Académique Documents
Professionnel Documents
Culture Documents
I. INTRODUCCION
Econometria
La econometría se ocupa del estudio sistemático de los fenómenos económicos utilizando datos
observados.
Aris Spanos (1986)
En términos generales, la econometría tiene como objetivo dar contenido empírico a las
relaciones económicas para poner a prueba las teorías económicas, la previsión, la toma de
decisiones y para la evaluación ex post decisión / política.
J. Geweke, J. Horowitz y M.H. Pesaran (2007)
Magen Infante1
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Bayesiana
Teórica
Clásica
Econometría
Bayesiana
Aplicada
Clásica
Econometría Aplicada
1. Empleo
2. Desempleo
3. Crecimiento económico
4. Consumo
5. Producción
6. Inversión
7. Demanda y oferta
8. Inflación
9. Importaciones
10. Portafolio, etc.
Magen Infante2
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
II. QUE ES UN MODELO ECONOMETRICO
Modelo
D. Por la finalidad
a. Previsión.
b. Decisión.
Magen Infante3
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Modelo econométrico
4. Obtención de Información
Para estimar los valores desconocidos de la relación econométrica, se necesitan datos,
generalmente se toman datos muestrales.
Magen Infante4
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
5. Estimación del modelo econométrico
Los datos o informaciones obtenidas en el paso 4 permiten estimar los valores
desconocidos de la relación matemática para tomar decisiones.
6. Prueba de hipótesis
Para comprobar si los valores estimados concuerdan con la teoría.
7. Proyección o predicción
Si el modelo escogido confirma la teoría, este modelo se puede utilizar para predecir
valores futuros o desconocidos.
Magen Infante5
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Y
Función Keynesiana de
Consumo
1
}
2 PMC
}1 Intercepto
X
d) Obtención de Información
Para estimar los valores desconocidos de 1 y 2 se necesitan datos, por
ejemplo:
Mes Y=Consumo X=Ingreso
Magen Infante6
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Yˆ 1.5 0.70 2 X (Interpretar modelo ajustado)
donde
̂ 1 =-1.5 estimador de 1 y
̂ 2 = 0.70 estimador de 2
f) Prueba de hipótesis
Si el modelo ajustado es una aproximación razonablemente buena de la realidad, se
necesitan criterios apropiados para encontrar si los valores estimados obtenidos en una
ecuación como la anterior, concuerda con las expectativas de la teoría que está siendo
probada.
Del modelo anterior, Keynes esperaba que la PMC sea menor que 1.
Se quiere responder a la pregunta ¿es 0.70 estadísticamente menor que 1?
Si lo es, puede apoyar la teoría de Keynes.
Estos criterios son conocidos como parte de la Inferencia Estadística.
g) Proyección o predicción
Si el modelo escogido confirma la teoría, este modelo se puede utilizar para predecir
valores futuros o desconocidos de la variable dependiente Y, siendo que se conoce el
valor de X (variable predoctora) y se utilizan los estimadores ̂ 1 y ̂ 2 anteriormente
hallados.
Ejercicio: Responda:
1. ¿Qué es un modelo?
2. ¿Qué diferencia hay entre un modelo matemático y un modelo econométrico?
3. ¿Qué es un modelo no lineal?
4. ¿Cuáles son las etapas del proceso metodológico de la econometria?
5. ¿Cuáles son los pasos del proceso metodológico de la econometría?
6. ¿Qué cree usted que es Especificación de un modelo?
Magen Infante7
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Magen Infante8
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Magen Infante9
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Proceso Metodológico de la Econometría
Teoría Observación
1ra ETAPA: Económica del
Especificación o Mundo Real
Construcción del
Modelo Formulación
de Hipótesis
Modelo
Matemático
Modelo
Econométrico
No Aceptables Aceptables
Inferencia,
Revisión Desistencia Previsión ó
de la de las Toma de
Metodología Hipótesis Decisiones
Magen Infante10
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
1. Series de Tiempo
2. Datos de Corte Transversal
3. Datos Agrupados
4. Datos de Panel
5. Datos Agregados
6. Variables Ficticias
7. Variables Aproximadas
1. Series de tiempo
Esta información se obtiene de la observación de la variable en diferentes periodos de
tiempo. En usual, que las series de tiempo tengan periodicidad diaria, semanal, mensual,
trimestral y anual. Las series de tiempo suelen estar altamente correlacionadas debido
a su evolución paralela en el tiempo.
3. Datos Agrupados
Los datos agrupados contienen información de corte transversal y de series de tiempo
juntos. Por ejemplo: En cada mes, se tomaron 3 registros de cada una de las 4
variables o características.
