Facultad de Ciencias Econmicas y Empresariales

APLICACIN ECONOMETRICA
LA TEORIA DE LA DEMANDA DE ALIMENTOS

Econometria II

Facultad de Ciencias Econmicas y Empresariales

LA TEORIA DE LA DEMANDA DE ALIMENTOS

1.

Breve exposicin de la teora objeto de la medicin.

En la teora econmica est demostrado que la demanda u oferta de bienes de
consumo puede ser considerada como una funcin del precio el bien, de los precios
de los otros bienes y de la renta disponible, en el caso de demanda tendr pendiente
negativa y en el caso de la oferta tendr pendiente positiva.
La teora econmica predica una relacin causal positiva de los ingresos a los gastos
en diferentes bienes y servicios.

2.

Eleccin de las variables empricas que representan las variables tericas

consideradas en la teora.
Los datos1 a utilizar es la serie histrica utilizada en el trabajo de Haavelmo
expresadas en logaritmos, entre los aos 1922 a 1941, que se detallan en la tabla
siguiente:

Aos

Precios
Renta
Consumo /coste disponible
per
de la
/coste de
capita
vida
la vida

Producci
n per
cpita

Precios
relativos
recibidos
por coste
de la vida

P.
Relativos
retardado
s

Inversin per
cpita coste
de la vida

Tendencia

1922
1923
1924
1925
1926
1927
1928
1929
1930
1931
1932
1933
1934
1935
1936
1937
1938
1939
1940

Y1
1,9939
2,0052
2,0103
2,0039
2,0099
2,0065
2,0069
2,0069
1,9991
2,0013
1,9894
1,9877
1,9881
1,9823
1,9965
2,0013
2,0013
2,0175
2,0224

Y2
2,0009
2,0069
2,0022
2,0253
2,0362
2,0282
2,0282
2,0342
2,0233
1,9805
1,9474
1,9590
1,9908
2,0099
2,0095
2,0107
1,9868
1,9814
1,9841

Y3
1,9415
1,9894
1,9854
1,9921
1,9991
2,0022
2,0137
2,0326
1,9850
1,9489
1,8756
1,8859
1,9274
1,9571
2,0133
2,0216
1,9841
2,0187
2,0441

Y4
2,0354
2,0418
2,0430
2,0183
2,0302
2,0245
2,0326
2,0145
2,0116
2,0175
1,9965
1,9987
2,0086
1,9745
1,9899
2,0048
2,0099
2,0187
2,0354

Y5
1,9961
1,9961
1,9952
2,0445
2,0342
2,0237
2,0406
2,0362
2,0026
1,9085
1,8363
1,8506
1,9106
2,0099
2,0212
2,0434
1,9661
1,9509
1,9685

X1
1,9912
1,9961
1,9961
1,9952
2,0445
2,0342
2,0237
2,0406
2,0362
2,0026
1,9085
1,8363
1,8506
1,9106
2,0099
2,0212
2,0434
1,9661
1,9509

X2
1,9680
2,1550
2,0000
2,0927
2,0488
2,0842
2,0298
2,1550
1,9680
1,9894
1,7193
1,6075
0,6335
1,8954
2,0580
2,0842
1,8954
2,0394
2,1092

X3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

1941

2,0318 2,0013

2,1041

2,0465

2,0278

1,9912

2,3768

20

Trabajo de Girshick y Haavelmo,1947

Econometria II

Facultad de Ciencias Econmicas y Empresariales

He separado los datos correspondientes al ao de 1941, con el objeto de realizar

una prediccin cientfica una vez obtenida la teora que deba de satisfacer los
requerimientos economtricos de la modelizacin, por lo que para este estudio
utilizar solo los datos de 1922 a 1940, para una vez obtenida la prediccin efectuar
su comparacin con la prediccin mecanicista.
Las variables a utilizar son:
a.
b.
c.
d.
e.
f.
g.
h.
i.
3.

Y1= El consumo de alimentos por habitante.

Y2= Precios de los alimentos al por menor deflactados por el coste de
la
vida.
Y3= Renta disponible por habitante deflactada por el coste de la vida.
Y4 = Produccin por habitante de alimentos
Y5 = Precios de los alimentos al por mayor deflactados por el cote de la
vida
X1= Precios relativos retardados.
X2= Precios relativos recibidos por precios consumos ao anterior.
X3= Tendencia
ut= Perturbaciones.

Medicin de la teora econmica mediante un modelo uniecuacional.

