Econometra: un breve repaso historico

Mauricio Olivares

ITAM

15 de junio de 2015
Definiendo econometra

I Una gran variedada de dificultades tecnicas y metodologicas.

Definiendo econometra

I Una gran variedada de dificultades tecnicas y metodologicas.

I Tradicionalmente, la econometra ha sido confinada a la
medicion de las relaciones teoricas sugeridas por la teora
economica.
Definiendo econometra

I Una gran variedada de dificultades tecnicas y metodologicas.

I Tradicionalmente, la econometra ha sido confinada a la
medicion de las relaciones teoricas sugeridas por la teora
economica.
I Una vision muy reducida y metodologicamente inoperante
(positivismo logico).
Definiendo econometra

I Una gran variedada de dificultades tecnicas y metodologicas.

I Tradicionalmente, la econometra ha sido confinada a la
medicion de las relaciones teoricas sugeridas por la teora
economica.
I Una vision muy reducida y metodologicamente inoperante
(positivismo logico).
I Por el momento, consideremos la siguiente (muy general)
definicion:
I La econometra se encarga del estudio sistematico de los
fenomenos economicos usando informacion observable.
Observaciones

I La idea clave en la definicion previa es la palabra sistematico

Observaciones

I La idea clave en la definicion previa es la palabra sistematico

I El termino es utilizado para describir una posicion (todava no
definida) respecto a la informacion observable, donde la teora
economica y estadstica juegan un rol importante.
Observaciones

I La idea clave en la definicion previa es la palabra sistematico

I El termino es utilizado para describir una posicion (todava no
definida) respecto a la informacion observable, donde la teora
economica y estadstica juegan un rol importante.
I Es el uso de la informacion observable es lo que distingue a la
econometra de otras formas de estudiar los fenomenos
economicos.
Observaciones

I La idea clave en la definicion previa es la palabra sistematico

I El termino es utilizado para describir una posicion (todava no
definida) respecto a la informacion observable, donde la teora
economica y estadstica juegan un rol importante.
I Es el uso de la informacion observable es lo que distingue a la
econometra de otras formas de estudiar los fenomenos
economicos.
I Cual es la diferencia metodologica entre ambas posturas, si
acaso?
Los primeros pasos
I La literatura que dio paso a la econometra (y a la primera
deficion de econometra) fue referente a la estimacion de
demandas (Stigler (1954)).
Los primeros pasos
I La literatura que dio paso a la econometra (y a la primera
deficion de econometra) fue referente a la estimacion de
demandas (Stigler (1954)).
I Estos modelos pretendan estimar simples demandas de la
forma
qtD = a + bpt
Los primeros pasos
I La literatura que dio paso a la econometra (y a la primera
deficion de econometra) fue referente a la estimacion de
demandas (Stigler (1954)).
I Estos modelos pretendan estimar simples demandas de la
forma
qtD = a + bpt
I donde qtD se refiere a la cantidad demandada del bien en
turno en el periodo t y pt es el precio en el periodo t.
Los primeros pasos
I La literatura que dio paso a la econometra (y a la primera
deficion de econometra) fue referente a la estimacion de
demandas (Stigler (1954)).
I Estos modelos pretendan estimar simples demandas de la
forma
qtD = a + bpt
I donde qtD se refiere a la cantidad demandada del bien en
turno en el periodo t y pt es el precio en el periodo t.
I Nota el abuso de lenguaje. A estas alturas no sabemos
que significa exactamente estimar una demanda, por el
momento es solo para seguir el argumento.
Los primeros pasos
I La literatura que dio paso a la econometra (y a la primera
deficion de econometra) fue referente a la estimacion de
demandas (Stigler (1954)).
I Estos modelos pretendan estimar simples demandas de la
forma
qtD = a + bpt
I donde qtD se refiere a la cantidad demandada del bien en
turno en el periodo t y pt es el precio en el periodo t.
I Nota el abuso de lenguaje. A estas alturas no sabemos
que significa exactamente estimar una demanda, por el
momento es solo para seguir el argumento.
I Moore (1914) estimo esta ecuacion para la industria del acero
y encontro una demanda con pendiente positiva.
Los primeros pasos
I La literatura que dio paso a la econometra (y a la primera
deficion de econometra) fue referente a la estimacion de
demandas (Stigler (1954)).
I Estos modelos pretendan estimar simples demandas de la
forma
qtD = a + bpt
I donde qtD se refiere a la cantidad demandada del bien en
turno en el periodo t y pt es el precio en el periodo t.
I Nota el abuso de lenguaje. A estas alturas no sabemos
que significa exactamente estimar una demanda, por el
momento es solo para seguir el argumento.
I Moore (1914) estimo esta ecuacion para la industria del acero
y encontro una demanda con pendiente positiva.
I Este resultado atrajo la atencion de los economistas y es
cuando surge la necesidad de establecer una rama encargada
de conectar las ecuaciones estimadas con los datos y las
predicciones de la teora economica.
Los primeros pasos (continuacion)

