TRABAJO FINAL
Cruz Solares Ana Karen y Gama López Maria Fernanda
#SISTEMA DE ECUACIONES SIMULTANEAS
#PREGUNTA1
#Desde la óptica de la formación de los salarios, los factores que determinan los salarios nominales en la economía, son dos:
#1.El nivel esperado de precios (Pe)
#2.La tasa de empleo (1- µ )
#El modelo asume que los trabajadores tienen cierto poder de negociación, lo que implica que contribuyen en la determinación del nivel de los salarios.
#Por lo tanto, existe una relación directa entre el precio esperado (Pe) y el salario nominal (W).
#De otro lado, existe una relación directa entre el nivel de salarios y la tasa de empleo. La explicación es: si existe una tasa de empleo muy alta en la economía, los
#trabajadores tienen un mayor poder de negociación, por lo que el mercado impone un salario nominal más alto.
#Al reducir o aumentar la tasa de desempleo, implica un mayor o menor salario nominal. En conclusión, existe una relación positiva entre el nivel
#de empleo y el nivel de salario nominal.
#PREGUNTA 3
summary(oecd)
country WAGES PRICES GDP
Length:26 Min. : 2.280 Min. : 1.470 Min. :1.150
Class :character 1st Qu.: 3.715 1st Qu.: 2.635 1st Qu.:2.013
Mode :character Median : 4.230 Median : 3.170 Median :2.505
Mean : 5.407 Mean : 7.918 Mean :2.811
3rd Qu.: 6.032 3rd Qu.: 5.355 3rd Qu.:2.848
Max. :14.180 Max. :75.980 Max. :7.730
NA's :4
EMPLOY MONEY1 MONEY2 UNEMPLOY
Min. :-1.0600 Min. : 3.21 Min. : 3.880 Min. : 2.390
1st Qu.: 0.2925 1st Qu.: 5.37 1st Qu.: 4.660 1st Qu.: 5.173
Median : 0.8300 Median : 6.09 Median : 7.590 Median : 7.230
Mean : 0.9769 Mean : 7.24 Mean : 9.318 Mean : 7.365
3rd Qu.: 1.6425 3rd Qu.: 9.10 3rd Qu.:10.980 3rd Qu.: 8.805
Max. : 4.5600 Max. :14.46 Max. :32.530 Max. :20.040
NA's :5 NA's :5 #El numero de paises que componen la base de datos son 26
#PREGUNTA 4
ggplot(data=oecd)+geom_smooth(aes(y=WAGES,x=PRICES))
#PREGUNTA 5
mco<-lm(PRICES~WAGES,oecd)
stargazer(mco,type="text")
===============================================
Dependent variable:
---------------------------
PRICES
-----------------------------------------------
WAGES 0.721***
(0.077)
Constant 0.119
(0.476)
-----------------------------------------------
Observations 22
R2 0.816
Adjusted R2 0.807
Residual Std. Error 1.106 (df = 20)
F Statistic 88.551*** (df = 1; 20)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01#Por un peso adicional en los precios, el salario aumentaría en 72%
mco2<-lm(PRICES~WAGES+UNEMPLOY,oecd)
stargazer(mco2,type="text")
===============================================
Dependent variable:
---------------------------
PRICES
-----------------------------------------------
WAGES 0.721***
(0.077)
UNEMPLOY 0.049
(0.062)
Constant -0.273
(0.692)
-----------------------------------------------
Observations 22
R2 0.822
Adjusted R2 0.803
Residual Std. Error 1.117 (df = 19)
F Statistic 43.745*** (df = 2; 19)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01iv2<-ivreg(PRICES~WAGES|UNEMPLOY,data = oecd)
summary(iv2, diagnostics=T)
Call:
ivreg(formula = PRICES ~ WAGES | UNEMPLOY, data = oecd)
Residuals:
Min 1Q Median 3Q Max
-24.502 -12.811 -9.366 5.038 70.668
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 41.980 1191.265 0.035 0.972
WAGES -7.021 220.306 -0.032 0.975
Diagnostic tests:
df1 df2 statistic p-value
Weak instruments 1 20 0.001 0.972
Wu-Hausman 1 19 0.620 0.441
Sargan 0 NA NA NA
Residual standard error: 25.03 on 20 degrees of freedom
Multiple R-Squared: -93.36, Adjusted R-squared: -98.08
Wald test: 0.001016 on 1 and 20 DF, p-value: 0.9749 #No, no es un buen instrumento la variable desempleo porque no es significativa.
#PREGUNTA 6
#No, no existe endogeneidad.
#PREGUNTA 7
mco3<-lm(WAGES~PRICES+UNEMPLOY,oecd)
stargazer(mco3,type="text")
===============================================
Dependent variable:
---------------------------
WAGES
-----------------------------------------------
PRICES 1.138***
(0.122)
UNEMPLOY -0.057
(0.078)
Constant 1.289
(0.822)
-----------------------------------------------
Observations 22
R2 0.821
Adjusted R2 0.802
Residual Std. Error 1.403 (df = 19)
F Statistic 43.494*** (df = 2; 19)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01#No, no es posible ya que por más salarios no puede haber menos desempleo y no es estadisticamente significativa.