Dado que las teoras econmicas se miden sin la estacionalidad por no ser esta una
causa econmica, las variables a utilizar en este modelo produccin, precios, renta,
y aadiremos una variable ms representativa de la tendencia:
Por tanto hay que estimar una regresin entre series libres de tendencia del tipo
X1 = 0+1X2+2X3+t
Entre los mtodos que estiman los parmetros del modelo a partir de los residuos, el
ms sencillo es el mtodo de Mnimos Cuadrados Ordinarios (MCO), que hace
mnima la suma de los cuadrados de los residuos.
Partiendo de minimizar
i = 1,2,..., n

d2

d = di X i X i

Se obtiene un sistema de ecuaciones (ecuaciones normales) X' Xb X' Y que

permite obtener los estimadores mnimos cuadrticos ordinarios (EMCO) de los
parmetros j a partir de la expresin:
^ X1 = a+b X 2 +c X 3
1
b1

2
b2
1
b X' X X' Y

.
.

b

k
k

Econometria II

Facultad de Ciencias Econmicas y Empresariales

Xi21

i 1
n

Xi1Xi2

X X

donde X' X i2 i1
i 1

.....
n
Xik X i1
i 1

i 1
n

...

Xi22

...

.....

...

i 1
n

Xi1Xik

i 1
n

Xi2 Xik
i 1

.....

Xik Xi2 ...

Xik2

i 1

i 1

Xi1Yi
i1
n

X`Y X i2 Yi
i1

....
n

X
Y
ik i
i1

Cada uno de los coeficientes bj representa el efecto de la variable independiente

sobre la variable explicada; es decir el valor estimado de b j indica la variacin que
experimenta la variable dependiente cuando la variable independiente X j vara en
una unidad y todas las dems permanecen constantes.
Estos estimadores MCO son estimadores lineales, insesgados y ptimos (ELIO) en
el modelo de regresin lineal, normal, clsico.
Pasar a continuacin a la estimacin de los parmetros del modelo, la ecuacin de
oferta/demanda en que la produccin de alimentos (Y4) depende de los precios al
por menor deflactados (Y2) libres de la tendencia(X3) mnimo cuadrtica. Dado que
los datos de las series histricas estn en logaritmos el coeficiente representa la
elasticidad directamente.
Y4 = 0+1Y2+2X3+t
Por razones de clculo el trmino independiente carece de significacin econmica,
por lo que lo elimino (Ya lo calcular posteriormente), conviene adems trabajar
desviaciones a las medias por lo que la ecuacin anterior se transforma en:
Y4 = 1Y2+2X3+t
Para los clculos no manuales y grficos utilizar la hoja de calculo EXCEL.
Varianzas, covarianzas y medias
Y1
Y2
Y3
Y4
Y5
X1
Y1
0,00010 0,00007 0,00035 0,00013 0,00023 0,00033
Y2
0,00007 0,00059 0,00072 0,00011 0,00138 0,00101
Y3
0,00035 0,00072 0,00205 0,00029 0,00221 0,00193
Y4
0,00013 0,00011 0,00029 0,00032 0,00029 0,00044
Y5
0,00023 0,00138 0,00221 0,00029 0,00380 0,00277
X1
0,00033 0,00101 0,00193 0,00044 0,00277 0,00379
X2
0,00183 0,00313 0,00894 0,00172 0,01135 0,01464
X3
0,00045 -0,05768 0,02916 -0,05356 -0,09833 -0,09679
medias 2,00159 2,00238 1,97989 2,01612 1,98080 1,98200

X2
0,00183
0,00313
0,00894
0,00172
0,01135
0,01464
0,11063
-0,35152
1,92280

X3
0,00045
-0,05768
0,02916
-0,05356
-0,09833
-0,09679
-0,35152
30,00000
10,00000

La representacin grafica de los valores obtenidos en la tabla anterior es

representada abajo en desviaciones a las medias:

Econometria II

Facultad de Ciencias Econmicas y Empresariales

S2 y4

1
b=

-1

y2x3

Sy4x1

=
2
1

b=

=
2

S x3 S x3
Sy4x3
-1
0,00059 -0,05768
0,00011
=

0,014721
=

30,00

El trmino independiente ser

-0,05356

0 = 1 Y2 + 2

-0,001757
X3

Y4 =

0,014721*2,00238-0,001757*10 -2,01612 = 1,96907135

La regresin calculada ser por lo tanto:
Y4 = 1,96907135+0,014721 Y2-0,001757X3+ t
estimacin

precios

-15

-10

0
-5
-2 0
-4
-6
-8
-10
-12
-14
-16
-18
produccion

10

Dado que la elasticidad calculada es positiva estamos ante un modelo de Oferta y

coincide con lo afirmado por lo especificado en la introduccin
Los coeficientes calculados por MCO tienen las propiedades de que:
-

Son insesgados.

