log-verosimilitud 24.47788 Criterio de Akaike −44.95575
Criterio de Schwarz −42.36408 Crit. de Hannan-Quinn −44.18511
Rho 0.884561 Durbin-Watson 0.265144
La tercera columna nos muestra el estadístico t que es el estadístico de significación
individual y se desarrolla bajo las siguientes hipótesis

Ho= El valor del estadístico β=0 es igual a cero (0), es decir, el valor de la variable trabajo
no es relevante o no es significativa para explicar la producción

Ha= El valor del estadístico β ≠ 0 es diferente de cero (0), es decir, significa que la variable
trabajo es significativa para explicar la producción

En este caso como muestra la prueba y la aplicación de Gretl se obtiene un valor del
estadístico t que se obtiene mediante el cociente del coeficiente dividido por la desviación
típica estimada.

Por otro lado, el valor de p que se encuentra asociado a cada coeficiente, siendo el contraste
de significatividad individual a dos colas. Gretl indica con uno, dos o tres asteriscos cuando
se rechaza la hipótesis nula al 10%, al 5% o al 1% respectivamente.

Es decir, en esta ocasión igualmente se rechaza la hipótesis nula, por lo tanto, el coeficiente
que acompaña al trabajo es diferente de 0 y significa que la variable trabajo es significativa
para explicar la producción.

Por tanto, se considera que las elasticidades representan valores más elásticos es decir que
son más sensibles, por lo tanto, en este caso los cambios en la cantidad de capital afectan
ampliamente al nivel de producción.

FUNCION COBB- DOUGLAS

Modelo 3: MCO, usando las observaciones 1961-1987 (T = 27)

Variable dependiente: l_OUTPUT

Coeficiente Desv. Típica Estadístico t valor p

Const −11.9366 3.21106 −3.717 0.0011 ***
l_CAPITAL 0.139810 0.165391 0.8453 0.4063
l_LABOR 2.32840 0.599490 3.884 0.0007 ***

Media de la vble. dep. 4.493912 D.T. de la vble. dep. 0.461432

Suma de cuad. residuos 0.158356 D.T. de la regresión 0.081229
R-cuadrado 0.971395 R-cuadrado corregido 0.969011
 F(2, 24) 407.5017 Valor p (de F) 3.00e-19
Log-verosimilitud 31.06171 Criterio de Akaike −56.12341
Criterio de Schwarz −52.23590 Crit. de Hannan-Quinn −54.96745
rho 0.794375 Durbin-Watson 0.373792

Teniendo en cuenta estos resultados es evidente que en comparación con las otras dos
pruebas al evaluarse de a una sola variable y dejarse los demás constante o ceteris paribus
los estadísticos y pruebas correspondientes al modelo con las dos variables en conjunto
evidentemente se modifica.
Por tanto, para este caso aplicando las siguientes hipótesis que se evalúan en la cuarta y
quinta columna pero al ser un análisis de significancia conjunta se modifican las hipótesis.

Ho= El valor del estadístico β 1=β 2=0 son iguales a cero (0), es decir, el valor de los
coeficientes trabajo y capital no son relevantes o no son significativas para explicar la
producción.

Ha= El valor del estadístico β 1 ≠ β 2 ≠ 0es diferente de cero (0), es decir, significa que los
coeficientes trabajo y capital son significativas para explicar la producción o en
consecuencia alguno de los parámetros no cumple la igualdad.

P¿

Por lo tanto, se rechaza la hipótesis nula de que las variables añadidas del modelo son
conjuntamente significativas; por tanto no se podrían omitir estas variables al momento de
explicar el modelo o el producción y por tanto si llegado el caso se omitan el r- cuadrado
ajustado o corregido disminuiría.

Aunque viendo los resultados que arroja individualmente de ambas variables se puede
observar que es significativo en el 1% el factor o variable de trabajo es decir que podríamos
concluir que esta variable trabajo influye más sobre la producción.

