ECONOMETRIA

Medicin econmica. Definicin.

Es la herramienta utilizada por economistas, socilogos, mercadlogos e
investigadores en general para respaldar o comprobar modelos matemticos
tericos que relacionan una variable dependiente (o explicada) por una o mas
variables independientes (o explicativas).



En un sentido ms tcnico es una rama de la Teora Econmica que mediante
procedimientos estadsticos y matemticos relaciona series temporales de
informacin o datos numricos, con el objeto de determinar vnculos presentes
entre variables, de manera que se determina las relaciones directas o inversas de las
mismas, siempre basado en un modelo conceptual de teora econmica, por ejemplo la
relacin inversa entre los precios y la demanda (a un mayor precio una menor demanda
y viceversa).

En este contexto es necesario plantear el trmino de modelo econmico, y se puede
decir que son simplificaciones tericas de abstracciones de la realidad, expresadas
mediante una relacin funcional de una variable dependiente y una o mas
independientes.
Al aplicar mtodos estadsticos, como correlacin y regresin, a un modelo matemtico
de teora econmica, se esta efectuando un anlisis economtrico y por tanto se busca
dar validez a la teora con la tcnica inferencial probabilstica y sus respectivas pruebas
de hiptesis estadsticas, que den la aproximacin numrica de la certeza del modelo.
La principal utilidad de esta tcnica se encuentra por dos vas:
A) Por un lado se comprueba los supuestos tericos-matemticos de un modelo basado
en una realidad
B) Y por otro se genera la posibilidad de realizar proyecciones para eventos futuros y
por lo tanto se tiene informacin adecuada para la toma de decisiones y diseo de
polticas o acciones preventivas o correctivas segn sea el caso, siempre y cuando, el
modelo posea validez estadstica, probabilstica y sobre todo terica.
La aplicacin de esta tcnica econmica se origin a partir de la dificultad de asignar
valores numricos a las relaciones tericas de las funciones matemticas generadas para
cada modelo econmico, el cual adems se basa en ciertos supuestos que restringen la
influencia de variables exgenos.
A continuacin se muestran las herramientas estadsticas necesarias, su definicin y
utilidad, con el fin de determinar un estudio economtrico, en tal sentido se plantea la
correlacin, regresin, metodologa, as como algunos casos de expresiones funcionales,
los supuestos que debe cumplir un modelo economtrico y finalmente se presenta
elementos de anlisis de significancia estadstica e interpretacin de coeficientes.
CORRELACIN
La correlacin o coeficiente de correlacin r2 mide la proporcin de variacin en la
variable dependiente explicada por la variacin en la o las variables independientes, es
decir mide el grado de intensidad lineal de vinculacin de las variables, a partir de las
variaciones observadas de los valores proyectados y de los valores reales comparadas
con la media aritmtica.

Este coeficiente es til por cuanto permite establecer el grado de intensidad en que una
variable dependiente se encuentra explicada por la o las variables independientes dentro
de un modelo.
Tambin facilita el estudio de variables cuantitativas en la medida que podemos explicar
un fenmeno por el grado en que una variable influye en otra, es decir nos permite
efectuar afirmaciones de carcter social, econmico y fsico.

Esta herramienta estadstica se mide por un coeficiente que puede tomar un valor que
puede oscilar entre -1 y 1, si el valor es cercano a 1 se dice que existe una relacin
directa entre las variables estudiadas, una mayor cantidad en una implica que la otra
aumentara tambin, en la medida que se acerca a 0 se dice que el nivel de correlacin es
mnimo o simplemente no existe correlacin y por lo tanto la variacin de una variable
no explica el comportamiento de otra, finalmente si es cercano a -1 la relacin es
inversa, si aumenta la variable independiente, disminuye el valor de la dependiente.
La siguiente grfica muestra las posibles formas de correlacin, vinculando el valor del
coeficiente con su expresin grfica.




TIPOS DE CORRELACIN
La correlacin puede clasificarse en dos tipos dependiendo de la cantidad de variables
analizadas y por el tipo de relacin lineal, en el primer caso estamos haciendo
referencia a:
1. Correlacin simple: se estudia la dependencia nicamente entre dos variables
2. Correlacin mltiple: se estudia la dependencia entre mas de 2 variables
3. Correlacin parcial: cuando se incluye la influencia de variables exgenas no
consideradas en el clculo de los coeficientes.
Dependiendo del tipo de relacin lineal el coeficiente relaciona:
1. Relacin directa entre las variables: un aumento en la variable independiente implica
un aumento en la variable dependiente.
2. Relacin inversa entre las variables: un aumento en la variable independiente implica
una disminucin en la variable dependiente.
A partir de ello la ecuacin puede mejorar su correlacin si se hace pruebas para
determinar si se ajusta mas a una recta, una curva exponencial o parablica.
REGRESIN
Mientras que la correlacin mide el grado de vinculacin entre variables, la regresin se
encarga de calcular, a partir de las observaciones, el valor real de los coeficientes que
explican una relacin funcional matemtica.
Si dicho valor es calculado a partir de la serie u observaciones de una poblacin
completa se esta hablando de una ecuacin de regresin poblacional, y esa es una
ecuacin completamente confiable, sin embargo sabemos que en la mayora de los
casos es imposible realizar este tipo de estudios ya sea por la cantidad de unidades
observacionales, o por la dispersin de la poblacin o sobre todo por el valor econmico
asociado a un estudio de tal magnitud.
Por tal motivo se utilizan mecanismos que facilitan estos estudios llegando a una
aproximacin de los datos poblacinales a partir de porciones o muestras representativas,
utilizando para su seleccin mtodos estadsticos de modo que se explique a cabalidad
los fenmenos sociales con cierto margen de error tolerable.
Partiendo de esa premisa es lgico pensar que podemos calcular una funcin de
regresin a partir de una muestra y el valor encontrado se dice que estima los valores o
coeficientes poblacionales y de esta forma se esta contando con una ecuacin muestral
que es confiable en la medida que la recoleccin de datos cumple con una metodologa
que garantice la representatividad de la informacin.
La funcin de regresin se representa tal como una ecuacin de la
forma
Y(X) =b+aX;
En el clculo se estima los coeficiente a y b, donde a es el intercepto y b es una
elasticidad. Para su clculo se utiliza el mtodo de Mnimos Cuadrados Ordinarios,
el cual se explicar ms adelante.
SECUENCIA DE PASOS
Para la realizacin efectiva de un anlisis economtrico es necesario efectuar una
secuencia de pasos de manera que se construya un modelo adecuado de prediccin,
dicha secuencia esta ligada a la experiencia y a las preferencias de los investigadores, en
ningn momento representa una receta que se tenga que seguir al pie de la letra, ademas
es posible simultanear algunas actividades:
Secuencia de pasos en econometra
1. Planteamiento terico del modelo economtrico (formulacin de hiptesis; o
relaciones funcionales)
2. Supuestos del modelo y formulacin de hiptesis.
3. Construccin de la forma matemtica del modelo terico e identificacin de las
principales variables y relaciones funcionales de las mismas.
4. Elaboracin funcional del modelo economtrico.
5. Identificar la informacin necesaria para realizar el modelo economtrico.
6. Recoleccin de datos de la serie y comparacin grfica de las observaciones.
7. Estimacin de los coeficientes del modelo economtrico.
8. Validez del modelo mediante la aplicacin de pruebas estadsticas.
9. Pronstico.
10. Toma de decisiones y diseo de polticas o acciones preventivas o correctivas, basadas
en el modelo.
Paso 1
Planteamiento terico del modelo economtrico
La primera etapa consiste en seleccionar un modelo econmico, para ello es
necesario adoptar un enfoque de teora econmica, por ejemplo bajo los supuestos de la
teora clsica, neoclsica, keynesiana o estructuralista, etc, todo depende del modelo
que se estudie, esto con el objeto de facilitar la identificacin de las relaciones de las
variables y el establecimiento de los supuestos, y de igual manera sirve como base para
explicar las proyecciones y justificar la toma de decisiones y polticas derivadas de los
resultados del modelo economtrico.
Esta primer parte no es ms que tomar una hiptesis de teora econmica que relacione
una variable dependiente a una o ms variables independientes.
Ejemplo: en la medida que se aumenta el precio de un bien y/o servicio determinado y
manteniendo todo lo dems constante, las cantidades demandadas de las mismas sern
menores