#PREGUNTA 8
#Los precios están determinados tanto por factores reales como monetarios. Consecuentemente, puede ocurrir que si los factores reales están tirando de las cosas en una dirección opuesta a los factores monetarios, no pueda tener lugar ningún cambio visible en los precios: mientras el crecimiento monetario está disparado, los precios pueden mostrar bajos incrementos.
#el crecimiento económico es una cadena cíclica, es decir, todo lo que producen las empresas (bienes o servicios) es consumido por las personas; esto representa más ingresos y mejores utilidades para las compañías, lo que se traduce en capacidad para contratar personal, que en otras palabras, afecta a ese mismo consumidor dependiendo de cómo se comporte el PIB.
#Entre más empleo se genere, más capacidad de consumo tienen los hogares, porque traen el salario a su casa y entonces pueden consumir más. Entonces, un mayor crecimiento del PIB, se ve reflejado en mayor consumo y en mayor capacidad de adquisición de las personas.
#PREGUNTA 9
mco4<-lm(PRICES~WAGES+UNEMPLOY+MONEY1+GDP,oecd)
stargazer(mco4,type="text")
===============================================
Dependent variable:
---------------------------
PRICES
-----------------------------------------------
WAGES 0.764***
(0.102)
UNEMPLOY -0.033
(0.046)
MONEY1 0.155
(0.105)
GDP -0.373
(0.342)
Constant 0.110
(0.814)
-----------------------------------------------
Observations 20
R2 0.943
Adjusted R2 0.927
Residual Std. Error 0.695 (df = 15)
F Statistic 61.486*** (df = 4; 15)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01IV4<-ivreg(PRICES~WAGES+UNEMPLOY|UNEMPLOY+MONEY1+GDP,data = oecd)
summary(IV4, diagnostics=T)
Call:
ivreg(formula = PRICES ~ WAGES + UNEMPLOY | UNEMPLOY + MONEY1 +
GDP, data = oecd)
Residuals:
Min 1Q Median 3Q Max
-1.55660 -0.31781 -0.02668 0.50961 1.16702
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.61524 0.47849 -1.286 0.216
WAGES 0.94929 0.07365 12.890 3.34e-10 ***
UNEMPLOY -0.02821 0.04692 -0.601 0.556
Diagnostic tests:
df1 df2 statistic p-value
Weak instruments 2 16 16.563 0.000127 ***
Wu-Hausman 1 16 2.376 0.142718
Sargan 1 NA 0.086 0.769107
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 0.723 on 17 degrees of freedom
Multiple R-Squared: 0.9295, Adjusted R-squared: 0.9212
Wald test: 87.61 on 2 and 17 DF, p-value: 1.113e-09 #Si son buenos instrumentos
#pregunta 10
#Que el modelo es explicado ya que es exogeno y se acepta la hipotesis nula.
#PREGUNTA11
mco5<-lm(WAGES~PRICES+UNEMPLOY+MONEY1+GDP,oecd)
stargazer(mco5,type="text")
===============================================
Dependent variable:
---------------------------
WAGES
-----------------------------------------------
PRICES 1.034***
(0.138)
UNEMPLOY 0.028
(0.054)
MONEY1 0.017
(0.130)
GDP 0.052
(0.413)
Constant 0.500
(0.939)
-----------------------------------------------
Observations 20
R2 0.935
Adjusted R2 0.918
Residual Std. Error 0.808 (df = 15)
F Statistic 53.845*** (df = 4; 15)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01IV5<-ivreg(WAGES~PRICES+UNEMPLOY|UNEMPLOY+MONEY1+GDP,data = oecd)
summary(IV5, diagnostics=T)
Call:
ivreg(formula = WAGES ~ PRICES + UNEMPLOY | UNEMPLOY + MONEY1 +
GDP, data = oecd)
Residuals:
Min 1Q Median 3Q Max
-1.22872 -0.53389 0.02723 0.33453 1.64163
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.64945 0.47708 1.361 0.191
PRICES 1.05296 0.08170 12.888 3.35e-10 ***
UNEMPLOY 0.02978 0.04885 0.610 0.550
Diagnostic tests:
df1 df2 statistic p-value
Weak instruments 2 16 20.212 4.18e-05 ***
Wu-Hausman 1 16 0.015 0.904
Sargan 1 NA 0.086 0.769
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 0.7616 on 17 degrees of freedom
Multiple R-Squared: 0.9345, Adjusted R-squared: 0.9268
Wald test: 89.65 on 2 and 17 DF, p-value: 9.31e-10 #Si son buenos instrumentos
#PREGUNTA 12
#La prueba Hausman nos indica que no es estadisticamente significativa y que es endogena ya que es menor a 0.05
#Pregunta 13
#Es conveniente por VI ya que explica sobre los instrumentos y cuales si podemos usar.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