Capi 1

CAPTULO 1
EL ANLISIS ECONOMTRICO APLICADO

En este captulo se introduce al lector a los principales aspectos del
anlisis economtrico aplicado. Despus de un breve repaso histrico sobre el
origen y evolucin de la econometra, se discute con cierta amplitud las
diferencias entre los modelos econmicos y los modelos economtricos. Por
ltimo, se hacen algunas refleiones sobre la organi!acin del traba"o emprico
y sobre el uso de ordenadores.
Captulo 1 El anlisis economtrico aplicado
1.1. Qu es la econoe!"#a$
#chumpeter $%&'() tiene en su conocida obra Historia del Anlisis
Econmico un captulo titulado *+os econmetras y ,urgot- en el .ue remonta el
origen de la econometra a algunos traba"os reali!ados principalmente por
economistas del siglo /011. 2l principio del captulo dice3 *+os individuos ... en
este captulo ... tienen en comn... el espritu del anlisis numrico. ,odos ellos
han sido econmetras. #u obra ilustra realmente a la perfeccin .u es la
econometra y .u intentan hacer los econmetras-.
%
2 pesar de la afirmacin de #chumpeter y aun.ue Engel y algunos
autores neoclsicos pueden considerarse como precursores, la econometra, tal
y como se concibe hoy en da, es una disciplina relativamente "oven. +os
primeros traba"os de naturale!a verdaderamente economtrica aparecieron en el
primer tercio del siglo //, destacando entre otros los de 4oore $%&%(), 5or6ing
$%&78), 9obb y Douglas $%&7:), #chult! $%&7:) y 5augh $%&7:).
7
+a fundacin de la Econometric #ociety en %&'; y la publicacin de la
revista Econometrica en %&'' fueron dos grandes hitos en la historia de la
econometra. <risch,
'
primer editor de la revista, epone en el primer editorial
cul es su principal ob"etivo3 *...promover estudios dirigidos a la unificacin de las
aproimaciones terico=cuantitativa y emprico=cuantitativa a los problemas
econmicos y .ue estn imbuidos de un ra!onamiento constructivo y riguroso,
similar al .ue ha venido a dominar en las ciencias naturales-.
4s adelante, <risch pasa a eplicar en .u consiste la econometra3 *...la
econometra no es lo mismo .ue la estadstica econmica. ,ampoco es idntica
a lo .ue llamamos teora econmica general, aun.ue una parte considerable de
%
#chumpeter estudia en ese captulo, entre otros, la obra de Petty, 9antillon y >uesnay.
7
+os primeros traba"os economtricos no contaban con el cuerpo terico del .ue se dispone
hoy en da. De hecho, muchos de los aspectos ms sencillos de los modelos economtricos
fueron for"ndose poco a poco. ?na eposicin del desarrollo histrico de los modelos
formales en econometra puede verse en el libro de 4organ $%&&;).

'
<risch recibi en %&@& el primer Premio Aobel de Economa $"unto con Ban ,inbergen) por su
importante contribucin al desarrollo de la econometra.
C
esta teora tiene un carcter cuantitativo. ,ampoco debera la econometra ser
tomada como sinnimo de la aplicacin de las matemticas a la economa. +a
eperiencia ha demostrado .ue cada uno de esos tres puntos de vista, el de la
estadstica, el de la teora econmica y el de las matemticas, es una condicin
necesaria pero no suficiente por s misma para el entendimiento real de las
relaciones cuantitativas en la vida econmica moderna. Es la unificacin de las
tres, la .ue es poderosa. Es esta unificacin la .ue constituye la econometra-.
(
2un.ue esta idea persiste, la nocin .ue se tiene de la econometra no es
muy clara, como se puede comprobar leyendo las definiciones .ue proporcionan
casi todos los libros de teto. Dstas varan desde algunas ciertamente comple"as,
hasta otras relativamente sencillas, como la de 1ntriligator et al. $%&&@)3
*Econometra es la rama de la economa relacionada con la estimacin emprica
de relaciones econmicas-.
C
,ambin es importante destacar el traba"o reali!ado por la Cowles
Commission de la ?niversidad de 9hicago, a la .ue se debe una buena parte de
los avances iniciales de la Econometra.
@

Dado .ue el ob"etivo de la econometra es estimar modelos econmicos,
parece conveniente eplicar .u se entiende por un modelo econmico y cules
son sus caractersticas distintivas. Este tema se aborda en la siguiente seccin.
1.%. Los o&elos econ'(cos
+a realidad econmica es comple"a, por lo .ue los economistas tienden
a representarla por medio de modelos, es decir, haciendo abstraccin de
a.uellos elementos de la realidad .ue no son esenciales para entender el
fenmeno en cuestin. Es evidente .ue abusar de la abstraccin puede hacer
(
El primer editorial de Econometrica y un buen nmero de los primeros traba"os economtricos
han sido recopilados por 2. Darnell $%&&() en su obra The History of Econometrics.
C
+a falta de consenso sobre la definicin de la econometra ha dado lugar a un artculo sobre
el tema $,intner, %&C').
@
+a pgina Eeb de la 9oEles <oundation es http3FFcoEles.econ.yale.eduF
@
.ue el modelo se ale"e ecesivamente de la realidad, pero, por otra parte, si el
modelo no simplifica suficientemente lo comple"o de la realidad puede suceder
.ue sea imposible llegar a la mnima comprensin del fenmeno .ue se .uiere
estudiar.
+os modelos econmicos .ue se emplean en econometra tienen dos
caractersticas3 son modelos causales y estn epresados en forma matemtica.
El ob"etivo fundamental de estos modelos es representar una estructura
determinada, es decir una relacin estable entre una serie de variables. +as
variables se suelen clasificar en dos grandes grupos, la dependiente o endgena
y las independientes o egenas. +a distincin, a nivel terico, entre variables
endgenas y egenas es una caracterstica esencial del proceso de
simplificacin .ue implica la modeli!acin. +os modelos tratan de eplicar una
parte de una realidad comple"a .ue se representa mediante variables
endgenas, cuyo valor eplica el propio modelo, y variables egenas .ue
afectan al fenmeno anali!ado y cuya determinacin no se eplica en el modelo.
El modelo permite anali!ar cmo cambian las variables endgenas cuando
cambian las variables egenas.
En un conteto eperimental, esta distincin entre variables endgenas y
egenas sera suficiente para cuantificar las relaciones entre las variables. El
fenmeno de inters se estudia en un marco .ue elimina el efecto de cual.uier
otro factor .ue no sean las variables egenas consideradas. El eperimento se
repite para diversos valores de las variables egenas, de modo .ue es posible
cuantificar cmo se modifican las variables endgenas ante cambios en las
variables egenas.
En un conteto no eperimental es necesario asegurarse de .ue la
variacin en la variable endgena se debe eclusivamente a un cambio en la
variable egena y .ue no se trata de un caso en .ue las dos hayan cambiado
simultneamente por un factor a"eno a la relacin .ue se trata de anali!ar. Por
e"emplo, es fcil imaginar .ue aumentar el agua de regado en una tierra
aumenta la produccin. #in embargo, durante una se.ua es probable .ue
8
simultneamente la produccin disminuya y .ue se utilice ms agua de riego. En
estas circunstancias, si se anali!an esos datos, se encuentra una relacin
inversa entre agua de riego y produccin. El problema economtrico consiste en
.ue la variable independiente $agua de riego) est correlacionada con la
perturbacin aleatoria $si no se incluye el clima como un regresor). En estas
circunstancias el mtodo de mnimos cuadrados ordinarios no proporciona
estimaciones insesgadas de los parmetros poblacionales.