Paso 2
Supuestos del modelo y formulacin de hiptesis
A partir de esa seleccin se procede a conocer todos los lmites o alcances del modelo y
por lo tanto se determinan los supuestos con los que el modelo adquiere validez terica.
Ejemplo:se trata de un bien normal, en un mercado de competencia perfecta y no se
tiene sustituto.
En cualquier caso se parte de una hiptesis de teora econmica, la cual se busca
demostrar mediante procedimientos estadstico, indistintamente que modelo se desee
comprobar se parte de una afirmacin de relacin entre variables representada mediante
una ecuacin matemtica.
Este punto es importante por cuanto la hiptesis ser la referencia con la que se busca
demostrar la investigacin, en caso que se encuentre informacin confiable que
mediante la ecuacin de regresin calculada se compruebe la relacin de las variables,
se esta en posicin de avalar o aceptar la hiptesis y por tanto el estudio se vuelve una
herramienta de anlisis que facilita la explicacin de un fenmeno.

Paso 3
Construccin de la forma matemtica del modelo terico e identificacin de las
principales variables y relaciones funcionales de las mismas.
Conociendo con exactitud las relaciones funcionales de la teora, los supuestos en los
que el modelo tiene validez se pasa a determinar la forma matemtica de dicho modelo
Ejemplo D=a-bP
Donde:
D: Cantidades demandas (variable dependiente)
a: Demanda Autnoma ( Intercepto)
b: Elasticidad precio de la demanda (Pendiente de la recta)
P: Precio (variable independiente)
Es posible que el investigador determine que existen otras variables como gustos y
preferencias, edad, etnia, etc. Sin embargo el modelo se puede ajustar a esas variables
siempre y cuando se posea la informacin para determinar la relacin y sobre todo de
registros estadsticos numricos que permitan el clculo del modelo economtrico.
Paso 4
Elaboracin funcional del modelo economtrico
A partir de ello se puede trabajar con esa ecuacin para adecuarla a su forma
regresiva, es decir a plantearlo de manera que los datos se adecuen de manera natural
a un promedio y se Ajusten a una tendencia, para ello se requiere expresar el modelo
en trminos funcionales de Mnimos Cuadrados Ordenados, dicho mtodo se plantear
ms adelante.

Paso 5
Identificar la informacin necesaria para realizar el modelo economtrico.
Cuando se esta seguro del modelo y se tiene la forma economtrica, se pasa a considerar
el lugar donde se puede obtener la informacin, cual es la ms til y la facilidad de
recoleccin de la misma.
Este paso consiste en verificar la existencia y registro de las variables, en muchos de los
casos, no se cuenta con una variable del modelo como tal, por ejemplo para la ecuacin
de produccin el nivel de capital fsico de la economa, que no en todas las economas
se calcula , no obstante por tratarse de anlisis de tendencia, se puede sustituir el nivel
de capital por una representativa de su variacin, que en este caso, puede ser
perfectamente el nivel de inversin, la idea central reside en adecuar la variable del
modelo a los datos ms cercanos con que se cuentan .
Es necesario considerar en ente punto cual de toda la informacin de serie estadstica
que representa mejor a la o las variables estudiadas.
A nivel general se esperara obtener al menos 31 observaciones de cada variable, debido
principalmente a que a partir de ese nmero de observaciones una serie de registros se
adecua al Teorema del Lmite Central, lo que significa que es una serie con curva
normal, el cual es un requisito dentro de la econometra para dar validez estadstica al
modelo.
No obstante se sabe que los registros obtenidos de una unidad observacional
poblacional tienden a cumplir los supuestos de la curva normal es decir que se adecua a
una curva de probabilidad de forma de campana que es simtrica alrededor de su valor
medio, aproximadamente el 68% del rea bajo la curva normal se posiciona entre los
valores de su media () y su varianza ( ), el 95% se ubica entre 2 y alrededor
del 99.7% se encuentra en 3 , tal como muestra la grfica.


El supuesto que se trabaja con un modelo en que sus variables se comportan de manera
normal permite garantizar:
1. Una distribucin normal de las perturbaciones estocsticas.
2. Que los estimadores son insesgados o que no estn influenciados por variables
externas.
3. Tienen una varianza mnima lo que significa una media altamente representativa.
4. Consistencia, en la media que se aumenta el valor de la muestra o de observaciones
para estimar, los valores proyectados se acercan o igualan los valores poblacionales
reales.
5. Los coeficientes estimados tiene varianza mnima por lo que los parmetros
encontrados por Mnimos cuadrados Ordinarios son los Mejores Estimadores
Insesgados lineal
Paso 7
Estimacin de los coeficientes del modelo economtrico.
Habiendo establecido las relaciones de manera grfica con una serie estadstica
suficiente y con la viabilidad matemtica y terica del modelo se procede a la
estimacin de los coeficientes para ello se utiliza el mtodo de Mnimos Cuadrados
Ordinarios MCO por medio del cual se obtienen los mejores coeficientes que permiten
determinar el comportamiento de una funcin de economtrica, para un rango
determinado, estimando de esta manera los valores reales a partir de la muestra.
El principal objetivo de una ecuacin de regresin obtenida por Mnimos Cuadrados
Ordinarios es que las desviaciones de los valores observados respecto a los estimados
sea el mnimo posible, es decir, se espera que se encuentren los coeficientes que sean
(F(x) observado F(x)estimado)2 un mnimo, en otras palabras que la sumatoria de
las diferencias del valor real menos el proyectado elevado al cuadrado tienda a cero, de
ah el nombre que el mtodo se le denomine Mnimo Cuadrado Ordinario.

