Documentos de Académico
Documentos de Profesional
Documentos de Cultura
I. INTRODUCCION
Econometria
1 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Clásica
Econometría Teórica
Bayesiana
Clásica
Econometría Aplicada
Bayesiana
Econometría Aplicada
1. Empleo
2. Desempleo
3. Crecimiento económico
4. Consumo
5. Producción
6. Inversión
7. Demanda y oferta
8. Inflación
9. Importaciones
10. Portafolio, etc.
2 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
II. QUE ES UN MODELO ECONOMETRICO
Modelo
D. Por la finalidad
a. Previsión.
b. Decisión.
3 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Modelo econométrico
4 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
5 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Teoría Observación
1ra ETAPA: Económica del
Especificación o Mundo Real
Construcción del
Modelo Formulación
de Hipótesis
Modelo
Matemático
Modelo
Econométrico
No Aceptables Aceptables
Inferencia,
Revisión Desistencia Previsión ó
de la de las Toma de
Metodología Hipótesis Decisiones
6 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Ejemplo:Proceso metodológico de la econometría
4. Obtención de Información
Para estimar los valores desconocidos de la relación econométrica, se necesitan datos,
generalmente se toman datos muestrales.
6. Prueba de hipótesis
Para comprobar si los valores estimados concuerdan con la teoría.
7. Proyección o predicción
Si el modelo escogido confirma la teoría, este modelo se puede utilizar para predecir
valores futuros o desconocidos.
7 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Ejemplo 1: Teoría Keynesiana del Consumo. (D. Gujarati)
Y
Función Keynesiana de
Consumo
1
} 2 PMC
}1 Intercepto
X
d) Obtención de Información
Para estimar los valores desconocidos de 1 y 2 se necesitan datos, por
ejemplo:
Mes Y=Consumo X=Ingreso
f) Prueba de hipótesis
Si el modelo ajustado es una aproximación razonablemente buena de la realidad, se
necesitan criterios apropiados para encontrar si los valores estimados obtenidos en una
ecuación como la anterior, concuerda con las expectativas de la teoría que está siendo
probada.
Del modelo anterior, Keynes esperaba que la PMC sea menor que 1.
Se quiere responder a la pregunta ¿es 0.70 estadísticamente menor que 1?
Si lo es, puede apoyar la teoría de Keynes.
Estos criterios son conocidos como parte de la Inferencia Estadística.
g) Proyección o predicción
Si el modelo escogido confirma la teoría, este modelo se puede utilizar para predecir
valores futuros o desconocidos de la variable dependiente Y, siendo que se conoce el
valor de X (variable predoctora) y se utilizan los estimadores ̂ 1 y ̂ 2 anteriormente
hallados.
9 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
h) Usos del modelo para fines de control o de política
Un modelo estimado como Yˆ 1.5 0.70 2 X puede ser utilizado para fines de control o
de política.
El gobierno por ejemplo podría manejar la variable de control
X Ingreso para producir el nivel deseado de la variable objetivo.
Y Consumo.
Ejercicio:Responda:
1. ¿Qué es un modelo?
2. ¿Qué diferencia hay entre un modelo matemático y un modelo econométrico?
3. ¿Qué es un modelo no lineal?
4. ¿Cuáles son las etapas del proceso metodológico de la econometria?
5. ¿Cuáles son los pasos del proceso metodológico de la econometría?
6. ¿Qué cree usted que es Especificación de un modelo?
Carneiro de Matos, Orlando; 2da Edición;
Editora Atlas S.A., Sao Paulo - Brasil 1997
10 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
1. Series de Tiempo
2. Datos de Corte Transversal
3. Datos Agrupados
4. Datos de Panel
5. Datos Agregados
6. Variables Ficticias
7. Variables Aproximadas
1. Series de tiempo
Esta información se obtiene de la observación de la variable en diferentes periodos de
tiempo. En usual, quelas series de tiempo tengan periodicidad diaria, semanal,
mensual, trimestral y anual. Las series de tiempo suelen estar altamente
correlacionadas debido a su evolución paralela en el tiempo.
3. Datos Agrupados
Los datos agrupados contienen información de corte transversal y de series de tiempo
juntos. Por ejemplo: En cada mes, se tomaron 3 registros de cada una de las 4
variables o características.
Unidad
V1 V2 V3 V4
de tiempo
ENERO
FEBRERO
MARZO
11 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
5. Datos Agregados
Se dice de datos agregados cuando un economista cuenta con información agregada,
desconociendo el método empleado para generarla.