#i se tienen dos variables, x e y, siendo x la variable independiente e y la
dependiente, su relacin se puede epresar usando el concepto matemtico de
funcin como3
f$) G y
$%.;)
donde, f representa la relacin funcional entre e y.
El modelo $%.%) refle"a .ue variaciones en x son causa de variaciones en
y. De hecho, tal como est escrito el modelo, son la nica causa de variaciones
en y. 2simismo, el modelo no indica si eiste causalidad en la otra direccin,
aun.ue en principio se supone .ue la causalidad va en una sola direccin. El
concepto de causalidad no est claro muchas veces y hay .ue distinguirlo
claramente del de correlacin. Hay tres causas por las .ue dos variables pueden
estar correlacionadas3 $i) una es causa de la otra, $ii) las dos estn causadas por
una tercera variable, y $iii) la relacin se debe al a!ar. El modelo $%.%) describe
una situacin del primer tipo, es decir, x es causa de y.
+a determinacin de la causalidad suele ser de tipo terico, ms .ue
emprico, aun.ue en el conteto de series temporales, Iranger ha desarrollado
un test basado en la idea de .ue el futuro no puede eplicar el pasado, lo .ue
permite identificar estadsticamente la direccin de causalidad. Es decir, una
variable es causa de otra en el sentido de Iranger si la prediccin de valores
actuales de y puede me"orarse usando valores retrasados de x. El test emprico
consiste en hacer una regresin de los y en valores pasados, actuales y futuros
de . #i los coeficientes de los valores futuros no son significativos y los otros s,
:
se puede decir .ue x causa y.
8
En muchas ocasiones la comple"idad de la relaciones econmicas
re.uiere ms de una ecuacin para representarlas adecuadamente. De hecho,
una por cada variable endgena .ue haya en la estructura. Estos modelos se
conocen como modelos de ecuaciones simultneas, debido a .ue se supone .ue
las variables endgenas se determinan simultneamente. ?n e"emplo es el
modelo de oferta y demanda en el .ue las variables endgenas son el precio y la
cantidad de e.uilibrio del mercado. Parece lgico suponer .ue ambas se
determinan al mismo tiempo por la interaccin de la oferta y la demanda.
1.). Los o&elos econo!"(cos
En econometra, al igual .ue en economa, el ob"etivo es eplicar el
comportamiento de una variable en funcin de otras. Por eso, el punto de partida
de la econometra es el modelo econmico. +a diferencia est en .ue la
econometra pretende cuantificar la relacin entre las variables econmicas.
Desde un punto de vista emprico, el concepto .ue subyace a todo
modelo economtrico es el de variacin. Es decir, el ob"etivo de un modelo
economtrico es eplicar la variacin .ue presenta una variable, llamada
dependiente, por medio de la variacin de otras variables .ue se llaman
independientes. Esto implica .ue el poder eplicativo de una variable depende
de lo mucho o poco .ue vare y de la relacin .ue tenga su patrn de variacin
con el de la variable dependiente. De a.u se puede deducir, por e"emplo, .ue
una constante no tiene poder eplicativo para eplicar la variacin de la variable
dependiente.
:
8
+os desarrollos ms recientes en el tema del anlisis emprico de la causalidad pueden verse
en Iranger $%&::).
:
?na posible confusin puede surgir por.ue el trmino independiente de una regresin, .ue es
muchas veces significativo, es en realidad el coeficiente de una variable .ue slo toma el valor
%, es decir, de una constante. #in embargo, hay .ue tener en cuenta .ue lo .ue en realidad
eplica el trmino independiente es un nivel $una media) pero no sirve para eplicar
variabilidad.
&
El modelo econmico, tal como est escrito en $%.%), establece .ue
variaciones en x son la nica causa .ue produce variaciones en y. Esa relacin
es determinstica ya .ue para cada valor de x eiste un nico valor de y. Por
tanto, los valores de y .uedan unvocamente determinados una ve! .ue se
conocen x y f$).
+as relaciones determinsticas son comunes en las ciencias fsicas. ?n
e"emplo sencillo es la ley de la gravedad. En efecto, si se de"a caer una piedra de
cual.uier masa desde una altura de (,& metros tarda en llegar al suelo %
segundo. Este resultado puede repetirse tantas veces como se .uiera si se
controlan las condiciones eperimentales, es decir, controlando todos los
factores .ue pueden afectar al resultado del eperimento. En este e"emplo, es
necesario controlar la resistencia .ue el aire ofrece ante la cada del ob"eto, ya
.ue estamos interesados en anali!ar los efectos de la fuer!a gravitatoria y no las
caractersticas aerodinmicas del ob"eto lan!ado.
En el anlisis emprico de las relaciones econmicas resulta imposible
controlar multitud de factores .ue afectan al fenmeno anali!ado pero .ue no
son esenciales para eplicar dicho fenmeno. En trmino prcticos, esto significa
.ue es posible observar varios valores de la variable dependiente para un mismo
valor de las variable independiente. Por este motivo, las variables econmicas se
modeli!an como variables aleatorias, cuyo valor no se conoce con certe!a sino
con una determinada probabilidad. ?na relacin estocstica entre dos variables
se puede representar del siguiente modo3
u J f$) G y
$%.;)
donde u es una variable aleatoria, a la .ue se denomina perturbacin aleatoria.
&
En principio, u puede seguir cual.uier tipo de distribucin de probabilidad
y su presencia implica .ue para cada valor de x eiste una distribucin de
valores de y. El modelo $%.7) es la suma de una parte determinstica, f$), y de
&
+os ad"etivos estocstico y aleatorio se usarn indistintamente.
%;
una parte aleatoria, u.
%;
Por tanto, y tambin es una variable aleatoria. De hecho,
las propiedades aleatorias de y vienen dadas eclusivamente por u, por lo .ue y
seguir la misma distribucin .ue u. En general, se supone .ue los factores no
controlables son, en cierto modo, independientes del fenmeno estudiado. +a
idea es .ue la variacin en y se debe a un componente .ue es fi"o
$determinstico) y a otro componente .ue no es predecible $aleatorio). +a
econometra tiene por ob"eto buscar $estimar) la parte determinstica de los
modelos econmicos.
+a especificacin de la relacin entre x e y re.uiere escoger una forma
funcional para f$K). #i, por simplicidad, se supone .ue es lineal, la ecuacin $%.7)
se convierte en3
i i % ; i
u J J G y
$%.;)
donde
;
,
%
son parmetros .ue caracteri!an la relacin entre x e y. El subndice
i indica .ue la relacin se cumple para cada observacin.
+os modelos econmicos tienen normalmente un fin eplicativo, es decir,
el ob"etivo del investigador suele ser eplicar algn fenmeno de tipo econmico.
2lternativamente, los modelos economtricos pueden usarse con fines
predictivos, es decir, para predecir el valor de la variable dependiente en
perodos futuros.

Este libro se centra en la especificacin y estimacin de modelos
eplicativos. En este conteto, la capacidad de prediccin del modelo es
importante ya .ue es la prueba de la valide! eplicativa del modelo propuesto.
#in embargo, en ocasiones, es posible lograr predicciones ms precisas
mediante sofisticadas bs.uedas de correlaciones .ue a travs del anlisis del
fenmeno. Esta segunda nocin de prediccin no entra en los ob"etivos del
presente traba"o.
%;
#in embargo, esto no es siempre as. Hay modelos donde la variacin aleatoria constituye la
totalidad de la variacin de la variable dependiente. ?n e"emplo es el conocido paseo aleatorio
$random walk) en el .ue el presente es igual al pasado ms un componente de error. Es decir,
el modelo se puede escribir como ytGyt=% J ut.
