SESIN DE REPASO

ECONOMETRA I
SESIN DE REPASO:

CONCEPTOS BSICOS EN TORNO A

LA CONSTRUCCIN DE UN
MODELO ECONOMTRICO Y LAS
CARACTERSTICAS DEL MODELO
BSICO DE REGRESIN LINEAL
Ramn Maha
Octubre 2004

SESIN DE REPASO

ETAPAS PARA LA CONSTRUCCIN

DE UN MODELO ECONOMTRICO

IDENTIFICACIN

ESTIMACIN

CONTRASTE Y VALIDACIN
La identificacin es la etapa ms comprometida:
supone el paso del modelo econmico al economtrico.
La construccin de un modelo no termina con la
identificacin y estimacin de los parmetros. El
resultado de la estimacin inicial es slo un punto de
partida hacia el modelo final que deber ser contrastado
y validado.
El proceso de validacin y contraste debe hacerse de
forma ordenada pero generalmente no consistir en
un proceso lineal sin vuelta atrs: se plantear la
revisin de especificacin y estimacin.

SESIN DE REPASO

ETAPAS A CUBRIR PARA LA REALIZACIN DE UN MODELO

ECONOMTRICO

1.- Especificacin
Examen del marco terico en el contexto de
aplicacin
Seleccin de la muestra de anlisis
Seleccin de las variables relevantes
Medicin y transformacin ad-hoc de las variables
Seleccin de la forma funcional
2.- Estimacin
Eleccin del mtodo de estimacin: examen de
propiedades y posibilidades
Obtencin de estimacin de parmetros y varianza
de la perturbacin aleatoria
3.- Contraste de validez
Anlisis de signos y cuanta
Anlisis de bondad de los parmetros

C. Individuales
C. Conjuntos

Contraste de hiptesis bsicas

Estructurales
Relativas a la Perturbacin Aleatoria

4.- Validacin del modelo

Anlisis a priori:

Errores frente a la realidad

Anlisis de puntos de cambio de tendencia

Anlisis a posteriori

SESIN DE REPASO

USOS DEL MODELO ECONOMTRICO

Anlisis estructural
Simulacin
Prediccin
Contraste teoras econmicas

1.- ANLISIS ESTRUCTURAL

El modelo T.H.O.R. del Instituto L.R. Klein y R.E.E. pretenda
establecer las necesidades de demanda de energa en virtud de tres
efectos: efecto laboralidad, efecto temperatura y efecto actividad
econmica.

2.- SIMULACIN
La compaa AIRTEL encarg al Instituto L.R. Klein la
elaboracin del proyecto de impacto econmico de la implantacin del 2
operador de telefona mvil en Espaa exigido por el Ministerio de
Fomento en el pliego de concurso. El objetivo de este proyecto es el de
evaluar como se modifica la inversin y la renta total nacional y el
empleo por la inyeccin que supone la actividad de una compaa de
estas magnitudes.

3.- PREDICCIN
El Centro de Estudios Latinoamericanos ha desarrollando un
modelo de previsin de crisis cambiarias latinoamericanas. El modelo
anticipa en trminos de probabilidad las correcciones bruscas del tipo de
cambio de cada pas.

4.- CONTRASTE DE TEORAS ECONMICAS

Mltiples estudios aplicados en datos de panel han probado que el
cumplimiento de la PPP no es homogneo ni radical como apunta la
teora econmica y han permitido identificar qu fricciones de mercado
lo impiden.

SESIN DE REPASO

MODELO BSICO DE REGRESIN LINEAL

OBJETIVO: Cuantificar la relacin existente entre una variable
endgena y un conjunto de variables exgenas, todas ellas
cuantitativas en sentido estricto (escala de razn), mediante una
aproximacin no determinista del problema.
MODELO:
MODELO REAL(n datos y k variables explicativas)

yi = 0 + 1x1i + 2x2i +.........+ k xki +ui

Expresin matricial:
Y = X+U
y 1 1
y 1
2
y 3 1

. = .
. .

. .
y n 1
(n x 1)

x 11
x 12
x 13

x 21
x 22
x 23

x1n

x2n

.
.
.
.
.
.
.

.
.
.
.
.
.
.

(n x k)

.
.
.
.
.
.
.

xk1
u1

x k 2 1 u 2

xk 3 2 u3

. + .

