UNIVERSIDAD SANTO TOMAS

FACULTAD DE ECONOMA
ECONOMETRA II TALLER 1
Juan Camilo Chaparro Ospina
Cdigo: 2127708
Diana Carolina Peuela Manrique
Cdigo: 2135106

Debe presentar el presente taller en grupos mximo de 3 personas. No se

responde ningn tipo de pregunta en lo relacionado con este taller. Conteste
solo lo que se le pregunta. Cualquier afirmacin errnea que haya en sus
respuestas le quitar puntos aun si menciona la respuesta correcta. Las
respuestas que se encuentren textualmente iguales con otro grupo sern
anuladas. Como apoyo bibliogrfico consultar:
Introduccin a la Econometra, Wooldridge, Cap15 y Stock & Watson, cap. 12

Durante la dcada de 1880, un crtel conocido como el Comit Ejecutivo

Conjunto (JEC, en sus siglas originales) controlaba el transporte ferroviario de
cereales desde las ciudades del medio oeste hacia las del oeste de los Estados
Unidos. El crtel precedi a la Ley Antimonopolio Sherman de 1890, y oper
legalmente para aumentar el precio del grano por encima de lo que habra sido
el precio competitivo. De vez en cuando, los engaos de los miembros del
crtel provocaban un colapso temporal en el acuerdo de fijacin de precio
colusivo. En este ejercicio, se utilizarn las variaciones de la oferta asociadas
con los colapsos del crtel para estimar la elasticidad de la demanda de
transporte de grano por ferrocarril. El archivo de datos JEC que contiene las
observaciones semanales sobre el precio del transporte en tren y de otros
factores desde 1880 hasta 1886. Se encuentra disponible adjunto a este
documento.
Supngase que la curva de demanda de transporte ferroviario de cereales se
especifica como:
12
ln ( quantity t )= 0 + 1 ln( pricei)+ 2 ice i+ i seas i +ui
i=1

Donde quantity i es el total de toneladas de grano enviado en la semana t,

pricei es el precio de envo de una tonelada de grano por ferrocarril. La

variable ice i es una variable binaria que es igual a 1 si los Grandes Lagos no
son navegables a causa de hielo, y la variable seas i son un conjunto de
variables binarias que captan la variacin estacional de la demanda. La
variable ice i se incluye porque el cereal podra igualmente transportarse por
barco, cuando los Grandes Lagos son navegables.
1) Estime la ecuacin de la demanda por MCO. Cul es el valor estimado de la
elasticidad de la
demanda, su interpretacin y su significancia?
. *Curva de demanda por MCO
. regress lq lp ice seas*

Source SS df MS Number of obs = 328

F(14, 313) = 10.17
Model 22.4696137 14 1.60497241 Prob > F = 0.0000
Residual 49.3989901 313 .157824249 R-squared = 0.3126
Adj R-squared = 0.2819
Total 71.8686038 327 .219781663 Root MSE = .39727

lq Coef. Std. Err. t P>|t| [95% Conf. Interval]

lp -.6388847 .0823886 -7.75 0.000 -.8009902 -.4767793

ice .4477537 .1196041 3.74 0.000 .2124239 .6830835
seas1 -.1328219 .1109586 -1.20 0.232 -.351141 .0854972
seas2 .0668882 .1112977 0.60 0.548 -.1520981 .2858745
seas3 .1114365 .1113083 1.00 0.318 -.1075707 .3304436
seas4 .1554219 .1107434 1.40 0.161 -.0624737 .3733175
seas5 .1096585 .1299182 0.84 0.399 -.1459648 .3652819
seas6 .0468325 .159596 0.29 0.769 -.267184 .3608491
seas7 .1225526 .1600407 0.77 0.444 -.1923389 .4374442
seas8 -.2350078 .1598562 -1.47 0.143 -.5495363 .0795207
seas9 .0035607 .160021 0.02 0.982 -.3112921 .3184135
seas10 .1692469 .1612946 1.05 0.295 -.1481118 .4866057
seas11 .2151845 .1600958 1.34 0.180 -.0998156 .5301846
seas12 .2196331 .1591364 1.38 0.169 -.0934792 .5327454
_cons 8.861233 .1713614 51.71 0.000 8.524067 9.198399

Respuesta:
Ecuacin de demanda= 8.861233-0.6388847 Ln(pricei)
El valor estimado de la elasticidad de la demanda es
-0.6388847, el cual se interpreta de la siguiente forma; un
aumento en 1% en el precio del transporte ferroviario,
provoca una disminucin porcentual de -0.6388 en la cantidad
(quantity). La elasticidad es significativo a un nivel del 5%.
2) Explique por qu la interaccin entre la oferta y la demanda podra hacer
que el estimador MCO
De la elasticidad fuera sesgado.