Paso 8
Validez del modelo mediante la aplicacin de pruebas estadsticas.
Para determinar la validez del modelo se debe haber pasado una serie de pruebas de
hiptesis que hacen que el modelo se comporte de cierta manera o que se encuentre en
ciertos parmetros donde existe suficiente probabilidad de ser fiables o buenos
estimadores de los valores reales (dichas pruebas se presentaran ms adelante).
Paso 9
Pronstico.
El pronstico consiste en utilizar la ecuacin para establecer con certeza el posible
comportamiento de la variable el cual puede darse en dos tiempos.
1. Dentro del domino o rango de informacin con la que se obtuvieron los coeficientes
2. Fuera del rango, para observaciones posteriores o anteriores a los del domino o rango
de informacin.
En el primer caso no es necesario ms que sustituir en la ecuacin la o las variables
independientes, por que los coeficientes explican el comportamiento dentro del rango
con que se cuenta la informacin; en este caso se esta tratando de una ecuacin que se
puede llamar de Largo Plazo, para el segundo caso es necesario transformar la ecuacin
en un modelo predictivo de corto plazo en el que se puede con alguna certeza
aproximarse a los valores futuros y para ello se trabaja la serie estadstica en diferencias
para obtener de esas variables los nuevos coeficientes, para el alcance de este curso se
tomara la primer forma de preedicin.
Paso 10
Toma de decisiones y diseo de polticas o acciones preventivas o correctivas,
basadas en el modelo.
Al haber establecido los coeficientes que dan validez al modelo se esta en la posibilidad
de efectuar toma de decisiones y diseo de polticas o acciones preventivas o
correctivas, basadas en el modelo, lo que supone que es una herramienta que facilita la
toma de actividades y acciones, pero a pesar de ese valor estadstico en ningn
momento se esta en la posibilidad de sustituir la experiencia o el conocimiento del
comportamiento humano que es en algunos casos ms confiable que cualquier
herramienta estadstica.
CONDICIONES DE LOS MODELOS
Los modelos economtricos suponen que la ecuacin estimada se comporta bajo ciertas
condiciones o requisitos y bajo ciertos parmetros, uno de los principales tiene que ver
con que los en cada punto observacional utilizado se ajusta al teorema del lmite central
y por tanto se ajusta a la curva normal, de igual manera, la serie estadstica necesaria
para estimar los coeficientes debe estar apoyada en este supuesto y por tanto requiere
un mnimo de 31 datos (este es un valor numrico aproximado en el que una variable
comienza a ajustarse a la curva normal).
Esa es una premisa no obstante se tiene que tomar en cuenta una serie de supuestos que
son necesarios para estimar una ecuacin economtrica con validez estadstica, muchos
de ellos se logran por el simple hecho de efectuar los clculos mediante el mtodo de
Mnimos Cuadrados Ordinarios, los supuestos se mencionan a continuacin.
SUPUESTOS
1. El modelo economtrico es lineal en sus parmetros es decir en sus coeficientes y en
sus variables incluyendo su valor de error estocstico Yi = 1+ 2Xi + i
Esto significa en trminos sencillos que la potencia de cada factor de la ecuacin es
igual a 1.
2. Los valores que toma la variable X en un ejercicio de muestreo se mantienen
constantes, es un valor no estocstico o no aleatorio, por ejemplo si consideramos lo
niveles de educacin en grados escolares de la Poblacin Ocupada se tiene que el valor
que puede tomar el nivel de educacin de una persona puede variar desde 0 hasta el
nivel mximo 13 o 14 para un ao determinado manteniendo el valor de X que es un
promedio inalterable, lo que importa es el valor medio que toma la variable Y a partir
de la X pero el valor de esta ltima es independiente de ese promedio en Y.
Lo que implica en trminos concretos que los coeficientes estimados estn
condicionados al valor de la o de las variables dependientes.
3. El valor promedio de las variaciones estocsticas i es cero, que significa que la
variacin del valor observado con el estimado a partir de la ecuacin de regresin es
cercano a cero para cada punto utilizado en la proyeccin.
En trminos sencillos lo que pretende este supuesto es que el valor de las variaciones
estocsticas es cero y por lo tanto la ecuacin economtrica se puede representar as:
Yi = 1+ 2Xi + i i aproximado a cero
Yi = 1+ 2Xi + 0
Yi = 1+ 2Xi
4. Las varianzas de cada error estocstico i deben ser idnticas o en trminos
estadsticas cumplir con el criterio de Homocedasticidad (homo o igual y cedastico o
dispersin), es decir que la varianza de i es igual para cada punto en todas las
observaciones.
Si este supuesto se cumple se esta asegurando que el nivel de varianza de las
observaciones es el mismo.
5.No existe correlacin entre los errores estocsticos, lo que significa que al aplicar un
modelo de regresin para perturbaciones i de distintos puntos observados, se
obtiene un r2 cercano a cero, lo que se busca es que la estimacin de Y no
dependa de la variacin sistemtica de los errores estndar la siguiente grafica
muestran la condicin descrita de los errores estocsticos:






Correlacin serial Negativa, el valor de -i es correspondido con un valor +i y
viceversa







Correlacin serial Positiva, el valor de +i es correspondido con un valor +i y
viceversa