%%
1.).1. E*e+lo, una -unc('n &e +"o&ucc('n a."a"(a
El concepto de relacin estocstica puede entenderse me"or con un
e"emplo tomado de la agricultura. #i se .uiere estudiar el efecto de la dosis de
fertili!ante $) sobre la produccin de un cultivo $y), la forma habitual de hacerlo
es mediante un ensayo eperimental en el .ue se siembran varias parcelas
aplicando distintas dosis de fertili!ante a cada una y repitiendo el eperimento
varias veces. En la ,abla %.% se recogen los datos de uno de esos eperimentos
cuyo ob"etivo era estudiar la respuesta de la hierba $medida en 6g de materia
seca por hectrea) al abono nitrogenado. +as seis dosis eperimentales se
repitieron nueve veces.
%%
Ta/la 1.1. P"o&ucc('n &e 0(e"/a 12. MS30a4 se.5n &os(s &e n(!"'.eno
Dosis de nitrgeno $6gFha)
Lepeticin 6 %6 76 86 96 166
% %C@8 %'': 7%7: 7'(C 7(:% 7(8;
7 %%@@ %7'' %'@: %&&8 77(C 7;&C
' 8@C %'%% %8(( 7((C 7'@% 7C@%
( :C& %;;' %(:( 7@%@ 78(: 77:'
C %%C& %'@& 7'(8 '(%7 %&%7 77&%
@ 8C7 %(;8 7('& 777@ 7&&C 7C@C
8 &;% %%%@ %@(C 7'7C 7%&( %8:;
: :;& %((' %@&% 7;;% %&7& %:'&
& &&7 7%%( 77;8 7@8% 7%@@ %&;C
Estos datos se representan de forma grfica en la <igura %.%, en la .ue se
observa .ue, para cada dosis de fertili!ante, la produccin no toma un nico
valor $como sera en el caso determinstico) sino .ue hay toda una *distribucin-
de valores de y para cada valor de x, lo .ue refle"a grficamente la idea
estadstica de distribucin condicionada.
%7
:(.u"a 1.1. Distribucin de y condicionada en x
%%
El eperimento fue llevado a cabo en el 9entro de Eperimentacin 2graria de 0illaviciosa
$2sturias) en el aMo %&:8.
%7
?n e"emplo similar con datos no eperimentales es el de la relacin entre el salario y los
aMos de formacin $ver Ioldberger, %&&:N p. 7).
%7
Este e"emplo permite entender el significado de .ue la variable
independiente es no estocstica o, como se suele decir algunas veces, Olas / son
fi"as en muestras repetidasP. En efecto, en la primera repeticin de @
observaciones las dosis de nitrgeno son ;, 7;, (;, @;, :; y %;;, pero las
siguientes repeticiones tienen los mismos valores, es decir, la misma /.
%'
1.).%. La (n!e"+"e!ac('n &e los +a";e!"os &el o&elo
2un.ue el fin de la econometra es encontrar buenas estimaciones de los
parmetros del modelo, el ob"etivo del investigador es de tipo econmico. Es
decir, el inters del investigador suele ser estimar conceptos econmicos, tales
como caractersticas de un proceso productivo $productividades marginales,
elasticidad de escala,...) o de una funcin de demanda $elasticidades precio,...).
En este sentido, las caractersticas de inters pueden estar
parametri!adas en el modelo o ser una combinacin de los parmetros. En el
%'
En ese sentido dice +eamer $%&:')3 *2 los econmetras les gustara proyectar la imagen de
investigadores agrarios .ue dividen una gran"a en una serie de parcelas ms pe.ueMas de
tierra y .ue seleccionan los niveles de fertili!ante para ser usados en cada parcela-.
%'
;
C;;
%;;;
%C;;
7;;;
7C;;
';;;
'C;;
; 7; (; @; :; %;; %7;
Dos(s &e n(!"'.eno
<
.

M
S
3
0
a
e"emplo de la funcin de produccin de la hierba, la productividad marginal del
nitrgeno viene dada por la derivada de la funcin con respecto al nico input.
En el caso de .ue se considere una especificacin lineal del modelo, como en
$%.'), la productividad marginal del nitrgeno es
%
. En este caso, el concepto
econmico de inters coincide con un parmetro del modelo. #in embargo, una
productividad marginal constante contradice el supuesto .ue subyace en
cual.uier modelo de produccin3 la ley de los rendimientos decrecientes. Por ese
motivo puede ser ms conveniente emplear una funcin cuadrtica, en ve! de
una especificacin lineal3
i
7
i 7 i % ; i
u J J J G y $%.()
En este modelo, la productividad marginal del nitrgeno $P4a/) se
convierte en3
i 7 % i
7 J G P4a/ $%.C)
2hora, el concepto de inters $P4a/) no coincide con un parmetro, sino
.ue es una funcin de dos parmetros y de los datos, de tal forma .ue si
7
es
negativa, se cumple la ley de los rendimientos decrecientes. Por tanto, la P4a/
no es constante sino .ue depende de la dosis empleada $eiste, por tanto, una
productividad marginal para cada valor de /).
2un.ue en el e"emplo anterior
;
puede interpretarse como la produccin
media esperada de una parcela sin abono, es importante destacar .ue, en
general, el termino independiente no debe interpretarse como el valor .ue
alcan!a y cuando XG;. Esto se debe a .ue normalmente las observaciones .ue
se tiene para las / no suelen estar cercanas a cero, por lo .ue el trmino
independiente es simplemente el resultado de .ue las funciones se proyectan en
el espacio cortando los e"es en algn punto. Por tanto, las funciones deben
interpretarse en el rango relevante descrito por los datos. 9omo seMalan Lao y
4iller $%&8%)3 *9uando todas las variables independientes son cero, la
observacin no pertenece a la subpoblacin ba"o investigacin y la ecuacin de
regresin no tiene una interpretacin valida-.
%(
%(
El lector avan!ado encontrar importantes ecepciones a esta regla. +a ms evidente es una
variable binaria .ue toma los valores % y ;.
%(
?na cuestin .ue suele cru!ar la mente de muchos estudiantes es por
.u se supone en la especificacin del modelo .ue los parmetros son
constantes, es decir, .ue son iguales para todos los individuos. En principio,
parece lgico admitir .ue cuanto menos restrictivo sea un modelo me"or podr
representar la realidad. En ese sentido, el modelo puede fleibili!arse haciendo
.ue los parmetros varen individualmente, por lo .ue $%.') podra escribirse de
la siguiente forma3
i i %i ;i i
u J J G y
$%.@)
El problema es .ue el modelo $%.@) no tiene ningn inters emprico ya
.ue no proporciona ninguna informacin. +a ra!n es .ue la parte
determinstica no establece estructura alguna sobre la relacin entre las
variables sino .ue simplemente indica .ue cada observacin es ella misma. De
hecho, en ese modelo la perturbacin aleatoria es redundante, ya .ue la parte
determinstica del modelo *eplica- perfectamente la nube de puntos.
2dicionalmente, puede decirse .ue $%.@) no es estimable puesto .ue con A
observaciones se tienen .ue estimar 7A parmetros, lo .ue es imposible.
Desde un punto de vista ms filosfico, si no eiste algn tipo de
estructura comn del fenmeno anali!ado la investigacin cientfica no
eistira. El astrnomo y divulgador cientfico 9arl #agan eplica
magistralmente esta idea al comentar .ue un grano de sal contiene un nmero
mayor de partculas .ue neuronas tiene el cerebro humano. De ah .ue la
posibilidad de entender algo tan trivial como un grano de sal radica en .ue
consta de un nmero muy elevado de repeticiones de una estructura .umica
relativamente sencilla $#agan, %&&().