Unidad
V1 V2 V3 V4
de tiempo
ENERO
FEBRERO
MARZO
Magen Infante11
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
5. Datos Agregados
Se dice de datos agregados cuando un economista cuenta con información agregada,
desconociendo el método empleado para generarla.
Ejemplo: Se quiere estimar las “Importaciones de un país”, (México por ejemplo) se
deflacta las variables “Importaciones mexicanas” por el “Índice de precios del productor”
para bienes en los Estados Unidos.
Nota: Se produce un sesgo de sub o sobreestimación
en el valor real de las importaciones ya que el “índice
citado” difiere del “índice global de precios”.
El “índice global” podría calcularse, pero el costo y
dificultad en hacerlo podría no ser justificado.
6. Variables Ficticias
Son variables que toman valor 1 para una submuestra y 0 para la otra.
7. Variables Aproximadas
En ocasiones no se cuenta con información sobre alguna variable que interviene en el
modelo econométrico. Una posible solución es utilizar una aproximación a esta variable
bajo el supuesto de que su comportamiento es similar. A este tipo de datos se le llama
variable “proxy” y depende de la verificación del supuesto.
Observación:
En ocasiones, economistas con experiencia estudiando las estructuras de economía en
países desarrollados donde se encuentra disponible gran parte de la información, no se
percatan de las restricciones de información que puedan existir en países como el nuestro
por ejemplo. Si éstos mismos profesionales desarrollan modelos para un país como el
nuestro por ejemplo, es posible que no tenga la importancia práctica.
Magen Infante12
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
IV. MODELO LINEAL SIMPLE
Y 1 2 X
Y variable dependiente o variable respuesta.
X variable explicativa
error aleatorio
Magen Infante13
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
E(Y / X x) 1 2 x
Y Y i
i 1,2,3,..., n j
E (Y ) 1
E (Y / X i ) i 1
60 nj j 1,2,3,...,10
Similarmente,
Magen Infante14
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Muestra cómo el valor de Y varía en relación a los valores de la variable X. Su forma
estocástica es la siguiente:
Y 1 2 X
1 y 2 son parámetros fijos, desconocidos (valores poblacionales)
Se denominan coeficientes de regresión, intercepto, coeficiente de la pendiente de la
recta, etc.
E(Y / X ) 1 2 X
Interpretación:
La diferencia entre cada valor observado y cada valor promedio se debe al término de
perturbación i
i Yi E (Yi / X ) Yi ( 1 2 X )
Interpretación de i
Magen Infante15
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Yi 1 2 X i .
Se grafica la esperanza de la FRP en dos variables: E(Y / X ) 1 2 X
Y
E (Y / X i )
Línea de Regresión
149 * Poblacional
Gasto de
Consumo
*
semanal 101
65 *
X * : Media condicional
80 140 220
Ingreso semanal
Yi E (Y / X ) i
Los valores de Yi están agrupados alrededor del valor esperado de todos los valores
de Y para un dado X i .
Magen Infante16
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Yi ˆ1 ˆ 2 X ˆ i
̂ 1 Estimador de 1
̂ 2 Estimador de 2
̂ i Estimador de i
Yˆi Aproxima (o es el ajuste de) Yi
Yˆi Estimador de E (Y / X i )
̂1 Estimador de 1
̂ 2 Estimador de 2
̂i Al término de perturbación obtenido de la muestra se le dice Residual.
ˆ i Yi ( ˆ1 ˆ2 X )
Magen Infante17
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
FRM1
Y
..
. .
.
FRM2
..
.
.
.
.
.
.
.
. ..
..
.
..
.
..
.
.
..
X
Características:
3. Estimación
Dado que el objetivo principal es estimar la FRP: Yi 1 2 X i
Hallando la FRM: Yi ˆ1 ˆ 2 X ˆ i ,
Como la FRM es apenas una aproximación de la FRP, se desea una regla o un método
que haga que esta aproximación sea lo más ajustada posible.
En otras palabras, se busca construir una FRM tal que ̂ 1 y ̂ 2 estén lo más cercano
posible a los verdaderos valores de 1 y 2 , aunque nunca se llegue a conocer los
valores de 1 y 2 .
Magen Infante18
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Y
.
.
FRM:
Yi
Yˆi ˆ 1 ˆ 2 X i
̂ i
i
Yˆi
E(Y / X i ) . FRP:
E (Y / X i ) 1 2 X i
X
Xi
4. Método de Estimación
El método para la construcción de esta FRM es posible tanto para el caso bivariado
Yi 1 2 X i i
Yi 1 2 X i1 3 X i 2 k X ik i
Es posible que algunos modelos no presenten linealidad en los parámetros. Sin embargo,
es posible, a través de una transformación adecuada obtener un modelo lineal en todos
los parámetros, entonces, al modelo antes de la transformación se le considera como un
Modelo de Regresión Lineal.