Correlacin cero de perturbaciones


1. No existe correlacin entre los valores estocsticos y la variable independiente, en
otras palabras que no existe Covarianza entre i y X o que su covarianza es cero, al
correr la variable independiente y el valor de la perturbacin se debera esperar que es
cero, principalmente por que el valor de X es no aleatorio y se asume fijo para
muestras repetidas.
2. El nmero de observaciones debe ser mayor al nmero de parmetros a estimar, no
obstante no se debe olvidar que debemos contar con una serie de al menos 31 datos
para ajustarse al teorema de lmite central, no obstante este criterio varia de
investigador a investigador, muchos economistas apuntan que ms de 20 valores
estadsticos son suficientes, tambin es necesario considerar el tipo de variables que
se desean estimar.
3. Debe existir variabilidad en las variables independientes, es lgico pensar este
supuesto ya que la funcin de regresin estimada se logra a partir de las desviaciones
entre el valor de X y el de Y, determinando de esta manera un estimado de los
parmetros, de no encontrar variabilidad, se estara esperando una no relacin lineal
entre las variables.
4. Debe el modelo debe estar especificado correctamente, es decir que lo que se plante
matemticamente debe estar respaldado por supuestos del modelo econmico y que
la forma funcional sea la que ms se ajusta, finalmente se deben incluir todas las
variables involucradas que inciden en la explicacin de un fenmeno, para ello se
pueden correr muchos modelos y aquellos que demuestren un mejor nivel de
correlacin y de pruebas estadsticas son los que clasifican para hacer estimaciones o
demostraciones de relaciones funcionales.
El grado de cumplimiento de cada una de los supuestos anteriores puede variar segn el
criterio del investigador, algunas pruebas que se mencionan son determinadas
automticamente por programas computacionales, adems para hacer proyecciones a
futuro se analiza la estacionariedad de la serie, el sentido de estas pruebas esta
vinculado con la variabilidad de las perturbaciones, en este curso se presenta la prueba
de significancia estadstica.

Tipos de modelo
Los modelos economtricos pueden incluir hbridos o combinaciones, generalmente se
trata con modelos lineales, en la mayora de los casos encontraremos que con dificultad
se logra una serie con tendencia lineal debido a la variabilidad de las observaciones y
por tanto no siguen una tendencia visible en primera impresin.
Por tal motivo el uso de los logaritmos es una herramienta que facilita ajustar una serie
a una tendencia, en la medida que se tiene una serie con mucha dispersin, se aplica a
todas las variables o a una parte de ellas los logaritmos con el objetivo de suavizar el
efecto distorsionador.
Por tato tenemos los siguientes tipos de modelos
1. Lineales en sus variables (lineales en sus variables y parmetros)
2. Modelos log-lineales, se ajusta una o todas las variables que no tiene compartimiento
lineal
1. Log-log
2. Log lineales o semi logartmicos
En los modelos lineales al graficar podemos apreciar su tendencia y estimar sin mayor
cambio utilizando el mtodo de MCO.
Para los modelos doble log o log-log se aplica a ambos lados de la ecuacin los
logaritmos, este es el caso de las funciones exponenciales y de potencia.
En los semi-logartmicos aplicamos a la variable dependiente un valor en logaritmo para
suavizar la tendencia y de esta manera obtener un mejor estimador.
MNIMOS CUADRADOS ORDINARIOS
Uno de los puntos determinantes en la econometra se basa en el procesamiento
estadstico y para ello el mtodo de Mnimos Cuadrados Ordinarios MCO permite
encontrar los Mejores Estimadores Lineales Insesgados, este mtodo presenta muchas
ventajas en cuanto a lo fcil de su uso y por lo adecuado del planteamiento estadstico
matemtico que permite adecuarse a los supuestos para los modelos economtricos.
El trmino de MCO esta vinculado con la regresin y la correlacin, ambas determinan
la existencia de relacin entre dos o mas variables (siempre una dependiente y una o
varias independientes), la diferencia radica en que le regresin se expresa en una
funcin o relacin funcional mediante una ecuacin con su uso predictivo, y la
correlacin es un valor que mide la intensidad con que estn relacionadas linealmente
las variables, se esta hablado de una regresin o correlacin simple cuando se relacionan
2 variables, si existen mas se habla de una correlacin mltiple (el alcance de este curso
se limita a la simple).
Las funciones regresivas principalmente pueden ser de cuatro tipos:
1. Lineales
De la forma matemtica Y(x) = a+ bXi
Y su expresin Regresiva Yi = 1+ 2Xi + i
1. De segundo grado
De la forma matemtica Y(x) = a+ bXi+cXi2
Y su expresin Regresiva Yi = 1+ 2Xi + 3Xi2+ i
1. Exponenciales
De la forma matemtica Y(x) = abx
Y su expresin economtrica log F(x) = log a + x log b + i
1. De potencia
De la forma matemtica Y(x) = aXin
Y su expresin Regresiva log Yi = log a + b log X + i
Nota: la variable i se refiere al trmino de perturbacin o de error, se le conoce como
una variable aleatoria estocstica y se utiliza para recoger todos aquellos elementos que
afectan a las variables del modelo de manera externa, es decir mejora la prediccin del
modelo en la medida que captura los efectos de variables no relacionadas con el
modelo, en la mayora de casos y cuando se cuenta con la suficiente informacin el
valor que toma esta variable es aproximadamente igual a cero y por lo tanto es un valor
descartable, siempre y cuando sea un valor cercano a cero.
Para trabajar con una ecuacin no importando el tipo (exponencial, logartmica o de
potencia), es necesario en primer lugar linealizar la ecuacin, que no es ms que llevar a
potencia 1 la variable explicativa o independiente y para ello se puede valer de distintos
mtodos algebraicos que permiten llevar efectuar este procedimiento.
FUNCIN LINEAL
Cuando se han recolectado los datos y si estos cumplen con el teorema de lmite central
(informacin que se ajusta a una curva normal) se procede a presentar la informacin
bajo un esquema bidimensional que no es ms que plantearla en trminos del plano
cartesiano.



Que bien puede representar la funcin de oferta, donde Y seria la cantidad de
productos ofertados, a el intercepto y b la elasticidad precio de la oferta; ahora la
siguiente tabla muestra que la cantidad de kilos de carne de cerdo ofrecidas a los precios
de mercado
Cantidades Y 2 2,5 3 4 3.5 3.5 4.5 5 5.5 5.5 6 7 7.5 9 8.5
Precio X 3.3 4.4 3.3 5.5 4.4 5.5 6.6 6.6 7.2 7.7 7.7 8.8 8.8 11 9.9
La forma grfica queda entonces


El grafico anterior muestra una relacin directa, como la funcin de oferta se supone es
lineal su forma funcional as se expresa, no obstante esta puede ser una curva semejante
a una parbola o a una exponencial (todo depende el caso) y por lo tanto se puede optar
por la mejor forma, en este caso para efectos de simplificacin se muestra una lineal.
CLCULO
Para obtener los valores de los coeficientes se tiene en primer lugar efectuar los
productos encontrar sus sumatorias y luego simultanear la ecuacin y despejando en
cada caso el valor que se requiera:
Precio X Cantidades Y (X)(Y)