I Los primeros atacar este problema hacia finales de los anos 20

fueron Moore, Mitchell, Schultz, Clark, Working, Wallace y
Wright, entre otros.
Los primeros pasos (continuacion)

I Los primeros atacar este problema hacia finales de los anos 20

fueron Moore, Mitchell, Schultz, Clark, Working, Wallace y
Wright, entre otros.
I La creacion de la Econometric Society en 1930, donde Frisch,
Tinbergen y Fisher (Irving) empujaron la agenda for the
advancement of economic theory in its relation to statistics
and mathematics.
Los primeros pasos (continuacion)

I Los primeros atacar este problema hacia finales de los anos 20

fueron Moore, Mitchell, Schultz, Clark, Working, Wallace y
Wright, entre otros.
I La creacion de la Econometric Society en 1930, donde Frisch,
Tinbergen y Fisher (Irving) empujaron la agenda for the
advancement of economic theory in its relation to statistics
and mathematics.
I Modelos con errores de medicion de Frisch.
Los primeros pasos (continuacion)

I Los primeros atacar este problema hacia finales de los anos 20

fueron Moore, Mitchell, Schultz, Clark, Working, Wallace y
Wright, entre otros.
I La creacion de la Econometric Society en 1930, donde Frisch,
Tinbergen y Fisher (Irving) empujaron la agenda for the
advancement of economic theory in its relation to statistics
and mathematics.
I Modelos con errores de medicion de Frisch.
I El desarrollo de la teora estadstica a finales de los 30 y la
propuesta de Koopmans por integrar estos avances.
Los primeros pasos (continuacion)

