Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una Introducción A La Econometría y A Las4 PDF
Una Introducción A La Econometría y A Las4 PDF
Ulises Cárcamo C.
Universidad EAFIT
Naturaleza de la Econometría
• Consumo = F(Ingreso)
• Demanda de un bien Qd = f(P, Ps, Pc, I)
P= Precio, Ps = Precio de sustituto, Pc= Precio
de complementario, I = ingreso
• Oferta de un bien Qs= f(P, Pc, Pf)
P= Precio, Pc= Precio de competencia,
pf=precios de factores
Naturaleza de la Econometría (2)
• Ri = F(rf, rM)
• Cr = G(L, H, T, E, CD, NR, Ed, R, Pib, Rt)
Cr= Riesgo de Crédito, L= liquidez, H =Hedging,
T =tamaño, E= eficiencia, CD= composición de
la deuda, NR= número de relaciones con
entidades de crédito, Ed=“Edad”, R =
rentabilidad, Rt = tasa real para préstamos.
Naturaleza de la Econometría (3)
• Rit =αi + β1 IPt+ β2 EIt +β3 UIt+ β4 CGt + β5 GBt
IP = Cambio en la producción Industrial, EI = cambio en la
Inflación esperada , UI= cambio en al inflación no anticipada,
CG = exc. ret de los bonos corporativos sobre los bonos de
largo plazo del gob., GB = Exc. Ret de los bonos de largo plazo
del gob. sobre los T-bills
1800
1600
1400
1200
1000 Sales
Modelo
800
600
400
Vt = F(X1t, X2t) + et
200
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Colecciones de Datos
Regresión Simple. Casos
Concepción Determinística
• Promedio
• Descripción aproximada
• Pronósticos y “proyecciones” no muy
sofisticadas.
• Estudio exploratorio
• No requiere supuestos estadísticos
• Limitaciones Obvias
Modelo de Regresión Lineal Simple
• La línea de regresión (teórica) es una línea recta
que describe la dependencia del valor promedio
(media condicional ) de una variable con respecto a
la otra.
Y intercepto Pendiente Error
Aleatorio
Variable
Dependiente Variable
(Respuesta) Línea de Independiente
Regresión (Explicatoria)
(media condicional)
Modelos No Lineales
¿Cómo estimar 1 y 2 a partir de los
datos?
• Aunque nunca conoceremos exactamente 1
y 2 , podemos estimarlos a partir de los
datos.
• Suponemos un conjunto de datos observados:
(x1, y1), (x2, y2), …., (xn, yn), que se suponen
representativos del fenómeno.
Método de mínimos cuadrados
yi
ei
Β1 + β2 xi
xi
• S(β1, β2) = =
•
.
Valores Esperados
• Para X v.a. continua con función de densidad f(x), el valor esperado, o esperanza
de X, se define como : µ = E(x) x.f(x) dx
• Propiedades:
1. Si f=f(x) tiene un eje de simetría, µ está sobre ese eje.
2 .
Varianza
• Var (X) = σ2 =E[(X - µ)2]
• Propiedades:
Covarianza
XY = Cov(X,Y) = E[(X - E[X]).(Y - E[Y])] = E[X.Y] -E[X].E[Y]
• Propiedades:
• S(β1, β2) = =
•
Propiedades de los estimadores
• Bajo los supuestos 1 a 5, versión (II)
•
•
Teorema de Gauss-Markov
•
Estimadores de la varianza del error y otros