Econometr�a

Ir a la navegaci�nIr a la b�squeda
Commons-emblem-question book yellow.svg
Este art�culo tiene referencias, pero necesita m�s para complementar su
verificabilidad.
Puedes colaborar agregando referencias a fuentes fiables como se indica aqu�. El
material sin fuentes fiables podr�a ser cuestionado y eliminado.
Este aviso fue puesto el 26 de agosto de 2018.
La econometr�a (del griego ??????�?? oikon�mos 'regla para la administraci�n
dom�stica' y �et??a metr�a, 'relativo a la medida') es la rama de la econom�a que
hace un uso extensivo de modelos matem�ticos y estad�sticos as� como de la
programaci�n lineal y la teor�a de juegos para analizar, interpretar y hacer
predicciones sobre sistemas econ�micos, prediciendo variables como el precio de
bienes y servicios, tasas de inter�s, tipos de cambio, las reacciones del mercado,
el coste de producci�n, la tendencia de los negocios y las consecuencias de la
pol�tica econ�mica.

�ndice
1 Introducci�n
1.1 Definiciones de econometr�a
1.2 Descripci�n somera de la econometr�a
1.3 Concepto de modelo econom�trico
2 M�todos de la econometr�a
2.1 El m�todo de m�nimos cuadrados (estimaci�n MCO)
2.2 Problemas del m�todo de los m�nimos cuadrados
3 Software econom�trico
4 V�ase tambi�n
5 Referencias
6 Bibliograf�a
7 Enlaces externos
Introducci�n
La econom�a, perteneciente a las ciencias sociales, trata de explicar el
funcionamiento del sistema econ�mico en sus distintos aspectos, como producci�n,
consumo, dinero, distribuci�n del ingreso, etc. La herramienta m�s utilizada por
los economistas es la construcci�n de modelos econ�micos te�ricos y matem�ticos que
describan el comportamiento de los agentes econ�micos. Sin embargo, esos modelos
deben contrastarse con los datos disponibles para saber si �stos tienen capacidad
explicativa y predictiva, y poder en definitiva optar entre unas u otras opciones.
La construcci�n de tales modelos es la finalidad de la econometr�a.

Los econometristas, econometras o econ�metras (economistas cuantitativos) han

tratado de emular a las ciencias naturales (f�sica, qu�mica) con mejor o peor
resultado a trav�s del tiempo. Hay que considerar que tratan con uno de los
fen�menos m�s complejos que conocemos, el comportamiento de las personas y su
interacci�n. Actualmente, la econometr�a no necesariamente requiere o presupone una
teor�a econ�mica subyacente al an�lisis econom�trico. M�s a�n: la econometr�a
moderna se precia de prescindir voluntariamente de la teor�a econ�mica por
considerarla un obst�culo si se quiere realizar un an�lisis riguroso (�sta es, por
ejemplo, la filosof�a del m�todo de Vector Autorregresivos - VAR o recientemente el
data mining).

En la elaboraci�n de la econometr�a se unen la matem�tica, la estad�stica, la

investigaci�n social y la teor�a econ�mica. El mayor problema con el que se
enfrentan los econ�metras en su investigaci�n es la escasez de datos, los sesgos
que pueden presentar los datos existentes, los sesgos del propio investigador y la
ausencia o insuficiencia de una teor�a econ�mica adecuada. Aun as�, la econometr�a
es la �nica aproximaci�n cient�fica al entendimiento de los fen�menos econ�micos.
Definiciones de econometr�a
Entre las definiciones de econometr�a que los economistas relevantes han formulado
a lo largo de la historia, podemos destacar las siguientes:

Ragnar Frisch (1930): 'La experiencia ha mostrado que cada uno de estos tres puntos
de vista, el de la estad�stica, la teor�a econ�mica y las matem�ticas, es
necesario, pero por s� mismo no suficiente para una comprensi�n real de las
relaciones cuantitativas de la vida econ�mica moderna. Es la uni�n de los tres
aspectos lo que constituye una herramienta de an�lisis potente. Es la uni�n lo que
constituye la econometr�a".
Paul Samuelson, Tjalling Koopmans y Richard Stone (1954): '... el an�lisis
cuantitativo de fen�menos econ�micos actuales, basado en el desarrollo congruente
de teor�a y observaciones, y relacionado por m�todos apropiados de inferencia'.
Valavanis (1959): 'El objetivo de la econometr�a es expresar las teor�as econ�micas
bajo una forma matem�tica a fin de verificarlas por m�todos estad�sticos y medir el
impacto de una variable sobre otra, as� como predecir acontecimientos futuros y dar
consejos de pol�tica econ�mica ante resultados deseables'.
A.G. Barbancho (1962): 'La econometr�a es la rama m�s operativa de la Ciencia
econ�mica, trata de representar num�ricamente las relaciones econ�micas mediante
una adecuada combinaci�n de la Teor�a econ�mica matem�tica y la Estad�stica. De
forma que las matem�ticas, como lenguaje y forma de expresi�n simb�lica e
instrumento eficaz en el proceso deductivo, representan el medio unificador; y
teor�a econ�mica, econom�a matem�tica o estad�stica econ�mica ser�an
consideraciones parciales de su contenido'.
Lawrence Klein (1962): 'El principal objetivo de la econometr�a es dar contenido
emp�rico al razonamiento a priori de la econom�a.'1?
Malinvaud (1966): '... aplicaci�n de las matem�ticas y m�todo estad�stico al
estudio de fen�menos econ�micos.'
Christ (1966): 'Producci�n de declaraciones de econom�a cuantitativa que explican
el comportamiento de variables ya observadas, o predicen la conducta de variables
a�n no observadas'.
Intriligator (1978): 'Rama de la econom�a que se ocupa de la estimaci�n emp�rica de
relaciones econ�micas'.
G.C. Chow (1983): 'Arte y ciencia de usar m�todos para la medida de relaciones
econ�micas'.
Carlos Sabino (1991): 'Nombre con el que se designa la aplicaci�n de las t�cnicas
matem�ticas y estad�sticas a la resoluci�n de problemas de econom�a. La
econometr�a, por lo general, se basa en la construcci�n de modelos formales con los
cuales es posible verificar hip�tesis, medir variables estad�sticas y realizar
pruebas de simulaci�n'.2?
Descripci�n somera de la econometr�a
La econometr�a se ocupa de obtener, a partir de los valores reales de variables
econ�micas y a trav�s del an�lisis estad�stico y matem�tico (mas no de la teor�a
econ�mica, como si se usa en las ciencias naturales, como la f�sica), los valores
que tendr�an los par�metros (en el caso concreto de la estimaci�n param�trica) de
los modelos en los que esas variables econ�micas aparecieran, as� como de comprobar
el grado de validez de esos modelos, y ver en qu� medida estos modelos pueden
usarse para explicar la econom�a de un agente econ�mico (como una empresa o un
consumidor), o la de un agregado de agentes econ�micos, como podr�a ser un sector
del mercado, o una zona de un pa�s, o todo un pa�s, o cualquier otra zona
econ�mica; su evoluci�n en el tiempo (por ejemplo, decir si ha habido o no cambio
estructural), poder predecir valores futuros de la variables, y sugerir medidas de
pol�tica econ�mica conforme a objetivos deseados (por ejemplo, para poder aplicar
t�cnicas de optimizaci�n matem�tica para racionalizar el uso de recursos dentro de
una empresa, o bien para decidir qu� valores deber�a adoptar la pol�tica fiscal de
un gobierno para conseguir ciertos niveles de recaudaci�n impositiva).

Concepto de modelo econom�trico

La econometr�a, igual que la econom�a, tiene como objetivo explicar una variable en
funci�n de otras. Esto implica que el punto de partida para el an�lisis
econom�trico es el modelo econ�mico y este se transformar� en modelo econom�trico
cuando se han a�adido las especificaciones necesarias para su aplicaci�n emp�rica.
Es decir, cuando se han definido las variables (end�genas, ex�genas) que explican y
determinan el modelo, los par�metros estructurales que acompa�an a las variables,
las ecuaciones y su formulaci�n en forma matem�tica, la perturbaci�n aleatoria que
explica la parte no sistem�tica del modelo, y los datos estad�sticos.