3.3 2 6.6 10.89
4.4 2.5 11 19.36
3.3 3 9.9 10.89
5.5 4 22 30.25
4.4 3.5 15.4 19.36
5.5 3.5 19.25 30.25
6.6 4.5 29.7 43.56
6.6 5 33 43.56
7.15 5.5 39.325 51.1225
7.7 5.5 42.35 59.29
7.7 6 46.2 59.29
8.8 7 61.6 77.44
8.8 7.5 66 77.44
11 9 99 121
9.9 8.5 84.15 98.01
TOTAL 100.65 77 585.475 751.7125


Con el coeficiente encontrado se procede a sustituir en cualquiera de las dos funciones
originales para despejar el valor de a por lo que se obtiene
585.475 = (a) 100.65+ (b) 751.7125
585.475 = (a) 100.65+ 0.901166978) 751.7125
585.475-667.7418482 = (a) 100.65
-91.94348195/100.65= a
a = -0.913497088
De manera tal que la ecuacin queda:
Y(X) = 0.9012 X- 0.9135
A un precio de 0, segn esa ecuacin, la produccin seria -0.91 unidades, la elasticidad
precio de la oferta como es de esperarse es positiva en la medida que cambie el precio
de la produccin este tendr un impacto en el cambio de oferta a un mayor precio se
ofrecer una mayor cantidad de producto.
Para efectos simplificadores se puede usar de manera general


FUNCIN CUADRTICA
La forma funcional de cada modelo economtrico depende en alguna parte por su forma
grfica, es decir que al reflejar en un esquema bidimensional se puede apreciar la forma
y hacerse una idea de la ecuacin que se ajusta de mejor manera al modelo que se busca.
Para el caso tomaremos un ejemplo hipottico en el que se toma el esquema de una
funcin de costos totales, donde se sabe que hasta cierto punto en el que la produccin
aumenta los costos caen dado un nivel de tecnologa llegando a un mnimo y a partir de
ah existe un incremento progresivo por cada unidad adicional por tanto se espera una
forma parablica.
La siguiente tabla muestra el valor del costo total Y que se obtiene con un nivel de
produccin especfico X.

x
200 240 300 400 500 540 600 640 700 800 900 1000 1040 1100 1200
y 3910 3680 2990 2070 2070 1380 1610 1380 1725 1495 2070 1840 2530 2990 4025
Y su forma grfica es:

El grfico anterior muestra claramente que la tendencia no se ajusta a una recta, esta se
plantea como una curva en forma de u, siendo una parbola la ecuacin que ms se
ajusta es cuadrtica.
En este caso estamos tratando con una ecuacin de la forma

lo que indica que tiene un valor mximo o en su defecto un mnimo.
DESARROLLO
Para el caso de la funcin cuadrtica es necesario aclara que es un caso espacial que se
ve en muchos ejemplos econmicos, su aplicacin es til para determinar mximos y
mnimos.
El procedimiento es el mismo que en el anterior se encuentra

mnimo, se deriva respecto a los coeficientes a, b y c y luego se igualan a cero, para
posteriormente simultanearlas, las ecuaciones quedan entonces:

CLCULO
El siguiente paso a realizar consiste en obtener los productos y sumatorias indicadas en
las tres ecuaciones
X Y XY X2Y X2 X3 X4
200 3,910 782,000 156,400,000 40,000 8,000,000 1,600,000,000
240 3,680 883,200 211,968,000 57,600 13,824,000 3,317,760,000
300 2,990 897,000 269,100,000 90,000 27,000,000 8,100,000,000
400 2,070 828,000 331,200,000 160,000 64,000,000 25,600,000,000
500 2,070 1,035,000 517,500,000 250,000 125,000,000 62,500,000,000
540 1,380 745,200 402,408,000 291,600 157,464,000 85,030,560,000
600 1,610 966,000 579,600,000 360,000 216,000,000 129,600,000,000
640 1,380 883,200 565,248,000 409,600 262,144,000 167,772,160,000
700 1,725 1,207,500 845,250,000 490,000 343,000,000 240,100,000,000
800 1,495 1,196,000 956,800,000 640,000 512,000,000 409,600,000,000
900 2,070 1,863,000 1,676,700,000 810,000 729,000,000 656,100,000,000
1,000 1,840 1,840,000 1,840,000,000 1,000,000 1,000,000,000 1,000,000,000,000
1,040 2,530 2,631,200 2,736,448,000 1,081,600 1,124,864,000 1,169,858,560,000
1,100 2,990 3,289,000 3,617,900,000 1,210,000 1,331,000,000 1,464,100,000,000
1,200 4,025 4,830,000 5,796,000,000 1,440,000 1,728,000,000 2,073,600,000,000
10,160 35,765 23,876,300 20,502,522,000 8,330,400 7,641,296,000 7,496,879,040,000
Con 15 observaciones se tiene un n de 15

Siguiendo el esquema anterior se procede a simultanear las ecuaciones,
comenzaremos con (1) y (2)

Simultaneando (1) y (3)


Multiplicando -8.330.400 por la (1) y 15 por la (3)

Sustituyendo este valor en 4 y despejando b tenemos
b= (-5,227,900 29,982,576,000(0.009954675))/ 21,730,400
b= -13.97556819
Para encontrar el coeficiente c hay que sustituir en cualquiera de (1), (2) (3), tomando
la ecuacin primera se tiene:
35,765 = 15 a + 10,160 b + 8,330,400 c
35,765 = 15 a + 10,160 (-13.97556819) + 8,330,400 (0.009954675)
35,765 = 15 a -141991.7728 + 82926.42106
a = (35,765+141991.7728- 82926.42106)/15
a = 6322.023448
En consecuencia la ecuacin queda
Y(x) = 0.009954675 X2 - 13.97556819 X + 6322.023448
Funcin exponencial
El caso de una ecuacin exponencial requiere de un tratamiento especial, el crecimiento
exponencial se le aplica en la mayora de variables poblacionales, la explicacin se debe
entre otras, adems de la relacin grfica, a que el crecimiento en un tramo es lento y a
partir de cierto punto, este se incrementa en mayor cantidad, tal como muestra la
siguiente grfica.


