Diploma de Econometrı́a

Sesión 1

Juan Carlos Abanto Orihuela

j.abanto@giddea.com

CIDDEA CT ASESORES

Enero - 2017
¿Qué es la Econometrı́a?

Frisch (1933a): ((La Econometrı́a implica la mutua penetración de

Teorı́a Económica Cuantitativa y Observación Estadı́stica.)) (p. 1)
Samuelson, Koopmans y Stone (1954): (([...] la Econometrı́a puede ser
definida como el análisis cuantitativo de los fenómenos económicos
reales, basado en el desarrollo simultáneo de la teorı́a y la observación,
relacionados mediante métodos apropiados de inferencia.))
Klein (1962): ((El principal objetivo de la Econometrı́a es dar contenido
empı́rico al razonamiento a priori de la Economı́a.))
Griliches e Intriligator (1984): ((La Econometrı́a es la aplicación de
las Matemáticas y los métodos estadı́sticos al análisis de los datos
económicos.)) (p. xi)
Gujarati (1990): ((La Econometrı́a es una amalgama de Teorı́a
Económica, Economı́a Matemática, Estadı́stica Económica y Estadı́sti-
ca Matemática. Sin embargo, es una disciplina que merece ser estu-
diada separadamente [...]. La Econometrı́a proporciona el contenido
empı́rico a la mayorı́a de las teorı́as económicas; a la vez, se interesa
primordialmente por la verificación empı́rica de la teorı́a económica.))
(p. 2)

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

¿Qué es la Econometrı́a?

Maddala (1996): ((La Econometrı́a es la aplicación de métodos es-

tadı́sticos y matemáticos al análisis de datos económicos con el propósi-
to de dar contenido empı́rico a las teorı́as económicas y verificarlas o
refutarlas.)) (p. 1)
Christ (1966): ((El objetivo de la Econometrı́a es la producción de
proposiciones cuantitativas que expliquen o describan las variaciones de
variables ya observadas, o que pronostiquen o predigan las variaciones
aun no observadas, o que hagan ambas cosas a la vez.)) (p. 28)

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Econometrı́a

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

 Parte I

Modelo de Regresión Lineal

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Modelo de Regresión Lineal

Sea el modelo propuesto

yt = xt β + t
N
2t = 0t t
X
Minβ SSR =
t=1

∂SSR ∂0t t
∂(y − xβ)(y − xβ)
= =
∂β ∂β ∂β
∂SSR (∂y 0 y − 2β 0 x 0 y + β 0 x 0 xβ)
=
∂β ∂β
∂SSR
= −2x 0 y + 2x 0 xβ = 0
∂β
β̂ = (x 0 x)−1 x 0 y

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Modelo de Regresión Lineal

Además para comprobar que se trata de un mı́nimo:

∂ 2 SSR
= 2x 0 x > 0
∂β∂β 0
Luego, estimando los errores del modelo
ˆt = y − x β̂
y asumiendo que no existe autocorrelación (E (t , s ) = 0, ∨t 6= s)
ni heterocedasticidad (E (2t ) = σ2 , ∨t), se puede calcular la matriz
de varianzas y covarianzas del error como:
VarCov () = σ2 I
además si se cumple la condición de ortogonalidad, se puede
mostrar que el parámetro seria insesgado:
β̂ = (x 0 x)−1 x 0 y
= (x 0 x)−1 x 0 (xβ + )
= β + (x 0 x)−1 x 0 ()
Juan Carlos Abanto Orihuela Diploma de Econometrı́a
Modelo de Regresión Lineal

E (β̂) = β
Ası́ la matriz de varianzas y covarianzas del parámetro serı́a:

VarCov (β) = E [(β − E (β)(β − E (β))0 )]

= E [(x 0 x)−1 x 0 0 x(x 0 x)−1 ]
= (x 0 x)−1 x 0 E [0 ]x(x 0 x)−1
= (x 0 x)−1 x 0 Var ()x(x 0 x)−1
= (x 0 x)−1 x 0 σ2 Ix(x 0 x)−1
= σ2 (x 0 x)−1

Dado que σ2 no es conocido, se tendrá que realizar la estimación de este:

SSR = ˆ0 ˆ = 0 Mx 
donde:

Mx = I − x(x 0 x)−1 x 0

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Modelo de Regresión Lineal

por lo tanto:

