R Notebook

Primeramente, obtenemos los datos y nombramos las variables:

emp <- datos_espan_a$emp 
rgdp <- datos_espan_a$rgdpna
rnna <- datos_espan_a$rnna
avh <- datos_espan_a$avh

Una vez nombradas las variables hemos de tomar logaritmos neperianos y calcular la variable “L” para poder estimar el modelo de regresión lineal por MCO de la función Cobb-Douglas de la economía española.

L <- avh*emp
log_emp <- log(emp)
log_rgdp <- log(rgdp)
log_rnna <- log(rnna)
log_avh <- log(avh)
log_L <- log(L)

Estimamos el modelo de regresión lineal múltiple para el periodo 1960 a 2019 (antes de hacerlo especificamos que se trata de una serie temporal):

mst <- ts(data = datos_espan_a, start=c(1960, 1), end =c(2019,1))
ols <- lm(log_rgdp ~ log_L + log_rnna, data = datos_espan_a)
summary(ols)

Call:
lm(formula = log_rgdp ~ log_L + log_rnna, data = datos_espan_a)

Residuals:
      Min        1Q    Median        3Q 
-0.142026 -0.018876  0.009752  0.029670 
      Max 
 0.051680 

Coefficients:
            Estimate Std. Error t value
(Intercept)  0.11248    0.37152   0.303
log_L        0.21236    0.04069   5.219
log_rnna     0.74734    0.00827  90.370
            Pr(>|t|)    
(Intercept)    0.763    
log_L       2.62e-06 ***
log_rnna     < 2e-16 ***
---
Signif. codes:  
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.03839 on 57 degrees of freedom
Multiple R-squared:  0.995, Adjusted R-squared:  0.9948 
F-statistic:  5635 on 2 and 57 DF,  p-value: < 2.2e-16