Econometria II

Facultad de Ciencias Econmicas y Empresariales

Son eficientes, es decir, no hay otro estimador lineal

insesgado que tenga una varianza menor, lo cual o quiere negar la existencia
de otros estimadores con menor varianza, pero sern insesgados o no lineales.

Calculemos si son significativos los estimadores y el coeficiente de determinacin

Calculemos el cuadrado de las discrepancias (sum Squared resd)
Y=n*S2y =19* ,0032 = 0,00603401
b= 1 2
0,00011002
bX= 19 *(0,014721 -0,001757)*
-0,05356368
d2t=Y-b`X`Y= 0,00593827
R2=bXY/YY= 0,301465
Calculo del coeficiente de significatividad Global (F)
Calculamos la significatividad Global.
Hiptesis nula:
H0= 1 = 2 = 0
Hiptesis alternativa
H1algn 0
R2/K-1
0,30146514 /(2-1)
F = ------------- = --------------------------- = 7,33665223 = F
(1- R2)/(n- k)
(1 -0. 30146514 ) /(21-2)
En las tablas para una significatividad del 95% F k-1, n-1 = 4,38
Como (7,33665223)>4,38 rechazo la hiptesis nula y acepto la hiptesis alternativa,
hay significatividad global y la ecuacin de regresin es til para la prediccin.
Calculo de la significatividad individual.
Hiptesis nula:
H0= 1 = 2 = 0
Hiptesis alternativa
H1algn 0
Basndonos en la desviacin de las perturbaciones calculadas podemos calcular las
desviaciones de cada parmetro:
D2 (b)= 2 (XX)-1

Econometria II

Facultad de Ciencias Econmicas y Empresariales

La varianza de las perturbaciones siendo K el nmero de parmetros estimados (2)

se calcula por:
2=D/(n-k) = 0,00034931
La varianza de los estimadores se calcula por:
Var (b)=2 *X`X-1 = 1,43x10-5
Sxy = 0,00378781
tb = b/ Var (1)
t student = 1/Sxy = 0,463896
Valor t 19, 0.025 =2,093
Como 0,463896 <2,093
Se acepta la hiptesis nula, los valores calculados no son significativos
individualmente.
Deteccin de la multicolinealidad
No hay contrastes formales para detectarla pero si para ver si hay indicios, entre
ellos:
Una forma de detectar multicolinealidad es si los t-ratios tienen un valor pequeo y
los R2 tienen un valor alto. Una de las consecuencias son errores estndar altos y
extensos intervalos de confianza. Dado que la multicolinealidad no hacer variar la
bondad del ajuste, al contrastar la significatividad conjunta con R 2 del modelo,
podemos concluir que los parmetros conjuntamente son significativos e
individualmente no. Este hecho puede sugerir la existencia de multicolinealidad de
grado
Entre los criterios para decidir cuando la multicolinealidad de grado constituye un
problema teniendo en cuenta que lo que queremos es una estimacin de los
parmetro lo ms precisa posible, la colinealidad da lugar a un problema grave ya
que da lugar a un alto grado de imprecisin en las estimaciones individuales.
Para detectar el posible problema de colinealidad hay dos mtodos, la correlacin
entre las variables explicativas y en el tamao de las XX.
Calculemos las correlaciones entre las variables.
Y2
X3
Y4

Y2
X3
Y4
1
0,18845398 0,06476407
0,18845398
1
0,30113922
0,06476407 0,30113922
1

No se aprecia pues que exista una alta correlacin entre las variables.

Econometria II

Facultad de Ciencias Econmicas y Empresariales

El otro mtodo del calculo de la matriz XX esta tiene un valor de= 0,0143 pero dado
las unidades de medidas en logaritmos son bajas, no debe tenerse en cuenta.
Una de las posibles soluciones para corregir la multicolinealidad es la
transformacin de variables ya que este problema surge al trabajar con variables
no estacionarias en media (lo que ya veremos en la parte del calculo del modelo de
series de tiempo) o con una tendencia creciente en el tiempo, en este caso la
transformacin adecuada para hacer estacionara las variables seria diferenciar
estas. Es decir restar del modelo el nuevo modelo con Yt-1, Xt-1, El problema de este
mtodo reside que en que el nuevo termino de error si presenta autocorrelacin.
Calculo del Predictor
La prediccin para 1941 es por lo tanto la siguiente:
De las tablas de datos obtenemos X 1941 = 2,0013 y T1941 = 20, sustituyendo en el
modelo, resulta
Y^4= 1,96907135+0,014721 Y2-0,001757X3 =1,9638966
Prediccin produccin per capita

