Econometra

1
TEMA 1
Introduccin
Qu es la econometra?
Es una ciencia social.
No es un subcampo de la estadstica de las matemticas.
De acuerdo a Ciompa (1910) es Medicin econmica.
2
TEMA 1
Definicin de la Econometra
De acuerdo a Brooks (2008) se define como la
aplicacin de tcnicas estadsticas a problemas
economico - financieros.
Lo anterior puede ser de uso para poner a
prueba teoras econmicas y financieras,
determinacin de rendimientos de precios,
ndices de produccin, etc.
3
TEMA 1
Poner a prueba hiptesis que explican la relacin
entre dos variables financieras.
Examinar el efecto de cambios en condiciones
econmicas sobre mercados financieros.
Pronosticar valores a futuro de variables
economico - financieras.
Toma de decisiones financieras (Ej. de
inversiones, pronsticos de volatilidad de
variables econmico - financieras), etc.
4
TEMA 1
Regresin Lineal
La regresin es una herramienta fundamental de la
estadstica.
El trmino regresin fue introducido por Francis Galton en el
Siglo XIX.
Encontr tendencias en la estatura de hijos respecto a sus
padres.
5
TEMA 1
Padres altos tenan hijos altos.
Padres bajitos tenan hijos bajos.
Sin embargo, a travs del tiempo la estatura regresaba a la
media.
Por eso no se observan gigantes del primer caso.
Ni personas microscpicas en el segundo.
6
TEMA 1
Para entender la regresin es necesario comprender los
cuatro momentos de una distribucin.
Promedios
El promedio aritmtico de una variable aleatoria se define de
la siguiente manera,
7



En donde x
i
= variable aleatoria observada i. n
= total de nmero de observaciones.

=
=
n
i
i
x
n
x
1
1
8
Varianza y desviaciones estndar
La varianza ( segundo momento) se define
de la siguiente manera,

( )

=
=
n
i
i
x x
n
1
2
2
1
o
9
La desviacin estndar se obtiene al obtener la raz cuadrada
de la varianza.
El Sesgo ( tercer momento)
Muestra la asimetra alrededor de su media en una
distribucin.
Compara la probabilidad de un movimiento grande hacia la
alza,
10
con la probabilidad de un movimiento grande (de la misma
magnitud) hacia la baja.
Se define de la siguiente manera,

11
( )
3
1

1

=
|
.
|

\
|

=
n
i
i
x x
n
Sesgo
o
Un sesgo negativo le da ms peso a la posibilidad de que la
variable sea significativamente menor, en lugar a mayor,
respecto a su media (promedio).
Viceversa
Sesgo negativo implicara que la media < mediana y la moda.
12
Curtosis (cuarto momento de la distribucin)

( )
4
1

1

=
|
.
|

\
|

=
n
i
i
x x
n
Curtosis
o
13
Indica la posibilidad de grandes variaciones en la variable
aleatoria.
Positivas y negativas
Para una distribucin normal = 3.
Saber sobre leptocurtosis > 3, mesocurtosis = 3, platicurtosis <
3.
14
Todas las distribuciones Normales tienen una
curtosis igual a 3-Curtosis en exceso.





K = valor de la curtosis, n = # observaciones.
n
k
z
24
3
=
15
Distribucin lognormal: El logaritmo natural de una serie
aleatoria tiene una distribucin normal.
Ln (x
t
)

~

N(, ).

16
problem 1 density
-0.00005
0
0.00005
0.0001
0.00015
0.0002
0.00025
0.0003
0.00035
0.0004
0.00045
0 2000 4000 6000 8000 10000 12000
range
one LN
17
Covarianza: Medicin de dos variables aleatorias varan
juntas.

18
( )( ) x x y y
n
Cov
i
n
i
i
=

1
Correlacin: Estrechamente ligado al anlisis de regresin. Se
define como la medicin de la fuerza grado de asociacin
lineal entre dos variables.
El coeficiente de correlacin () mide esta fuerza de asociacin
lineal.
Ejemplos: correlacin entre hbito de fumar y cncer en el
pulmn.
19
Matemticamente se define (originalmente postulado por
Francis Galton):
20
x y
n
i
i i
x x y y
n
o o

=
) )( (
1
El coeficiente de correlacin atribuido a Pearson, puede tomar
los valores de entre negativo uno y positivo uno i.e.
- 1 1.
En caso de -1 hay una correlacin negativa perfecta.
En caso de 1 existe una correlacin positiva perfecta.
21
En caso de cero indica que no hay correlacin de ningn tipo.
Cabe destacar que esta prueba no explica causalidad de una
variable independiente a la otra.
Significancia estadstica del coeficiente:
22
s.e. = error estndar (t - dist.)




s.e.
23
)

.( .

e s
2

=
T

Autocorrelacin, entre una sola variable con

respecto a sus valores previos.

( )( )
1
1
1
1
1
,
1

=
.

t t
t t
x x
t
T
t
t
x x
x x x x
T
p
o o
24
La autocorrelacin muestra puede ser considerada un
estimado de un parmetro de la poblacin p
T.
Podramos
querer probar la hiptesis nula de no correlacin,
H
o
= p
T
= 0.

25
El resultado puede ser utilizado para llevar a cabo pruebas de
significancia estadstica para los coeficientes construyendo
niveles de confianza para un coeficiente estimado de
autocorrelacin.
Por ejemplo, para un nivel de confianza de 95%,
26
T
1
* 96 . 1
27
Si el coeficiente de autocorrelacin
cae fuera de la mencionada regin (intervalo de confianza) por un valor dado
de s, entonces se rechaza la hiptesis nula.
28