TALLER #1

Cristian Fabián Ramírez y Juan Esteban Gonzalez

18/10/2019
setwd("C:/Users/user/Desktop/Ri")
beefdemand <- read.csv2("beefdemand.csv")
beefdemand

## Year qb y pb pl pp
## 1 1949 121.3 355 25.68 20.01 45.74
## 2 1950 124.3 380 26.30 18.74 53.00
## 3 1951 131.6 426 30.19 22.45 57.90
## 4 1952 118.9 353 33.13 27.11 56.56
## 5 1953 119.7 354 31.61 20.69 55.25
## 6 1954 114.6 361 30.15 18.89 55.69
## 7 1955 116.5 380 32.23 19.16 50.62
## 8 1956 119.1 391 31.80 20.10 52.36
## 9 1957 128.9 380 30.76 20.60 53.96
## 10 1958 125.1 368 32.08 19.46 51.78
## 11 1959 117.6 385 33.34 17.90 51.01
## 12 1960 98.4 403 36.66 17.86 54.64
## 13 1961 85.4 406 39.71 19.14 53.04
## 14 1962 93.3 411 37.79 18.03 49.47
## 15 1963 100.4 427 38.38 18.82 53.70
## 16 1964 104.9 459 39.10 19.04 55.22
## 17 1965 98.8 469 39.84 20.63 56.03

summary(beefdemand)

## Year qb y pb
## Min. :1949 Min. : 85.4 Min. :353.0 Min. :25.68
## 1st Qu.:1953 1st Qu.:100.4 1st Qu.:368.0 1st Qu.:30.76
## Median :1957 Median :117.6 Median :385.0 Median :32.23
## Mean :1957 Mean :112.9 Mean :394.6 Mean :33.46
## 3rd Qu.:1961 3rd Qu.:121.3 3rd Qu.:411.0 3rd Qu.:37.79
## Max. :1965 Max. :131.6 Max. :469.0 Max. :39.84
## pl pp
## Min. :17.86 Min. :45.74
## 1st Qu.:18.82 1st Qu.:51.78
## Median :19.16 Median :53.70
## Mean :19.92 Mean :53.29
## 3rd Qu.:20.60 3rd Qu.:55.25
## Max. :27.11 Max. :57.90
1. Estimación de una demanda lineal
Use la base de datos beefdemand y estime una demanda lineal de cantidad de carne de
res en funcíon del precio de la carne de res, el precio de la carne de cordero, el precio
de la carne de cerdo y el ingreso. Calcule la elasticidad precio de la demanda e
interprete ecoń omicamente el resultado. Calcule la elasticidad ingreso de la demanda
e interprete ecoń omicamente el resultado.
##Observaciones De entrada se puede afirmar que la carne mas costosa es la de cerdo
(pp), ya que cuanta con un mínimo de AUD 45.74 y un máximo de AUD 57.90. la carne
que presenta un precio más bajo es la de cordero con un mínimo de AUD 17.86 y un
máximo de AUD 27.11
#Figura de cantidad consumidad de carne de vaca versus su precio
with(beefdemand,plot(qb,pb, type="p", col="blue",cex=1.5, xlab="Cantidad
de carne de vaca", ylab="pb,pp,pl,y",las=1))
par(new=TRUE)
with(beefdemand,plot(qb,pp, type="p", col="green",cex=1.5,las=1, ann = F,
axes = F))
par(new=TRUE)
with(beefdemand,plot(qb,pl, type="p", col="black",cex=1.5,las=1, ann = F,
axes = F))
par(new=TRUE)
with(beefdemand,plot(qb,y, type="p", col="red",cex=1.5,las=1, ann = F,
axes = F))
with(beefdemand,
plot(beefdemand$pb+beefdemand$y+beefdemand$pl+beefdemand$pp,beefdemand$qb
, type = "p"))

library(stats)
demand<- lm(qb~pb+pp+pl+y , data = beefdemand)
summary(demand)

##
## Call:
## lm(formula = qb ~ pb + pp + pl + y, data = beefdemand)
##
## Residuals:
## Min 1Q Median 3Q Max
## -8.8320 -4.5824 0.8268 3.7161 11.3910
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 126.73492 33.14863 3.823 0.002425 **
## pb -2.93406 0.55299 -5.306 0.000187 ***
## pp 0.77533 0.72652 1.067 0.306889
## pl 0.98554 0.95585 1.031 0.322846
## y 0.05917 0.07403 0.799 0.439709
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 6.862 on 12 degrees of freedom
## Multiple R-squared: 0.804, Adjusted R-squared: 0.7387
## F-statistic: 12.31 on 4 and 12 DF, p-value: 0.0003298

with(beefdemand,2.93406* (mean(pb)/mean(qb)))

## [1] 0.8696824

with(beefdemand,0.77533* (mean(pp)/mean(qb)))

## [1] 0.3660755

with(beefdemand,0.98554* (mean(pl)/mean(qb)))

## [1] 0.1739282

with(beefdemand,0.05917* (mean(y)/mean(qb)))