1941

= 1,9638966

El valor observado es de 2,0465 de acuerdo con la tabla inicial de series histricas,

no se observa una gran discrepancia.
Calculo de un intervalo de confianza al 95%.
Vamos a construir un intervalo de confianza del 95% tanto para el predictor como
para su esperanza matemtica (Valor critico2 t 19, 0.025 =2,093).
Para calcular el intervalo de confianza del Predictor primero calculamos la varianza
de las perturbaciones 2:
2 = D/(n-k) = (y bx`y )/(n-k)
SY1
= n* (S

Y-

1 2

)/ (n k ) = 0,00034931
SY2

Ahora podemos calcular las varianzas del Predictor:

Para el Predictor puntual = D2(^Y0) = 2 ( I + X0( XX)-1 X
Para X`0 = (X- X - T-T ) = (2,0013 2,00238

20-10)=(- 0,0011

0,00059 -0,05768
0,00034931(1 + 1/19+

-0,0011

-1

10)

-0,0011

10

)
30,00

10

= 0,001772904
2

Tablas del estadstico de Student

Econometria II

Facultad de Ciencias Econmicas y Empresariales

D(^Y0) = 0,042105869
Para el Predictor para la media es:
0,00059 -0,05768
= 0,00663689 (1/19+ -0,0011

-1

-0,0011

10
30

10

= 0,001772904
D (^Y0) = 0,0422105869
Para calcular el valor crtico se entra en tablas para una t-de Student de n-2 grados
de libertad y /2, entrando en las tablas resulta
t 19, 0.025 = 2,093
Los intervalos de confianza so son para el estimador puntual:
Precio1940 - t 19, 0.025* D (^Y0) Y0 Precio1940 + t 19, 0.025* D(^Y0)
= (1,9638966-2,093*0,042105869) Y0 (1,9638966+2,093*0,042105869)
= (1,88071943) 2,0465 (2,049243524
El verdadero valor (2,0465) est dentro del intervalo de confianza para media del
predictor.
Los intervalos de confianza para la media del predictor son:
Precio^1941 - t 19, 0.025* D(^Y0) Y0 Precio^1941 + t 19, 0.025* D(^Y0)
= (1,9638966-2,093*0,1877535791) Y0 (1,9638966+2,093*0,1877535791)
= (1,877535791) 2,0465 (2,049243549)
El verdadero valor (2,0465) est dentro del intervalo de confianza par la media del
predictor vemos que el intervalo de confianza ahora es menor, puesto que la
varianza media del predictor tambin es menor.
Calculo del coeficiente DW (autocorrelacin)
(d t - d t-1)2
0.003986184
DW =------------------- = -------------------- = 0,948506272
d2t
0,004202591
Por el valor del estadstico D-W se sita en la regin de incertidumbre, con lo que
este estadstico no so me indica nada. Se puede utilizar el test de Breusch-Godfrey
Para ello aprovechado los clculos efectuado en el apartado 4 del modelo de series
de tiempo, ajusto el modelo para estudiar si existe autocorrelacin.
t = 0+1Y2+2X3+t-1+ t
8

Econometria II

Facultad de Ciencias Econmicas y Empresariales

A continuacin obtengo el estadstico (n-1)* R 2 mediante la hoja de calculo Excel y

expongo las hiptesis:
H0 =Ausencia de autocorrelacin
H1 = Presencia de autocorrelacin

Coeficientes
Std error
R squared
F satic
S.E. regresin

0,6264106
0,29155312
0,43415288
3,58055504
0,00242275

-9,32954E-05
0,0259463
0,001067131
0,1617977
0,015018208
14 Grados de libertad
0,003157652 Sum squared rsd

0
-0,04414861
0,32884034

El coeficiente R2 es igual a = 0,43415288, obtengo el estadstico (n-1)* R 2

= 14*0,43415288= 6,0781408
Regin de rechazo 21,0,95 de las tablas Chi cuadrados3 =3,84, como el valor
calculado 6,07814083,84 no se acepta la hiptesis nula de ausencia de
autocorrelacin, se acepta la hiptesis de presencia de autocorrelacin del tipo
AR(1)
Calculo de la Heterocedasticidad4
La heterocedasticidad es la existencia de una varianza no constante en las
perturbaciones aleatorias de un modelo economtrico.
Entre las causas ms frecuente se encuentran:
-

Variables explicativas cuyo recorrido tenga una gran

dispersin respecto a su propia media.
Omisin de variables relevantes en el modelo
especificado
Cambio de estructura
Empleo de variables no relativizadas.

