Está en la página 1de 6

ECONOMETRIA Si aceptamos que la palabra depende

puede reemplazarse por la expresin es


Literalmente, econometra significa medicin econmica. funcin podemos decir que el precio del
La econometra, resultado de cierta perspectiva sobre el papel que juega la economa, viaje depende o es funcin de la
consiste en la aplicacin de la estadstica matemtica a la informacin econmica para dar distancia recorrida. No hay ningn
soporte emprico a los modelos construidos por la economa matemtica y obtener resultados inconveniente en usar el siguiente
numricos. simbolismo:
Es la conjuncin de tres elementos teora, matemticas, estadstica, con el fin de probar si lo
manifestado en la teora es vlido o no, segn el mbito de anlisis, empleando variables de P=f(d)
inters.
El arte del econmetra consiste en encontrar el conjunto de supuestos que sean Y decir que p es funcin de d
suficientemente especficos y reales, de tal forma que le permitan aprovechar de la mejor
manera los datos que tiene a su disposicin.

DEL MODELO ECONOMICO AL MODELO MATEMATICO Y ECONOMETRICO La ecuacin lineal es siempre de la


forma:
Teora Yd---C y = mx + b
Con base en el modelo econmico C = f (Yd) m es la pendiente
En un modelo matemtico se establece una relacin funcional Y = mx +b b es el intercepto en y.
Ya establecido en un modelo economtrico se tiene: C = 0 + 1(Yd)
El intercepto en y esta expresada por:
CLASIFICACIN DE VARIABLES (0,b) donde la recta corta el eje de y
El intercepto en x esta expresada por:
Yt Xt ,Zt (a,0) donde la recta corta el eje de x.
Variable dependiente Variables independientes
Variable endgena Variables exgenas y = 2x + -6
Variable explicada Variables explicativas El intercepto en y es (0,-6)
Variable de respuesta Variables de control
Regresando Regresores y = 3x + -5
Variable predicha Variables predictoras b es -5; entonces el intercepto en y es
(0, -5)
NATURALEZA DE LA INFORMACIN ECONOMICA
y = 4x.
(Datos: Fuentes y tipos) equivale a y = 4x + 0.
El xito de cualquier anlisis economtrico depende en ltimo trmino de la disponibilidad de El intercepto en y es (0, 0).
informacin apropiada.
En econometra los datos provienen de dos fuentes: experimentos u observaciones del 3y = 18x + 24
mundo no experimentales El intercepto en y no es 24, no est en
su forma y = mx + b, se despeja:
Datos Experimentales 3y = 18x + 24
Provienen de experimentos diseados para evaluar un tratamiento o poltica o 3 3 3
investigar un efecto causal, debido a que los experimentos en el mundo real con
personas son difciles de controlar y administrar presentan fallas respecto a los y = 6x + 8
experimentos aleatorios controlados ideales. Ya en la forma y = mx + b.
Por lo tanto los experimentos en economa son escasos debido a estos problemas El intercepto en y es (0,8)
financieros, polticos y ticos
La variable exgena est determinada
Las bases de datos son principalmente de tres tipos: fuera del modelo, es decir, estn
predeterminadas, el modelo las toma
1. Datos de seccin cruzada como fijas y mantienen siempre el mismo
2. Series de tiempo valor.
3. Datos de Panel Ejemplo, Modelos tipo keynesiano.
Ecuacin: C = C0 + c Yd
Datos de seccin cruzada: Datos de individuos o entidades diferentes (trabajadores, El consumo C es igual a la suma del
consumidores, empresas, administraciones pblicas, etc.) para un nico periodo de tiempo. consumo autnomo C0, ms la parte del
consumo que depende del ingreso
Series De Tiempo: Informacin continua respecto al tiempo, en otras palabras, conjunto de disponible.
observaciones sobre los valores que toma una variable en diferentes momentos del tiempo En este caso, el consumo
Tal informacin debe ser recopilada a intervalos regulares de tiempo, es decir: En forma diaria autnomo C0 es una variable exgena,
(precios de acciones), semanal (cifras de oferta monetaria proporcionadas por la junta de la ya que est determinado fuera del
Reserva Federal), Mensual (la tasa de desempleo y el ndice de precios al consumidor), modelo.
trimestral (PIB), Anual (los presupuestos del gobierno), quinquenal (el censo manufacturero),
decenalmente (los censos poblacionales); algunas veces los datos estn disponibles trimestral
y anualmente como en el caso del PIB.
El problemas es que se suponen que son series estacionarias y no es as; una serie de tiempo su media y varianza no varan
sistemticamente con el tiempo.