. .

. k .
u n
x kn
(k x 1)

MODELO ESTIMADO y ERROR

yi = 0 + 1x1i + 2x2i +.........+ k xki

ui =ei = yi yi

(n x 1)

SESIN DE REPASO

MODELO BSICO DE REGRESIN LINEAL

CARCTER BSICO DEL MODELO
El modelo se llama modelo bsico por incorporar a la expresin de un
modelo lineal lo que SCHMIDT (1976) llam las hiptesis ideales.
Estas hiptesis permiten generalizar procedimientos, clculos,
procedimientos de inferencia independientemente de parmetros
desconocidos.

- ESTRUCTURALES

Admitimos una relacin lineal

Admitimos permanencia estructural de los parmetros
Entre las variables exgenas no debe existir relacin lineal
- RELATIVAS A LA PERTURBACIN ALEATORIA

Tan slo la variable presenta aleatoriedad (heredada de U)

El trmino de error tiene media nula y varianza constante
No existe correlacin entre errores correspondientes a
observaciones diferentes

SESIN DE REPASO

MODELO BSICO DE REGRESIN LINEAL

CARCTER ESTOCSTICO DEL MODELO (U)
y i = 0 + 1 x1i + 2 x 2 i + ......... + k x ki + ui

MEDIA NULA

E[ui] = 0 i=1n
VARIANZA CONSTANTE

V[ui] = E[ui-E[ui]] = i=1n

2

COVARIANZA NULA

Cov[ui uj] = E[(ui-E[ui])( uj-E[uj])] = 0 ij

- EN TRMINOS MATRICIALES......

Y = X+U
MEDIA NULA
E [u 1 ] =
u1
u
E [u 2 ] =
2
u3
E [u 3 ] =

E [U ] = 0 E . = 0
.
.
.

.
.
u n
E [u n ] =

0
0
0

SESIN DE REPASO

VARIANZA CONSATANTE Y COVARIANZA NULA

E[UU]=

u1
u
2
u3
[UU '] = . [u1
.

.
u n

u2

u3

E[u1u1 ]
E[u u ]
2 1
E[u3u1 ]

2
E[UU'] = I n .
.

.
E[un u1 ]

2In

u1 u 1
u u
2 1
u 3 u1

un ] = .
.

.
u n u1

E[u1u2 ]
. . .
E[u2u2 ]
. . .
E[u3u2 ]
. . .
.
. . . .
.
. . . .
.
. . . .
E[un u2 ]
. . .

u1u 2
u2u2
u 3u 2
.
.
.
unu2

u1u 3
u2u3
u 3u 3
.
.
.
unu3

.
.
.
.
.
.
.

E[u1un ] 2 0 0
E[u2un ] 0 2 0

E[u3un ] 0 0 2

. = .
.
.
. .
.
.

. .
.
.
E[un un ] 0 0 0

.
.
.
.
.
.
.

.
.
.
.
.
.
.

E[ui ui] =2 E[ui] 2 = 2

E[(ui-0)] 2=2 E[(ui- E[ui])] 2=2V[ui]=cte.
E[ui uj] =0 E[(ui-0) (uj-0)] =0
E[(ui- E[ui]) (uj- E[uj])] =0Cov[ui uj ]=0

.
.
.
.
.
.
.

u1u n
u2un

u 3u n

.
.

.
u n u n

.
.
.
.
.
.
.

. 0

. 0
. 0

. .
. .

. .
. 2

SESIN DE REPASO

ESTIMACIN DEL MBRL

Planteamiento bsico

yi =0 +1 x1i +2 x2i +.........

+k xki +ui
MODELO REAL

MODELO ESTIMADO

yi = 0 + 1x1i + 2x2i +.........+ k xki

Parmetros (* fundamentales)
Propiedades de la perturbacin aleatoria
- Dos mtodos bsicos pero no nicos:
Mnimos Cuadrados Ordinarios (M.C.O)
Mxima Verosimilitud (M.V)

SESIN DE REPASO

ESTIMACIN DEL MBRL

ESTIMADOR DE M.C.O
- Principio bsico: Utilizar como estimador aquellos parmetros de
que minimicen los residuos obtenidos en la regresin.
- Procedimiento matemtico:
1.- Se especifica la expresin de los residuos
2.- Se deriva esa expresin con respecto al estimador
- Desarrollo matemtico matricial:
Se trata de minimizar :

