Estadística y Econometría

Dominick Salvatore, Derrick Reagle

EJERCICIO 9.2:

La tabla 9.5 muestra la producción en toneladas, Q, el trabajo en horas de trabajo, L, y el

capital en horas máquina, K, de 15 empresas de un sector.

Empresa Q L K
1 2350 2334 1570
2 2470 2425 1850
3 2110 2230 1150
4 2560 2463 1940
5 2650 2565 2450
6 2240 2278 1340
7 2430 2380 1700
8 2530 2437 1860
9 2550 2446 1880
10 2450 2403 1790
11 2290 2301 1480
12 2160 2253 1240
13 2400 2367 1660
14 2490 2430 1850
15 2590 2470 2000
Tabla 9.5 Producción, trabajo y capital de 15 empresas de un sector industrial

a. Ajuste la función de producción Cobb-Douglas con la forma 𝑸 = 𝒃𝟎 𝑳𝒃𝟏 𝑲𝒃𝟐 𝒆𝒖 a los

̅ 𝟐 y el coeficiente de correlación simple entre 𝒍𝒏 𝑳y 𝒍𝒏 𝑲.
datos y calcule 𝑹
b. Haga la regresión de 𝒍𝒏 𝑸 sobre 𝒍𝒏 𝑳.

c. Haga la regresión de 𝒍𝒏 𝑸 sobre 𝒍𝒏 𝑲.

d. ¿Qué puede concluir de los resultados anteriores respecto a la multicolinealidad?

a. De acuerdo a los resultados obtenidos podemos concluir que tanto la variable ln 𝐿
como ln 𝐾 no son estadísticamente significativos al nivel del 5%, es decir, no aportan
individualmente al modelo. Sin embargo, si se analizan conjuntamente podemos
concluir que las variables independientes (factores trabajo y capital) explican en un
96.9% aproximadamente a la variable dependiente (Producción), lo que indica que
puede existir una multicolinealidad elevada; otra manera de comprobar que puede
existir una multicolinealidad elevada es que, el coeficiente de correlación simple
entre ln 𝐿 y ln 𝐾 es de 0.992 lo que quiere decir que, la magnitud de la relación o
grado de relación entre las variables es bastante elevada.
b. En esta regresión simple se puede observar que la variables ln 𝐿 si aporta al modelo
a un nivel del 5%, viene explicada también a través de su elevado coeficiente de
determinación el cual indica que la variable ln 𝐿 explica a ln 𝑄 en un 96.4%
aproximadamente.
c. Por otro lado, en esta regresión simple se puede observar que la variables ln 𝐾 si
aporta al modelo a un nivel del 5%, viene explicada también a través de su elevado
coeficiente de determinación el cual indica que la variable ln 𝐾 explica a ln 𝑄 en un
96.6% aproximadamente.

En conjunto podemos concluir que si se elimina alguna variable independiente, ya sea

ln 𝐿 o ln 𝐾 de la regresión múltiple, se obtiene un estimador MCO sesgado de la
pendiente para la variable que se mantenga dentro del modelo, debido a que como dice
la teoría económica tanto el trabajo (L) como el capital (K) deben ser parte de la función
de producción (Q).