Accelerat ing t he world's research.

THE EFFECTS OF REAL INTEREST

RATE, MONEY SUPPLY AND
UNEMPLOYMENT TO THE
INFLATION RATE IN THE
PHILIPPINES.
Marajella Sebastian

Related papers Download a PDF Pack of t he best relat ed papers 

Corrupt ible Economic Growt h: A Regression Analysis on t he Effect of Corrupt ion t o t he at t ain…
Tobin Sadicon

Key Det erminant s of Inflat ion in Ghana

Doris Agyeiwaa, August ine D Owusu, Amos Oppong, Eric Ashalley, Isaac Quaye

T he Impact of Macroeconomic news on st ock market performance: A Germany, It aly and Greece bas…
KONSTANT INOS SPANOS
 
 
 
 
 
 
 
THE EFFECTS OF REAL INTEREST RATE, MONEY SUPPLY AND 
UNEMPLOYMENT TO THE INFLATION RATE IN THE PHILIPPINES. 
 
 
 
 
 
 
An Empirical Paper 
 Presented to 
The Faculty of the School of Economics 
De La Salle University‐Manila 
 
 
 
 
 
In Partial Fulfillment of the Requirements in ECONMET. 
 
 
 
 
 
Submitted by: 
Marajella P. Sebastian 
11110848 
 
Submitted to:  
Dr. Cesar Rufino 
 
 
 
 
September 6, 2013 
 Table of Contents 
Introduction  
Background of the Study 
Statement of the Problem 
Research Objectives 
Scope and Limitations  
Theoretical Framework  
IS‐LM Model  
The Real Wealth Effect 
Operational Framework  
Model Specification 
Variable List  
A‐Priori Expectations 
Initial Explanation 
Methodology 
Data 
Empirical Procedures 
Empirical Testing and Analysis of Results 
Summary Statistic 
Initial Regression  
Test for Multicollinearity: Variance Inflation Factors 
Test for Autocorrelation 
Breusch Godfrey 
Durbin Watson d‐statistic 
Test for Heteroskedasticity  
Breusch Pagan 
Koenker‐Bassett 
White’s Test 
Test for Omitted Variable Bias: Ramsey RESET  
Conclusion 
Bibliography 
 Introduction 

A. Background of the Study 

            The most popular fixed‐weight price index is the consumer price 

index  (CPI)  otherwise  known  as  inflation.  It  was  first  used  during  the 

World War I wherein it was used as a basis for adjusting shipbuilders’ 

wages,  which  was  controlled  by  the  government  during  the  war. 

Currently,  the  CPI  is  computed  each  month,  using  a  bundle  of  goods 

meant  to  depict  the  “market  basket”  or  the  “basket  of  goods”,  wherein 

each component is subject to a weighing system, purchased monthly by 

a typical household.   

             In our world change is indeed inevitable or as they say the only 

permanent  occurrence  that  we  experience.  True  enough  that  even  our 

good  and  services  throughout  history  have  also  changed  as  the  cost  of 

production, transportation, raw materials etc. have either decreased or 

increased over time. Thus, affecting the cost of goods and services that 

the society consumes. Through the consumer price index also known as 

“headline  inflation”  we  could  determine  the  changes  in  the  cost  to  the 
average  consumer  of  acquiring  a  “basket  of  goods”  and  services  that 

may  be  fixed  or  changed  at  specified  intervals,  such  as  yearly.  The 

“basket  of  goods”  is  usually  composed  of  food,  beverages  and  tobacco, 

clothing,  housing  and  repairs,  fuel,  light  and  water,  services  and 

miscellaneous.  However,  the  CPI  is  only  limited  to  the  prices  of 

consumer  goods  and  does  not  include  raw  materials,  intermediate 

goods or similar items in its calculation.    

           There are two types of inflation: headline inflation or CPI and core 

inflation. Core inflation is a widely used measure of the underlying trend 

or  movement  in  the  average  consumer  prices.  It  is  often  used  as  a 

complementary indicator to what is known as “headline” or CPI inflation 

as  defined  by  the  National  Statistical  Coordination  Board.  Headline 

inflation refers to the rate of change in the consumer price index (CPI), a 

measure  of  the  average  price  of  a  standard  “basket”  of  goods  and 

services  consumed  by  a  typical  family.  Thus,  headline  inflation  aims  to 

capture the changes in the cost of living based on the movements of the 

prices  of  items  in  the  “basket  of  goods”  and  services  consumed  by  the 

typical  Filipino  household.  In  this  study,  we  would  be  using  headline 

inflation or the inflation in terms of consumer prices as our basis. 
 