SSR = E [Tr (SSR)]

= E [Tr (0 Mx )]
= E [Tr (Mx 0 )]
= Tr [E (Mx 0 )]
= Tr [Mx E (0 )]
= Tr [Mx V ()]
= Tr [Mx σ2 I ]
= Tr [Mx ]σ2
= [N − K ]σ2
donde se observa que:

SSR
σ̂2 =
N −K
Juan Carlos Abanto Orihuela Diploma de Econometrı́a
Modelo de Regresión Lineal

Propiedades de los estimadores MCO

1 Insesgadez: Si se cumple la ortogonalidad (no regresores
estocásticos), se observa que el estimador es insesgado

E [β̂] = β

2 Consistencia: Por el TLC y la LGN, se puede observar que el

estimador es consistente
plim[β̂] = β
3 Eficiencia: Mı́nima Varianza entre los estimadores insesgados
(Teorema de Gauss Markov)

Var [β̂] = σ̂2 (x 0 x)−1

4 Normalidad: Bajo el supuesto de distribución normal de los errores, el

parámetro también se distribuye de manera normal

β̂ ∼ N(β, σ2 (x 0 x)−1 )

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

 Parte II

Inferencia Estadı́stica

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

La Estadistica inferencial o Inferencia estadistica estudia cómo sacar

conclusiones generales para toda la población a partir del estudio de
una muestra, y el grado de fiabilidad o signicación de los resultados
obtenidos.

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

Sea:
Y = Xβ + u
donde X es una matriz de (N x K), u e Y son vectores (N x 1) y β
es vector de (K x 1).

Y = AK α Lβ e u
(ln Y = ln A + α ln K + β ln L + u); (α + β ≥ o ≤ 1)

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

Sean entonces las siguientes hipótesis:

1 H0: βi = 0 Plantea que el regresor Xi no posee influencia
alguna sobre Y. Este es el test más común y nos referiremos a
él como test de significancia.
2 H0: βi = βi0 Plantea que el regresor Xi posee un impacto
determinado por Xi0 sobre Y.
3 H0: βi + βj = 1 Plantea que la suma de los regresores Xi y Xj
poseen un impacto conjunto de magnitud 1.
4 H0: βi = βj Plantea que los regresores Xi y Xj poseen el
mismo impacto sobre Y.
5 H0: βi = 0; (i = 2...k) Plantea que todos los regresores
conjuntamente, excepto la constante, son cero.
6 H0: βl = 0 donde el vector β ha sido particionado en dos (βl y
βp ) con dimensiones (kl x1) y (kp x1) respectivamente, tal que
kl + kp = k. Plantea entonces que un subconjunto de
parámetros son estadı́sticamente no significativos.
Juan Carlos Abanto Orihuela Diploma de Econometrı́a
Inferencia Estadı́stica

Todas las hipótesis anteriores pueden ser resumidas en la siguiente

expresión:

H0 : Rβ = r

1 R = [0..,010..,0]; r = 0; q = 1 donde 1 se encuentra en la

i-ésima posición
2 R = [0..,010..,0]; r = βi0 ; q = 1 donde 1 se encuentra en la
i-ésima posición
3 R = [0..,010..,010..,0]; r = 1; q = 1 donde 1 se encuentra en
la i-ésima posisión y en la j-ésima posición.
4 R = [0..,010..,0 − 10..,0]; r = 0; q = 1 donde 1 se encuentra
en la i-ésima posisión y -1 en la j-ésima posición.
5 R = [0qx1 Ik−1 ]; r = 0; q = k − 1
6 R = [Oki xkj Iki ]; r = O; q = ki

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

H0 : Rβ = r
Para realizar el test se utiliza la prueba F:

(R β̂ − r )0 [RV (β̂)R 0 ]−1 (R β̂ − r )/q ∼ Fq,n−k

En caso de tener una hipótesis individual se puede usar la prueba t:

β̂ − βi0
t= q ∼ tn−k
ˆ (βi )
Var

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

La distribución t es simétrica y se aproxima a la normal para tamaños de

muestras grandes, sin embargo, la t posee colas más gruesas que la normal (lo
cual es más pronunciado en muestras pequeñas:n ≤ 30). La siguiente figura
expone la relación entre la distribución t y la normal:

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

Pasos para probar una hipótesis

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

Una forma complementaria de examinar la significancia estadı́stica de un

parámetro ( o un conjunto de ellos) es a través de intervalos de confianza
(IC). Ellos nos indican, dado un nivel de confianza, el rango de valores ad-
misibles del coeficiente que se estima. Los niveles de confianza generalmente
utilizados son 99 %, 95 %y 90 % (al igual que en los test de hipótesis), donde
el tamaño de los mismos es necesariamente decreciente.
β̂i − βi0
q ∼ tn−k
Var (β̂i )

β̂i − βi0
1 − α = Pr [Zα/2 ≤ q ≤ Z1−α/2 ]
Var (β̂i )

β̂i − βi0
= Pr [−Z1−α/2 ≤ q ≤ Z1−α/2 ]
Var (β̂i )
 q q 
= Pr β̂i − Z1−α/2 Var (β̂i ) ≤ βi0 ≤ β̂i + Z1−α/2 Var (β̂i )

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

El intervalo de confianza para la varianza de los errores.

û 0 û
∼ χ2n−k
σ2

(n − k)σ̃ 2
∼ χ2n−k
σ2
Utilizando la misma lógica que utilizamos para el IC de un
parámetro β̂, tenemos que el IC para σ̃ 2 corresponde a:
" #
(n − k)σ̃ 2 2 (n − k)σ̃ 2
≤σ ≤ 2 = (1 − α)
χ2n−k,α χn−k,1−α

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

Test de normalidad
Consideramos ahora el problema de utilizar los momentos de los re-
siduos MCO para hacer inferencia sobre la distribución de los errores
poblacionales. Dado que algunas de las propiedades de MCO y de la
inferencia dependen del supuesto de normalidad en los errores, es im-
portante poseer un contraste para dicho supuesto.
Como es sabido, la distribución normal es simétrica y mesocúrtica. La
simetrı́a implica que el tercer momento poblacional E (u 3 ) en torno a
la media, es cero. El hecho que sea mesocúrtica implica que la kurtosis
es 3 (es decir, el ancho de las colas de la distribución, el cual se mide
utilizando el cuarto momento en torno a la media).

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica

Recordemos entonces que el coeficiente de simetrı́a poblacional se define

como:
√ E (u 3 )
S= 3
(σ 2 ) 2
mientras que la kurtosis:

E (u 4 )
K =
(σ 2 )2
En base a los anteriores, Bera y Jarke (1981), propusieron el siguiente
estadı́grafo, construido bajo la nula de normalidad:
" #
Ŝ (K̂ − 3)2 a 2
JB = n + ∼ χ(2)
6 24

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Inferencia Estadı́stica
Donde podemos calcular el valor de la asimetrı́a como:
N
1 X yi − ȳ 3
S= ( )
N i=1 σ̂

donde: r
N −1
σ̂ = s
N
siendo: v
u N
u X
s = t( (yi − ȳ )2 )/(N − 1)
i=1

Mientras que la kurtosis:

N
1 X yi − ȳ 4
K = ( )
N i=1 σ̂

Note que el estadı́grafo está definido en términos del exceso de kurtosis, por
lo cual, a menor sea el valor, menor es la probabilidad de rechazar la nula de
normalidad.
Juan Carlos Abanto Orihuela Diploma de Econometrı́a
 Parte III

Bibliografı́a

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Bibliografı́a

[1] Gujarati (2004),Econometrics, Cap. 1,2,3,4,5

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Bibliografı́a

[1] Gujarati (2004),Econometrics, Cap. 1,2,3,4,5

[2] Wooldridge (2002), Introductory Econometrics, Cap.
1,2,3,4

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Bibliografı́a

[1] Gujarati (2004),Econometrics, Cap. 1,2,3,4,5

[2] Wooldridge (2002), Introductory Econometrics, Cap.
1,2,3,4
[3] Novales (2002), Econometria, Cap. 1,2,3,4

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Bibliografı́a

[1] Gujarati (2004),Econometrics, Cap. 1,2,3,4,5

[2] Wooldridge (2002), Introductory Econometrics, Cap.
1,2,3,4
[3] Novales (2002), Econometria, Cap. 1,2,3,4
[4] Greene (2008),Econometric Analysis,5th Edition. Cap.
1,2,3

Juan Carlos Abanto Orihuela Diploma de Econometrı́a