Académique Documents
Professionnel Documents
Culture Documents
MODELO ECONOMICO: TEORIA ECONOMICA NO CUANTIFICAN LAS RELACIONES SE ESTUDIAN LAS PROPIEDADES
MODELO ECONOMETRICO: LAS RELACIONES SE FORMULAN DE FORMA EXPLICITA, CON UNOS PARAMETROS DESCONOCIDOS QUE SE ESTIMAN A PARTIR DE DATOS DE LAS VARIABLES QUE INTERVIENEN EN EL MODELO LAS RELACIONES NO SON EXACTAS: SE INTRODUCEN UNAS VARIABLES O PERTURBACIONES ALEATORIAS PARA INDICAR LA PARTE NO EXPLICADA POR EL MODELO Ejemplo: propensin marginal al consumo elasticidad del consumo respecto de la renta
C = f(R)
1
PM =
dC dR
EC|R=
d lnC d lnR
Libro: ECONOMETRA: MODELOS ECONOMTRICOS Y SERIES TEMPORALES con los paquetes TSP y TSP. Editorial Revert (calle Loreto 13-15). Barcelona. Espaa 1998. Autor: Jos M Caridad y Ocerin. ISBN 84-291-26139 (dos tomos)
EJEMPLO DE MODELO
La evolucin del consumo de acero (millones de Tm) en un Espaa durante los (17) aos 1969 a 1985 aparece en la siguiente tabla
5.98 7.46 11.35 12.18 8.03 12.64 9.53 12.90 10.81 13.18 11.48 11.09 13.04 13.50 10.98 11.17 14.19
Se trata de ver si podra predecirse el consumo que hubo en la segunda dcada de los 80.
16 14 12 10 8 6 4 70 72 74 76 78 80 82 84 86 88 90 ACERO
Modelos alternativos
Recta estimada:
Lmites en el uso del modelo: Horizonte de prediccin Especificacin: forma funcional bondad del ajuste variables causales o explicativas
2.
ln y = * + x + * ln y = * + 1lnx1 + 2lnx2 + *
Un modelo no es la realidad, sino una representacin abstracta que debe ayudar a comprender mejor la realidad. No tiene porqu existir un mejor modelo, ni siquiera poder afirmar categricamente que un modelo es mejor que otro.
Estimacin de un modelo:
Datos: (y1,x1), (y2,x2), .... , (yn,xn) Modelo terico: y = + x +
yi = + xi + i
Modelo estimado: y = a + b x + e
i = 1,2,...,n
yi =a + b xi + ei
Mtodos de estimacin:
i = 1,2,...,n
Modelos uniecuacionales
Mnimos cuadrados Mnimos cuadrados generalizados o mtodo de Aitken Mnimos cuadrados condicionados Mxima verosimilitud Modelos multiecuacionales Mnimos cuadrados bietpicos Mnimos cuadrados trietpicos Mxima verosimilitud
Contrastes diagnsticos sobre el modelo estimado Tests sobre la especificacin Tests T para la inclusin/exclusin de variables Anlisis de los residuos Congruencia econmica de los resultados Lgica en las predicciones
Naturaleza de las perturbaciones aleatorias 1, 2,....., n Variables aleatorias i N(0, 2 ), centradas, homocedsticas no autocorreladas Cov(i , j) = 0 i j La estructura (ideal) de las perturbaciones es ruido blanco Representan a todas las variables explicativas de y, no incluidas en el modelo, por ser cada una de stas poco influyentes Naturaleza de los residuos e1, e2, ...., en Valores numricos, positivos y negativos Son los errores cometidos en la estimacin No deben tener tendencia en variabilidad (heterocedasticidad), ni estar relacionados unos con otros (autocorrelacin)
Anlisis estadstico actuarial: Renacimiento Series temporales: accidentes, precios, seguros, . Siglos XVII a XIX: desarrollo de la Teora de Probabilidad Siglo XX: desarrollo de la Estadstica Crisis del ao 1929 1930 Fundacin de la Econometric Society 1933 Revista Econometrica 1933 Comisin Cowles 1949 Jan Tinbergen: primer tratado de Econometra 1957 M.H. Quenouille Modelos Arma 1970 G.E.P. Box y G.M. Jenkins: Time Series Analysis Forecasting and Control 1980 Difusin de paquetes economtricos en ordenador 1990 Acceso masivo a informacin econmica
I.N.E. Boletn Mensual de Estadstica Anuario Estadstico de Espaa Estadsticas de Poblacin Censos de poblacin, viviendas, edificios E.P.A. Movimientos de poblacion, mortalidad, natalidad Estadsticas sociales Censo electoral Estadsticas enseanza, hospitalarias, judiciales, indicadores sociales Encuesta de presupuestos familiares Estadsticas econmicas Contabilidad Nacional Tablas Input-Output Macromagnitudes de la economa espaola I.P.C. y otros ndices de precios Estadsticas de salarios, mercantiles,.... Coyuntura Estadsticas agrarias, industriales y del sector servicios
5.
DOS TSP TSP Taste WINDOWS EViews Rats Forecast Pro SCA Autobox Seats-Tramo SAS/ETS UNIX Rats SCA SAS/ETS
RENDIMIENTO DE UN CULTIVO En una empresa agraria se realiza un experimento para evaluar la cantidad de fertilizante ptima para maximizar la ganancia, experimentando en n = 10 parcelas en las que se miden las variables: x = kg/ha de fertilizante Y = beneficios adicionales/ha en miles de ptas.
x 15 10 12 19 30 14 21 31 25 28 Y 55 45 49 62 73 51 5 79 69 72
80
60
40
20
0 5 10 15 20 X 25 30 35
S.D. dependent var 21.28 = s y Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 6.1 6.2 2.886 = F 0.127 = p
Sum squared resid 2995.364 = Se Log likelihood -42.70056 Durbin-Watson stat 2.2533 = DW
+ ei