B. Statement of the Problem 

Can  annual  time‐series  data  of  real  interest  rate,  unemployment 

rate  and  money  supply  (M3)  have  actual  affect  on  the  annual 

inflation rate? Are all the macroeconomic variables significant? Is 

the economic model free from economic problems? 

C. Research Objective  

         This  paper  aims  to  determine  the  relationship  between 

macroeconomic  variables  such  as  real  interest  rates  (RIR), 

unemployment rates (Un) and money supply (M3) to the inflation rates 

(i). Since the inflation rate is the rise in the general level price of goods 

and services in an economy over a period of time, we could say that real 

interest  rates/lending  interest  rates  (RIR)  adjusts  due  to  inflation  as 

measured  by  the  GDP  deflator  while  money  supply  (M3)  in  circulation 

tends to increases in response to inflation as supported by the Quantity 

Theory  of  Money  and  the  changes  in  unemployment  (Un)  also  affects 

inflation  because  of  wages.  With  all  that  said,  these  regressors  indeed 
intuitively  affects  the  inflation  rate.  However,  this  paper  aims  to  prove 

these relationships through statistical methods.  

           The gathered data and results from this paper would, furthermore, 

help in determining the weights of these factors to the inflation rate in 

the  Philippines  and  aid  in  the  policy  making,  monetary  and  fiscal,  and 

recommendations  of  maintaining  or  decreasing  the  effects  of  inflation 

which is of course favorable to the Filipino society especially now where 

the cost of living rises and our basic needs and wants must be sustained 

at an affordable price so that we may live a convenient life.  

D. Scope and Limitations 

          Since we would like to determine the factors affecting the inflation 

rate as measured by consumer prices in the country.   This  implies  that 

the  scope  of  this  research  paper  is  in  accordance  to  the  Philippine 

setting but this does not restrict that our findings may or may not also 

be  applicable  to  other  countries.  The  data  and  economic  indicators 

gathered  to  create  this  paper  are  merely  applicable  or  observed  in  the 

Philippines.  The  type  of  data  used  is  time  series  that  is  data  collected 
over  discrete  intervals  of  time.  (Hill,  Griffiths  and  Lim,  2011).  Highly 

reliable  and  diverse  database  websites  such  as  World  Bank  and  Index 

Mundi were utilized for the collection of 31 distinct observations (from 

1976  to  2006)  for  the  following  regressors.  All  observations  are  of 

consecutive, annual form.  

          Furthermore, the statistical methods and techniques that would be 

used  to  discuss  this  research  paper  are  only  those  discussed  in 

Econometrics  1  in  estimating  an  econometric  model‐  the  method  of 

Ordinary Least Squares (OLS).  We must take into account that the OLS 

may not be the best estimator to show the relation of the inflation rate 

and the selected distinct regressors chosen by the researcher; there are 

many other methods of estimation that are more advanced and accurate 

than  the  OLS.  Also,  other  independent  factors  may  also  affect  the 

inflation rates other than those of selected by the researcher.   

Theoretical Framework 

A. IS‐LM Model  
           The  IS‐LM  framework  demonstrates  the  equilibrium  in  both  the 

goods  and  money  market.  This  shows  how  interest  rate  is  inversely 

related  to  the  output  of  the  country  (GDP)  that  then  affects  the  LM  or 

the money market wherein money demand is equal to money supply. In 

relation  to  inflation,  interest  rates  rise  to  control  excessive  or 

uncontrollable  inflation  and  money  supply,  as  known  to  economists,  is 

an important instrument for inflation.  

B. The Phillips Curve 

          An  economic  concept  developed  by  A.  W.  Phillips  stating  that 

inflation  and  unemployment  has  a  stable  and  inverse  relationship. 