La forma de la funcin estimada es

Los coeficientes a y b se calculan a partir de un sistema de ecuaciones que a
continuacin se explicara, el primer paso a realizar es linealizar la funcin para ello se
aplican logaritmos base 10.
Teniendo el siguiente cuadro que relaciona tiempo y niveles Poblacin ocupada, se
puede observar una tendencia no lineal, una curvatura en la secuencia de datos, la forma
grfica muestra que el modelo de regresin mas adecuado es la exponencial.
Es necesario aclarar que cuando se relaciona el tiempo y otra variable, se considera al
tiempo como la variable independiente.



escolaridad
1979 2.890
1980 2.740
1981 3.230
1982 3.400
1983 3.123
1984 3.365
1985 3.563
1986 3.735
1987 3.960
1988 3.560
1989 3.573
1990 3.662
1991 3.842
1992 3.523
1993 3.760
1994 3.990
1995 4.126
1996 4.356
1997 4.653
1998 5.236
1999 5.136
2000 5.313
2001 5.459
2002 5.609
2003 5.763
N= 25


Desarrollo
El procedimiento para determinar los coeficientes entonces es:


Al igual que en los casos anteriores se busca que la desviaciones de los valores
observados respecto a los estimados sea el mnimo posible, por lo que se debe derivar
respecto a los coeficientes a y b para luego igualar los resultados a cero.
Para el caso se debe sustituir la funcin exponencial linealizada en la expresin
sumatoria a minimizar por lo que:

CLCULO
Tomando como base la tabla presentada anteriormente y para simplificar los clculos, se
sustituyen los valores de aos por un equivalente numrico que no afecta el resultado
(este mtodo se utiliza principalmente en aos o en variables de tiempo que poseen un
incremento unitario).
En consecuencia tenemos la siguiente grfica que relaciona el tiempo y la cantidad de
poblacin ocupada en millones de personas:

Aos
X Y Log Y X*log Y X2
1979 -12 2.890 0.46089784 -5.53077411 144
1980 -11 2.740 0.43775056 -4.81525619 121
1981 -10 3.230 0.50920252 -5.09202522 100
1982 -9 3.400 0.53147892 -4.78331025 81
1983 -8 3.123 0.49457198 -3.95657587 64
1984 -7 3.365 0.52698507 -3.68889548 49
1985 -6 3.468 0.54007909 -3.24047453 36
1986 -5 3.684 0.56631962 -2.83159811 25
1987 -4 3.860 0.5865873 -2.34634922 16
1988 -3 3.560 0.55149767 -1.654493 9
1989 -2 3.573 0.55301164 -1.10602328 4
1990 -1 3.662 0.56367494 -0.56367494 1
1991 0 3.842 0.58450797 0 0
1992 1 3.900 0.59106461 0.59106461 1
1993 2 3.760 0.57518784 1.15037569 4
1994 3 3.990 0.6009729 1.80291869 9
1995 4 4.126 0.61548712 2.46194847 16
1996 5 4.356 0.63908787 3.19543936 25
1997 6 4.653 0.66773305 4.00639832 36
1998 7 5.236 0.71899964 5.03299747 49
1999 8 5.018 0.70049474 5.6039579 64
2000 9 5.190 0.715185 6.43666501 81
2001 10 5.333 0.72695922 7.26959218 100
2002 11 5.479 0.73873907 8.12612979 121
2003 12 5.630 0.7505158 9.00618959 144
0 101.067229 14.946992 15.0742268 1300



En este caso no habr necesidad de simultanear debido a que la sumatoria de X es igual
a cero y por lo tanto el valor de a y b se obtienen de manera ms rpida
En consecuencia el valor de a se obtiene:


Para este caso se debe sustituir valores comprendidos entre -12 y 12, para que de como
resultado el valor en su equivalente en aos.

Funcin de potencia.
A esta funcin se le conoce como curva geomtrica de la forma , al igual
que los casos anteriores es necesario linealizar la ecuacin, como se puede esperar basta
aplicar logaritmo a la ecuacin de igual manera que el en caso exponencial para obtener
una ecuacin de la tendencia buscada y se procede a derivar respecto a a y b .
En este caso utilizamos la relacin ingreso y consumo


Ingreso consumo
3.01 1.904236782
3.26 2.389395036
3.69 2.93138203
3.98 3.321130844
3.654 2.884343721
4.024 3.074481512
3.89 3.198127393
4.2 3.629445223
4.36 3.860393932
4.56 4.156912734
4.268 3.726912485
4.689 3.957023376
4.93 4.727987654
5.3 5.327630566
5.21 5.179181854
5.36 4.934102133

n=16



DESARROLLO
La secuencia de pasos es similar a la exponencial se tiene que minimizar la expresin,
sustituir el valor equivalente de Y estimado y derivar.

Aplicando propiedades de logaritmos

Igualando a cero y derivando respecto a los coeficientes a y b se llega a las
siguientes expresiones

CLCULO
Con la informacin anterior se construye los cuadros respectivos que permitirn
determinar los valores de los coeficientes:

Y (Consumo)
X (Ingreso) Log X Log Y Log X* Log Y (Log X) 2
1.904 3.010 0.479 0.280 0.134 0.229
2.389 3.260 0.513 0.378 0.194 0.263
2.931 3.690 0.567 0.467 0.265 0.322
3.321 3.980 0.600 0.521 0.313 0.360
2.884 3.654 0.563 0.460 0.259 0.317
3.074 4.024 0.605 0.488 0.295 0.366
3.198 3.890 0.590 0.505 0.298 0.348
3.629 4.200 0.623 0.560 0.349 0.388
3.860 4.360 0.639 0.587 0.375 0.409
4.157 4.560 0.659 0.619 0.408 0.434
3.727 4.268 0.630 0.571 0.360 0.397
3.957 4.689 0.671 0.597 0.401 0.450
4.728 4.930 0.693 0.675 0.467 0.480
5.328 5.300 0.724 0.727 0.526 0.525
5.179 5.210 0.717 0.714 0.512 0.514
4.934 5.360 0.729 0.693 0.505 0.532
Sumatoria
n=16 10.002 8.842 5.661 6.333




En consecuencia la ecuacin queda
Y(X) = aXb
Y(X) = 3.57 X70.32
COEFICIENTE DE CORRELACIN INTERPRETACIN ESTADSTICA
Como ya se ha planteado el grado de correlacin mide la intensidad de relacin lineal,
ya sea directa, inversa o inexistente entre dos variables, se dice que es directa si tiene
signo positivo, inversa de signo negativo y nula cuando el valor sea aproximadamente
igual a cero.
Existen diferentes mtodos para calcular el grado de correlacin en este curso
explicaremos el mtodo en trminos de variaciones y simplificado de Kart Pearson.
El mtodo de variaciones consiste en comparar el grado de desviacin que se presenta
entre los valores observados, los proyectados y la media aritmtica; el de Kart Pearson
lo resume en una ecuacin determinada.
La idea central radica en que si existe relacin entre los valores de Y observados con
los valores de X, el grado de variacin de la media aritmtica respecto a los Y
estimados y los observados es mnima.
En trminos concretos se compara el porcentaje de la variacin explicada (que se
origina entre los valores proyectados y la media), y la variacin total (la variacin
observada y la variacin explicada) en cuyo caso refleja un coeficiente que se encuentra
entre el valor de -1 y 1.
De manera funcional se mide:
Variacin total = variacin no explicada + variacin explicada
(Y observada -media de Y) = (Y observada - Y estimada) + (Y estimada - media de
Y)
La siguiente grfica muestra las desviaciones a las que se hace referencia, el valor de la
media se representa por la variable y se obtiene de la suma del valor observado
dividido entre el total de observaciones, = Y / n.