Respuesta:
Con base en captulo 12 de Stock & Watson, se puede inferir
que adems del precio existen ms factores que pueden
influir en la demanda, que hacen que el precio est
correlacionado con el error, como por ejemplo una variacin
en la renta que puede generar un cambio en el poder
adquisitivo de las personas o tambin un aumento en el costo
de las materias primas, lo cual genera un aumento en el costo
de produccin.

3) Considrese la utilizacin de la variable cartel como variable instrumental

para Ln(price). Utilice
un razonamiento econmico para analizar si resulta verosmil que la variable
cartel satisfaga las
Dos condiciones para que un instrumento sea vlido.

Respuesta:
En el caso en que se decidiera utilizar la variable cartel como
variable instrumental para la variable Ln(Price), se puede
observar que por modelo de competencia, la variable cartel
est directamente relacionada con el poder de mercado, el
cual influye en la imposicin de precios, por lo cual sera un
instrumento relevante al tener una relacin positiva con la
variable.
En el caso de la exogeneidad del instrumento, el anlisis
puede ir encaminado hacia la naturaleza de la formacin de
los carteles, ya que dependen de un tamao de mercado, de
la existencia de competencia en el mismo y de la informacin.
Lo cual podra estar relacionado con las variables omitidas en
el modelo quantity, ya que no solo el esquema de cartel est
relacionado en la imposicin de precios sino tambin con las
cantidades.
Cumple solo una de las condiciones para ser un instrumento
vlido.

4) Estime la regresin de la primera etapa. Es la variable cartel un

instrumento dbil?
First-stage regressions

Number of obs = 328

F( 14, 313) = 21.32
Prob > F = 0.0000
R-squared = 0.4881
Adj R-squared = 0.4652
Root MSE = 0.2114

lp Coef. Std. Err. t P>|t| [95% Conf. Interval]

ice .035003 .0642519 0.54 0.586 -.0914171 .1614232

seas1 .0387253 .0590844 0.66 0.513 -.0775276 .1549782
seas2 .1362884 .0590844 2.31 0.022 .0200355 .2525413
seas3 .1890486 .0593185 3.19 0.002 .0723351 .3057621
seas4 .0895226 .059357 1.51 0.133 -.0272666 .2063119
seas5 .0178628 .0698693 0.26 0.798 -.11961 .1553356
seas6 -.025741 .0855293 -0.30 0.764 -.194026 .142544
seas7 -.0671265 .0855293 -0.78 0.433 -.2354115 .1011585
seas8 -.0358373 .0857092 -0.42 0.676 -.2044762 .1328017
seas9 -.0057758 .0863212 -0.07 0.947 -.175619 .1640673
seas10 -.1002111 .0863212 -1.16 0.247 -.2700542 .0696321
seas11 -.0867514 .0853616 -1.02 0.310 -.2547064 .0812036
seas12 .0116931 .0853616 0.14 0.891 -.1562619 .1796482
cartel .3578984 .0248623 14.40 0.000 .30898 .4068168
_cons -1.693741 .0783608 -21.61 0.000 -1.847922 -1.539561

Respuesta:
La variable cartel es significativa y est explicando la
variacin total del precio en un 48%. Tambin con el clculo
del estadstico F, el cual arroja un valor de 21.32 se puede
afirmar que no es un instrumento dbil, porque este nmero
es mayor a 10 en la primera etapa.

5) Estime la ecuacin de la demanda mediante regresin de variables

instrumentales. Cul es la
Elasticidad precio de la demanda estimada y su significancia?
Instrumental variables (2SLS) regression Number of obs = 328
Wald chi2(14) = 129.21
Prob > chi2 = 0.0000
R-squared = 0.2959
Root MSE = .39279

lq Coef. Std. Err. z P>|z| [95% Conf. Interval]