Thus,  we  could  imply  that  the  Phillips  Curve  concludes  that  there 

exist  a  negative  relationship  between  the  inflation  rate  and  the 

unemployment  rate  of  a  particular  economy.  However,  the  changes 

in  inflation  rate  is  not  solely  dependent  on  unemployment  rate  but 

rather  how  far  the  unemployment  is  from  the  natural  rate  of 

unemployment  as  demonstrated  by  the  modified  Phillips  Curve 

(Sauler,  2013).  This  theory  was  also  proven  by  Robert  Solow  and 
Paul  Samuelson  in  the  1960s  but  was  later  on  criticized  by  Milton 

Friedman  and  Edmund  Phelps  stating  that  the  Phillips  Curve  only 

applies in the short run relation of unemployment and inflation rates. 

C. Quantity Theory of Money 

 M×V = P×T 

        The Quantity Theory of Money could be quantified by the Fisher 

equation  above  wherein  M  represents  the  money  supply,  V 

represents  the  velocity  of  money,  P  represents  the  average  price 

level  and  T  represents  the  volume  of  transactions  in  the  economy. 

This theory proposes a positive relationship between the growth rate 

of  money  and  the  inflation  rate  of  an  economy.  Based  to  how  the 

formula  is  derived,  holding  the  transaction  volume  and  velocity  of 

money  constant,  any  increases  in  the  money  supply  will  yield  a 

proportional  increase  in  the  average  price  level  or  inflation.  To 

further  strengthen  the  argument,  the  theory  states  that  there  will 

exist  a  positive  relationship  between  inflation  rate  and  the  growth 

rate  of  money  if  the  difference  between  the  growth  rate  of  money 

and the growth rate of output is positive, negative if otherwise, and 
 zero if both respective growth rates will then just cancel each other’s 

out (Rivera, 2012). 

Operational Framework 

A. Model Specification  

� = �� + �� ��� +   �� �� +   �� �� + � 

B. Variable List  

Inflation, as consumer prices (i)  Inflation  as  measured  by  the 

consumer  price  index  reflects  the 

annual  percentage  change  in  the 

cost  to  the  average  consumer  of 

acquiring  a  basket  of  goods  and 

services  that  may  be  fixed  or 

changed  at  specified  intervals, 

such  as  yearly.  The  Laspeyres/CPI 

formula is generally used. 

Real Interest Rate (RIR)  The  lending  interest  rate  that  is 

charged  by  Banks  of  the 

 Philippines to prime costumers 

Money Supply (M3)  Liquid liabilities are also known as 

M3.  They  are  the  sum  of  currency 

and  deposits  in  the  central  bank 

(M0),  plus  transferable  deposits 

and electronic currency (M1), plus 

time  and  savings  deposits,  foreign 

currency  transferable  deposits, 

certificates  of  deposit,  and 

securities  repurchase  agreements 

(M2), plus travelers checks, foreign 

currency  time  deposits, 

commercial  paper,  and  shares  of 

mutual funds or market funds held 

by residents. 

Unemployment rate (Un)  The percentage of the number of

people in the labor force without

jobs.

 
 C. A‐priori Expectations  

Variable  A‐priori  Intuition 

Expectation 

RIR  �� > �  As  commonly  observed,  the 

  Central  bank  increases  its 

lending  rates  when  inflation 

becomes  increasing 

uncontrollable 

(hyperinflation)  so  to  hinder 

its  negative  effects  to  the 

economy.    When  lending 

rates  increases,  consumption 

of  the  society  is  constricted 

since  the  cost  of  borrowing 

money  is  higher,  thus, 

negating  the  effects  of 

inflation.  However,  there  has 

 been  a  study  by  Kandel,  Ofer 

and  Sarig,  which  concluded 

that  real  interest  rates  and 

inflation  could  also  be 

negatively  related.  To 

support  this,  the  Alternative  

Theories  of  Mundell  (1963), 

Tobin (1965), Fischer (1979), 

Darby  (1975),  Feldstein 

(1976)  and  Stulz  (1986) 

imply  that  real  interest  rates 

are  negatively  related  to 

inflation expectations. 