Datos de Panel (o datos longitudinales): Es una desagregacin analtica en distintos puntos en el tiempo, es decir, estas tienen
elementos de series de tiempo y de corte transversal reunidos.
Consumo autnomo: consumo necesario
para mantener un mnimo nivel de
subsistencia". Consumir algo para no
morir de inanicin, enfermedades, etc.

"c" es un parmetro de proporcin, que


determina la relacin entre el consumo no
autnomo y el ingreso disponible.
Generalmente se supone que los
parmetros explican relaciones que se
mantienen estables a travs del tiempo,
cuando se producen cambios en los
valores de los parmetros de dice que se
produce un cambio estructural.

En la ecuacin, el consumo es una


variable endgena, ya que se determina
Partiendo del ANALISIS ECONOMICO el enfoque se basa en tres puntos: dentro del modelo, por su relacin con
otras variables, que pueden ser
1. ANALISIS ESTRUCTURAL (velocidad de los fenmenos econmicos). exgenas, como el consumo autnomo
Es la relacin causa-efecto, es decir relacin causal, donde: C0, o endgenas, como puede ser el
Y = f(x) ingreso disponible Yd. La relacin con
Y XyX Y doble causalidad. estas variables viene determinada por la
En este anlisis se utilizarn modelos uniecuacionales o multiecuacionales forma funcional del consumo y los valores
de los parmetros de esta funcin, en
2. ANALISIS DE PRONSTICO. este caso, el valor del parmetro "c".
Permite prever, aventurar el comportamiento de un fenmeno a partir de diversas
tcnicas, es decir, modelos estructurales (y = F(t)) o series de tiempo (Y= f(t)).

3. ANALISIS DE POLITICA ECONOMICA.


Existe un anlisis estructural Y= f(t) y de pronstico, por lo tanto, se pueden determinar anlisis prospectivos o de simulacin.

Funcin de regresin es la curva que conecta las medias de las subpoblaciones de Y que corresponden a los valores dados del regresor
X.
E(Y / X) = 0 1X
donde los parmetros estn elevados a la primera potencia y puede o no ser lineal en las variables explicativas X.

FUNCION DE REGRESION POBLACIONAL Y MUESTRAL

Modelo De Regresin Lineal.


Los puntos que se encuentran sobre la recta de el plano anterior muestran los valores medios condicionales de Y, graficados en funcin
de los diversos valores de X. unidos esos valores de las medias condicionales, obtenemos lo que se conoce como la recta de regresin
poblacional (RRP); dicho en otras palabras, es la regresin de y sobre x; el termino poblacional se debe al hecho que estamos trabajando
con la poblacin total.
Es la curva que conecta las medias de las subpoblaciones de Y que corresponden a los valores dados del regresor X.
Donde f(X) denota una funcin de la variable explicativa X, por tanto
E(Y/X) es una funcin lineal de X. la lnea de la grfica anterior es conocida como funcin de regresin poblacional. Podemos suponer que
la funcin (RP) E(Y/X) es una funcin lineal de X de la forma:
E(Y/X) = 0 1X
Donde 0 y 1 son parmetros no conocidos pero fijos que se denominan coeficientes de regresin; 0 y 1 son conocidos tambin como
la interseccin y el coeficiente de la pendiente respectivamente la ecuacin en si misma es conocida como la funcin de regresin lineal
poblacional. (Donde los parmetros estn elevados a la primera potencia y puede o no ser lineal en las variables explicativas X).
Modelo ce regresin lineal poblacional = funcin de regresin lineal poblacional = modelo de regresin lineal poblacional = regresin lineal
poblacional.