I Los primeros atacar este problema hacia finales de los anos 20

fueron Moore, Mitchell, Schultz, Clark, Working, Wallace y
Wright, entre otros.
I La creacion de la Econometric Society en 1930, donde Frisch,
Tinbergen y Fisher (Irving) empujaron la agenda for the
advancement of economic theory in its relation to statistics
and mathematics.
I Modelos con errores de medicion de Frisch.
I El desarrollo de la teora estadstica a finales de los 30 y la
propuesta de Koopmans por integrar estos avances.
I Haavelmo y el enfoque probabilstico hacia la econometra.
Modelo de ecuaciones simultaneas
I Primer modelo desarrollado para estudiar sistemas
interdependientes de variables economicas (Haavelmo (1943)).
Modelo de ecuaciones simultaneas
I Primer modelo desarrollado para estudiar sistemas
interdependientes de variables economicas (Haavelmo (1943)).
I La formacion en 1945 de la Cowles Foundation como un
esfuerzo para integrar el instrumental de la teora estadstica
para esclarecer las relaciones empricas establecidas a priori
por la teora.
Modelo de ecuaciones simultaneas
I Primer modelo desarrollado para estudiar sistemas
interdependientes de variables economicas (Haavelmo (1943)).
I La formacion en 1945 de la Cowles Foundation como un
esfuerzo para integrar el instrumental de la teora estadstica
para esclarecer las relaciones empricas establecidas a priori
por la teora.
I La influencia de este grupo y su agenda de investigacion por
los siguientes 30 anos.
Modelo de ecuaciones simultaneas
I Primer modelo desarrollado para estudiar sistemas
interdependientes de variables economicas (Haavelmo (1943)).
I La formacion en 1945 de la Cowles Foundation como un
esfuerzo para integrar el instrumental de la teora estadstica
para esclarecer las relaciones empricas establecidas a priori
por la teora.
I La influencia de este grupo y su agenda de investigacion por
los siguientes 30 anos.
I El creciente interes en el debate sobre teora estatica versus
dinamica en el contexto de series de tiempo, el exito de los
modelos ARIMA de Box-Jenkins y las crticas de Sims,
Leamer o Lucas permitieron reconsiderar, hacia mediados de
los 70, el futuro de la metodologa econometrica.
Modelo de ecuaciones simultaneas
I Primer modelo desarrollado para estudiar sistemas
interdependientes de variables economicas (Haavelmo (1943)).
I La formacion en 1945 de la Cowles Foundation como un
esfuerzo para integrar el instrumental de la teora estadstica
para esclarecer las relaciones empricas establecidas a priori
por la teora.
I La influencia de este grupo y su agenda de investigacion por
los siguientes 30 anos.
I El creciente interes en el debate sobre teora estatica versus
dinamica en el contexto de series de tiempo, el exito de los
modelos ARIMA de Box-Jenkins y las crticas de Sims,
Leamer o Lucas permitieron reconsiderar, hacia mediados de
los 70, el futuro de la metodologa econometrica.
I Hacia finales de los 70 era claro que los modelos de
ecuaciones simultaneas no eran la panacea. Surge la necesidad
de repensar el papel de la econometra y la manera de modelar
empricamente los fenomenos economicos.
Econometra: metodologicamente
I Recuerda el detate con el que empezamos esta clase sobre la
definicion de la econometra.
Econometra: metodologicamente
I Recuerda el detate con el que empezamos esta clase sobre la
definicion de la econometra.
I Primero, la econometra a la luz de la medicion de las
relaciones que predice la teora economica.
Econometra: metodologicamente
I Recuerda el detate con el que empezamos esta clase sobre la
definicion de la econometra.
I Primero, la econometra a la luz de la medicion de las
relaciones que predice la teora economica.
I Con fines ilustrativos, empecemos con el modelo mas sencillo
de demanda de saldos reales, donde establecemos la siguiente
teora: existe la relacion entre la demanda de saldos reales, el
ingreso, el nivel de precios y la tasa de interes i.e.

M D = f (Y , P, R)
Econometra: metodologicamente
I Recuerda el detate con el que empezamos esta clase sobre la
definicion de la econometra.
I Primero, la econometra a la luz de la medicion de las
relaciones que predice la teora economica.
I Con fines ilustrativos, empecemos con el modelo mas sencillo
de demanda de saldos reales, donde establecemos la siguiente
teora: existe la relacion entre la demanda de saldos reales, el
ingreso, el nivel de precios y la tasa de interes i.e.

M D = f (Y , P, R)

I Un modelo teorico es una representacion matematica de esta

teora. Por ejemplo

M D = AY 1 P 2 R 3 o lnM d = 0 + 1 lnY + 2 lnP + 3 lnR

cont.
I El siguiente paso es convertir esto en un modelo econometrico.
cont.
I El siguiente paso es convertir esto en un modelo econometrico.
I Primero, se supone la existencia de una serie de datos
(observables) que representan una medida de las variables de
interes.
cont.
I El siguiente paso es convertir esto en un modelo econometrico.
I Primero, se supone la existencia de una serie de datos
(observables) que representan una medida de las variables de
interes.
I En seguida, las variables teoricas se corresponden con las
variables observadas, lo que nos lleva a la siguiente
especificacion:
mtD = 0 + 1 yt + 2 pt + 3 rt t N
donde las minusculas representan logaritmos.
cont.
I El siguiente paso es convertir esto en un modelo econometrico.
I Primero, se supone la existencia de una serie de datos
(observables) que representan una medida de las variables de
interes.
I En seguida, las variables teoricas se corresponden con las
variables observadas, lo que nos lleva a la siguiente
especificacion:
mtD = 0 + 1 yt + 2 pt + 3 rt t N
donde las minusculas representan logaritmos.
I Finalmente, convertimos el modelo en uno econometrico
(estadstico) simplemente anadiendo un termino de error t
que se supone comunmente distribuido como una variable
aleatoria con alguna distribucion conocida ex ante. Por
ejemplo:
mtD = 0 + 1 yt + 2 pt + 3 rt + t , t N(0, 2 )t N
cont.

