Contenido

Esbozo de una aproximacin terica a la naturaleza del estudio de la econometra .............. 2

Resumen ................................................................................................................................. 2
Algunas problemticas para la estimacin ............................................................................. 4
Conclusin .............................................................................................................................. 9
Bibliografa ........................................................................................................................... 10

Esbozo de una aproximacin terica a la naturaleza del estudio

de la econometra

Resumen

El presente ensayo tiene por objeto hacer

un breve anlisis sobre algunos
problemas, en concreto, que acarrea la
metodologa economtrica. Se har un
repaso analtico de ciertos supuestos,

breves ejemplificaciones tericas de ello,

y todo ello para, finalmente, desembocar
en un modelo, que representara de qu
sera funcin una variable Y.

Introduccin

La econometra es una rama de la Economa, cuyo objetivo es aterrizar los planteamientos

de la teora econmica, de manera que, desde los modelos econmicos resultantes de sta,
se construyen modelos economtricos, en el marco de un rigor estadstico-matemtico cuya
estructura sistemtica para la previsin de la evolucin de los fenmenos econmicos
descansa en el Anlisis de Regresin, el cual, dependiendo de la cantidad de variables
explicativas, ser lineal o mltiple. As, la esencia metodolgica del anlisis economtrico
se funda en la bsqueda de cmo y en qu magnitud una o varias variables independientes
pueden explicar a una variable dependiente, y por tanto, en la factibilidad de la teora
econmica, as como en la intuicin del econmetra para discernir cmo se da tal
influencia.
En ese marco, la existencia de este ensayo, donde se har un breve anlisis sobre el mtodo
economtrico, situado desde la perspectiva de algunos de los problemas metodolgicos que
conlleva el mtodo. As, abordando el supuesto de normalidad, y analizando la naturaleza
del trmino de error, nos adentraremos un poco al problema de autocorrelacin, al mismo
tiempo que el de multicolinealidad, representando, al final, un modelo simple (simpln, si
se quiere) pero simblico, que hablar por s mismo sobre el papel que est jugando la
econometra, en el estudio y desarrollo de la ciencia econmica.
Sin ms prembulo, comencemos.

Algunas problemticas para la estimacin

La aplicacin de pruebas estadsticas paramtricas se lleva a cabo sobre fenmenos donde

la distribucin de probabilidad de la variable explicada es conocida, mientras que, se busca
conocer la distribucin de probabilidad muestral, para poder realizar inferencias sobre los
valores poblacionales de los parmetros. So pena de tal, se hace requerimiento de ciertos
supuestos tericos, y para efectos de veracidad analtica, se requiere que tales supuestos
sean, al menos, ms o menos verificables empricamente.
De tales supuestos (homoscedasticidad, independencia entre los errores), el que nos ocupa,
de momento, es el de normalidad. El supuesto de normalidad, sencillamente, indica que la
distribucin funcional de los datos es normal lo que, de cumplirse, justifica el mtodo
paramtrico para la prueba.
El Modelo de Regresin Lineal Simple, es el que se conforma de dos variables, la explicada
y la explicativa. Con las caractersticas propias del modelo, es posible hacer una
aproximacin terica y no ms que terica al anlisis que hoy nos ocupa. La forma del
modelo es como sigue:

= 1 + 2 +

donde 1 y 2 son parmetros (cuyos valores corresponden al intercepto, y a la pendiente,

respectivamente), 2 es la variable explicativa, y U es una variable estocstica que
constituye un trmino de error al que naturalmente se somete la regresin, dada la
naturaleza del fenmeno en cuestin, cualquiera que este sea.
Hablemos del error .
Se supone, entretanto, que cada representa a todos los factores (variables
independientes) alternos a X que tienen, o que pueden tener injerencia sobre Y. As por
ejemplo, si Y representara inflacin, y X tipo de cambio, U se constituira de distintos
factores, como por ejemplo, productividad, al mismo tiempo que si por ejemplo, el

fenmeno meteorolgico llamado Nio origina cambios temporales en las regiones de

produccin agrcola del sur de Mxico, ocasionando prdidas en la produccin de los
distintos bienes de alimentacin.
El supuesto de normalidad en tiene algunos atributos tericos para efectos de anlisis.
Algunos de ellos:
1. Al suponer que se distribuye normalmente, y dadas n variables aleatorias
independientes que constituyan , entonces, segn el elemental Teorema del Lmite
Central, la distribucin de su suma tiende a ser normal a medida que se incrementa
el nmero de tales variables, toda vez que, segn el mismo Teorema, an si la
cantidad de tales variables no es muy grande, o incluso si no son estrictamente
independientes, su suma puede estar, an, normalmente distribuida.

