Ejercicios N Logit
December 27, 2022 | Author: Anonymous | Category: N/A
Short Description
Download Ejercicios N Logit...
Description
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ
FACULTAD DE ECONOMIA
EJERCICIOS NLOGIT CÁTEDRA
: ECONOMÍA AMBIENTAL Y DE LOS RECURSOS NATURALES
CATEDRÁTICO
: M.Sc. HUARINGA SANCHEZ, Miguel Angel
ESTUDIANTE:
:
COLORADO QUISPE, Liz Gaby MELGAR CASALLO, Cristina Janina
SEMESTRE
: X
Huancayo – Perú
- 2021-
LABORATORIO Nº 01 INTRODUCCIÓN AL N-LOGIT Ejercicio N° 1 Para poder realizar en forma fácil el proceso de familiarización con el uso de NLogit, se tomará como base el ejercicio propuesto líneas abajo, comenzando con el análisis de Correlación y Regresión Simple: Con el objetivo de medir la elasticidad Ingreso del consumo de cerveza se tomó una muestra de 22 individuos, cada uno de ellos con ingresos distintos, como se muestra en la Tabla N°1. Encuentre la elasticidad ingreso del consumo de cerveza, interprete sus resultados.
Tabla 1 Ingreso
Consumo
de Ingreso
cerveza 1 20 0 30 40 50 60 70 80 90 100 110
Consumo de cerveza
6 13 16 88 1781 2859 3275 5647 5112 9838 12448 14475 16917
13 20 0 1 140 150 160 170 180 190 200 210 220
11 04 98 83 2 2 22628 20000 25477 25968 25968 22521 35182 19395 35000
a) Es Estad tadíst ístico icoss d desc escrip riptiv tivos os Tabla 2 Descriptive Mean
Std.Dev.
s INGRESO CONSUMO
Skewnes
Kurtosis
s 115 15399.11
64.93 10902.3
0 0.19
1.71 1.86
Minimu
Maximu
m
m
10 636
220 35182
36941
29203
21465 e g n a R
13727
5989
-1749 INGRES O
CONS U UM MOD Variable B o x pl o t s wi tth h o ut l i e rs rs s ho wn
Figura 1: Diagrama de caja
Como podemos observar en el diagrama de caja de nuestro modelo de consumo de cerveza en función al ingreso de las personas, tiene una distribución con sesgo negativo.
Figura 2: Dispersión de las variables
El promedio del ingreso es de 115 con una variación variación de 64.93, 64.93, el ingreso ingreso máximo que se alcanzó es de 220 y el ingreso mínimo es de 10. La distribución de los datos del ingreso es simétrica con un valor de 0; asimismo la distribución de los datos es
leptoc lep tocurt urtica ica (CU>0) (CU>0) tiene tiene gran gran concen concentra tració ción n de valore valoress están están alrede alrededor dor del promedio del ingreso.
El promedio del consumo de cerveza es de 15399.1 con una variación de 10802.3, el consumo máximo que se alcanzó es de 35182 y el consumo mínimo es de 636. La distribución distribución de los datos del consumo de cerveza es asimétrica con un valor de 0.19; asimism 0.19; asimismo o la distri distribuc bución ión de los datos datos es leptoc leptocurti urtica ca (CU>0) (CU>0) tie tiene ne gran gran concentración de valores están alrededor del consumo de cerveza.
b) Matriz Matriz de cor correl relac ación ión Tabla 3 INGRE
CONSU
SO
MO
INGRES O CONSU
1
0.93997
0.93997
1
MO
De acuerdo a la tabla anterior, se constata que la variable ingreso es una variable que tiene una alta correlación con influencia positiva respecto al consumo de cerveza, con un coeficiente de 0.93997.
c) Es Esti tima maci ción ón p por or MC MCO O Tabla 4 LHS=CONSUMO WTS=none Model size
Mean
15399.09
Standard deviation
10502.31
Number of observs.