5. Linealidad
Magen Infante19
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Antes de obtener el modelo que mejor se ajuste al modelo real, conviene graficar las
observaciones de tal forma que permita lograr una configuración a priori para facilitar la
elección de la forma funcional apropiada.
(1) Lineal Y 0 1 X
(2) Cuadrática Y 0 1 X 2 X 2
1
(3) Hiperbólica o recíproca Y 0 1
X
(4) Semilogarítmico Y 0 1 ln( X )
Y ln( 0 ) 1 ln( X )
(5) Semilogarítmico inverso ln( Y ) 0 1 X
(6) Logarítmico o logarítmico doble ln( Y ) ln( 0 ) 1 ln( X )
1
(7) Logarítmico recíproco ln( Y ) 0 1
X
En los modelos de dos variables, la forma funcional puede deducirse a partir del diagrama
de dispersión, pero en un modelo de Regresión Múltiple, no es fácil determinar la forma
funcional apropiada porque gráficamente no se puede visualizar los diagramas de
dispersión.
Todos los casos anteriores son funciones de regresión lineal en los parámetros.
Magen Infante20
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Y Y
y 0 1 x 2 x 2
y 0 1 x
y 0 1 x
y 0 1 x 2 x 2
X X
Y Y
y 0 1 / x ln y 0 1 x
ln y 0 1 x
y 0 1 / x
X X
Y Y ln y ln 0 1 ln x
y ln 0 1 ln x
y ln 0 1 ln x
ln y ln 0 1 ln x
X X
Ejemplo:
En el ejemplo de Consumo, i podría ser otras variables de las cuales también
dependería el modelo como por ejemplo:
Y 1 2 X ( Riqueza, tamaño de la familia, consumo de un periodo
anterior, Variación de precios al consumo, tasa de interés, etc. ) .
Magen Infante21
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Ejemplo:
Cuáles de los siguientes modelos pueden ser considerados lineales: (A, B, y
son parámetros)
(1) Y AX e
(2) ln Y ln A ln X
(3) Y
X
(4) Y X
Ejemplo:
Laboratorio
Magen Infante22
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
VI. MODELO LINEAL GENERAL CLASICO
Suponga que existe una relación lineal entre una variable Y , ( k 1) variables
explicativas X 1 , X 2 , X k y un término de perturbación .
Modelo teórico:
Y 1 2 X 1 3 X 2 k X k
Yi 1 2 X i1 3 X i 2 k X ik i i 1,2...., n
Y1 1 2 X 11 3 X 12 k X 1k 1
Y2 1 2 X 21 3 X 22 k X 2 k n
Yn 1 2 X n1 3 X n 2 k X nk n
matricialmente:
Y1 1 X 11 X 1k 0 1
Y 1 X 21 X 2 k 1 2
2
Yn 1 X n1 X nk k n
En notación matricial:
Escalarmente:
Magen Infante23
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Yi Variable aleatoria observable i 1,2...., n
X ij Variables determinísticas observables i 1,2...., n , j 1,2...., k
j Parámetros desconocidos constantes j 1,2...., k
Matricialmente:
Y Vector aleatorio observable
X Matriz de valores observables fijos
β Vector de parámetros desconocidos
μ Vector de errores aleatorios no observables
Escalarmente
(i) E ( μi ) 0 i 1,2, , n
(ii) Var ( μi )
2
constante (homocedasticidad)
(iii) Cov( μi j ) 0 i j (no correlación entre los errores)
(iv) μi N (0, )
2
(distribución normal)
(v) No existe relación lineal exacta entre dos o más de X 1 , X 2 ,, X k
(vi) 0 , 1 , 2 , , k permanecen constantes a lo largo de toda la muestra
(estabilidad)
Matricialmente
1 0
(i) E (μ) 0
n 0
1
(ii) E ( μμ´) E 1
n I
2
******
n
1 2 12 1n
22 2 n
E (μμ´) E 21
n1 n 2 nn
Magen Infante24
Econometría I –2018I
EPIEC-FIEECS – Msc. Magen Infante
Var( 1 ) Cov( 1 , 2 ) Cov( 1 , n )
Cov ( , ) Var ( ) Cov ( , )
2 1 2 2 n
Cov ( n , 1 ) Cov ( n , 2 ) Var ( n )
2 0 0
0 2 0 2
I
2
0 0
1 X 11 X 1k
1 X X 2 k
(iii) X nk 1 21
matriz de números determinísticos
1 X n1 X nk
1
μ N (0, I) en consecuencia: Y N (Xβ, 2 I)
2
(v)
n
(vi) β 1, k 1 permanece constante a lo largo de toda la muestra (estabilidad)
Magen Infante25