lp -.8665865 .1290666 -6.71 0.000 -1.119552 -.6136206

ice .422934 .1187568 3.56 0.000 .190175 .6556929
seas1 -.1309732 .1097094 -1.19 0.233 -.3459997 .0840532
seas2 .0909521 .1105491 0.82 0.411 -.1257201 .3076244
seas3 .135872 .1105753 1.23 0.219 -.0808516 .3525956
seas4 .1525109 .1095011 1.39 0.164 -.0621072 .367129
seas5 .0735618 .1294287 0.57 0.570 -.1801137 .3272373
seas6 -.0060642 .1594995 -0.04 0.970 -.3186775 .3065491
seas7 .0602324 .1605893 0.38 0.708 -.2545169 .3749816
seas8 -.2935991 .1601377 -1.83 0.067 -.6074631 .020265
seas9 -.0583723 .1605412 -0.36 0.716 -.3730272 .2562827
seas10 .0858109 .1636392 0.52 0.600 -.234916 .4065378
seas11 .1517912 .1607242 0.94 0.345 -.1632225 .4668048
seas12 .1786558 .1583685 1.13 0.259 -.1317408 .4890524
_cons 8.573535 .2114377 40.55 0.000 8.159124 8.987945

Instrumented: lp
Instruments: ice seas1 seas2 seas3 seas4 seas5 seas6 seas7 seas8 seas9
seas10 seas11 seas12 cartel

Respuesta:
Ecuacin de demanda = 8.573535-0.8665865ln (Price)
El valor estimado de la elasticidad precio de la demanda es
0.8665865, lo cual se interpreta de la siguiente forma; un
aumento en el un 1% en el precio del transporte ferroviario,
provoca una disminucin porcentual de 0.8665 en la cantidad.
La elasticidad es significativa a un nivel de confianza del 5%.

6) Se presenta el test de Hausman Qu concluye en cuanto a la existencia de

sesgo en el estimador de MCO?
Test: Ho: difference in coefficients not systematic

chi2(14) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 5.25
Prob>chi2 = 0.9820

Respuesta:
0.9820>0.1 Se acepta la hiptesis nula, lo cual indica que no
hay sesgo en MCO.

7) Sugiere la evidencia que el crtel estuviera fijando el precio que

maximizaba el beneficio de
monopolio? Explquelo. (Pista: (1) Qu debera hacer un monopolista si la
elasticidad precio fuese
menor que 1? (2) En cul intervalo de confianza debemos verificar si no se
puede rechazar que la elasticidad precio de la demanda es unitaria MCO o
MC2E?).

8) Para tener pruebas de hiptesis ms precisas, se omiten del modelo las

variables estacionales exceptuando seas8, que es la nica significativa al 10%.
Se mantiene su respuesta anterior si se elige un nivel de significancia del
10%?
. *Curva de demanda por MCO (Modelo restringido)
. regress lq lp ice seas8

Source SS df MS Number of obs = 328

F(3, 324) = 41.85
Model 20.0730931 3 6.69103104 Prob > F = 0.0000
Residual 51.7955106 324 .159862687 R-squared = 0.2793
Adj R-squared = 0.2726
Total 71.8686038 327 .219781663 Root MSE = .39983

lq Coef. Std. Err. t P>|t| [95% Conf. Interval]

lp -.6370351 .080009 -7.96 0.000 -.7944377 -.4796325

ice .3641554 .0479779 7.59 0.000 .2697679 .458543
seas8 -.361852 .0873855 -4.14 0.000 -.5337667 -.1899374
_cons 8.990891 .1249287 71.97 0.000 8.745117 9.236664

Instrumental variables (2SLS) regression Number of obs = 328

Wald chi2(3) = 108.72
Prob > chi2 = 0.0000
R-squared = 0.2589
Root MSE = .40298

lq Coef. Std. Err. z P>|z| [95% Conf. Interval]

lp -.8795219 .1275852 -6.89 0.000 -1.129584 -.6294596

ice .4054037 .0511969 7.92 0.000 .3050595 .5057478
seas8 -.3640144 .088078 -4.13 0.000 -.536644 -.1913848
_cons 8.624278 .1954441 44.13 0.000 8.241214 9.007341

. hausman vi2 mco2

Coefficients
(b) (B) (b-B) sqrt(diag(V_b-V_B))
vi2 mco2 Difference S.E.

lp -.8795219 -.6370351 -.2424868 .0993808

ice .4054037 .3641554 .0412482 .0178675
seas8 -.3640144 -.361852 -.0021624 .0110227

b = consistent under Ho and Ha; obtained from ivregress

B = inconsistent under Ha, efficient under Ho; obtained from regress

Test: Ho: difference in coefficients not systematic

chi2(3) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 5.95
Prob>chi2 = 0.1139
Respuesta:
0.1139<0.1 Se acepta la hiptesis nula