#in embargo, en algunas circunstancias la constancia de los parmetros
del modelo no parece un supuesto ra!onable. Eisten dos e"emplos importantes
en .ue el supuesto de constancia de los parmetros puede ser ciertamente
contraproducente. En primer lugar, cuando se traba"a con series temporales
relativamente largas es de esperar .ue algunos parmetros cambien con el
%C
tiempo, lo .ue se conoce como cambio estructural. En segundo lugar, se
encuentra lo .ue se conoce como la crtica de +ucas $+ucas, %&8@) .ue aparece
cuando se intenta usar los modelos economtricos con fines de poltica
econmica. +ucas argumenta .ue si se simula una variacin de una variable
egena $tipo de inters,...) y los individuos pueden anticipar ese cambio,
reaccionarn, de modo .ue los parmetros del modelo no pueden considerarse
constantes. Estos dos problemas re.uieren un esfuer!o de modeli!acin y
estimacin especial .ue ser discutido ms adelante en este libro.
?na ve! caracteri!ado el modelo, permanece la pregunta de cules son
los valores poblacionales de
;
y
%
. Esta pregunta es imposible de responder
ya .ue nunca se van a conocer los valores poblacionales. Por tanto, se
necesita un procedimiento .ue permita aproimar su valor de alguna manera.
Este procedimiento se conoce como estimacin de los parmetros. Para ello
se necesita un mtodo de estimacin y unos datos. 9omo la poblacin no se
dispone nunca de ella, los datos van a ser un subcon"unto de la poblacin .ue
se denomina muestra. En principio se supondr .ue la muestra es aleatoria.
Este trmino .uiere decir .ue, de algn modo, es necesaria la independencia
entre las observaciones de la muestra. El e"emplo ms tpico es .ue cuando se
trate de averiguar las intenciones de voto en una consulta electoral no debe
preguntarse slo a las personas .ue salen y entran de la sede de un
determinado partido poltico ya .ue las respuestas $las observaciones) estarn
todas relacionadas y no contienen informacin suficiente para conocer una
caracterstica de la poblacin. De hecho, los encuestadores buscan la
independencia de las observaciones situndose en diferentes lugares de la
ciudad. ?n modo de buscar la independencia es hacer algn tipo de sorteo
para elegir las posiciones de los encuestadores. Este ltimo punto puede
eplicar el uso del ad"etivo de aleatorio.
%C
?n caso particular .ue merece cierta reflein ocurre cuando la
%C
En los libros de teto se distingue entre muestreo aleatorio y muestreo aleatorio estratificado.
En el primer caso, las observaciones son etradas al a!ar de la poblacin. En el segundo
caso, las observaciones son obtenidas al a!ar en una subpoblacin definida por ciertas
caractersticas de las variables eplicativas.
%@
poblacin tiene un nmero tan pe.ueMo de individuos .ue parece ocioso hacer
una distincin entre poblacin y muestra y usar tcnicas estadsticas. ?n
e"emplo ilustrativo puede ser los bancos de un pas. Por un lado parece
atractivo pensar .ue se tiene acceso fcil a la poblacin y .ue los resultados
.ue se obtengan se refieren directamente a la poblacin. #in embargo, si se
piensa un poco ms nos damos cuenta .ue cual.uier aspecto .ue tomemos
$rentabilidad de los bancos) pudo haber sido distinto con cierta probabilidad.
Es decir, .ue el con"unto de individuos .ue observamos parecen tener
propiedades similares a una muestra. +a solucin a este enigma consiste en
reconocer .ue las poblaciones son un ob"eto abstracto .ue creamos para el
anlisis cientfico. En este sentido, no eisten fuera de nuestro anlisis y son,
por tanto, inobservables. Por tanto, eiste una poblacin ideal de bancos de
los cules observamos la muestra .ue las circunstancias han hecho .ue sea
accesible en un determinado periodo. ?n punto clave de este ra!onamiento es
.ue la muestra .ue se observa no es aleatoria sino determinada por las
circunstancias econmicas .ue rodean a la banca.
1.7. La econoe!"#a a+l(ca&a
+a utili!acin de la econometra terica $la de los libros de teto) en el
terreno de la economa aplicada no es fcil. El traba"o emprico en economa
re.uiere una combinacin adecuada de teora econmica, anlisis de datos,
econometra terica y mane"o de ordenadores. En esta combinacin, la
econometra no entra en forma aditiva sino .ue interacciona con todas las
dems. Por esta ra!n, el ito del traba"o emprico re.uiere, adems de un
adecuado conocimiento de los distintos elementos .ue lo integran, de una buena
dosis de eperiencia.
>ui!s sea esta la ra!n por la .ue, en comparacin con los libros de
econometra terica, no son muchos los libros sobre econometra aplicada .ue
se pueden encontrar. +os mas conocidos probablemente sean los de Qridge
$%&8%), Desai $%&:7) y Qerndt $%&&'). En el campo especfico de la economa de
la produccin, destaca el teto de 9hambers $%&::) y alguna recopilacin de
%8
traba"os empricos como la de QroEn $%&@8). ,ambin algunos libros generales
de econometra dedican alguna parte a estudiar aplicaciones economtricas.
Entre stos cabe reseMar los libros de ,homas $%&&').e 1ntriligator et al. $%&&@).
+as dificultades .ue conlleva el traba"o economtrico aplicado, as como
la ligere!a con la .ue a veces se lleva a cabo, ha suscitado un buen nmero de
crticas hacia la disciplina. 2s, por e"emplo, Rrcutt deca .ue *2plicar la
econometra es como intentar aprender las leyes de la electricidad escuchando
la radio-. En realidad, la mayor parte de estas crticas no van dirigidas contra la
econometra sino contra una buena parte del traba"o economtrico aplicado.
Efectivamente, es muy fcil hacer traba"o economtrico3 slo se necesitan datos
y un programa para estimar un modelo. #in embargo, como se ir viendo a lo
largo de este libro, el *buen- traba"o economtrico aplicado dista mucho de ser
algo sencillo.
%@
EdEard +eamer es uno de los econmetras de reconocido prestigio .ue
ms ha llamado la atencin sobre la separacin entre econometra terica y
aplicada. En un famoso libro, +eamer $%&8:) dice3 *Aos dividimos
confortablemente entre una orden sacerdotal de estadsticos tericos, por un
lado, y una legin de inveterados pecadores analistas de datos, por otra. +os
sacerdotes tienen poder para crear listas de pecados y son adorados por el
talento .ue muestran. +os pecadores no se supone .ue tienen .ue evitar los
pecadosN slo necesitan confesar sus errores abiertamente-.
?no de los aspectos de la econometra aplicada ms criticado por muchos
econmetras es la avide! por una gran mayora de los principiantes en este
campo $y de otros no tan principiantes) de buscar un alto L
7
o estadsticos
significativos. Ioldberger ha bauti!ado esta forma de *validacin- de los modelos
como *L
7
fishing- $la pesca del L
7
) o *the 6itchen sin6 approach- $la aproimacin
%@
Hendry $%&:;) compara la econometra con la al.uimia ya .ue se pueden obtener resultados
inverosmiles, tales como el .ue l epone en su artculo, consistente en eplicar la tasa de
inflacin del Leino ?nido en funcin de la pluviometra. Evidentemente, la econometra tiene ms
de al.uimia .ue de ciencia cuando se aplica mal. #in embargo, puede surgir una lu! de
esperan!a si se piensa .ue los logros de la .umica actual deben algo a la al.uimia de siglos
anteriores.