Para evitar valores negativos se debe llevar al cuadrado cada expresin, para totalizar
ese clculo se realiza para cada uno de los puntos y luego se procede a la suma en
consecuencia

Como el coeficiente de correlacin es un porcentaje que explica el comportamiento de
la relacin entre lo variacin explicada y la variacin total se calcula mediante



Con esta ecuacin se puede apreciar que en la medida que el valor de observado sea
igual al valor proyectado, el nivel de variacin con la media ser el mismo, es decir que
Y observado = Y estimado, si eso se cumple para cada uno de los puntos las variaciones
son inexistentes y por lo tanto

El mtodo de Pearson no es ms que aplicar la siguiente ecuacin



CALCULO DEL COEFICIENTE DE CORRELACIN

Precio X
Cantidades Y
observadas (X)(Y) X*x y*y
Y (X)
estimadas
(Y-
Y(X))2
(Y(X ) -
)2 (Y - )2
3.300 2.000 6.600 10.890 4.000 2.060 0.004 9.443 9.818
4.400 2.500 11.000 19.360 6.250 3.052 0.304 4.333 6.934
3.300 3.000 9.900 10.890 9.000 2.060 0.883 9.443 4.551
5.500 4.000 22.000 30.250 16.000 4.043 0.002 1.189 1.284
4.400 3.500 15.400 19.360 12.250 3.052 0.201 4.333 2.668
5.500 3.500 19.250 30.250 12.250 4.043 0.295 1.189 2.668
6.600 4.500 29.700 43.560 20.250 5.034 0.285 0.010 0.401
6.600 5.000 33.000 43.560 25.000 5.034 0.001 0.010 0.018
7.150 5.500 39.325 51.123 30.250 5.530 0.001 0.157 0.134
7.700 5.500 42.350 59.290 30.250 6.025 0.276 0.796 0.134
7.700 6.000 46.200 59.290 36.000 6.025 0.001 0.796 0.751
8.800 7.000 61.600 77.440 49.000 7.017 0.000 3.547 3.484
8.800 7.500 66.000 77.440 56.250 7.017 0.234 3.547 5.601
11.000 9.000 99.000 121.000 81.000 8.999 0.000 14.946 14.951
9.900 8.500 84.150 98.010 72.250 8.008 0.242 8.264 11.334
100.650 77.000 585.475 751.713 460.000 77.000 2.729 62.005 64.733
n = 15
La media entonces es
= Y / n.
= 77/ 15
= 5.13
r2 = (Y estimada - )2 / (Y observada - )2
r2 = 62/64.73
r2 = 0.9578
Mediante el segundo mtodo se tiene:
r = (n*xy (x)* (y) )/ ((n*( x2)*-( x)2 )*(n*(y2)- (y)2)
r = ((15)*(585.48)- (100.65)* 77)/ ((15* 751.71)-(100.65)2)*(15*( 460 )- (77.00)2)
r = (8782.12 - 7750.05) / ((1145.265) *(971))
r= 1032.08 / (1,112,052.31)
r = 0.9787
(r)2=(0.9787)2
r2=0.9578
Como se puede apreciar indistintamente de mtodo que se decida utilizar se llega al
mismo valor, entre ms cercano se encuentre el valor de 1 se puede asegurar que es ms
estrecha la relacin lineal entre la variable dependiente y la independiente.


DESVIACIN ESTNDAR
La desviacin estndar de la funcin de regresin indica el grado de dispersin entre las
variaciones de los valores observados Y respecto a los estimados con ese valor se
puede determinar con cierta certeza si un modelo es confiable, en la medida que dicho
coeficiente sea mayor se puede apreciar que la estimacin de los coeficientes no es lo
suficientemente confiables. Y(X) , la frmula queda:



CLCULO DE LA DESVIACIN ESTNDAR .
De acuerdo con los datos recopilados se puede decir que la desviacin es


Por el segundo mtodo

La diferencia se debe a los decimales utilizados
PRUEBAS DE VALIDEZ ECONOMTRICAS
Significancia Estadstica
Para determinar la significancia estadstica es necesario calcular la varible t student, la
cual es una distribucin que tiene una fuerte vinculacin con la curva o distribucin
normal, puesto que en la medida que se tengan mayor cantidad de observaciones en el
calculo del t student la curva se va ajustando a la normal.
Para iniciar este tipo de evaluacin hay que considerar los grados de libertad de la serie
los cuales no son ms que el nmero de observaciones n menos el nmero de
variables utilizadas para la proyeccin.
La formula entonces queda


Donde la variable es un parmetro encontrado en la ecuacin, el gorrito o el ^
significa que el valor encontrado mediante los MCO y el valor por si solo es el real o
el poblacional no estimado y es el error estndar del parmetro.
El valor t debe evaluarse para un nivel de significancia o probabilidad que no debe ser
mayor al 15% y se puede evaluar para una o para dos colas, esto se estima el valor
mediante una tabla que se encuentra en la mayora de libros de estadstica para estudios
superiores.
Para establecer si los coeficientes son significativos en trminos estadsticos, se observa
si el valor de t, se encuentra fuera de la zona crtica y en este caso se dice que los
coeficientes son estadsticamente significativos. De caer dentro de los intervalos de las
colas, es decir entre ellas, se dice que no son estadsticamente significativos,
dependiendo del tipo de modelo tambin se puede elegir la prueba utilizando un lado de
la cola.
En primer lugar se debe determinar el valor crtico y para ello se analiza los grados de
libertad y la probabilidad con la que se desea trabajar, utilizando los valores de la
funcin lineal tenemos:




Como el valor de b es 0.90 y para una probabilidad del 5% con 15-2 grados de libertad
se tiene un valor de 2.160, como el valor t es 60.92 podemos asegurar que la t student
queda fuera del rango en que no existe significancia estadstica