Ejemplo: Se quiere estimar las “Importaciones de un país”, (México por ejemplo) se
deflacta las variables “Importaciones mexicanas” por el “Índice de precios del productor”
para bienes en los Estados Unidos.
Nota: Se produce un sesgo de sub o sobreestimación
en el valor real de las importaciones ya que el “índice
citado” difiere del “índice global de precios”.
El “índice global” podría calcularse, pero el costo y
dificultad en hacerlo podría no ser justificado.
6. Variables Ficticias
Son variables que toman valor 1 para una submuestra y 0 para la otra.
7. Variables Aproximadas
En ocasiones no se cuenta con información sobre alguna variable que interviene en el
modelo econométrico. Una posible solución es utilizar una aproximación a esta variable
bajo el supuesto de que su comportamiento es similar.A este tipo de datos se le llama
variable “proxy” y depende de la verificación del supuesto.
Observación:
En ocasiones, economistas con experiencia estudiando las estructuras de economía en
países desarrollados donde se encuentra disponible gran parte de la información, no se
percatan de las restricciones de información que puedan existir en países como el
nuestro por ejemplo. Si éstos mismos profesionales desarrollan modelos para un país
como el nuestro por ejemplo, es posible que no tenga la importancia práctica.
12 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
IV. MODELO LINEAL SIMPLE
Y 1 2 X
13 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
deconsumofamiliar semanal Y;y elIngreso familiar semanalX (luego de los
impuestos de ley).
E (Y / X x) 1 2 x
Y Y i
i 1,2,3,..., n j
E (Y ) 1
E (Y / X i ) i 1
60 nj j 1,2,3,...,10
Similarmente,
14 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Función de regresión poblacional (FRP)
Y 1 2 X
1 y 2 son parámetros fijos, desconocidos (valores poblacionales)
Se denominan coeficientes de regresión, intercepto, coeficiente de la pendiente de la
recta, etc.
E (Y / X ) 1 2 X
Interpretación:
La diferencia entre cada valor observado y cada valor promedio se debe al término de
perturbación i
i Yi E (Yi / X ) Yi ( 1 2 X )
15 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Interpretación de i
Yi 1 2 X i .
Línea de Regresión
149 * Poblacional
Gasto de
Consumo
101 *
semanal
65 *
X * : Media condicional
80 140 220
Ingreso semanal
Yi E (Y / X ) i
Los valores de Yi están agrupados alrededor del valor esperado de todos los valores
de Y para un dado X i .
16 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Función de regresión muestral(FRM)
Yi ˆ1 ˆ 2 X ˆ i
̂1 Estimador de 1
̂ 2 Estimador de 2
̂ i Estimador de i
Yˆi Aproxima (o es el ajuste de) Yi
Ŷi Estimador de E (Y / X i )
̂1 Estimador de 1
̂ 2 Estimador de 2
̂i Al término de perturbación obtenido de la muestra se le diceResidual.
ˆ i Yi ( ˆ1 ˆ2 X )
17 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
FRM1
Y
..
. .
.
FRM2
..
.
.
.
.
.
.
.
. ..
..
.
..
.
..
.
.
..
X
Características:
3. Estimación
Dado que el objetivo principal es estimar la FRP: Yi 1 2 X i
Hallando la FRM: Yi ˆ1 ˆ2 X ˆ i ,
Como la FRM es apenas una aproximación de la FRP, se desea una regla o un método
que haga que esta aproximación sea lo más ajustada posible.
En otras palabras, se busca construir una FRM tal que ̂ 1 y ̂ 2 estén lo más cercano
posible a los verdaderos valores de 1 y 2 , aunque nunca se llegue a conocer los
valores de 1 y 2 .
18 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Función de regresión muestral
Y
.
.
FRM:
Yi
Yˆi ˆ 1 ˆ 2 X i
̂ i
i
Yˆi
E(Y / X i ) . FRP:
E (Y / X i ) 1 2 X i
X
Xi
4. Método de Estimación
El método para la construcción de esta FRM es posible tanto para el caso bivariado
Yi 1 2 X i i
Yi 1 2 X i1 3 X i 2 k X ik i
19 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
5. Linealidad
Antes de obtener el modelo que mejor se ajuste al modelo real, conviene graficar las
observaciones de tal forma que permita lograr una configuración a priori para facilitar la
elección de la forma funcional apropiada.