2. Dentro de las propiedades de la distribucin normal, encontramos que, dada una

funcin lineal de variables normalmente distribuidas, entonces, la funcin se
distribuir tambin normalmente. Por consiguiente, bajo el entendido de que 1 y 2
son funciones lineales de , si est distribuida normalmente, tambin lo estn
1 y 2.

Hagamos algunas consideraciones adicionales sobre el trmino de error.

El modelo clsico de regresin lineal, supone que la de un punto muestral (una
observacin cualquiera) no est influenciada por la de otro punto muestral cualquiera, y,
por lo tanto, que ste tampoco influye a los de otros puntos muestrales. Sucede, sin
embargo, y con frecuencia, en el desarrollo de un fenmeno econmico cuya variable
explicativa X, se encuentra influenciada por las condiciones de tal variable en el periodo t-1,
y que ste, a su vez, puede estar influenciado por las condiciones de X en el perodo t-2, y
as sucesivamente hasta t-n. A esto se le conoce como autocorrelacin.
Retomemos el caso donde Y representa inflacin, y X representa tipo de cambio. U
representa todas aquellas variables, presumiblemente independientes, que afectan a Y.
Haciendo, en mi favor, uso de la consuetudinaria tendencia del economista a suponer casos

superfluos y casi irracionales, justificando fines pedaggicos, supongamos que del dato
inflacionario se hace un clculo trimestral, entonces, en un ao se tendrn cuatro puntos
muestrales, donde el cuarto trimestre est representado por t, el tercero por t-1, el segundo
por t-2, y el primero por t-3. Si dentro de las variables que constituyen U est, por ejemplo,
la productividad de la fuerza de trabajo, entonces, en el perodo de un ao, es posible que,
dada una demanda determinada para cierto producto, para el periodo t, y dado un aumento
en la productividad en el perodo t-1, entonces los stocks se adelanten a la demanda de t
(pues quizs la demanda para t, por alguna razn, se increment y el empresario se vio
temeroso de no poder satisfacerla), y ya en el perodo t, sea posible disminuir la
productividad, dado el aumento de la misma en t-1. As, podemos ver que el modelo,
potencialmente, tiene un problema estructural: no considera, en el plano dinmicotemporal, que los errores puedan irse acumulando. Se comprobara si efectivamente existe
autocorrelacin mediante distintas pruebas estadsticas aplicables, como la de DurbinWatson, la de Kruskal o la de Breusch-Godfrey, por mencionar algunas, y se elegir una
segn las condiciones observables entre las correlaciones de los residuos U.
Por otro lado, adicionalmente, con toda probabilidad para los fenmenos econmicos,
puede suscitarse que, de entre las variables explicativas de un modelo, se tenga correlacin
entre stas a magnitudes que puedan alterar gravemente el anlisis regresivo. Esto adquiere
el nombre de multicolinealidad, y es un tanto semejante al problema abordado
anteriormente, en el sentido de la correlacin que necesariamente implican las variables
econmicas, en un plano el propio de la economa dinmico. La diferencia radica en el
tiempo (y eso sin considerar los rezagos temporales naturales que se dan en el proceso de
injerencia entre dos [o ms] variables); la correlacin de la que se habla ac es en el mismo
perodo.
Retomando una vez ms el ejemplo de la inflacin, supongamos que se tiene un modelo
como sigue:

= 1 + 2 2 + 3 3 +

donde 2 es tipo de cambio, y 3 es la masa monetaria.