A partir del modelo econom�trico especificado, en una segunda etapa se procede a la

estimaci�n, fase estad�stica que asigna valores num�ricos a los par�metros de las
ecuaciones del modelo. Para ello se utilizan m�todos estad�sticos como pueden ser:
m�nimos cuadrados ordinarios, m�xima verosimilitud, m�nimos cuadrados biet�picos,
etc. Al recibir los par�metros el valor num�rico definen el concepto de estructura
que ha de tener valor estable en el tiempo especificado.

La tercera etapa en la elaboraci�n del modelo es la verificaci�n y contrastaci�n,

donde se someten los par�metros y la variable aleatoria a unos contrastes
estad�sticos para cuantificar en t�rminos probabil�sticos la validez del modelo
estimado.

La cuarta etapa consiste en la aplicaci�n del modelo conforme al objetivo del

mismo. En general los modelos econom�tricos son �tiles para:

An�lisis estructural y entender como funciona la econom�a.

Predicci�n de los valores futuros de las variables econ�micas.
Simular con fines de planificaci�n distintas posibilidades de las variables
ex�genas.
Simular con fines de control valores �ptimos de variables instrumentales de
pol�tica econ�mica y de empresa.
M�todos de la econometr�a
Commons-emblem-question book orange.svg
Este art�culo o secci�n necesita referencias que aparezcan en una publicaci�n
acreditada.
Este aviso fue puesto el 26 de agosto de 2018.
El m�todo de m�nimos cuadrados (estimaci�n MCO)
Tambi�n se conoce como teor�a de la regresi�n lineal, y estar� m�s desarrollado en
la parte estad�stica. No obstante, aqu� se dar� un resumen general sobre la
aplicaci�n del m�todo de m�nimos cuadrados.

Se parte de representar las relaciones entre una variable econ�mica end�gena y una
o m�s variables ex�genas de forma lineal, de la siguiente manera:

{\displaystyle Y=\alpha +\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...+\beta

_{n}X_{n}\ }Y=\alpha +\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...+\beta
_{n}X_{n}\

o bien:

{\displaystyle \alpha +\sum _{i=1}^{n}\beta _{i}X_{i}=Y}\alpha +\sum

_{{{i=1}}}^{{n}}\beta _{{i}}X_{{i}}=Y

"Y" es la variable end�gena, cuyo valor es determinado por las ex�genas,

{\displaystyle X_{1}}X_{{1}} hasta {\displaystyle X_{n}}X_{{n}}. Cuales son las
variables elegidas depende de la teor�a econ�mica que se tenga en mente, y tambi�n
de an�lisis estad�sticos y econ�micos previos. El objetivo buscado ser�a obtener
los valores de los par�metros desde {\displaystyle \alpha }\alpha hasta
{\displaystyle \beta _{n}}\beta _{{n}}. A menudo este modelo se suele completar
a�adiendo un t�rmino m�s a la suma, llamado t�rmino independiente, que es un
par�metro m�s a buscar. As�:
{\displaystyle Y=\beta _{0}+\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...
+\beta _{n}X_{n}\ }Y=\beta _{{0}}+\beta _{{1}}X_{{1}}+\beta _{{2}}X_{{2}}+\beta
_{{3}}X_{{3}}+...+\beta _{{n}}X_{{n}}\ .

o bien:

{\displaystyle \beta _{0}+\sum _{i=1}^{n}\beta _{i}X_{i}=Y}\beta _{{0}}+\sum

_{{{i=1}}}^{{n}}\beta _{{i}}X_{{i}}=Y

En el que {\displaystyle \beta _{0}}\beta _{{0}} es una constante, que tambi�n hay
que averiguar. A veces resulta �til, por motivos estad�sticos, suponer que siempre
hay una constante en el modelo, y contrastar la hip�tesis de si es distinta, o no,
de cero para reescribirlo de acuerdo con ello.

Adem�s, se supone que esta relaci�n no es del todo determinista, esto es, existir�
siempre un cierto grado de error aleatorio (en realidad, se entiende que encubre a
todas aquellas variables y factores que no se hayan podido incluir en el modelo)
que se suele representar a�adiendo a la suma una letra representa una variable
aleatoria. As�:

{\displaystyle Y=\beta _{0}+\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...