%:
del fregadero) en el sentido de .ue para lograr altos L
7
se introduce un elevado
nmero de variables eplicativas con el mismo criterio .ue se echan los platos
sucios al fregadero, es decir, hasta llenarlo $L
7
G%).
+os practicantes de la pesca del L
7
suelen *torturar- el modelo con una
amplia variedad de trucos tales como aMadir trminos cuadrticos, cambiar el
deflactor, agregar variables, etc. hasta .ue el proceso de estimacin produce el
resultado deseado $tPs significativas). Esta forma de actuar, conocida como *data
mining- se traduce en un grave problema consistente en .ue la probabilidad de
cometer un error de tipo 1 es mayor .ue la supuesta en los test de inferencia
estadstica $+ovell, %&:'). Esto se debe a .ue la cantidad de pruebas reali!adas
para encontrar estadsticos significativos hace .ue se puedan encontrar por
casualidad en ve! de por haber encontrado una *buena- especificacin.
#in embargo, en muchas ocasiones la teora econmica no define con
precisin todas las variables .ue deben aparecer en un modelo emprico. En
estos casos la prctica comn es estimar varios modelos con diferentes
subcon"untos de variables hasta elegir el modelo .ue el investigador considera
*me"or-. Esta prctica es problemtica ya .ue los modelos estimados con
diferentes subcon"untos de variables dan lugar a diferentes resultados. En
concreto, los parmetros pueden cambiar de signo, por lo .ue es difcil saber
el efecto real de una variable eplicativa en la variable eplicada.
%8
2 continuacin se epone un e"emplo emprico en el .ue se intenta
aclarar .ue el L
7
es un *dolo- falso, al .ue no se debe adorar. El ra!onamiento
.ue suelen hacer los principiantes es .ue si el L
7
es ba"o, el modelo no es
bueno por lo .ue hay .ue buscar alguna alternativa .ue permita obtener un L
7
mayor. Este es un grave error .ue conviene aclarar con un e"emplo. Para ello
se va a usar el anterior e"emplo de la respuesta a la fertili!acin nitrogenada.
En concreto, se ha estimado la funcin de produccin cuadrtica $%.(). +os
%8
Este problema aparece en la literatura emprica de crecimiento. +a teora econmica no
identifica de forma precisa las variables .ue definen el estado estacionario. 2nte este
problema, #ala i 4artn $%&&8) utili!a un mtodo riguroso para conocer la probabilidad de .ue
el efecto de una determinada variable se mantenga en diferentes especificaciones del modelo.
En el caso en .ue la probabilidad sea alta se considera .ue esa variable debe aparecer en la
especificacin final del modelo.
%&
resultados pueden verse en la ,abla %.7.
Ta/la 1.%. Es!(ac('n &e la -unc('n &e +"o&ucc('n cua&";!(ca
Parmetro 9oeficiente Desv. Estndar t=ratio
;
:&(.(:' %;:.@; :.7'
%
'@.';& C.%; 8.%;
7
=;.77: ;.;( =(.@(
A G C( L
7
G @:S
9omo se puede ver, las estimaciones de todos los parmetros son
significativas, el signo de los coeficientes confirma la forma de ? invertida .ue
mostraba el grfico de los datos y el L
7
es del @:S. En principio, parece .ue el
investigador podra estar satisfecho con esta estimacin. #in embargo, en
agronoma es bastante frecuente reali!ar esta estimacin usando slo las
medias para cada dosis. Es decir, las nueve repeticiones .ue hay para cada
dosis se sustituyen por la media aritmtica de las mismas, pasando de tener
C( observaciones a tener slo @. +os resultados de estimar en las medias
pueden verse en la ,abla %.'.
Ta/la 1.). Es!(ac('n &e la -unc('n &e +"o&ucc('n cua&";!(ca en e&(as
Parmetro 9oeficiente Desv. estndar t=ratio
;
:&(.(:' %C%.:' C.:&
%
'@.';& 8.%( C.;:
7
=;.77: ;.;@ ='.'7
A G @ L
7
G &CS
9omo se puede comprobar las estimaciones obtenidas de los tres
parmetros del modelo son las mismas usando todas las observaciones o las
medias para cada dosis. El resto de los resultados son diferentes. +as
desviaciones estndar de los coeficientes son mayores cuando se estima con las
medias, lo cual es una consecuencia de .ue se emplean menos observaciones
para estimar, por lo .ue la precisin .ue se consigue es menor. Pero el hecho
7;
diferencial ms destacado es la elevada diferencia en el L
7
a favor del modelo
estimado con las medias. +a ra!n por la .ue se obtiene un L
7
mayor es
por.ue al tomar las medias de las producciones, se est reduciendo el efecto
del componente aleatorio de la produccin.
%:
El hecho de .ue el L
7
sea mayor, hace .ue muchos investigadores
hagan pblicos los resultados obtenidos slo con las medias en ve! de con
todos los datos. Dado .ue las estimaciones de los parmetros son idnticas en
ambos modelos, las productividades marginales y los valores ptimos .ue se
obtienen son iguales. #in embargo, el investigador est falseando la bondad del
a"uste de su modelo puesto .ue est diciendo .ue la parte determinstica de su
modelo eplica un &CS de la variabilidad de la variable dependiente, cuando no
es verdad, ya .ue eplica una proporcin bastante menor $@:S).
Esperamos .ue este e"emplo haya servido para aclarar .ue el principal
criterio para "u!gar un modelo no puede ser su L
7
. ?n ba"o L
7
puede ser
ciertamente una indicacin de una mala especificacin. 2s, en el e"emplo
anterior, si en ve! de estimar una funcin cuadrtica, la cual se a"usta
claramente a la estructura de los datos, se hubiera estimado una funcin
lineal, se habra obtenido un L
7
ms ba"o, indicando .ue la funcin estimada
no se a"usta bien a la nube de puntos. #in embargo, no siempre .ue el L
7
sea
ba"o puede interpretarse como .ue la especificacin del modelo no es
adecuada, puesto .ue hay fenmenos econmicos en los .ue eiste una
variabilidad intrnseca muy elevada. En estos casos, la parte aleatoria va a
tener un papel importante en la eplicacin de la variable dependiente, lo .ue
.uedar refle"ado en un *verdadero- ba"o L
7
.
Esta discusin sobre valores altos o ba"os de modelos no relacionados
no debe confundirse con la comparacin de L
7
entre modelos anidados. Por
e"emplo, cuando se aMade una variable a un modelo el L
7
no puede disminuir.
En este caso, el aumento del L
7
puede ser usado para contrastar
%:
El lector ms avan!ado reconocer en este e"emplo el hecho de .ue el mtodo de mnimos
cuadrados lo .ue hace es a"ustar la lnea .ue me"or pasa por las medias de las distribuciones
condicionadas de T en /.
7%
estadsticamente la hiptesis nula de .ue el parmetro de la variable aMadida
es cero contra la alternativa de .ue es distinto de cero.
1.=. La o".an(>ac('n &el !"a/a*o e+#"(co
9omo se ha dicho anteriormente, el traba"o economtrico no es sencillo y
re.uiere una buena dosis de eperiencia. 2lgunos libros de econometra dedican
un captulo a eplicar cmo se debe desarrollar un proyecto economtrico
$Bohnson et al., %&:8N Iriffiths, et al., %&&'N 1ntriligator et al., %&&@). 2
continuacin se dan una serie de pistas para guiar a los .ue se inician en el
mundo de la econometra aplicada. Para ello distinguiremos entre los elementos
.ue debe tener un buen traba"o emprico y cmo se debe estructurar el mismo.