M3  �� > �  There  is  a  positive  relation 

between headline inflation or 

CPI  and  M3  money  supply 

(Adesida,  2005).  This  goes 

without  saying  that  an 

increase in the money supply, 
tend  to  increase  inflation  as 

measured  by  the  consumer 

prices.  For  this  analysis, 

Adesida  used  the  OLS 

technique  is  used  to  cover 

time  series  data  from  1980‐

81  to  2009‐10  wherein  she 

probed  the  impact  of  the  M1 

and  M2  money  supplies  on 

consumer  and  producer 

prices  indexes  by  estimating 

a  multitude  of  equations 

taking  core  CPI,  general  CPI, 

core PPI, commodity PPI, and 

personal  consumption 

expenditures as a measure of 

inflation,  with  M1,  and  M2 

money supply, as explanatory 

variables. 
Un  �� < �  As  stated  by  the  Phillips 

Curve,  there  will  be  a 

negative  relationship  for 

inflation  and  unemployment. 

When  the  unemployment 

rate  increase,  there  will  be  a 

corresponding  decrease  in 

wages  since  firms  and 

employers  would  like  to  take 

advantage  of  this 

phenomenon  wherein 

employees would rather have 

a  lesser  wage  than  rather 

having no job at all and when 

there  is  a  decrease  in  wage, 

then there will be a fall in the 

inflation rate. 

D. Initial Explanation  
 

To explain the model, the betas (�! ) in the model, except for 

beta  1  (�! ),  show  the  respective  slopes  or  the  respective  marginal 

contribution of the each of the policy/exogenous variables with respect 

to the endogenous variable, which is the inflation rate.  The beta 1 (�! ) 

signifies the intercept of the model, it can also be assumed as the initial 

inflation  rate  when  all  other  betas  ( �! )  are  zero.  However,  such 

interpretation of the intercept will depend on whether it will be counter 

intuitive or not. For now, we could not draw any inferences of it being 

counter  intuitive  or  not  since  we  have  yet  to  perform  numerous  tests. 

The signs are positive because the determinants are assumed to have a 

direct  relationship  with  the  inflation  rate.  On  the  other  hand,  the 

stochastic  error  term  (�) signifies  all  the  residual  errors  in  the  model. 

By  minimizing  the  Ordinary  Least  Squares  Method,  we  could  get 

accurate and precise estimates.  

   

          However  in  the  Population  Regression  Function  (PRF),  otherwise 

known as the expected value of our CPI, we only take into account the 

regressors  and  regressants,  thus,  the  residual  error  would  be 

eliminated.  Moreover, the PRF is only achieved by consensus that is of 
 course  not  feasible  since  it  requires  so  much  time  and  effort  to  gather 

individual surveys across a large population. Alternatively, we seek the 

Sample  Regressor  Function  (SRF),  which  can  be  the  representative  of 

the PRF, and we can now perform the OLS method.  

Methodology 

A. Data 

Unemployment 
Inflation as % 
Year  IR as %  M3 as % GDP  as % 

1976  3.41  25.62  9.9  6.32 

1977  3.44  28.15  7.33  6.94 

1978  2.44  30.55  17.53  7.45 

1979  ‐0.73  28.82  18.2  8.76 

1980  ‐0.22  29.09  13.08  10.35 

1981  3.25  29.55  10.22  11.71 

1982  8.66  30.75  10.03  12.9 

1983  4.39  37.7  50.34  14.2 

1984  ‐16.4  29.9  23.1  21.35 

1985  9.33  31.27  0.75  11.058 

1986  14.16  29.8  3.79  11.682 

1987  5.43  29.77  8.76  11.062 

1988  5.72  31.48  10.59  9.402 

1989  9.39  35.25  12.68  9.129 

1990  9.87  36.99  18.49  8.4 

1991  5.62  38.06  8.59  10.5 

1992  10.7  40.14  6.88  9.8 

1993  7.35  46.98  8.36  9.3 

1994  4.61  51.2  6.71  9.475 

1995  6.63  56.77  7.51  9.525 

1996  6.67  61.22  5.59  8.525 

1997  9.46  67  9.27  8.675 

1998  ‐4.58  59.38  5.95  10.05 

1999  4.87  62.59  3.95  9.75 

2000  4.92  61.36  5.35  11.175 

2001  6.49  58.9  2.72  11.125 

2002  4.78  60.35  2.29  11.4 

2003  6.08  57.91  4.83  11.4 

2004  4.32  56.7  6.52  11.825 

2005  4.12  54.82  5.49  11.35 

2006  4.6  59.65  2.9  8 

B. Empirical Procedures  

          In this study, 2 major softwares will be used (Gretl and Stata) to 

test  the  overall  relation  and  significance  of  the  model  and  its 

endogenous  variables.  Two  softwares  will  be  used  to  regress  and 

crosscheck the findings obtained by the two softwares. Thereof, after 

we regress the model we then interpret the model accordingly.  