INTERPRETACIN DE VARIABLES
Los valores obtenidos como a y b son estimadores de los parmetros reales, porque
se dicen estimadores por que son encontrados a partir de una muestra, su representacin
en econometra son los valores , el caso de a se esta tratando con el intercepto y con
b con la elasticidad, si b esta siendo afectado por un logaritmo ese coeficiente es
una tasa de crecimiento.
En la medida que el valor de r o r2 tienda a uno o a -1 se esta tratando de una fuerte
correlacin, los investigadores prefieren trabajar con un coeficiente de correlacin
cercano a 0.90 y 0.95, si es 0.99 nos encontramos en la posibilidad de presentar auto
correlacin entre las variables y por tanto no aproximarnos a los valores reales.
PROYECCIONES
Las proyecciones de los modelos como se ha planteado son en dos momentos el Corto
Plazo CP y el Largo Plazo LP, este ltimo se utiliza solamente la ecuacin calculada por
mnimos cuadrados ordinarios, en el caso de CP sea hace una regresin utilizando las
desviaciones tpicas de cada valor u observacin para estimar su relacin de variabilidad
con la funcin economtrica a partir de ello se aplica a las observaciones un mtodo de
diferencias para determinar su variacin para cada ao y a partir de los coeficientes que
refleje se puede hacer estimaciones para no mas de 5 o 6 observaciones a futuro, con la
condicin de proyectar las variables independientes .
El mtodo de proyecciones de CP no ser presentado por tratarse de un mtodo que
requiere otros elementos de anlisis como la estacionariedad de la serie y su
cointegracin, as como mtodos de proyeccin y utilizacin de paquetes
computacionales; por tal motivo estamos en la posicin de hacer proyecciones a LP,
para ello se toma la ecuacin calculada y se procede a sustituir valores de la variable
independiente que se encuentren dentro del rango o dominio de la variable X.
Finalmente para efectuar una proyeccin de CP, el modelo debe poseer un coeficiente
de correlacin cercano a 1 o a -1, una mnima desviacin estndar y poseer significanca
estadstica, solo de esta manera una proyeccin es confiable, en la medida que los el r2
sea cercano a cero o inferior a 0.75, una desviacin grande y con coeficientes no
representativos la estimacin se dice no confiable o espuria.
Para el ejercicio de la funcin lineal tenemos una ecuacin construida para un domino
que va desde 3.3 a 11, el cual representa el precio.
Con esa informacin podemos decir que si el mercado espera en ese periodo un precio
de 5 unidades monetarias el valor de la cantidad ofertada ser de Y(X)=0.9012 (5)-
0.9135, Y(X)= 3.59, en consecuencia los productores ofreceran una 3.6 kilos de carne
aproximadamente, la misma mecnica se aplica para las dems ecuaciones calculadas,
la interpretacin variar dependiendo de las variables utilizadas.
En el caso de utilizar el Excel solo es necesario aplicar la formula tal como se presenta
en la siguiente grafica, el valor variable es la columna de los precios esperados B y por
tanto se deja la ecuacin idntica excepto ese valor que nos sirve para estimar, para
encontrar los valores posteriores simplemente es necesario copiar y hacia abajo



Ntese que el valor de 15 no fue estimado por no encontrarse dentro del rango, lo
mismo se aplica para casos que estn por debajo de 3.3.


ALGUNOS CLCULOS MEDIANTE EXCEL
Como es de esperarse existen diferentes programas que facilitan el anlisis
economtrico, dentro de ellos se puede mencionar SPSS y Econometrics Views, son
programas especializados para ello, no obstante, office de Windows mediante Excel
ofrece herramientas que facilitan ciertos clculos como la estimacin de la educacin y
el valor de r2.
En primer lugar debemos introducir los datos de manera vertical tal como se muestra

Luego marcamos las dos columnas para graficar las relaciones

Ntese que se sealo el grfico de dispersin, se aplica siguiente hasta el punto en que
se solicita la ubicacin, se recomienda que se enve a una hoja aparte, no en la misma
hoja.
Se da clic derecho en la lnea de dispersin para seleccionar lnea de tendencia


Como se puede apreciar existen diferentes tendencias, uno mismo puede hacer las
pruebas en que el coeficiente de correlacin y la forma funcional se ajuste ms.

Adems en la vieta de opciones de la misma venta se puede seleccionar que muestre la
ecuacin y el valor de r2.
Quedando de esta manera

Ntese que son los mismos valores calculados para el ejemplo 1 de lnea de regresin
lineal

Cuestionario
Introduccin
1. Que es la econometra?
2. Cules son las diferencias entre la correlacin y regresin?
3. Cmo puede vincular los conceptos econometra, correlacin y regresin.?
Metodologa
1. explique brevemente los pasos para la construccin de un modelo economtrico a
partir de los niveles de desempleo e inflacin utilizando la curva de Phillips y su teora.
CONSIDERACIONES DE LOS MODELOS
1. Qu condicin condiciones indispensable debe contener una serie estadstica para
considerarla apta para aplicar la herramienta de econometra.
2. Cul es la razn de utilizar logaritmos aplicados a una serie estadstica y que
implicaciones tienen en el modelo en cuanto a la interpretacin de los parmetros o
coeficientes.
Mnimos Cuadrados Ordinarios
A continuacin se presenta un caso hipottico en el que se relaciona el tiempo y la
variable Poblacin Ocupada, se pide:
1. Coeficiente de correlacin.
2. Desviacin estndar.
3. Ecuacin de regresin
4. Cual de las formas de ecuacin se ajusta ms para explicar el comportamiento de esta
serie.
5. Ser que existe una relacin entre el tiempo y la cantidad de Poblacin Ocupada,
comente?
6. Cmo se pueden interpretar los coeficientes encontrados.
Nota: utilice Excel para verificar sus resultados


Ejercicio de aplicacin caso hipottico
Poblacin ocupada
1975 1,236,400
1976 1,269,783
1977 1,304,067
1978 1,336,525
1979 1,440,242
1980 1,437,598
1981 1,392,730
1982 1,307,429
1983 1,484,303
1984 1,393,370
1985 1,371,884
1986 1,484,961
1987 1,532,991
1988 1,740,448
1989 1,633,763
1990 1,854,882
1991 1,781,582
1992 1,753,147
1993 1,802,586
1994 1,950,998
1995 1,973,017
1996 2,056,450
1997 2,066,523
1998 2,227,471
1999 2,274,728
2000 2,322,697
2001 2,451,317
2002 2,412,785
2003 2,520,060
2004 2,526,363
2005 2,607,100