Proxy (estadstica)

En estadstica, una variable proxy es algo que de por s no tiene gran inters, pero de la
cual se pueden obtener otras de mucho inters. Para que esto sea posible, la variable
proxy debe poseer una fuerte correlacin, pero no necesariamente lineal o positiva, con el
valor inferido. No tiene ningn valor si los datos no se ajustan a alguna relacin (los datos
se representan en una nube de certidumbre).

Ejemplos[editar]
El Producto Interno Bruto per cpita se usa con frecuencia como un proxy de medida
del nivel de vida o de la calidad de vida.
Cuando se procesan recolecciones de datos sociales, el gnero del encuestado es una
variable importante. Como el gnero comnmente dicta como uno responde, la lectura de
los muestreos generales, hacen hincapi sobre los datos en sexo y edad de los
encuestados, y se usan como un proxy para gnero. En muchas encuestas generales, la
proporcin de individuos transexuales y de transgneros es baja, haciendo a la muestra y
a la correlacin razonablemente buena.
Tambin, el pas originario o lugar de nacimiento puede llegar a usarse como
un proxy en clasificacin de humanos o razas.

Modelos economtricos uniecuacionales

6.3.- La causalidad en los modelos economtricos
IDEAS CLAVE:
La utilizacin de modelos economtricos lleva consigo implcita la existencia de
relaciones de causalidad entre las variables implicadas. En caso contrario, quedan muy
limitados a efectos de prediccin y, sobre todo, de simulacin. La simple presencia de
correlacin entre variables no ayuda a estos efectos. A modo de definicin decimos
que x causa y si y slo si variaciones en x provocan variaciones inevitablemente en y.
A efectos prcticos no tendremos nunca la certeza de que entre dos variables existe
causalidad. Los conocimientos sobre el fenmeno analizado y la lgica econmica
pueden permitirnos proponer ciertas relaciones de causalidad, que debern ser
confirmadas por los datos disponibles.
No son muchas las ayudas que tenemos para analizar la causalidad. La de mayor xito
es el concepto de causalidad en el sentido de Granger, que exige que una variable x slo
puede ser causa de y si mejora la explicacin que puede tenerse de y en funcin de sus
propios valores anteriores. Lo analizaremos con un ejercicio prctico en EViews.