        

          After  interpreting  the  initial  regression,  the  softwares  will  be 

utilized  in  determining  the  present  of  high  correlation  among  the 

exogenous  and  endogenous  variables  and  in  checking  for  violations 

of  the  Ordinary  Least  Square  (OLS)  such  as  the  violation  of 

autocorrelation,  multicollinearity,  and  heteroskedasticity.    Once 

problems  in  the  model  have  been  recognized  we  then  make 

corrective  measure  to  make  our  model  significant  and  accurate,  if 

applicable.  

 
          Finally,  the  Gretl  and  Stata  softwares  would  be  used  to 

determine the misspecifications and omitted variable bias and other 

errors in our model that would make it misleading and biased.  

Empirical Testing and Analysis of Results 

A. Summary Statistics 

          The data above is the summary statistic performed using Gretl and 

Stata. Since an econometric model is an economic model in empirically 
testable form, we could use the summary statistic information to aid us 

in checking for any violations in our model. The data above shows the 4 

moments: (1) first moment is the measure of central tendencies, which 

consists  of  the  mean,  median  and  mode  but  in  the  summary  it  is 

represented  only  by  the  mean  and  median  (2)  second  moment  are  the 

measure  of  variability  or  dispersion,  which  is  represented  by  the 

standard  deviation  and  variance  (3)  third  moment  is  the  measure  of 

symmetry, which is represented by skewness and (4) fourth moment is 

the  measure  of  tail  density  or  peakedness.    The  mean  is  the  total 

average of all the values per variable and the median is the middle value 

of specific variable. The standard deviation and variance measures how 

the values of the variables are spread out relative to the mean.  

B. Initial Regression 

 
  

        From the OLS regression above from Gretl and Stata softwares, we 

could transform our model specification to an estimated model: 

� = ��. ���� − �. ������� − �. ������ + �. ������ + � 

           This  shows  that  majority  of  our  independent  variables  are 

insignificant  given  their  respective  p‐values  are  all  greater  than  0.05, 

except  money  supply  (M3).  The  r  squared  is  0.247052,  which  is 

relatively  close  to  1;  thus,  our  model  has  a  reasonable  explanatory 

power. The r squared measures the variability bearing of the dependent 

variables to the endogenous variable and it is the coefficient of multiple 

determinations.  Furthermore,  the  model  is  signification  because  the  F‐

statistic is 0.05 meaning that we have a 95% confident that are model is 

correct  and  significant.    However,  we  would  still  have  to  prove  the 

assumptions  of  the  Classical  Linear  Regression  Model  (CLRM)  and  the 

Ordinary Least Squares since, as stated by Guass‐Markov Theorem, the 

OLS  would  only  be  the  Best  Linear  Unbiased  Estimator  (BLUE)  or 

Minimum  Variance  Unbiased  Estimator  (MVUE)  if  and  only  if  the 

assumptions  of  the  CLRM  were  met.  Such  validation  of  assumptions 

would  help  us  avoid  a  breakdown  of  inference,  and  that  is  why  it  is 

required.    These  assumptions  are  normality,  banishing  error, 

homoscedasticity,  non‐autocorrelation,  exogeneity  of  the  X’s,  and  non‐

multicollinearity and the omitted/irrelevant variable bias assumptions. 

In order for the model to be significant, the regressors should also have 
sufficient  variability  since  the  standard  errors  are  dependent  on  how 

the regressors vary.  

            Furthermore,  the  results  above  prove  that  all  of  our  a‐priori 

expectations  not  were  met  meaning  that  our  variables  are 

counterintuitive.  However,  we  would  provide  further  tests  and 

explanations to this later on.   