(S) = u12 + u22 + u32 + .........+ un2

que matricialmente es lo mismo que:

(S) = U 'U
pero adems, el residuo puede expresarse como:

U = Y Y = Y X
luego podemos escribir:

(S) = U 'U = (Y X )'(Y X )

SESIN DE REPASO

ESTIMADOR DE M.C.O (Cont.)

desarrollando:

S = Y 'Y Y ' X ' X 'Y + ' X ' X

= Y 'Y 2 ' X 'Y + ' X ' X
y derivando queda:

S
= 0 0 2X 'Y + 2X ' X = 0

de donde:

= ( X ' X )1 X 'Y
ESTIMADOR DE M.V
- Principio bsico: Se tomarn como estimadores aquellos valores
de que resulte ms verosimil pensar que hayan generado nuestra
muestra de errores con las propiedades que les hemos dotado
(media nula y varianza constante).
- Procedimiento matemtico:
1.- Se fija la funcin de verosimilitud a maximizar
2.- Se plantea la ecuacin de verosimilitud
3.- Se resuelve la ecuacin por un procedimiento lineal o iterativo
- M.C.O y M.V: Si se obtiene la expresin del estimador M.V se
observar que es la misma que la del estimador M.C.O para el caso
del M.B.R.L

M.V. = M.C.O = ( X ' X )1 X 'Y

SESIN DE REPASO

PROPIEDADES DEL ESTIMADOR MCO

LINEALIDAD
INSESGADEZ
EFICIENCIA
CONSISTENCIA

1. Linealidad: La forma funcional que liga al verdadero

valor del parmetro y al estimador es lineal
2. Insesgadez: El valor ms probable del estimador
coincide con el verdadero valor del parmetro
3. Eficiencia: La desviacin entre el verdadero valor del
parmetro estimado y el valor del estimador ser la
menor posible.
4. Consistencia: La diferencia entre el valor estimado del
parmetro y el real se anula para una muestra infinita

E.L.I.O
Estimador Lineal Insesgado ptimo(*)
(*) Optimo= Eficiente entre los insesgados lineales

SESIN DE REPASO

PROPIEDADES DEL ESTIMADOR MCO

(Cont.)

LINEALIDAD
INSESGADEZ
EFICIENCIA
CONSISTENCIA

Expresin matemtico matricial:

= + W U
Interpretacin:
1. La divergencia entre el valor del parmetro
estimado y el real puede expresarse en trminos
lineales
2. El error cometido en la estimacin es
exclusivamente una porcin fija W del error
cometido en la especificacin del modelo
3. (**) Las propiedades del estimador sern una
funcin lineal de las propiedades de la
perturbacin aleatoria.

SESIN DE REPASO

PROPIEDADES DEL ESTIMADOR MCO

(Cont.)

LINEALIDAD
INSESGADEZ
EFICIENCIA
CONSISTENCIA

Expresin matemtico matricial:

[]

E =
Representacin:
P ( = )

SESIN DE REPASO

PROPIEDADES DEL ESTIMADOR MCO

(Cont.)

LINEALIDAD
INSESGADEZ
EFICIENCIA
CONSISTENCIA

Expresin matemtico matricial:

E E [ ] = min

Idea conceptual:
Dado que la esperanza matemtica del estimador
coincide con el verdadero valor del parmetro
varianza mnima implica mnimo alejamiento (error)
entre la estimacin y el valor verdadero del
parmetro.
Expresin de la varianza del estimador MCO:

2
2
'

E E [ ] = V [ ] = u X X

SESIN DE REPASO

PROPIEDADES DEL ESTIMADOR MCO

(Cont.)

LINEALIDAD
INSESGADEZ
EFICIENCIA
CONSISTENCIA

Expresin matemtico matricial:

()

lim V = 0

lim =

Idea conceptual:
Se admiten diferencias entre el verdadero valor
poblacional del parmetro y el estimado en la
muestra siempre y cuando se anulen cuando la
muestra coincidiese con la poblacin

SESIN DE REPASO

PROPIEDADES DEL ESTIMADOR MCO

(Cont.)

Asumiendo la normalidad, podemos decir que la

distribucin del estimador ser:

2
'

N , u X X