Entre los efectos de la heterocedasticidad se encuentran:

-

Incorrecta estimacin de los parmetros.

Clculo incorrecto de las varianzas y parmetros
ineficientes.

Invalidacin de los contrastes de significatividad.

Como se contrasta:
Entre los contrastes grficos ms habituales se encuentra:
La grafica del error a travs de las distintas observaciones del modelo.
3
4

Chi-squared table statistic

UAM. Departamento de Econmicas

Econometria II

Facultad de Ciencias Econmicas y Empresariales

En ambos la mera evolucin del tiempo est correlacionad con valores cada vez
mayores (izquierda) o cada vez menores(derecha), con lo que el calculo de la
varianza por subperiodos arrojara valores significativamente diferentes, es decir la
serie error seria heterocedastica.
--

Contraste de White
contraste de Glesjer
Contraste de Breusch-Pagan

Para el modelo que nos ocupa el grafico de los modelos de los errores calculado en
el apartado de series de tiempo resulta el siguiente:

Por lo que se aprecia existencia de Heterocedasticidad

En conclusin: Los datos calculados por al hoja de clculo Excel son los siguientes:

10

Econometria II

Facultad de Ciencias Econmicas y Empresariales

1
0
coeficientes
0,0147210
-0,00175715
9 2,00421436
Std error
0,1703799
0,00075465
9 0,34452898
R squared
0,0162306
0,30146514
9
F satic
3,45254223
16 Grados de libertad
S.E regresion
0,0042149
Se
0,00181904
6 Sum Squared rsd
aprecia que los estimadores calculados manualmente son prcticamente iguales a
los calculados por la hoja de calculo Excel en lo referente a las elasticidades, y
coeficiente de determinacin, presentan heterocedasticidad, autocorrelacin de
orden 1 AR (1), los clculos de las variables no son significativos por separado, pero
si conjuntamente, el coeficiente de determinacin, representa una bondad de ajuste
del 30%. El modelo estimado representa una ley de oferta.
4.

Medicin mediante un modelo multiecuacional .

Este modelo consta de dos ecuaciones una de oferta y una de demanda.
Y4D = 0 + 1 Y2 + 2 Y3 +1t
Y4O = 0 + 1 Y2 + 2 X1 + 3 X3 + 2t
Donde Y4 son las cantidades, Y2 precios, Y3 renta disponible, X1 la razn entre los
precios percibidos por los productores deflactados retrasados un ao, X 3 una
tendencia temporal. Precios y cantidades son la variables endgenas y el resto son
exgenas. La tabla de varianzas, covarianzas y medias a utilizar es la siguiente
Y1
Y1
5,38997
Y2
3,43424
Y3
17,20831
Y4
6,84299
Y5
10,40155
X1
14,95767
X3
0,20000
Medias 100,39474

Y2
3,43424
30,68787
33,05643
5,87859
65,00634
48,35864
-13,36316
100,70526

Y3
17,20831
33,05643
91,53429
14,23881
91,56463
80,05648
7,43158
95,97895

Y4
Y5
X1
6,84299 10,40155 14,95767
5,87859 65,00634 48,35864
14,23881 91,56463 80,05648
17,85163 13,13510 20,62551
13,13510 161,57102 116,10978
20,62551 116,10978 160,92560
-12,80526 -21,15263 -19,92632
103,86842 96,59474 96,85789

X3
0,20000
-13,36316
7,43158
-12,80526
-21,15263
-19,92632
30,00000
10,00000

La primera ecuacin excluye dos variables por lo que la ecuacin de demanda est
superidentificada. La ecuacin de oferta excluye solo una y por tanto est
exactamente identificada.
Estimacin de la ecuacin de oferta.
Estimaremos esta ltima por el mtodo de VI expresadas en desviaciones a las
medias, se elimina el trmino independiente dado que no tiene relevancia
econmica. La ecuacin que pues de la siguiente forma
Y4O = 0 + 1 Y2 + 2 X1 + 3 X3 + 2t
La formula para calcular el vector de los estimadores es:
11