En tal caso, mientras 2 , el tipo de cambio, supongamos, ha sido afectado por un shock
negativo de demanda a causa de una estrepitosa cada en los precios del petrleo
(suponiendo, claro, que el pas en cuestin es productor de petrleo), 3 est
experimentando un incremento constante, dado que el Estado en cuestin (supongamos)
intenta mitigar la depreciacin de su moneda. Se observa, pues, que mientras Y = f(X2, X3),
X2 = f(X3), y a su vez, X3=f(X2), por lo que existe riesgo de multicolinealidad. El problema
de la multicolinealidad es estadsticamente ms complejo que el de autocorrelacin, pues
no existen pruebas estadsticas rigurosas que puedan dar cuenta de la existencia de tal. En
su ausencia, lo que ha podido desarrollarse son algunas reglas prcticas para determinar la
magnitud de la correlacin, y por tanto la magnitud de la afeccin a la estimacin, empero,
tales reglas resultan menos confiables que las rigurosas pruebas estadsticas ya
mencionadas (y las no mencionadas), llegando a ser, incluso, y segn un documento alusivo
de la Universidad de Valencia, bastante cuestionables.
Ya para concluir, consideremos la posibilidad de multicolinealidad y autocorrelacin
simultneamente, todo en el marco del complejo desarrollo de los procesos
socioeconmicos.
En el modelo anterior, y bajo los mismos supuestos y condiciones ya expuestas, es posible
hacer el siguiente razonamiento: el Tipo de Cambio del perodo actual t, estar en funcin
no solo de la masa monetaria actual (en constante incremento), sino que estar en funcin
tambin de la masa monetaria del perodo anterior. A su vez, la masa monetaria actual, y el
circulante que decida subastarse por el Banco Central, en el primer perodo de subasta s,
estar en funcin no solo del tipo de cambio originado en el shock de demanda (en el
mismo perodo s), sino en los niveles que tena ste antes del shock, en el perodo s-1. As,
X2 = f (X3, t , X3, t-1), mientras que X3 = f (X2, s , X2, s-1).
Queda, pues, bajo los problemas expuestos anteriormente, que:
si
mientras que

= f (X1,X2)

= 0 + 1 1 + 2 2 +

de la forma

X1 = f (X2, t, X2, t-1)

X2 = f (X1, t , X2, t-1)

al mismo tiempo que

entonces

U = f (Ut-1, Ut-2, , Ut-n)

Y = f (X2, t, X2, t-1, X1, t, X2, t-1, Ut-1, Ut-2, , Ut-n)

Conclusin

La complejidad de la ciencia econmica radica, esencialmente, en la naturaleza de los

fenmenos que se estudian: se est analizando, ni ms ni menos, al hombre, y, ms an, al
conjunto de stos concertando en distintas formas institucionales, con objeto de lograr
satisfacer sus necesidades.
Es prudente, pues, considerar las limitaciones que tiene el mtodo economtrico, sin, de
ningn modo, demeritarlo, siendo que, as, con sus (nuestras) imperfecciones tericas y
metodolgicas, es el puente efectivo que existe entre la teora econmica y la realidad, y
por tanto, toda vez que se asuma como aqul terreno donde se confronte la realidad con la
teora, refutando, aceptando, y/o adecuando los planteamientos tericos, y siempre al
servicio del objeto de estudio de nuestra ciencia, que es la sociedad, la econometra es un
arma potencial para el desarrollo cientfico de la Economa.
Es posible, finalmente, que el autor de este ensayo se empee en concebir a la economa
como un todo, en ltima instancia, indescifrable, dadas sus condiciones de
multicolinealidad y de autocorrelacin de entre lo que en econometra llamamos variables,
pero que, en la realidad, son fenmenos sociales amplios, y que, en sus gnesis, albergan la
construccin histrica del modo de produccin capitalista. De all que este ensayo sea,
cuando sumo, un esbozo de una aproximacin.

Bibliografa

Camilo Dagum, E. M. (1981). Introduccin a la econometra. Mexicali, Baja California: Siglo

veintiuno editores.

Damodar Gujarati, D. P. (2009). Econometra. D. F., Mxico: McGraw-Hill.

J. M. Arranz, M. M. (s.f.). Obtenido de

http://ciberconta.unizar.es/Leccion/autocorrelacion/analisis%20de%20autocorrelacion.PD
F

Maibaum, G. (1988). Teora de probabilidades y estadstica matemtica. n. d: Pueblo y

Educacin.

Myrian Vergara, G. B. (2010). El supuesto de normalidad: mito o realidad?. Equidad y

Desarrollo, 127-131.

Otero, J. V. (Enero de 1998). Obtenido de

https://www.uam.es/otroscentros/klein/doctras/doctra9801.pdf

Salvatore, D. (1984). Econometra. D. F.: McGraw-Hill.

Valencia, U. d. (s.f.). Obtenido de http://www.uv.es/~friasnav/SupuestosParametrica.pdf

Valencia, U. d. (s.f.). Obtenido de http://www.uv.es/uriel/material/multicolinealidad3.pdf