I Una vez estimado el modelo econometrico, obtenemos

medidas para los parametros de interes.
cont.

I Una vez estimado el modelo econometrico, obtenemos

medidas para los parametros de interes.
I Luego precedemos a contrastar las predicciones de la teora
usando nuestros estimadores y la distribucion del error:

1 ' 1, 2 ' 1 and 3 (1, 0)

usando tecnicas que estudiaron en inferencia estadstica.

cont.

I Una vez estimado el modelo econometrico, obtenemos

medidas para los parametros de interes.
I Luego precedemos a contrastar las predicciones de la teora
usando nuestros estimadores y la distribucion del error:

1 ' 1, 2 ' 1 and 3 (1, 0)

usando tecnicas que estudiaron en inferencia estadstica.

I Cuando estamos satisfechos, decimos que la teora es
correcta y procedemos a hacer pronosticos y evaluaciones
de poltica economica, entre otras.
Criticas
I La primera debilidad de este enfoque es que presupone la
teora economica como el punto de partida. Esto surge
espontaneamente si la econometra se remite a la medida de
relaciones teoricas.
I Las teoras no surgen para refinar la ignorancia sobre un
fenomeno observable de interes.
Criticas
I La primera debilidad de este enfoque es que presupone la
teora economica como el punto de partida. Esto surge
espontaneamente si la econometra se remite a la medida de
relaciones teoricas.
I Las teoras no surgen para refinar la ignorancia sobre un
fenomeno observable de interes.
I Entonces, definiendo la econometra como encontrar numeros
a nuestras propias construcciones estamos acortando el campo
para conocer un fenomeno.
Criticas
I La primera debilidad de este enfoque es que presupone la
teora economica como el punto de partida. Esto surge
espontaneamente si la econometra se remite a la medida de
relaciones teoricas.
I Las teoras no surgen para refinar la ignorancia sobre un
fenomeno observable de interes.
I Entonces, definiendo la econometra como encontrar numeros
a nuestras propias construcciones estamos acortando el campo
para conocer un fenomeno.
I Otra implicacion, mas sutil, es que presupone que la
informacion que surge de la teora es la unica legtima
(relaciones causales vs espurias).
Criticas
I La primera debilidad de este enfoque es que presupone la
teora economica como el punto de partida. Esto surge
espontaneamente si la econometra se remite a la medida de
relaciones teoricas.
I Las teoras no surgen para refinar la ignorancia sobre un
fenomeno observable de interes.
I Entonces, definiendo la econometra como encontrar numeros
a nuestras propias construcciones estamos acortando el campo
para conocer un fenomeno.
I Otra implicacion, mas sutil, es que presupone que la
informacion que surge de la teora es la unica legtima
(relaciones causales vs espurias).
I Esto deja al investigador en una posicion donde se descarta
informacion si no entra en el saco de la teora.
Criticas
I La primera debilidad de este enfoque es que presupone la
teora economica como el punto de partida. Esto surge
espontaneamente si la econometra se remite a la medida de
relaciones teoricas.
I Las teoras no surgen para refinar la ignorancia sobre un
fenomeno observable de interes.
I Entonces, definiendo la econometra como encontrar numeros
a nuestras propias construcciones estamos acortando el campo
para conocer un fenomeno.
I Otra implicacion, mas sutil, es que presupone que la
informacion que surge de la teora es la unica legtima
(relaciones causales vs espurias).
I Esto deja al investigador en una posicion donde se descarta
informacion si no entra en el saco de la teora.
I Esto se complica cuando anadimos al modelo. Es muy
ingenuo suponer que el modelo estadstico es invariante a la
seleccion de datos a consideracion.
Alternativa

I Nuestra propuesta es que la teora que queremos explicar no

puede estar disociada de las propiedades de los datos que
observamos.
Alternativa

I Nuestra propuesta es que la teora que queremos explicar no

puede estar disociada de las propiedades de los datos que
observamos.
I El objetivo es que la teora economica y estadstica converjan
al modelo econometrico basados en la realidad observada.
Alternativa