Econometria II

Facultad de Ciencias Econmicas y Empresariales

b = (ZX)-1 Z Y la matriz Z resulta de sustituir en la matiz X los valores de Y2 por los

de Y3, que jugara el papel de instrumento.
1
S y3y2 S x1y3 S y3x3 -1 Sy4y3
b = 2 = S x1y2 S2 x1 S x1x3
Sy4x1
=
2
3
S x3y2 S x3x1 S x3
Sy4x3
1
0,00072 0,00193
0,02916 -1
0,00029
b = 2 = 0,00101 0,00379
-0,09679
0,00044
=
3
-0,05768 -0,09679
30,00000
--0,05356
1
3357,14451 -1947,67612
-9,54693
0,00029
b = 2 = -796,96818
749,50332
3,19275
0,00044
=
3
3,88383
-1,32688
0,0252
--0,05356
1
0,63096
b = 2
=
- 0,072874
3
- 0,00081
El trmino independiente ser 0 = 1 Y2 + 2 X1 + 3 X3 - Y4O
0 = 0,90521
La ecuacin de regresin queda de la siguiente forma:
Y4O = 0,90521+ 0,63096Y2 - 0,072874X1 - 0,00081X3 + 2t
El signo positivo de la elasticidad nos indica pues una ecuacin de oferta e acuerdo
con la hiptesis planteada. La elasticidad ha mejorado (0,63096), con respecto a la
regresin simple del apartado anterior.
Calculo de la varianza de los estimadores.
La varianza de los estimadores se puede calcular ahora a parir de la expresin:
Cov(b) = 2 (Z`X)-1(ZZ)(X`X)-1
La varianza de las perturbaciones se sustituye por su estimador insesgado, que
puede calcularse de la siguiente forma:
(Y-Xb)`(Y-Xb)
Y`Y-2b`XY`+b`XXb
^2= ----------------------- = ----------------------------(n-k)
( n-k )
Utilizando las tablas de varianzas y covarianzas resulta:
S y2y1
S2 y2 S y2x2 S y2x3 1
n S2 y1 2( 1 2 3) S x2y1 +( 1 2 3)
S2 x2 Sx2x3 2
S x3y1
S2 x3 3
^2 = --------------------------------------------------------------------------------n-k
Operando resulta:
b`XXb =(0,63096 - 0,072874 - 0,00081)

0,00059 0,00101 -0,05768

0,00379 -0,09679
30,0

0,63096
- 0,072874
- 0,00081

12

Econometria II

Facultad de Ciencias Econmicas y Empresariales

= 0,00022824
0,00011
-2b`XY`= -2(0,63096 - 0,072874 - 0,00081) 0,00044
-0,05356

= -0,0001611

Por lo que el valor de la varianza de las perturbaciones es:

19*(0,00032 -0,0001611+0,00022824)
^2 = ---------------------------------------------------- = 0,0049
( 19-4)
El valor de ZZ es:
S2 x1 S x1x2 S x1x3
ZZ =
S2 x2 Sx2x3
S2x3

0,00205

0,00193 0,02916
0,00379 -0,09679
30,00

23408,9752 -6301,59841 24,679396

Cov(b) = (Z`X) (ZZ)(X`X) = ( 0,0049/19)*11814,117 - 3028,38382 12,9453375
1308215,2 -359130,774 1356,77276
2

-1

-1

0,60039 - 0,16162
Cov (b) = 0,30301
0,07767
33,55315 - 9,21100

0,00063
0,00033
0,03480

Las respectivas desviaciones tpicas son:

dt(b1)= 0,60039 = 0,77485
dt(b2)= 0,07767
= 0,27869713
dt(b3)= 0,03480 = 0,18654371
Calculo de la significatividad individual.
Basndonos en las desviaciones de cada parmetro:
tb1 = b1/ Var (1) = 0,63096 /0,774855109 = 0,95155868
tb2 = b2/ Var (2) = -0,07287 /0,27869713 = -0,00455607
tb1 = b3/ Var (3) = -0,00081 /0,18654371 = -231,049061
Valor t 19, 0.025 =2,093
Como tb1 y tb2 <2,093
Los valores calculados son poco significativos.
Con estos datos calculados podemos efectuar predicciones
Estimacin de la ecuacin de demanda.

13

Econometria II

Facultad de Ciencias Econmicas y Empresariales

Calculemos la ecuacin de demanda Y4D = 0 + 1 Y2 + 2 Y3 +1t

Las variables endgenas en este caso es el precio de los alimentos al por menor (Y 2)
y las exgenas la renta disponible (Y 3), los precios relativos retardados (X 1) y una
tendencia (X3).
Al estar sobreidentificada solo puede estimarse por M2CE, para su clculo
utilizaremos:
2 `2 2 `X0

-1

2 `Y1

b=
X0 2 X0 `X0
X0 Y1
La ecuacin se calcula en desviaciones a las medias, y suprimimos el trmino
independiente por no tener significacin econmica de forma que la ecuacin de
oferta queda de la siguiente forma:
y4D = 1 y2 + 2 y3 +1t
2 `2 =Y2 X(X`X)-1X Y2 en este caso la X representan a todas la exgenas. Se
tiene as:
Y2 X = ( Sy2y3 Sy2x1 Sy2x3 ) =(0,00072