1.=.1. Los eleen!os &e un /uen !"a/a*o e+#"(co
+os principales elementos .ue debe tener todo buen traba"o economtrico
son3
! "na buena #re$unta
?na buena pregunta es la .ue hace referencia a un tema interesante y
adems no tiene una respuesta obvia. Probablemente no sea una pregunta
tcnica sino econmica. 2lgunos e"emplos en el campo de la economa de la
produccin pueden ser3 Uson ms eficientes las empresas grandes .ue las
pe.ueMasV, Ureaccionan los productores igual ante subidas .ue ante ba"adas en
el precio del productoV, Uha contribuido el progreso tcnico a la sustitucin de
traba"o por capitalV, etc...
En este punto el estudiante puede preguntarse cmo se encuentra una
buena pregunta. Qerndt $%&&%N p. ) dice .ue Qlinder siempre comenta con sus
estudiantes .ue lo ms per"udicial .ue le enseMaron en econometra en el 41,
fue .ue las hiptesis no se obtienen de los datos. En ese sentido Qlinder
aconse"a mirar los datos, hacer grficos, mirar a las medias y los momentos,
buscar observaciones *etraMas,... En resumen, hay .ue aprender a conocer tus
datos.
77
%! &uenos datos
+os datos deben permitir responder a la pregunta planteada
anteriormente. En algunos traba"os empricos se contesta parcialmente $o no se
contesta) a la pregunta de inters planteada debido a .ue los datos empleados
no contienen la informacin necesaria. 2 veces, esta "ustificacin no es
aceptable ya .ue, aun.ue la fuente de informacin primaria puede no tener todas
las variables necesarias, eso no .uiere decir .ue no se puedan obtener mediante
una encuesta auiliar.
2un.ue casi siempre se ha relegado los datos como algo marginal en el
anlisis economtrico, lo cierto es .ue constituyen un apartado fundamental. ?na
popular epresin inglesa *garbage in, garbage out-, es decir, *basura dentro,
basura fuera-, indica .ue si lo .ue se introduce en el modelo no es bueno, lo .ue
se va a obtener tampoco lo puede ser.
+a importancia de la calidad de los datos pasa desapercibida algunas
veces, sobre todo por "venes investigadores, .ue suelen poner ms nfasis en
usar un mtodo de estimacin sofisticado .ue en la bs.ueda y el tratamiento
correcto de los datos. 2 este respecto, un prestigioso econmetra, Dennis 2igner
$%&::) dice3 *...encuentro un poco desilusionante .ue slo recientemente me
haya dado cuenta de lo realmente dependientes .ue somos de datos generados
por otros y con fines .ue no se corresponden necesariamente con el nuestro-.
'! "n modelo
El modelo debe permitir epresar la pregunta. 2 ser posible, es preferible
contar con un modelo .ue tenga algn tipo de comportamiento econmico, como
maimi!acin de beneficios o minimi!acin de costes.
+a eleccin del modelo es, probablemente, el principal problema al .ue se
enfrenta el investigador aplicado. 2un.ue en principio la teora econmica debe
ser la principal gua para la especificacin del modelo, lo cierto es .ue en la
mayor parte de los casos la teora suele ser demasiado general, por lo .ue la
aplicacin al caso concreto de estudio re.uiere de modificaciones .ue permitan
7'
incorporar todas las especificidades necesarias. 9omo dice Pesaran $%&::)3
*9asi todas las teoras econmicas son incompletas como eplicacin de
fenmenos observados. 2 menudo incluyen variables inobservables, operan con
clusulas ceteris #aribus y procesos de a"uste no especificados. El econmetra
se enfrenta entonces a la poco envidiable tarea de la especificacin antes de
.ue pueda empe!ar a confrontar la teora con los datos-.
El problema de la especificacin suele resolverse en la investigacin
aplicada empleando un modelo ya desarrollado en la literatura. #in embargo, el
"oven investigador .ue se enfrenta al anlisis de un problema econmico no
debe abandonar la idea de poder construir un modelo especfico para el
problema en cuestin. Esta no es una tarea fcil y algunos reconocidos
economistas han .uerido compartir su eperiencia en este tema, con la
publicacin de sus conse"os sobre cmo modeli!ar $0arian, %&&8).
%&
?na caracterstica comn de la mayora de los documentos dedicados a
comentar cmo modeli!ar un problema, es la insistencia en .ue, al menos al
principio, el modelo debe ser sencillo.
7;
(! "n m)todo de estimacin adecuado
Dado .ue el ob"etivo de los traba"os aplicados depende en ltima
instancia de la calidad de las estimaciones obtenidas, es importante .ue
el mtodo de estimacin empleado est en consonancia con las
caractersticas del modelo a estimar, con el fin de .ue los estimadores
tengan las propiedades deseables.
9omo se ver en el captulo C, la mayor parte de las relaciones
econmicas de inters "unto con la naturale!a de los datos hacen .ue mnimos
cuadrados ordinarios sea un mtodo de estimacin .ue raramente produce
estimadores con propiedades deseables, es decir, insesgados y eficientes.
%&
Este traba"o puede consultarse en la pgina Eeb de Hal 0arian3 http3FFinfo.ber6eley.eduFWhalF
7;
?no de los mimos eponentes de esta opinin es Paul Xrugman. Puede consultarse el
documento *HoE 1 Eor6- en su pgina Eeb3 http3FFEeb.mit.eduF6rugmanFEEEF
7(
1.=.%. La es!"uc!u"a &e un /uen !"a/a*o e+#"(co
2un.ue no todos los traba"os empricos son iguales, eiste una
homogeneidad en casi todos ellos en lo relativo a la organi!acin de la
presentacin. 2 continuacin se dan algunos conse"os sobre cmo estructurar un
traba"o de investigacin emprico.
7%
Ca#*tulo + ,ntroduccin
+a 1ntroduccin es una parte fundamental de un traba"o emprico. Entre
otras cosas debe tener el siguiente contenido3
El problema econmico .ue se pretende anali!ar.
+a importancia .ue tiene el anlisis del problema.
2ntecedentes de anlisis del problema en cuestin.
?n prrafo, .ue se podra denominar prrafo *pero-, en el .ue se
eplica .ue a pesar de los anlisis previos citados en el punto anterior,
eiste un hueco no tratado o tratado de diferente forma .ue "ustifica la
reali!acin del traba"o.
?n ob"etivo especfico del traba"o, .ue, a poder ser, debera
epresarse en trminos de una $o ms) hiptesis.
?n es.uema de la estructura del traba"o.
Ca#*tulo %+ El modelo terico
En este captulo se debe resumir la teora econmica relevante para el
anlisis del problema .ue se trata. Este apartado debe contener3
+os supuestos .ue subyacen al anlisis.
+a descripcin del modelo .ue se pretende emplear.
Ca#*tulo '+ -os datos
%%
Este apartado puede estar incorporado en el siguiente captulo o constituir
una seccin independiente si la base de datos tiene una comple"idad grande.
7%
Dado .ue el destino de la mayora de los traba"os empricos es su publicacin en una revista
cientfica, una interesante gua de cmo publicar traba"os puede verse en Hamermesh $%&&7).
7C
2lgunos aspectos .ue deben comentarse en este apartado son3
Eplicar la fuente de donde se han tomado los datos. En caso de .ue
se haya hecho una encuesta, se debe eplicar con claridad todos los
aspectos de e"ecucin de la misma.
9omentar los problemas de medicin de las variables. Es normal .ue
algunas de las variables del modelo terico no sean observables, por
lo .ue se suele proceder a usar *proies- de las mismas. En ese caso
se debe hacer una reflein sobre si los problemas de observabilidad
ponen en entredicho los resultados del anlisis.