I Nuestra propuesta es que la teora que queremos explicar no

puede estar disociada de las propiedades de los datos que
observamos.
I El objetivo es que la teora economica y estadstica converjan
al modelo econometrico basados en la realidad observada.
I Definamos un fenomeno estocastico como aquel cuya
informacion observada exhibe patrones de regularidad
aleatoria.
Alternativa

I Nuestra propuesta es que la teora que queremos explicar no

puede estar disociada de las propiedades de los datos que
observamos.
I El objetivo es que la teora economica y estadstica converjan
al modelo econometrico basados en la realidad observada.
I Definamos un fenomeno estocastico como aquel cuya
informacion observada exhibe patrones de regularidad
aleatoria.
I Por aleatoria nos referimos a la incertidumbre inherente a la
ocurrencia de ciertos eventos.
Alternativa

I Nuestra propuesta es que la teora que queremos explicar no

puede estar disociada de las propiedades de los datos que
observamos.
I El objetivo es que la teora economica y estadstica converjan
al modelo econometrico basados en la realidad observada.
I Definamos un fenomeno estocastico como aquel cuya
informacion observada exhibe patrones de regularidad
aleatoria.
I Por aleatoria nos referimos a la incertidumbre inherente a la
ocurrencia de ciertos eventos.
I Por regularidad entenderemos la persistencia en relacion a la
ocurrencia esos eventos.
Alternativa

I Nuestra propuesta es que la teora que queremos explicar no

puede estar disociada de las propiedades de los datos que
observamos.
I El objetivo es que la teora economica y estadstica converjan
al modelo econometrico basados en la realidad observada.
I Definamos un fenomeno estocastico como aquel cuya
informacion observada exhibe patrones de regularidad
aleatoria.
I Por aleatoria nos referimos a la incertidumbre inherente a la
ocurrencia de ciertos eventos.
I Por regularidad entenderemos la persistencia en relacion a la
ocurrencia esos eventos.
I Piensa en el lanzamiento de un dado.
Regularidad

I Esta regularidad la podemos clasificar en tres grupos:

distribucion, independencia y homogeneidad.
Regularidad

I Esta regularidad la podemos clasificar en tres grupos:

distribucion, independencia y homogeneidad.
I Distribucion: el fenomeno en turno sigue un comportamiento
estable.
Regularidad

I Esta regularidad la podemos clasificar en tres grupos:

distribucion, independencia y homogeneidad.
I Distribucion: el fenomeno en turno sigue un comportamiento
estable.
I Independencia: el producto (realizacion) de un evento no
afecta y no es afectado por el de otro.
Regularidad

I Esta regularidad la podemos clasificar en tres grupos:

distribucion, independencia y homogeneidad.
I Distribucion: el fenomeno en turno sigue un comportamiento
estable.
I Independencia: el producto (realizacion) de un evento no
afecta y no es afectado por el de otro.
I Homogeneidad: las probabilidades asociadas con ciertos
eventos permanecen identicas si repetimos el experimento.
Regularidad

I Esta regularidad la podemos clasificar en tres grupos:

distribucion, independencia y homogeneidad.
I Distribucion: el fenomeno en turno sigue un comportamiento
estable.
I Independencia: el producto (realizacion) de un evento no
afecta y no es afectado por el de otro.
I Homogeneidad: las probabilidades asociadas con ciertos
eventos permanecen identicas si repetimos el experimento.
I La teora de la probabilidad nos permite formalizar estos
conceptos.
Regularidad

I Esta regularidad la podemos clasificar en tres grupos:

distribucion, independencia y homogeneidad.
I Distribucion: el fenomeno en turno sigue un comportamiento
estable.
I Independencia: el producto (realizacion) de un evento no
afecta y no es afectado por el de otro.
I Homogeneidad: las probabilidades asociadas con ciertos
eventos permanecen identicas si repetimos el experimento.
I La teora de la probabilidad nos permite formalizar estos
conceptos.
I Distribucion de probabilidad, independencia estocastica e
identica distribucion son el equivalente (matematico)
probabilstico.
Modelo Estadstico