0,00101 -0,05768)

-1

X`X =

S2 y3
S x1x3
S x3xy

Sy2y3
X Y2 = Sy2x1 =
Sy2x3

S x1y3 S y3x3
S2 x1 Sx1x3
Sx1x3 S2 x3

0,00205 0,00193 0,02916

-0,09679 0,00370 -0,09679
0,02916 -0,09679 30,00

0,00072
0,00101
-0,05768

2 `2 =Y2 X(X`X)-1X Y2 = 0,00307

A su vez tenemos que :
2 `X0 =Y2 X= S y3y2 = 0,00072
X0 `X0= S2 y3 =

0,00205

Por otra parte tenemos que.

2 `1=Y2 X(X`X)-1X Y1
Para ello tenemos que calcular X Y1 ya que el resto est calculado anteriormente
S y4y3
0,00029
X Y1 =
S y4x1 = 0,00044
S y4x3
0,00029
Por lo que 2 `1 =Y2 X(X`X)-1X Y1 = 0,00152

14

Econometria II

Facultad de Ciencias Econmicas y Empresariales

Por ltimo X`Y = Sy4y3 = 0,00029

Ya tenemos calculado todos los datos del estimador MC2E por lo que sustituyendo
tenemos:
-1

^Y2`^Y2 ^Y2` X0

-1

^Y2`Y2

0,00307 0,00072

0,0015232

=
X0`^Y2

X 0` X 0

X0`Y1

0,00072 0,00205

0,00029

0,5043543
=
-0,035665
El trmino independiente es = 1,35988 por lo que la ecuacin de demanda resulta
igual a:
Y4D = 1,35988 +0,5043543 Y2 -0,035665Y3 +1t
El signo es positivo es contrario a lo que predice la teora, se puede atribuir a la
multicolinealidad entre las cantidades producidas y los precios al por menor. No
puede ser interpretada como una ley de demanda
Veamos la correlacin existente entre las variables:
Y4
Y2
Y3
1
0,06476407 0,13015633
0,06476407
1
0,43087769
0,13015633 0,43087769
1

Y4
Y2
Y3

Se observa que no existe correlacin entre las variables debido al bajo valor que
representan.
5.

Medicin Modelo de series de tiempo

Para el estudio de este modelo comprobar si las series de la Produccin por
habitante Y4 y la del precio al por menor Y 2 estn cointegradas, la elasticidad ya ha
sido calculada en el primer modelo uniecuacional (0,014721) y se corresponda a
una ley de oferta.
Para comenzar con los clculos en primer lugar calcular la matriz de varianzas y
covarianzas de los residuos de la regresin efectuada entre las dos variables en el
apartado del modelo uniecuacional:
t = Y4 - 1,96907135-0,014721 Y2+0,001757X3
R

R1
DR
DR1
0,038661 NA
NA
0,044929
0,038661
0,006269 NA
0,046181
0,044929
0,001251
0,006269
0,021155
0,046181
-0,025025
0,001251
0,032905
0,021155
0,011750
-0,025025
0,027315
0,032905
-0,005590
0,011750
0,035448
0,027315
0,008133
-0,005590

15

Econometria II

Facultad de Ciencias Econmicas y Empresariales

0,017260
0,014472
0,020982
0,000529
0,002542
0,011980
-0,022390
-0,007001
0,007837
0,013314
0,022218
0,038908

0,035448
0,017260
0,014472
0,020982
0,000529
0,002542
0,011980
-0,022390
-0,007001
0,007837
0,013314
0,022218

-0,018187
-0,002789
0,006510
-0,020453
0,002013
0,009438
-0,034370
0,015389
0,014838
0,005477
0,008904
0,016689

0,008133
-0,018187
-0,002789
0,006510
-0,020453
0,002013
0,009438
-0,034370
0,015389
0,014838
0,005477
0,008904

Tabla de varianzas y covarianzas

Donde R son los residuos, R1 los residuos retrasados un periodo, DR la diferencia

entre los residuos y los residuos retrasados un periodo y DR1 Las diferencia
retasadas un periodo
Como ya sabemos por la teora dos variables estn cointegradas si una combinacin
lineal de las variables integradas es estacionaria, es decir, si los residuos de la
regresin entre ambas variables son estacionarios (integrados de orden I 0). Se puede
reducir, en definitiva, el contraste de integracin al contraste de races unitarias de
los residuos de la regresin. Efectuar el contraste ADF para evitar situaciones de
autocorrelacin.
La ecuacin a estimar es Zt = *Zt-1 + * Zt-1 +Vt para este caso sustituimos Zt
por DR, Zt-1 por DR1 y Zt-1 por R1.
El modelo a estimar es pues DRt = *R1t + * DR1t +Vt
-1