Test for Multicollinearity 

          We  perform  the  multicollineary  test  to  determine  whether  a  high 

correlation  between  the  regressors  exists.  If  there  exists  a  high 

multicollinearity  then  we  violate  the  assumption  of  non‐

multicollinearity and we imply that, indeed, there will be huge variances 

among our regressors.  Based from the results above, we got a relatively 

small VIF but although it has reached the minimum required of 1. Thus, 
our  regressors  have  a  tolerable  multicollinearity  and  the  researcher 

could  leave  the  model  as  it  is.  Corrective  measures  are  only  needed 

when  the  mean  VIF  is  greater  than  or  equal  to  10  for  this  signifies 

dangerous  multicollinearity.    Moreover,  a  high  VIF  is  not sufficient  nor 

necessary  to  get  high  variance  and  high  standard  error  because  a  high 

VIF  can  be  balance  by  a  low  variance  (Gujarati  and  Porter,  2009). 

Furthermore, we should look more closely to the test of autocorrelation 

since it is more endemic in time series data.  

Test for Autocorrelation 

          To  test  autocorrelation,  we  could  opt  for  2  approaches,  which  is 

informal graphical test and formal statistical tests. The second approach 

is  the  formal  statistical  test,  which  namely  consists  of  the  Bruesch 

Godfrey test and the Durbin Watson test. Autocorrelation is a violation 

of critical assumption because an autocorrelation would imply that OLS 

is will not the best linear unbiased estimator (BLUE). If the OLS is BLUE 

but  there  exists  autocorrelation,  this  refers  to  the  Generalized  Least 

Square (GLS).  Autocorrelation is endemic in time series data due to (1) 

inertia  or  the  sluggishness  of  economic  magnitude  or  variable,  (2) 

Specification bias due to omitted variable bias and wrong specification 
bias, (3) wrong lag or delays, (4) data manipulation, (5) non‐stationarity 

of variables, and (6) wrong transformation of variables. 

i. Breusch Godfrey  

          The Breusch Godfrey test allows nonstochastic regressors, higher‐

order  autoregressive  schemes  and  simple  or  higher‐  order  moving 

averages  of  white  noise  error  terms  (Gujarati  and  Porter).  The  results 

show  that  our  model  is  free  from  the  endemic  autocorrelation  in  time 

series since the p‐values are all greater than 0.05. Thus, OLS is BLUE.  

ii. Durbin Watson 
  

      Our  model  also  surpassed  the  violation  of  autocorrelation  based 

from  the  p‐value  obtained  by  the  Durbin  Watson  test  which  is  >  0.05. 

Hence, there has been no breakdown of inference and our OLS is BLUE. 

Test for Heteroskedasticity 

i. Breusch Pagan  

 
       Clearly  as  shown  by  the  results,  there  exists  heteroskedasticity  in 

our model and the criticical assumption of homoscedasticity is violated 

since  our  p‐value  is  <0.05.  With  this,  we  could  use  some  corrective 

measures  using  Gretl  and  prompt  for  a  heteroskedastic  corrected 

command. However, we need not to focus on this since our data is time 

series  wherein  the  autocorrelation  violation  is  more  endemic  and 

critical to our model.  

ii. Koenker‐Bassett  

 
  

          The test above shows that there exists no heteroskedasticity since 

the p‐value is 0.319886, which is higher than the critical region (0.05). 

Thus,  our  model  is  homoscedastic.  Surprisingly,  the  results  of  the 

Breusch Pagan and Koenker Basset are not parallel to each other this is 

because  the  Koenker  Basset  test  is  found  to  perform  well  in  terms  of 

both size and power than the Breusch Pagan test (Cai, Hurvich and Tsai, 

2012). Thus, we could conclude that the latter test is more accurate and 

significant and our model is proven to be homoscedastic. Furthermore, 

the Breusch Pagan and Breusch Godfrey are tests for heteroskedasticity 

where  the  squared  OLS  residuals  are  regressed  on  the  explanatory 

variables in the model (Wooldridge, 2006). Thus, we could also refer to 

the  previous  test  of  Breusch  Godfrey  wherein  our  p‐values  were  all  > 

0.05 and our model is indeed homoscedastic and free from the violation 
of  heteroskedcasticity.  To  further  show  that  our  model  is  free  from 

heteroskedasticity,  we  may  opt  for  the  following  tests:  Park’s  Test, 

Goldfeld‐Quandt  Test,  Spearman  Rank  Correlation,  White’s  Test  and 

Wooldridge  Test.  White’s  Test  is  considered  as  the  most  powerful 

among all the tests so it is essential to be conducted. 

iii. White’s Test  

iv. White’s Test (squares only) 
  

          Basing from the results of both White’s Test, we got the respective 

p‐values  of  0.082524  and  0.140424  which  are  both  >  0.05.  Thus,  our 

model does not violate the violation of heteroskedasticity.  