COLINEALIDAD Y VIF

Si se puede sospechar que existe colinealidad debido a que dentro de la matriz de

correlación todas las variables explicativa presentan cierto grado de correlación y estos al
ser tan significativos podría representar un problema de colinealidad.
Debido a problemas con la aplicación automática del VIF (FACTORES DE INFLACION
DE LA VARIANZA) me remitiré a desarrollarlo manualmente sabiendo que la formula
correspondiente a VIF es:

1
VIF=
1−R2j

Donde se entiende que R2j es el coeficiente de determinación de regresiones auxiliares que

me dispondré a presentar los respectivos resultados en donde se dispuso a realizar una
regresión de cada una de las variables explicativas sobre el resto y analizar por consiguiente
los coeficientes de determinación de cada regresión para aplicarlos en la anterior formula
por tanto:

1) En el primer caso se puso como variable dependiente el capital y como variables

independiente el trabajo y la producción o el producto

Modelo 8: MCO, usando las observaciones 1961-1987 (T = 27)

Variable dependiente: l_CAPITAL

Coeficiente Desv. Típica Estadístico t valor p

const −15.9714 3.66127 −4.362 0.0002 ***
l_LABOR 2.98992 0.702324 4.257 0.0003 ***
l_OUTPUT 0.206805 0.244645 0.8453 0.4063

Media de la vble. dep. 5.134726 D.T. de la vble. dep. 0.582607

Suma de cuad. residuos 0.234239 D.T. de la regresión 0.098793
R-cuadrado 0.973458 R-cuadrado corregido 0.971246
F(2, 24) 440.1127 Valor p (de F) 1.22e-19
Log-verosimilitud 25.77651 Criterio de Akaike −45.55303
Criterio de Schwarz −41.66552 Crit. de Hannan-Quinn −44.39707
Rho 0.835431 Durbin-Watson 0.424597

2) En el segundo caso se dispuso a hacer la respectiva prueba pero en este caso se

apreció como variable dependiente el logaritmo del capital y como variables
independientes el logaritmo del trabajo y el logaritmo de la producción.
 Modelo 9: MCO, usando las observaciones 1961-1987 (T = 27)
Variable dependiente: l_LABOR

Coeficiente Desv. Típica Estadístico t valor p

const 5.26445 0.0438058 120.2 <0.0001 ***
l_OUTPUT 0.165761 0.0426781 3.884 0.0007 ***
l_CAPITAL 0.143899 0.0338015 4.257 0.0003 ***
3)
Media de la vble. dep. 6.748245 D.T. de la vble. dep. 0.160733
Suma de cuad. residuos 0.011274 D.T. de la regresión 0.021673
R-cuadrado 0.983217 R-cuadrado corregido 0.981818
F(2, 24) 703.0003 Valor p (de F) 4.99e-22
Log-verosimilitud 66.73401 Criterio de Akaike −127.4680
Criterio de Schwarz −123.5805 Crit. de Hannan-Quinn −126.3121
Rho 0.698782 Durbin-Watson 0.602368

Aplicando entonces la respectiva formula se obtendría que

1
VIF=
1−R2j

1
VIF=
1−0.973458

VIF=37.6761359355

1
VIF=
1−0.983217

VIF=59.5841029613

Por tanto los factores de inflación de varianza

Mínimo valor posible=1

Valores mayores que 10.0 pueden indicar un problema de colinealidad

2) l_CAPITAL 37.6761359355
3) l_LABOR 59.5841029613

Como se puede observar según los valores del VIF j se puede concluir y reafirmar que
existen problemas de colinealidad y se puede observar entonces que cuanto mayor sea la
colinealidad de las variables que se analizaron que son en este caso logaritmo de capital y
logaritmo de trabajo con respecto al resto mayor valor da el VIF j , por tanto, mayor es la
varianza del coeficiente estimado, debido a que la multicolinealidad aumenta la varianza.
Analizando esta situación entonces se puede decir que los autores que formularon la VIF
entre ellos Neter consideran que VIF j >10 genera que exista colinealidad de las variables
con respecto a las otras.