22
Parameters
2
Degrees of freedom
20
Residuals
Sum of squares Standard error of e
0.2853666 3777.34
Fit
R-squared Adjusted R-squared
0.8835471 0.8777245
Model test Diagnostic
F[ 4, 25] (prob) Log likelihood
151.74 (0.000) -211.3773
Restricted(b=0 Chi-sq [ 4] 4] (p (prob LogAmemiya Prd. Crt Akaike Info. Criter. Durbin-Watson Stat. Rho = cor[e,e(-1)]
-146.2664 47.31 (0.000) 16.56056 16.56006 2.9431658 -0.4715829
Info criter Autocorrel
Tabla 5 Variable
Coefficient
Standard
t-ratio
P[|T|>t]
Error
X
Constant
-2583.19481 1667.19662
-1.549
0.1370
INGRESO
156.367702
12.318
0.000
12.6936181
Mean of
115.000
d) El mod modelo elo est estima imado do es: CONSUMO=−2583 . 19+ 156 . 36 INGRESO + µi....(1)
e) Anál Anális isis is del del mod model elo: o: Según la tabla anterior, los resultados de la regresión muestran que la variable ingreso de las personas explica 87.77% al consumo de cerveza, lo cual indica un alto porcentaje de nivel nivel de explic explicació ación. n. Asimism Asimismo, o, la probab probabili ilidad dad del t estadí estadístic stico o de la variab variable le ingreso es 0.000 menor a 0.05 lo cual indica que es una variable significativa.
Según lo planteado en la ecuación anterior, el ingreso de las personas y el co cons nsum umo o de cerve cerveza za tu tuvi viero eron n un unaa re rela lació ción n po posi siti tiva va.. Por Por ot otro ro lado, lado, el coeficiente de regresión es 156.36, lo cual indica que, ante el incremento del ingreso en una unidad monetaria, el consumo de cerveza se incrementa en 156.36.
f) La eelasti lasticida cidad d ingreso ingreso del consu consumo mo de de cervez cervezaa es:
Fórmula: EPD =
Donde
Δ y / y
=
Δ x / x
Δ y x´ x Δ x y´
La elasticidad ingreso se usa para clasificar los bienes en:
β 1 INGRESO=
156.367702∗115 15399.11
=1.167749
ei ≥ 1
Por lo que la cerveza es un bien normal y elástico, lo que indica que ante un aumento en el ingreso en 1 % conlleva a un aumento de la demanda de la cerveza en 1.16 %.
Ejercicio N° 2 Estimación por mínimos cuadrados ordinarios; uso del software econométrico NLOGIT. El gerente de personal de una compañía farmacéutica, está interesada en pronosticar si un aspirante aspiran te en particular se convertirá convertirá en un buen vendedor. vendedor. Para ello decide decide emplear emplear como vari variab able le depe depend ndie ient ntee las las vent ventas as del del pr prim imer er mes mes y el elig igee la lass sigu siguie ient ntes es va vari riab able less independientes para analizar:
X2 = examen de aptitud en ventas X3 = edad, en años X4 = calificación en la prueba de ansiedad X5 = experiencia en años X6 = PPG (punto promedio de grado) en secundaria
El gerente de personal reúne los datos que se muestran en la tabla 2 y lo designa como su analis ana lista ta para para la tarea tarea de obtene obtenerr el “mejor “mejor”” conjun conjunto to de variab variables les indepe independi ndient entes es para para pronosticar la habilidad en ventas. Elabore un reporte final con su resultado.
Tabla 6 VENTA
CEA
EDAD
CPA
EXPERIENCI
PPG_SE C 2 .4 2 .6 2 .8 2 .7 2 2 .5 2 .5 2 .3 2 .8 3 .4 3 2 .7 2 .8 3 .8 3 .7 2 .1 1 .8 1 .5 1 .9 2 .2 2 .8 2 .9 3 .2 2 .7 2 .4 2 .6 3 .4 2 .3 4 3 .6
S 44 47 60 71 61 60 58 56 66 61 51
10 19 27 31 64 81 42 67 48 64 57
22.1 22.5 23.1 24 22.6 21.7 23.8 22 22.4 22.6 21.1
4.9 3 1.5 0.6 1.8 3.3 3.2 2.1 6 1.8 3.8
A 0 1 0 3 2 1 0 0 1 1 0
47 53 74 65 33 54 39 52 30 58 59 52 56 49 63 61 39 62 78
10 48 96 75 12 47 20 73 4 9 98 27 59 23 90 34 16 32 94
22.5 22.2 24.8 22.6 20.5 21.9 20.5 20.8 20 23.3 21.3 22.9 22.3 22.6 22.4 23.8 20.6 24.4 25
4.5 4.5 0.1 0.9 4.8 2.3 3 0.3 2.7 4.4 3.9 1.4 2.7 2.7 2.2 0.7 3.1 0.6 4.6
1 0 3 0 0 1 2 2 0 1 1 2 1 1 2 1 1 3 5
*: John Hanke y Arthur Reitsch: Pronósticos en los negocios.