## [1] 0.2068545

##Respuesta (elasticidad precio e ingreso de la demanda) Si el precio de la carne de

res aumenta en 1 unidad, la cantidad demandada de carne de res disminuirá 0.87
unidades, se puede afirmar que es una demanda inelastica de 0.87. si el precio de la
carne de cerdo aumenta en 1 unidad la qb aumenta un 0.37 unidades, lo cual indica
tambien, que la carne de cerdo es un bien sustituto. de la misma forma, si el precio de
la carne de cordero aumenta 1 unidad la qb aumenta un 0.17 unidades
aproximadamente, decimos que es un bien sustituto. por ultimo si el ingreso
per.capita aumenta 1 unidad, qb aumenta 0.21 unidades, tiene sentido ya que entre
mas ingreso mas posibilidades de consumo de este bien. Tambien señalan que el
precio de la carne de res es un dato significativo y que se comporta tal y como explica
la ley de demanda por su signo negativo, es decir, a mayor precio menor es la cantidad
demandada. por otro lado los datos pp,pl,y el modelo muestra que no son
significativos para estimar el consumo per-capita de la cantidad de carne de res.pero
se puede concluir que a mayor ingreso (y) mayor consumo de carne de res(qb); a
mayor precio de carne de cerdo, mayor qb y a mayor precio de carne de cordero,
mayor qb.

2. Estimación de una demanda semi-log

Use la base de datos beefdemand y estime una demanda semi-log de la cantidad de
carne de res en funcíon del precio de la carne de res, el precio de la carne de cordero,
el precio de la carne de cerdo y el ingreso. Calcule la elasticidad precio de la demanda
e interprete ecoń omicamente el resultado.Calcule la elasticidad ingreso de la demanda
e interprete econ ́omicamente el resultado.
setwd("C:/Users/user/Desktop/Ri")
beefdem_semilog <- lm(log(qb) ~ pb + pl + pp + y, data = beefdemand)
summary(beefdem_semilog)

##
## Call:
## lm(formula = log(qb) ~ pb + pl + pp + y, data = beefdemand)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.100456 -0.039774 0.000633 0.039170 0.101685
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.8565961 0.3138213 15.476 2.72e-09 ***
## pb -0.0269818 0.0052352 -5.154 0.000239 ***
## pl 0.0087590 0.0090492 0.968 0.352180
## pp 0.0071922 0.0068781 1.046 0.316321
## y 0.0005259 0.0007009 0.750 0.467467
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.06496 on 12 degrees of freedom
## Multiple R-squared: 0.795, Adjusted R-squared: 0.7267
## F-statistic: 11.64 on 4 and 12 DF, p-value: 0.0004279

with(beefdemand,0.0269818*mean(pb))

## [1] 0.9026999

with(beefdemand,0.0087590*mean(pl))

## [1] 0.1744741

with(beefdemand,0.0071922*mean(pp))

## [1] 0.3832893

with(beefdemand,0.0005259*mean(y))

## [1] 0.207514

##Respuesta Cuando el precio de la carne de res aumenta en 1 unidad la demanda de

la carne de res disminuirá en 0,91%. Cuando el ingreso aumenta en 1 unidad la
demanda de la carne de res aumentará 0.21%. De lo anterior podemos decir que la
carne de res es un bien normal al poseer elasticidades positivas pero menores que 1,
por lo tanto también es un bien de primera necesidad. Al ánalizar la relación entre el
precio de la carne de cerdo y la carne de res cuando el precio de la carne de cerdo
aumenta en 1 unidad la demanda de la carne de res aumenta en 0.38%, es decir que
este es un tipo de bien sustituto. Ahora haciendo el mismo ánalisis con el precio de la
carne de cordero y la demanda de la carne de res se tiene que, si el precio de la carne
de cordero aumenta 1 unidad la demanda de la carne de res aumentará un 0,17% es
decir que este es un tipo de bien sustituto.
3.Estimación de una demanda log-log
Use la base de datos beefdemand y estime una demanda log-log de la cantidad de
carne de res en funcíon del precio de la carne de res, el precio de la carne de cordero,
el precio de la carne de cerdo y el ingreso. Calcule la elasticidad precio de la demanda
e interprete econ ́omicamente el resultado. Calcule la elasticidad ingreso de la
demanda e interprete ecoń omicamente el resultado.
library(stats)
demand<- lm(log(qb)~log(pb)+log(pp)+log(pl)+log(y) , data = beefdemand)
summary(demand)

##
## Call:
## lm(formula = log(qb) ~ log(pb) + log(pp) + log(pl) + log(y),
## data = beefdemand)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.118106 -0.040884 0.008385 0.045724 0.104486
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.6726 1.6596 2.816 0.015589 *
## log(pb) -0.8266 0.1826 -4.526 0.000695 ***
## log(pp) 0.4371 0.3837 1.139 0.276806
## log(pl) 0.1997 0.2127 0.939 0.366400
## log(y) 0.1017 0.2940 0.346 0.735437
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.07016 on 12 degrees of freedom
## Multiple R-squared: 0.7609, Adjusted R-squared: 0.6812
## F-statistic: 9.546 on 4 and 12 DF, p-value: 0.00104

##Respuesta Teniendo en cuenta la elasticidad del precio de la demanda de la carne

de res y su precio es de 0.83, es un tipo de demanda inelastica, si el precio de la carne
de res aumenta en 1% la demanda disminuira 0.83%. Para la estimación con la carne
de cerdo se tiene que si el precio de la carne de cerdo aumenta en 1% la demanda de
la carne de res aumentará 0.44%.Con la carne de cordero se tiene que si el precio
aumenta en 1% la demanda de la carne de res aumentará 0.2%.