S DRR1
0,000091
b= (XX)-1 X`Y =
0,00022

R
R1
DR
DR1

R
R1
DR
DR1
0,000302
0,000182
0,000102
0,000029
0,000182
0,000321 -0,000120
0,000091
0,000102 -0,000120
0,000236 -0,000062
0,000029
0,000091 -0,000062
0,000220

-1
2
R1

S
S R1DR1
0,00321
-0,000120
=
S2DR1
S DRDR1

-0,000062

-0,333962
b=
-0,142383
16

Econometria II

Facultad de Ciencias Econmicas y Empresariales

Los valores efectuados manualmente no difieren de los calculados directamente por

la hoja de clculo Excel es la siguiente:

Std error
R2
F
S2 regresin

b2
-0,142059605
0,260548322
0,231155149
2,104567702
0,000873678

b1
-0,35493272
0,21605348
0,01440719
14
0,00290594

b0
0,005556364
0,005148152
Std error DR
Grados de libertad
S2de los residuos

La estimacin del modelo es pues: DRt = -0,333962*R1t -0,142383 DR1t +Vt ,

Ahora hay que ver si b= -0,333962 es significativamente distinto de cero. Se

contrasta como si fuera una t, aunque el valor de las tablas ADF es mayor que el de
la t clsica.
En primer lugar se calcula la varianza de las discrepancias de la regresin:
2 = D/(n-k) = (y bx`y )/(n-k)
SY1
= n* (S2Y - 1 2
SY2

-0,000120
)/ (n k )= 17/15*( 0,000236-(-0,333962 -0,142383
-0,000062

2 = 0,00021231
3536,25
2

Var (b) = XX

-1

-1463,695

= 0,00021231*

/ 17
-1463,695

5142,769

Var (b1) = 0,0441632

b/ Var(b1) = -0,333962/0,21015043 = -1,589158154
17

Econometria II

Facultad de Ciencias Econmicas y Empresariales

Buscando en las tablas DF5 el valor crtico para un 5% de significatividad resulta

-3,00:
Como el valor calculado en valores absolutos es inferior al de las tablas aceptamos
la hiptesis nula, el parmetro b1 no es significativamente distinto de cero.
Concluimos que las discrepancias de la regresin realizado en el apartado 3, no son
estacionarias y por lo tanto, las variables Produccin por habitante de alimentos y
Precios de los alimentos al por menor deflactados por el coste de la vida no estn
cointegradas. Los estadsticos de la regresin efectuada en el apartado 3 no serian
fiables, indicando que no existe una relacin entre esas dos variables a largo plazo.
La cointegracin es criticable por su empiricismo, sin base en la teora econmica.
En otros trminos, de hechos concretos no se puede sacar conclusiones generales.
6.

Conclusiones
En la teora econmica est demostrado que la demanda u oferta de bienes de
consumo puede ser considerada como una funcin del precio el bien, de los precios
de los otros bienes y de la renta disponible, en el caso de demanda tendr pendiente
negativa y en el caso de la oferta tendr pendiente positiva.
De los clculos efectuados en los diferentes modelos todos representan una ley de
oferta entre las variables Produccin por habitante de alimentos y Precios de los
alimentos al por menor deflactados por el coste de la vida.
Desde el punto de vista estocstico, aprecia que los estimadores calculados no son
significativos individualmente, pero si conjuntamente, las discrepancias presentan
heterocedasticidad, autocorrelacin de orden 1 AR (1), aunque no se calcula la
existencia de multicolinealidad, no debe descartarse su existencia, la
representatividad de la regresin, medida por el
valor del coeficiente de
determinacin representa una bondad de ajuste del 30%.
La trayectoria de las discrepancias revela que las discrepancias de la regresin
uniecuacional, no son estacionarias y por lo tanto, las variables Produccin por
habitante de alimentos y Precios de los alimentos al por menor deflactados por el
coste de la vida no estn cointegradas. Los estadsticos de la regresin efectuada
no serian fiables, indicando que no existe una relacin entre esas dos variables a
largo plazo. La cointegracin es criticable por su empiricismo, sin base en la teora
econmica. En otros trminos, de hechos concretos no se puede sacar conclusiones
generales.

1 de Mayo 2006.

Dick Fuller tables from Verbeek 2nd Editon page(269)

18

Econometria II