(1) Lineal Y 0 1 X
(2) Cuadrática Y 0 1 X 2 X 2
1
(3) Hiperbólica o recíproca Y 0 1
X
(4) Semilogarítmico Y 0 1 ln( X ) Y ln( 0 ) 1 ln( X )
(5) Semilogarítmico inverso ln(Y ) 0 1 X
(6) Logarítmico o logarítmico doble ln(Y ) ln( 0 ) 1 ln( X )
1
(7) Logarítmico recíproco ln(Y ) 0 1
X
En los modelos de dos variables, la forma funcional puede deducirse a partir del
diagrama de dispersión, pero en un modelo de Regresión Múltiple, no es fácil
determinar la forma funcional apropiada porque gráficamente no se puede visualizar los
diagramas de dispersión.
Todos los casos anteriores son funciones de regresión lineal en los parámetros.
20 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Y Y
y 0 1 x 2 x 2
y 0 1 x
y 0 1 x
y 0 1 x 2 x 2
X X
Y Y
y 0 1 / x ln y 0 1 x
ln y 0 1 x
y 0 1 / x
X X
Y Y ln y ln 0 1 ln x
y ln 0 1 ln x
y ln 0 1 ln x
ln y ln 0 1 ln x
X X
Ejemplo:
En el ejemplo de Consumo, i podría ser otras variables de las cuales también
dependería el modelo como por ejemplo:
Y 1 2 X ( Riqueza, tamaño de la familia, consumo de un periodo
anterior, Variación de precios al consumo, tasa de interés, etc. ) .
21 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Ejemplo:
Cuáles de los siguientes modelos pueden ser considerados lineales: (A, B, y
son parámetros)
(1) Y AX e
(2) ln Y ln A ln X
(3) Y
X
(4) Y X
Ejemplo:
Laboratorio
22 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
VI. MODELO LINEAL GENERAL CLASICO
Suponga que existe una relación lineal entre una variable Y , (k 1) variables
explicativas X 1 , X 2 , X k y un término de perturbación .
Modelo teórico:
Y 1 2 X 1 3 X 2 k X k
Yi 1 2 X i1 3 X i 2 k X ik i i 1,2...., n
Y1 1 2 X 11 3 X 12 k X 1k 1
Y2 1 2 X 21 3 X 22 k X 2k n
Yn 1 2 X n1 3 X n 2 k X nk n
matricialmente:
Y1 1 X 11 X 1k 0 1
Y 1 X 21 X 2 k 1 2
2
Yn 1 X n1 X nk k n
En notación matricial:
Escalarmente:
23 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Yi Variable aleatoria observable i 1,2...., n
X ij Variables determinísticas observables i 1,2...., n , j 1,2...., k
Matricialmente:
Y Vector aleatorio observable
X Matriz de valores observables fijos
β Vector de parámetros desconocidos
μ Vector de errores aleatorios no observables
Escalarmente
(i) E ( μi ) 0 i 1,2, , n
(ii) Var ( μi )
2
constante (homocedasticidad)
(iii) Cov( μi j ) 0 i j (no correlación entre los errores)
(iv) μi N (0, )
2
(distribución normal)
(v) No existe relación lineal exacta entre dos o más de X 1 , X 2 ,, X k
(vi) 0 , 1 , 2 , , k permanecen constantes a lo largo de toda la muestra
(estabilidad)
Matricialmente
1 0
(i) E (μ) 0
n 0
1
(ii) E ( μμ´) E
1
n I
2
******
n
1 2 12 1n
22 2 n
E (μμ´) E 21
n1 n 2 nn
24 MagenInfante
Econometría I –VERANO - 2014-III
EPIES-FIECS – Msc. Magen Infante
Var ( 1 ) Cov( 1 , 2 ) Cov( 1 , n )
Cov ( , ) Var ( ) Cov ( , )
2 1 2 2 n
Cov ( n , 1 ) Cov ( n , 2 ) Var ( n )
2 0 0
0 2 0
2I
2
0 0
1 X 11 X 1k
1 X 21 X 2 k
(iii) X nk 1 matriz de números determinísticos
1 X n1 X nk
1
μ N (0, I ) en consecuencia: Y N (Xβ, 2 I)
2
(v)
n
(vi) β1, k 1 permanece constante a lo largo de toda la muestra (estabilidad)
25 MagenInfante