Tabla 7 LHS=VENTAS
Mean
55.3000
WTS=none
Standard deviation Number of observs.
11.16692 30
Model size
Parameters
6
Degrees of freedom
24
Residuals
Sum of squares Standard error of e
377.7625 3.967380
Fit
R-squared Adjusted R-squared
0.8955389 0.8737762
Model test Diagnostic
F[ 4, 25] (prob) Log likelihood Restricted(b=0 Chi-sq [ 4] 4] (p (prob LogAmemiya Prd. Crt Akaike Info. Criter. Durbin-Watson Stat. Rho = cor[e,e(-1)]
41.15 (0.000) -80.56418 -114.4483 67.77 (0.000) 2.938533 2.933068 1.8950454 0.0524768
Info criter Autocorrel Tabla 8 Variable
Coefficient
Constant CEA EDAD CPA EXPERIEN PPG_SEC
-90.6291525 0.20291469 6.15429519 0.11231856 -0.01319849 -0.58647651
Standard Error
17.8410899 0.2822123 092146173 0.50307148 0.78581086 1.76208987
t-ratio
P[|T|>t]
Mean of X
-5.080 7.190 6.679 0.223 -0.017 -0.333
0.000 0.000 0.8252 0.9867 0.7422 0.000
45.9000 22.4100 2.7133 1.2000 2.71333
Según Seg ún la tabla tabla anteri anterior, or, los resulta resultados dos de la regresi regresión ón muestra muestran n que las variab variables, les, examen de aptitud en ventas, edad, calificación en la prueba de ansiedad, experiencia en años y punto promedio de grado en secundaria explican de manera conjunta en 87.37 % a las ventas del primer mes. Asimismo, las variables examen de aptitud en ventas y edad tienen un t-static mayor a 2 en valor absoluto es decir un 7.190 y 6.679 con sus respectivas probabilidades menores a 0.05, los cuales indican que solo dichas variables explican de manera significativa a la variable ventas del primer mes. El modelo econométrico es lo siguiente:
VENTAS =− 90.6291 + 0.202914 CEA + 6.154295 EDAD + 0.112318 CP CPA A −0.013198 EXPERIEN − 0.586476
Según lo planteado en la ecuación anterior, el examen de aptitud en ventas y las ventas del primer mes tuvieron una relación positiva. Por otro lado, el coeficiente de regresión es 0.202914, lo cual indica que, ante un puntaje
mayo ma yorr en el ex exam amen en de ap apti titu tud d en ve vent ntas, as, la lass ve vent ntas as de dell mes mes po podr drán án incrementarse en 002029.
Según lo planteado en la ecuación anterior, la edad de los aspirantes y las ventas ven tas del primer primer mes tuviero tuvieron n una relación relación po positi sitiva. va. Por otro lado, lado, el coeficiente de regresión es 0.202914, lo cual indica que, cuando la edad del postulante sea más, las ventas del mes podrán incrementarse en 6.1542.
Según Seg ún el resu resulta ltado do obteni obtenido, do, mediante mediante la regresi regresión ón por MCO MCO de las variab variables, les, la probabilidad estadística es tadística del examen de aptitud 0.00 es menor a 0.05 que indica que es una variable significativa al igual que la edad en donde su probabilidad estadística es 0.00 0.00,, ento entonc nces es pode podemo moss conc conclu luir ir que que el gere gerent ntee de pe pers rson onal al de la co comp mpañ añía ía farmacéutica deberá tomar en cuenta el examen de aptitud y la edad de los aspirantes, para que se pueda así, desempeñar el cargo de un buen vendedor. vendedor.
Ejercicio Nº 3 El ejercicio tiene por objetivo la capacitación del estudiante en el uso de la técnica MCO para la estimación de una función de demanda y sus elasticidades empleando el software econométrico NLOGIT 3.0 Con base a los datos del archivo DEMANDA, se pide:
a. Hallar los estadísticos descriptivos y comentar comentar los rresultados. esultados. Tabla 9
Descriptive s
Mean
Std.Dev.