  

 
 Test for Omitted Variable Bias 

          As  shown  by  the  Ramsey  Reset  (Regression  Error  Specification 

Test)  that  is  the  test  used  to  check  for  omitted  variable  bias,  which  if 

committed would make our OLS biased and inconsistent. Therefore, OLS 

is not BLUE. Since our p‐value is 0.26, which is greater than the level of 

significance of 0.05, its is safe to say that our model is free from biasness 

since  the  researcher  does  not  have  evidence  to  reject  the  null 

hypothesis that states that the model has no omitted variable bias.  

 
 Conclusion 

         Based from our initial regression, unemployment was proven to be 

counter‐intuitive  since  the  initial  regression  stated  that  there  is  a 

negative relation between inflation. Conversely, as previously discussed 

our  apriori  expectation  was  based  on  the  Phillips  Curve  which  is  only 

effective in the short‐run as criticized by Milton Friedman and Edmund 

Phelps.  According  to  Haug  and  King  (2009),  a  there  is  positive 

relationship between unemployment and inflation for bands longer than 

the typical business cycle. Thus, unemployment and inflation may have 

a  direct  relationship.  The  only  regressor  that  was  proved  to  be 

significant  was  money  supply  but  it  is  counter‐intuitive  since  we 

assumed  it  to  be  positive.  However,  the  theory  states  that  there  will 

exist a positive relationship between inflation rate and the growth rate 

of  money  if  the  difference  between  the  growth  rate  of  money  and  the 

growth rate of output is positive, negative if otherwise, and zero if both 

respective  growth  rates  will  then  just  cancel  each  other’s  out  (Rivera, 

2012). Thus, money supply and inflation may be negative.  Also, the real 

interest rate was proven to be counter‐intuitive since it does not fit our 

apriori expectation that it is positive. However,  there has been a study 
by Kandel, Ofer and Sarig, which concluded that real interest rates and 

inflation  could  also  be  negatively  related.  To  support  this,  the 

Alternative  Theories of Mundell (1963), Tobin (1965), Fischer (1979), 

Darby (1975), Feldstein (1976) and Stulz (1986) imply that real interest 

rates  are  negatively  related  to  inflation  expectations  as  mentioned 

earlier.  

        Overall,  it  would  be  safe  to  say  that  our  OLS  is  BLUE  since  our 

regressors have passed all the tests for violations of heteroskedasticity 

and  most  especially  autocorrelation  which  is  more  endemic  in  time 

series data.  

Bibliography 

       Quantity  Theory  Of  Money  Definition  |  Investopedia.  (n.d.). 

Investopedia  ‐  Educating  the  world  about  finance.  Retrieved  September 

1,  2013,  from 

http://www.investopedia.com/terms/q/quantity_theory_of_money.asp 

          Gujarati,  D.  N.,  &  Porter,  D.  C.  (2009).  Basic  Econometrics.  New 

York: McGraw‐ Hill/Irwin. 

          Riley,  G.  (2013,  September  1).  Consequences  of  Unemployment. 

Retrieved  from  tutor2u: 

http://www.tutor2u.net/blog/index.php/economics/comments/revisio

n‐ consequences‐of‐unemployment 

         Rivera, J. (2012, November). 

         Sauler, R. (2013, February)  

          Kandel,  S.,  Sarig,  A.,  &  Ofer,  O.  (1996).  Real  Interest  Rates  and 

Inflation. The Journal of Finance, 1, 22. 

Kandel, S., Sarig, A., & Ofer, O. (1996). Real Interest Rates and Inflation. 

The Journal of Finance, 1, 22. 

          Wooldridge,  J.  (2006).  Introductory  Econometrics:  A  Modern 

Approach, Third Edition. South‐Western College Publishing.