I Un modelo estadstico sera un conjunto de supuestos

probabilsticos e internamente compatibles sobre la
distribucion, independencia y homogeneidad.
Modelo Estadstico

I Un modelo estadstico sera un conjunto de supuestos

probabilsticos e internamente compatibles sobre la
distribucion, independencia y homogeneidad.
I Un modelo econometrico debera apelar a esta dimension:
reconocer los patrones de regularidad en la informacion
observada y capturar semejantes patrones a traves de la
postulacion de modelos estadsticos apropiados.
Modelo Estadstico

I Un modelo estadstico sera un conjunto de supuestos

probabilsticos e internamente compatibles sobre la
distribucion, independencia y homogeneidad.
I Un modelo econometrico debera apelar a esta dimension:
reconocer los patrones de regularidad en la informacion
observada y capturar semejantes patrones a traves de la
postulacion de modelos estadsticos apropiados.
I El modelo estadstico mas sencillo consiste en dos
ingredientes:
I Un modelo probabilstico.
I Un modelo de muestreo X = (X1 , . . . , Xn es muestra aleatoria.
Modelo Estadstico

I Un modelo estadstico sera un conjunto de supuestos

probabilsticos e internamente compatibles sobre la
distribucion, independencia y homogeneidad.
I Un modelo econometrico debera apelar a esta dimension:
reconocer los patrones de regularidad en la informacion
observada y capturar semejantes patrones a traves de la
postulacion de modelos estadsticos apropiados.
I El modelo estadstico mas sencillo consiste en dos
ingredientes:
I Un modelo probabilstico.
I Un modelo de muestreo X = (X1 , . . . , Xn es muestra aleatoria.
I El modelo probabilstico determina una familia de densidades
sobre un dominio. En este curso, modelos parametricos.
Un modelo probabilstico sera una familia de densidades sobre un
dominio:
= {f (x ; ), , x R}
una densidad por cada . En este curso, solo modelos
parametricos.
Informacion Observable y estructuras de datos

I Informacion prveniente de experimentos vs informacion

proveniente de observacion.
Informacion Observable y estructuras de datos

I Informacion prveniente de experimentos vs informacion

proveniente de observacion.
I Un conjunto de datos compuesto de n observaciones
sera denotado por {x1 , . . . , xn }, o de manera mas compacta:

(xk )nk=1
Informacion Observable y estructuras de datos

I Informacion prveniente de experimentos vs informacion

proveniente de observacion.
I Un conjunto de datos compuesto de n observaciones
sera denotado por {x1 , . . . , xn }, o de manera mas compacta:

(xk )nk=1

I En este curso distinguiremos entre tres tipos de estructuras de

datos:
Informacion Observable y estructuras de datos

I Informacion prveniente de experimentos vs informacion

proveniente de observacion.
I Un conjunto de datos compuesto de n observaciones
sera denotado por {x1 , . . . , xn }, o de manera mas compacta:

(xk )nk=1

I En este curso distinguiremos entre tres tipos de estructuras de

datos:
I Corte transversal: k denota individuos (empresas, estados,
etc.)
Informacion Observable y estructuras de datos

I Informacion prveniente de experimentos vs informacion

proveniente de observacion.
I Un conjunto de datos compuesto de n observaciones
sera denotado por {x1 , . . . , xn }, o de manera mas compacta:

(xk )nk=1

I En este curso distinguiremos entre tres tipos de estructuras de

datos:
I Corte transversal: k denota individuos (empresas, estados,
etc.)
I Series de tiempo: k denota tiempo (das, semanas, etc.).
Usaremos t en este caso.
Informacion Observable y estructuras de datos

I Informacion prveniente de experimentos vs informacion

proveniente de observacion.
I Un conjunto de datos compuesto de n observaciones
sera denotado por {x1 , . . . , xn }, o de manera mas compacta:

(xk )nk=1

I En este curso distinguiremos entre tres tipos de estructuras de

datos:
I Corte transversal: k denota individuos (empresas, estados,
etc.)
I Series de tiempo: k denota tiempo (das, semanas, etc.).
Usaremos t en este caso.
I Panel: k = (i, t), donde i representa individuos y t tiempo.