Skewness Kurtosis
Minimu m
Maximu m
POVI PPOL PRES QPOL ING
7.3559 7.93047 8.37353 44.6275 409.502
3.21493 3.9555 2.84128 32.2513 127.946
0.841856 0.438479 0.512093 1.60784 0.594163
1.996 2.471 4.016 13.251 184.815
15.533 15.459 14.219 137.269 760.389
3.13763 1.87732 2.20842 4.60548 3.29179
El promedio promedio del precio de carne de Ovino fue de 7.35 con una variación variación de 3.21, 3.21, el precio máximo que se alcanzó fue de 15.33 y el precio mínimo fue de 1.99. La distribución de los datos de precio de ovino es asimétrica positiva (CA>0) es decir que la mayoría de los precios de carne de ovino son menores al precio promedio es decir son menores a 7.35; asimismo la distribución de los datos es leptocurtica
(CU>0) tiene gran concentración de valores están alrededor del promedio del precio de carne de ovino.
El promedio del precio de pollo fue de 7.93 con una variación de 2.47, el precio máximo alcanzado fue15.45 y el mínimo fue de 2.47. La distribución de los datos de precio de ovino es asimétrica positiva (CA>0) es decir que la mayoría de los datos de precio de carne de pollo son menores al precio promedio es decir son menores a 7.93; 7.9 3; asimis asimismo mo la distri distribuc bución ión de los datos datos es leptoc leptocurt urtica ica (CU>0) (CU>0) tie tiene ne gran gran concentración de valores alrededor del promedio del precio de carne de pollo.
El promedio del precio de res fue de 8.37 con una variación de 2.84, el precio máximo alcanzado fue 14.21 y el mínimo fue de 4.01. La distribución de los datos de precio de res es asimétrica positiva (CA>0) es decir que la mayoría de los datos de precio de carne de res son menores al precio promedio es decir son menores a 8.37; asim asimis ismo mo la dist distri ribu buci ción ón de los los dato datoss es le lept ptoc ocur urti tica ca (C (CU> U>0) 0) tien tienee gr gran an concentración de valores alrededor del promedio del precio de carne de res.
El promedio de la cantidad demandada de carne de pollo fue de 44.62 con una variación de 32.25, la cantidad máxima demandada fue 137.26 y el mínimo fue de 13.251. La distribución de los datos de la cantidad demandada de pollo es asimétrica positiva (CA>0) es decir que la mayoría de los datos de la cantidad demandada de pollo son menores al precio promedio es decir son menores a 44.62; asimismo la distribución de los datos es leptocurtica (CU>0) tiene gran concentración de valores alrededor del promedio de la cantidad demandada de la carne de pollo.
El promedio de los ingresos fue de 409.502 con una variación de 127.94, la cantidad máxima de los ingresos fue 760.389 y el mínimo fue de 184.815. La distribución de los de los datos de ingresos es asimétrica positiva (CA>0) es decir que la mayoría de los datos de ingresos son menores al ingreso promedio es decir son menores a 409.502; asimismo la distribución de los datos es leptocurtica (CU>0) tiene gran concentración de valores alrededor del promedio del ingreso.
Figura 3: Dispersión de las variables
Matriz de correlac correlación ión Tabla 10 POVI PPOL PRES QPOL ING
POVI
PPOL
PRES
QPOL
ING
1 0.03771 -0.16218 -0.01123 0.05715
0.03771 1 -0.02515 -0.68732 -0.00619
-0.16218 -0.02515 1 0.02003 -0.01002
-0.01123 -0.68732 0.02003 1 0.53213
0.05715 -0.00619 -0.01002 0.53213 1
El ingreso per cápita y el precio de carne de pollo tiene una correlación moderada con la cantidad de consumo de pollo.
b. Estim Estimar ar una función de deman demanda da lineal para la carne de pollo e interpr interpretar etar los coeficientes, siendo el modelo: Tabla 11 Ordinary
least squares regression
LHS=QPOL WTS=none Model size
Mean
44.62747
Standard deviation Number of observs.