4.Estimación de una función de producción

Use la base de datos airtransportation y estime una funcíon del logaritmo del
producto en funci o ́ n del logaritmo del insumo capital y del logaritmo del insumo
trabajo.Calcule la elasticidad producto del trabajo e interprete ecoń omicamente el
resultado. Estime ahora una funcíon del logaritmo del producto en funcíon del
logaritmo del insumo capital, del logaritmo del insumo trabajo y del logaritmo del
tiempo, como variable proxy de cambio tecnoĺogico. Discuta brevemente el efecto de
la inclusíon de la tendencia de tiempo.
setwd("C:/Users/user/Desktop/Ri")
airtransportation<-read.csv2("airtransportation.csv")
str(airtransportation)

## 'data.frame': 32 obs. of 6 variables:

## $ Year: int 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 ...
## $ Y : num 1.21 1.35 1.57 1.95 2.27 ...
## $ r : num 0.145 0.218 0.316 0.394 0.356 ...
## $ K : num 0.612 0.559 0.573 0.564 0.574 0.711 0.776 0.827 0.8
0.921 ...
## $ w : num 0.243 0.26 0.278 0.297 0.31 0.322 0.335 0.35 0.361 0.379
...
## $ L : num 1.42 1.38 1.39 1.55 1.8 ...

funcion<- lm(log(Y)~log(K)+log(L), data = airtransportation) summary(funcion)

summary(airtransportation)

## Year Y r K
## Min. :1948 Min. : 1.214 Min. :0.1454 Min. :0.5590
## 1st Qu.:1956 1st Qu.: 3.875 1st Qu.:0.2667 1st Qu.:0.8203
## Median :1964 Median : 7.349 Median :0.3505 Median :2.0190
## Mean :1964 Mean :10.050 Mean :0.3549 Mean :3.7363
## 3rd Qu.:1971 3rd Qu.:16.400 3rd Qu.:0.4064 3rd Qu.:7.1965
## Max. :1979 Max. :23.619 Max. :0.5879 Max. :9.5080
## w L
## Min. :0.2430 Min. :1.384
## 1st Qu.:0.3583 1st Qu.:2.355
## Median :0.5220 Median :3.337
## Mean :0.6913 Mean :3.793
## 3rd Qu.:0.9295 3rd Qu.:5.513
## Max. :1.7790 Max. :6.852

funcion<- lm(log(Y)~log(K)+log(L), data = airtransportation)

summary(funcion)

##
## Call:
## lm(formula = log(Y) ~ log(K) + log(L), data = airtransportation)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.20931 -0.06196 0.01054 0.05359 0.14285
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.224689 0.098847 -2.273 0.0306 *
## log(K) -0.004184 0.056032 -0.075 0.9410
## log(L) 1.802960 0.116710 15.448 1.57e-15 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.08398 on 29 degrees of freedom
## Multiple R-squared: 0.9921, Adjusted R-squared: 0.9915
## F-statistic: 1813 on 2 and 29 DF, p-value: < 2.2e-16

##Si el insumo trabajo aumenta 1% el producto aumentara 1.80%.

funcion2<- lm(log(Y)~log(K)+log(L)+log(Year), data = airtransportation)
summary(funcion2)

##
## Call:
## lm(formula = log(Y) ~ log(K) + log(L) + log(Year), data =
airtransportation)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.19021 -0.04250 0.01083 0.04904 0.13759
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -303.10895 118.32600 -2.562 0.0161 *
## log(K) -0.06243 0.05615 -1.112 0.2756
## log(L) 1.55055 0.14545 10.660 2.3e-11 ***
## log(Year) 39.99232 15.62356 2.560 0.0162 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.07694 on 28 degrees of freedom
## Multiple R-squared: 0.9936, Adjusted R-squared: 0.9929
## F-statistic: 1442 on 3 and 28 DF, p-value: < 2.2e-16

##Ahora teniendo en cuenta el paso del tiempo como variable proxy del cambio
tecnologico, notamos que la elasticidad es más baja (1.5), lo cual puede ser un fuerte
indicativo que con el cambio en la tecnologia a lo largo del tiempo el trabajo va a llegar
a tener una menor incidencia en el producto, porque lo que se puede tener hoy en día
como mano obrera en el futuro podra se automatizado y realizado por una maquina.