En muchas ocasiones el nmero de observaciones con las .ue se
hace el anlisis emprico es diferente del nmero original de
observaciones. +a ra!n es .ue se han eliminado algunas
observaciones. +os motivos ms habituales son .ue para algunas
observaciones no eisten datos de todas las variables relevantes o
.ue algunas observaciones presentan datos *sospechosos- de no ser
verdaderos. ,odos estos procedimientos de seleccin deben ser
claramente especificados. En cual.uier caso, es importante seMalar
.ue si la muestra aleatoria, estos procesos pueden dar lugar a la
prdida de esta propiedad en la muestra resultante.
Es conveniente presentar una tabla en la .ue figuren las estadsticas
descriptivas de los datos.
En general, es aconse"able intentar ver la informacin .ue
proporcionan los datos previamente a la estimacin economtrica.
Este tipo de tcnicas suelen denominarse como *2nlisis Eploratorio
de Datos- $Ex#loratory Data Analysis). ?na buena eposicin de estos
mtodos puede verse en HartEig y Dearing $%&8&). ?na herramienta
muy til pero .ue desgraciadamente no se suele ver mucho en la
prctica economtrica habitual es el uso de grficos.
7'
77
En algunos traba"os, la seccin eplicativa de los datos se encuentra despus de la
especificacin del modelo emprico. #in embargo, en algunos casos, la estructura de los datos
puede condicionar la especificacin del modelo y el mtodo de estimacin. Por e"emplo, no es
lo mismo estimar una funcin de produccin si se tienen datos de corte transversal .ue si se
dispone de datos de panel.
7@
Ca#*tulo (+ El modelo em#*rico
Esta es probablemente la seccin ms importante de un traba"o aplicado.
En ella, aparte de revisar otros traba"os empricos similares, se espera encontrar3
?na especificacin emprica clara del modelo a estimar, en la .ue hay
.ue hacer referencia a la parte aleatoria del modelo.
El mtodo de estimacin a emplear, con algunos comentarios acerca
de cmo se van a tratar posibles problemas de estimacin, tales como
heterocedasticidad, autocorrelacin, etc.
Ca#*tulo .+ Estimacin y resultados
En esta seccin se presenta la estimacin del modelo y tambin los
resultados de la investigacin, es decir, el contraste de la hiptesis del traba"o.
2lgunos conse"os especficos son3
Presentar los resultados de la estimacin en una tabla ordenada,
procurando buscar claridad en la presentacin. Por e"emplo, debe
evitarse copiar los resultados de la salida del ordenador y escribir
nmeros con : decimales.
Debe contestarse con claridad a la$s) pregunta$s) .ue se haya
formulado como ob"etivo de la investigacin. El traba"o no acaba con la
estimacin del modelo, eso es slo un paso intermedio para llegar a
poder contrastar la idea de partida.
#e deben *eplotar- los resultados empricos al mimo. Es decir,
aparte de fi"arse en el $los) parmetro$s) de inters para el contraste
de la hiptesis nula, deben comentarse otros resultados obtenidos,
como el signo y magnitud de otros parmetros.
Ca#*tulo /+ Conclusiones
,odo traba"o tiene .ue tener unas conclusiones. 2un.ue esto parece
evidente, hay dos aspectos .ue conviene destacar3
+as conclusiones no son lo mismo .ue un resumen del traba"o.
7'
Dado .ue los grficos tienen dos dimensiones, puede parecer .ue su utilidad para el anlisis
de relaciones con ms de una variable independiente es limitado. Xennedy $%&&:) defiende su
empleo3 *>ui!s el software economtrico debera tener algn modo de impedir .ue se corran
regresiones hasta .ue los datos hayan sido eaminados-.
78
4uchas veces, en el apartado final, se espera encontrar alguna
conclusin, ya sea metodolgica $venta"a de un modelo o de un
mtodo de estimacin sobre otro) o de tipo econmico
$recomendaciones de poltica econmica), pero slo se encuentra un
resumen.
Por el contrario, no se deben sacar conclusiones .ue no estn
directamente obtenidas del modelo anali!ado.
Conse0os $lobales
2un.ue los puntos anteriores ofrecen una buena pauta para guiar el
traba"o emprico, conviene dar dos conse"os finales .ue afectan al traba"o en su
totalidad3
El traba"o ha de parecer importante. 2l final del traba"o conviene dar
una lectura al mismo. #i la impresin .ue se tiene es .ue no parece
haberse reali!ado una contribucin al estado de la cuestin del
problema anali!ado, .ui!s convenga en ese momento replantearse el
anlisis y pensar .u le falta al traba"o para hacer esa contribucin.
El traba"o ha de parecer *honrado-. Esto .uiere decir .ue el traba"o ha
de presentarse con naturalidad contando las cosas como se hicieron,
sin esconder ningn problema y destacando todos los detalles
importantes del anlisis reali!ado. ?na caracterstica .ue debe tener
todo traba"o *honrado- es la de ser replicable. +a replicabilidad de un
traba"o implica .ue si otro investigador tuviese acceso a los mismos
datos, podra llegar a reproducir los mismos resultados.
7(
1.8. La econoe!"#a ? el o"&ena&o"
9omo se di"o anteriormente, el traba"o economtrico de estimacin
re.uiere el uso de algn tipo de softEare especiali!ado. Hoy en da son muchos
7(
2un.ue, en principio, parece .ue esta caracterstica debera estar presente en todos los
traba"os empricos, la realidad demuestra .ue no es as $vase DeEald et al., %&:@). +a
importancia cientfica de la replicabilidad hace .ue algunas revistas de prestigio ei"an a los
autores de los traba"os aceptados para publicacin .ue acompaMen su base de datos y .ue
sta est disponible para cual.uier investigador .ue la solicite.
7:
los programas economtricos .ue hay en el mercado. Probablemente, el
estudiante .ue .uiera empe!ar a dar sus primeros pasos por el mundo de la
econometra aplicada deba empe!ar a utili!ar alguno de los ms fciles de usar
como +imdep o Econometric 0ieEs. #in embargo, aun.ue estos programas
permiten estimar la gran mayora de los modelos, en muchos casos es necesario
recurrir a programas ms fleibles, .ue permiten programar rutinas de estimacin
novedosas o poco comunes. El ms popular hoy en da es Iauss.
Pero no debe confundirse el mane"o de los programas con el traba"o
economtrico con el ordenador, .ue dista mucho de ser algo sencillo. ?no de los
principios .ue debe guiar a todo buen investigador es el de intentar minimi!ar la
posibilidad de cometer errores y, cuando se traba"a con ordenadores, esa
posibilidad aparece con ms frecuencia de lo .ue se suele pensar.
En ese sentido, parece conveniente dar algunos conse"os de tipo prctico
de cara a la forma de traba"ar con los ordenadores3
! ,ntroducir los datos ori$inales en un fichero
El tipo de fichero ms conveniente es probablemente una ho"a de clculo,
ya .ue ese formato puede ser ledo por casi todos los programas estadsticos.
Despus se debe hacer una copia para traba"ar y no volver a usar el fichero
original ms. Este es un aspecto importante .ue permitir evitar .ue por
cual.uier tipo de accidente involuntario, se destruyan o modifi.uen total o
parcialmente los datos originales.