32.25129 30
Parameters
5
Degrees of freedom
25
Residuals
Sum of squares Standard error of e
7500.258 17.32081
Fit
R-squared Adjusted R-squared
.7513525 .7115690
Model test Diagnostic
F[ 4, 25] (prob) Log likelihood Restricted(b=0 Chi-sq [ 4] 4] (p (prob LogAmemiya Pr Prd. Crt Akaike Info. Criter. Durbin-Watson Stat. Rho = cor[e,e(-1)]
18.89 (.0000) -125.3906 -146.2664 41.75 (.0000) 5.857968 5.854829 1.8858373 .0570813
Info criter Autocorrel Tabla 12 Variable
Coefficient
Standard
t-ratio
P[|T|>t]
Mean of X
Error Constant
34.7707161
17.9152723
1.941
.0636
POVI PPOL PRES ING
--.51.4 57 79 13 69 80 98 92 .06522308 .13329601
1 .8.0 11 36 90 09 33 53 88 1.14742619 .02518077
--0 6..1 84 46 6 0.057 5.294
..8 08 05 04 0 .9551 .0000
7 7..3 95 35 09 40 60 60 60 7 8.37353333 409.501592
QPOL = β0 + β1 PPOL + β2 PRES + β3POVI + β4ING + µi Donde: QPOL
: cantidad per cápita de consumo anual de carne de pollo
PPOL
: precio de pollo
PRES
: precio de carne de res
POVI
: precio de carne de ovino
ING
: ingreso per cápita promedio anual
Modelo Econométrico QPOL = 34.7707161 - 5.57168992PPOL + 0.06522308PRES - 0.14793908POVI + 0.13329601ING 0.13329601I NG + µi
c. Estimar las elasticidades d dee la dema demanda, nda, direc directa, ta, cruzadas e ingreso ingreso.. ELASTICIDAD PRECIO DE LA DEMANDA
FÓRMULA
|
EPD =
||
Δ y / y Δ y x ´ x = Δ x / x Δ x y ´
|
Elasticidad precio –demanda de pollo
β 1 PPOL=
Δ y =−5.57168992 Δ x
E PPOL D =
7.93047 Δ y / y Δ y x´ =−0.9901 = x =−5.57168992 x Δ x / x Δ x y´ 44.6275
|−0.9901|< 1 Lo que indica que la demanda de la carne de pollo es inelástica, lo cual nos da a conocer que las variaciones en el precio de pollo tienen un efecto relativamente pequeño en la cantidad demandada de carne de pollo.
ELASTICIDAD CRUZADA
EC =
Δ y / y Δ y y´ x = Δ x / x Δ x x´
Elasticidad precio de ovino –demanda de pollo
β 2 POVI = Δ y =−0.14793908 Δ x
ECPOVID=
La
44.6275 Δ y / y Δ y y´ =−0. 8975 x =− 0.14793908 x = 897531 31 7.3559 Δ x / x Δ x x´
elasticidad precio cruzada es negativa por lo que los bienes (carne de pollo y carne
de ovino) son complementarios.
Elasticidad precio de res – demanda de pollo
β 3 RES=
Δ y = 0.06522308 Δ x
ECRESD=
Δ y / y Δ y y´ 44.6275 =0.347612 x = 0.06522308 x = 8.37353 Δ x / x Δ x x´
La elasticidad precio cruzada es positiva, los bienes (carne de pollo y carne de res) son sustitutos.
ELASTICIDAD RENTA DE LA DEMANDA FÓRMULA
ER=
Δ y / y Δ y x´ x = ´ Δ x / x Δ x y
β 4 =
Δ y = 0.13329601 Δ x
β 4 ING=
409.502 Δ y / y Δ y x´ =1.223125 x = 0.13329601 x = Δ x / x Δ x y´ 44.6275
ei ≥ 1
Por lo que la carne de pollo es un bien normal y elástico, lo que indica que ante un aumento en el ingreso en 1 % conlleva a un aumento de la demanda de carne de pollo 1.22%.
d. Inter Interpre pretar tar el coefic coeficien iente te de det determ ermina inació ción n y la sig signif nifica icanci nciaa ind indivi ividua duall de los coeficientes. COEFICIENTE DE DETERMINACIÓ DETERMINACIÓN: N: Los resultados de la regresión muestran que las variables precio de pollo(PPOL), precio de carne de res(PRES), precio de carne de ovino(POVI) e ingreso per cápita promedio anual(ING) explicaron de manera conjunta en 71.15% a la cantidad per cápita de consumo anual de carne de pollo(QPOL).