Es momento de enfrentar los problemas muestrales, pues en la prctica lo nico que se tiene al alcance no es ms que una muestra de
valores de Y que corresponden a algunos valores fijos de X; ahora hay que estimar la funcin de regresin poblacional con base en
informacin muestral, esta informacin es seleccionada aleatoriamente; supuestamente estas representan la recta de regresin
poblacional, pero debido a las fluctuaciones muestrales pueden ser consideradas en el mejor de los casos solo como una aproximacin de
la primera RP. en general se obtendra N FRM diferentes para N muestras diferentes y estas FRM no necesariamente son iguales.
Ahora en forma anloga a la funcin de regresin poblacional (FRP) en la cual se basa la recta de regresin poblacional, se puede
desarrollar el concepto de regresin muestral (FRM) para representar la recta de regresin muestral.
La contraparte muestral de E(Y/X) = 0 1X puede escribirse como
^0^1^ X
Donde:
Y^ = estimador de E(Y X)
0^ =estimador de 0
1^ =estimador de 1
Advirtase que un estimador, conocido tambin como estadstico (muestral), es simplemente una regla, formula o mtodo que dice como
estimar el parmetro poblacional a partir de la informacin suministrada por la muestra disponible. Un valor numrico particular obtenido
por el estimador en una aplicacin es conocido como estimado.
Ahora tal como se expresa la FRP en dos formas equivalentes y se puede expresar la FRM; en su forma estocstica de la siguiente
manera:
Funcin de regresin poblacional
E(Y X) = 0 1X + U
Funcin de regresin muestral.
^0^1^ X + U^
Donde U denota el termino residual (muestral).
MODELO DE REGRESIN LINEAL SIMPLE
Definicin:
Consiste en estimar un modelo que incluye una variable dependiente y
una independiente.
y = Variable dependiente
x = Variable explicativa
0 = intercepto (ordenada al origen)
1 = pendiente (propensin marginal, elasticidad)
U = trmino de perturbacin estocstica (TPE) o residuo.
Supuestos del Modelo Clsico de Regresin
- El valor medio del TPE (U) es igual a cero
(U) = 0
E (U) = 0
- La varianza de los TPE es constante u homoscedstica
[ var. (Ui) = 2]
- Las variables explicativas son no estocsticas o si lo son estn distribuidas independientemente de las perturbaciones [ (U) X =0]
- No existe Autocorrelacin entre las perturbaciones
[E ( UiUj )=0] i j; i y j son periodos de tiempo.
- No existe multicolinealidad entre las variables
explicativas. [ P (X)]
- Los TPE poseen una distribucin normal
[ U ~ N ( 0, 2 ) ]
- Los parmetros estn normalmente distribuidos
~ N (, S2 (XX)-1)
- El modelo de regresin debe de estar correctamente
especificado.
MINIMOS CUADRADOS ORDINARIOS (MCO)
El mtodo de mnimos cuadrados ordinarios se atribuye a Carl F.Gauss. Este mtodo tiene algunas propiedades estadsticas muy
atractivas que lo han convertido en uno de los ms eficaces y populares del anlisis de regresin. Para entenderlo se explicar este
principio de los mnimos cuadrados.
Reacurdese FRP de dos variables
Yi = 0 1Xi + U
Esta debe ser estimada a partir de la FRM
^0^1^ X + U^
= ^+ U^
donde ^ es el valor estimado (media condicional) de Y
por tanto esta se expresa:
U^ = Yi - ^
=Yi - 0^- 1^ Xi
que muestra que los U^ (los residuos) son simplemente las diferencias entre los valores observados y los estimados de Y.

La suma algebraica de estos residuos es cero a pesar de que U1^ y U4^ presenten una mayor dispersin alrededor de FRM que U2^ y
U3^ . se puede evitar este problema si se adopta el criterio de mnimos cuadrados el cual establece que la FRM puede determinarse en
forma tal que
U^2= (Yi - ^)2
= (Yi - 0^- 1^ X)2
Sea lo mas pequea posible, donde U^2 son los residuos elevados al cuadrado. Al elevar al cuadrado U^. Una justificacin adicional para
el mtodo de los mnimos cuadrados reside en el hecho de que los estimadores obtenidos con este mtodo tienen unas propiedades
estadsticas muy, deseables.
U^2 = f (0^,1^)
Ecuaciones normales
Y= n0^+ 1^X
YX = n0^X + 1^X2
resolviendo estas ecuaciones simultneamente, se obtiene:
0^ = (X2)(Y) - (X)(YX)
(n)(X2) - (X)2
1^ = (n)(YX) (X)(Y)
(n)(X2) - (X)2

Prueba de Hiptesis
Suposicin o conjetura que se hace acerca del comportamiento de un parmetro
Y = 0 + 1X
http://www.monografias.com/trabajos103/funciones-matematicas-forma-y-f-x/funciones-matematicas-forma-y-f-x.shtml