%! Com#robar 1ue los datos se han le*do correctamente
?na ve! ledos los datos en el programa economtrico, es inecusable
comprobar .ue el programa ha ledo los datos correctamente. En muchas
ocasiones, especialmente cuando los datos estn en ficheros de teto, los
programas cometen errores de lectura por diversos motivos $no encuentran un fin
de lnea, se pueden confundir si los datos estn separados por tabuladores,
etc.). Por ello, no debe confiarse uno si al e"ecutar una orden de lectura el
programa no da ningn error, por.ue puede haber ledo algo, pero mal. Para
7&
ello, si la base de datos es muy grande, lo .ue hace prcticamente inviable
listarlos, es muy conveniente pedir las estadsticas descriptivas de todas las
variables. 4irando especialmente los mimos y los mnimos de cada variable se
puede detectar, no solamente errores de lectura, sino tambin algn valor
anmalo de los datos. Rtro aspecto importante es comprobar .ue el nmero de
observaciones ledas se corresponde con de las originales.
'! Transformar las 2ariables usando el #ro$rama econom)trico
,odas las modificaciones de variables $tomar logaritmos, deflactar, etc.)
deben hacerse dentro del programa economtrico. #i son muchas las
transformaciones, es conveniente hacer un programa .ue contenga todas las
modificaciones y .ue cree un nuevo fichero de datos con las variables originales
y las transformadas. De esta manera, cuando se haga el anlisis aplicado no
habr .ue repetir las transformaciones cada ve! .ue se empiece a traba"ar.
() 9rear un fichero de teto $con un editor o procesador de tetos) en el .ue se
vayan recogiendo todos los detalles relativos a la evolucin de la
investigacin. Por e"emplo, en caso de haber varios ficheros de datos, lo .ue
contiene cada uno, el significado de las distintas variables, sus unidades de
medida, la fuente de donde provienen, etc.
.! -os #ro$ramas deben estar bien documentados
+os ficheros .ue contengan las instrucciones del programa economtrico
deben tener comentarios .ue permitan a otra persona entender lo .ue se est
haciendo. Este es un aspecto muy importante del proceso de estimacin .ue
tiene varias venta"as. En primer lugar, permite reducir el nmero de errores en
caso de .ue el programa sea largo y haya distintas alternativas de estimacin.
En segundo lugar, permite recordar con claridad lo .ue se est haciendo en caso
de .ue el investigador abandone el traba"o durante un cierto perodo y lo
recupere despus. Por ltimo, permite enviar el programa a colegas, para prestar
o solicitar ayuda o para iniciar una colaboracin cientfica.
/! Hacer co#ias de se$uridad
';
Hacer diariamente una copia de seguridad de todos los ficheros $datos y
programas). 2un.ue este conse"o parece obvio, es frecuente encontrar casos en
los .ue muchos investigadores se lamentan de los daMos ocasionados por un
colapso del disco duro, etc.
'%
@(/l(o."a-#a
2igner, D., $%&::), *Rn Econometric 4ethodology and the #earch for 9ausal +aEs-, The
Economic 3ecord, @(, '7'='7C.
Qerndt, E., $%&&%), The 4ractice of Econometrics+ Classic and Contem#orary, 2ddison=5esley.
Qridge, B.+., $%&8%), A##lied Econometrics, Aorth Holland.
QroEn, 4. $ed.), $%&@8), The Theory and Em#irical Analysis of 4roduction, Aational Qureau of
Economic Lesearch.
9hambers, L., $%&::), A##lied 4roduction Analysis, 9ambridge ?niversity Press.
9obb, 9.5. y P.H. Douglas, $%&7:) *2 ,heory of Production-, American Economic 3e2iew, %:$%),
%'&=87.
Darnell, 2., $%&&(), The History of Econometrics, vols. 1 y 11, EdEard Elgar.
Desai, 4., $%&:7), A##lied Econometrics, Phillip 2llen.
DeEald, 5.I., B. ,hursby y L. 2nderson, $%&:@), *Leplication in Empirical Economics3 ,he
Bournal of 4oney, 9redit and Qan6ing Pro"ect-, American Economic 3e2iew, 8@$(), C:8=
@;'.
Ioldberger, 2.#., $%&&:), ,ntroductory Econometrics, Harvard ?niversity Press.
Iranger, 9.5.B., $%&::), *#ome Lecent Developments in a 9oncept of 9ausality-, 5. of
Econometrics, %&&=7%%.
Iriffiths, 5.E., L.9. Hill y I.I. Budge, $%&&'), -earnin$ and 4racticin$ Econometrics, Bohn 5iley.
Hamermesh, D.#., $%&&7), *,he Toung EconomistPs Iuide to Professional Eti.uette-, 5. of
Economic 4ers#ecti2es, @$%), %@&=%8&.
HartEig, <. y Q.E. Dearing, $%&8&), Ex#loratory Data Analysis, #age.
Hendry, D. $%&:;), *Econometrics = 2lchemy or #cienceV-, Economica, (8, ':8=(;@.
1ntriligator, 4.D., L. Qod6in y 9. Hsiao, $%&&@), Econometric 6odels7 Techni1ues and A##lications,
7
nd
edition, Prentice=Hall.
Bohnson, 2.9., 4.Q. Bohnson y L.9. Quse, $%&:8), Econometrics+ &asic and A##lied, 4acmillan.
Xennedy, P., $%&&:), A 8uide to Econometrics, <ourth edition, ,he 41, Press.
+eamer, E.E., $%&8:), 9#ecification 9earches+ Ad Hoc ,nference with :onex#erimental Data, Aey
Tor6, Bohn 5iley.
+eamer, E.E., $%&:'), *+etYs ,a6e the 9on out of Econometrics-, American Economic 3e2iew,
8'$%), '%=('.
+ovell, 4.9., $%&:'), *Data 4ining-, 3e2iew of Economics and 9tatistics, @C, %=%7.
+ucas, L., $%&8@), *Econometric Policy Evaluation3 2 9riti.ue-, Carne$ie 3ochester Conferences
on 4ublic 4olicy, %, %&=(@.
4oore, H.+., $%&%(), Economic Cycles. Their -aw and Cause, AeE Tor63 4acmillan.
4organ, 4., $%&&;), The History of Econometric ,deas, 9ambridge ?niversity Press.
Pesaran, 4.H., $%&::), *,he Lole of ,heory in 2pplied Econometrics-, The Economic 3ecord, @(,
''@=&.
Lao, P. y L. 4iller, $%&8%), A##lied Econometrics, 5adsEorth.
#agan, 9., $%&&(), El cerebro de &roca, Editorial 9rtica, Qarcelona.
#ala=i=4artin, /., $%&&8), *1 Bust Lun ,Eo 4illion Legresions-, American Economic 3e2iew, :8$7),
%8:=%:'.
#chult!, H., $%&7:), 9tatistical -aws of Demand of 9u##ly with 9#ecial A##lication to 9u$ar,
'7
?niversity of 9hicago Press.
,homas, L.+., $%&&'), ,ntroductory Econometrics. Theory and A##lications, +ongman.
,intner, I., $%&C'), *,he Definition of Econometrics-, Econometrica, 7%, '%=(;.
0arian, H., $%&&8), *HoE to Quild an Economic 4odel in Tour #pare ,ime-, en 4. #!enberg, $ed.)
4assion and Craft+ Economists at ;ork, ?niversity of 4ichigan Press.
5augh, <., $%&7:), *>uality <actors 1nfluencing 0egetable Prices-, 5. of <arm Economics, %&, %:C=
%&@.
5or6ing, H., $%&78), *5hat Do #tatistical Demand 9urves #hoEV-, =uarterly 5. of Economics, (%,
7%7=7%C.
''

Capi 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capi 1

Cargado por

Copyright:

Formatos disponibles

CAPTULO 1

EL ANLISIS ECONOMTRICO APLICADO

También podría gustarte