COEFICIENTES INDIVIDUALE INDIVIDUALES: S: El
t estad estadís ísti tico co de las vari variab ables les preci precio o de
pollo(PPOL) y el ingreso per cápita promedio anual(ING) son mayores a dos en valor absoluto¿), lo que muestra que solo las dos variables(PPOL,6.84-ING,5.29) consideradas fueron significativas y explicaron adecuadamente a la cantidad per cápita de consumo anual de carne de pollo(QPOL). Por otro lado, el precio de PRES Y POVI no fueron significativas y no explicaron adecuadamente a la a la cantidad per cápita de consumo anual de carne de pollo(QPOL).
e.
Ahora, Aho ra, pla plante ntear ar un unaa fun funció ción n expone exponenci ncial al y lue luego go estima estimarr e int inter erpre pretar tar sus
coeficientes. Tabla 13 Matriz de correlació correlación n LPOVI LPOVI LPPOL LPRES LQPOL LING
LPPOL
1 0.10977 -0.22838 -0.17447 -0.02335
LPRES
0.10977 1 -0.09054 -0.84301 -0.02977
LQPOL
-0.22838 -0.09054 1 -0.0161 0.05085
-0.17447 -0.84301 -0.0161 1 0.47684
Tabla 14 LHS=QPOL
Mean
3.599495
Standard de deviation Number of observs.
.6178038 30
Parameters
5
Degrees of freedom
25
Residuals
Sum of squares Standard error of e
.6829748 .1652846
Fit
R-squared Adjusted R-squared
.9382971 .9284246
Model test Diagnostic
F[ 4, 25] (prob) Log likelihood Restricted(b=0 Chi-sq [ 4] 4] (p (prob LogAmemiya Pr Prd. Crt Akaike Info. Criter. Durbin-Watson Stat. Rho = cor[e,e(-1)]
95.04 (.0000) 14.16926 -27.61210 83.56 (.0000) -3.446023 -3.449161 2.2422431 - .1211215
WTS=none Model size
Info criter Autocorrel
LING -0.02335 -0.02977 0.05085 0.47684 1
Variable
Coefficient
Standard
t-ratio
P[|T|>t]
Mean of X
1.601 -2.034 -16.573 -2.702 9.178
.1220 .0527 .0000 .0122 .0 .0000
1. 1.90329002 1.94117565 2. 2.06946786 5. 5.96690240
Error Constant LPOVI LPPOL LPRES LING
1.01528533 -.14426097 -.96536654 -.25048318 .88003674
.63430769 .07092887 .05825019 .09271551 .09588760
logQPOL = log A + β1 log PPOL + β2 log PRES + β3 log POVI + β4ING + µi Modelo Econométrico logQPOL = 1.01528533 - 0.96536654 log P POL -0.25048318log PRES - 0.14426097 log POVI + 0.88003674ING + µi
COEFICIENTE DE DETERMINACIÓ DETERMINACIÓN: N: Los resultados de la regresión muestran que las variables precio de pollo(PPOL), precio de carne de res(PRES), precio de carne de ovino(POVI) e ingreso per cápita promedio anual(ING) explicaron de manera conjunta en 92.84 % a la cantidad per cápita de consumo anual de carne de pollo(QPOL).
Asimis ismo mo,, el t estad estadíst ístic ico o de las va vari riab able less COEFICIENTES INDIVIDUALE INDIVIDUALES: S: Asim explic exp licativ ativas as son mayores mayores a dos en valor valor absolut absoluto o
¿),
lo qu quee muest muestra ra qu quee la lass cu cuat atro ro
variab var iables les consid considera eradas( das(PPO PPOL,P L,PRE RES,P S,POVI OVI,, ING) ING) fueron fueron signif significat icativa ivass y explic explicaro aron n adecuadamen adecua damente te al comportamiento comportamiento de la cantidad cantidad per cápita cápita de consumo anual de carne de pollo(QPOL).
Ante un incremento en una unidad monetaria del precio del pollo, la cantidad demandada de precio de pollo(PPOL) disminuirá en 5.57.
Ante un incremento en una unidad monetaria del precio de carne de res(PRES), la cantidad demandada de la carne de pollo se incrementará en 0.065.
Ante un incremento en una unidad monetaria precio de carne de ovino(POVI), la cantidad demandada de carne de pollo disminuirá en 0.14.
Ante un incremento en una unidad monetaria del ingreso per cápita promedio anual(ING) la cantidad demandada de carne de pollo aumentará en 0.13.
View more...
Comments