+\beta _{n}X_{n}+\mu \ }Y=\beta _{{0}}+\beta _{{1}}X_{{1}}+\beta _{{2}}X_{{2}}
+\beta _{{3}}X_{{3}}+...+\beta _{{n}}X_{{n}}+\mu \

o bien:

{\displaystyle \beta _{0}+\left(\sum _{i=1}^{n}\beta _{i}X_{i}\right)+\mu =Y}\beta

_{{0}}+\left(\sum _{{{i=1}}}^{{n}}\beta _{{i}}X_{{i}}\right)+\mu =Y

Se suele suponer que {\displaystyle \mu }\mu es una variable aleatoria normal, con
media cero y varianza constante en todas las muestras (aunque sea desconocida),
representado de forma matem�tica como {\displaystyle \mu \sim N(0,\sigma
^{2})}\mu \sim N(0,\sigma ^{2})

Se toma una muestra estad�stica, que corresponda a observaciones de los valores que
hayan tomado esas variables en distintos momentos del tiempo (o, dependiendo del
tipo de modelo, los valores que hayan tomado en distintas �reas o zonas o agentes
econ�micos a considerar).

Por ejemplo, en un determinado modelo podemos estar interesados en averiguar como

la renta ha dependido de los niveles de precios, de empleo y de tipos de inter�s a
lo largo de los a�os en cierto pa�s, mientras que en otro podemos estar interesados
en ver como, a lo largo de un mismo a�o, ha dependido la renta de distintos pa�ses
de esas mismas variables. Por lo que tendr�amos que observar, en el primer caso, la
renta, niveles de empleo, precios y tipos de inter�s del a�o 1, lo mismo, pero del
a�o 2, etc�tera, para obtener la muestra a lo largo de varios a�os, mientras que en
el segundo caso tendr�amos que tener en cuenta los valores de cada uno de los
pa�ses para obtener la muestra. Cada una de esas observaciones para cada a�o, o
pa�s, se llamar�a observaci�n muestral. N�tese que a�n se podr�a hacer un an�lisis
m�s ambicioso teniendo en cuenta pa�s y a�o.

Una vez tomada la muestra, se aplica un m�todo, que tiene su justificaci�n

matem�tica y estad�stica, llamado m�todo de m�nimos cuadrados. Este consiste en,
b�sicamente, minimizar la suma de los errores (elevados al cuadrado) que se
tendr�an, suponiendo distintos valores posibles para los par�metros, al estimar los
valores de la variable end�gena a partir de los de las variables ex�genas en cada
una de las observaciones muestrales, usando el modelo propuesto, y comparar esos
valores con los que realmente tom� la variable end�gena. Los par�metros que
lograran ese m�nimo, el de las suma de los errores cuadr�ticos, se acepta que son
los que estamos buscando, de acuerdo con criterios estad�sticos.

Tambi�n, este m�todo nos proporcionar� informaci�n (en forma de ciertos valores
estad�sticos adicionales, que se obtienen adem�s de los par�metros) para ver en qu�
medida los valores de los par�metros que hemos obtenido resultan fiables, por
ejemplo, para hacer contrastes de hip�tesis, esto es, ver si ciertas suposiciones
que se hab�an hecho acerca del modelo resultan, o no, ciertas. Se puede usar
tambi�n esta informaci�n adicional para comprobar si se pueden prescindir de
algunas de esas variables, para ver si es posible que los valores de los par�metros
hayan cambiado con el tiempo (o si los valores de los par�metros son diferentes en
una zona econ�mica de los de otra, por ejemplo), o para ver en qu� grado son
v�lidas predicciones acerca del futuro valor de la variable end�gena si se supone
que las variables ex�genas adoptar�n nuevos valores.

Problemas del m�todo de los m�nimos cuadrados

Commons-emblem-question book orange.svg
Este art�culo o secci�n necesita referencias que aparezcan en una publicaci�n
acreditada.
Este aviso fue puesto el 26 de agosto de 2018.
El m�todo de los m�nimos cuadrados tiene toda una serie de problemas, cuya
soluci�n, en muchas ocasiones aproximada, ha estado ocupando el trabajo de los
investigadores en el campo de la econometr�a.

De entrada, el m�todo presupone que la relaci�n entre las variables es lineal y

est� bien especificada. Para los casos de no linealidad se recurre, bien a m�todos
para obtener una relaci�n lineal que sea equivalente, bien a aproximaciones
lineales, o bien a m�todos de optimizaci�n que absorban la relaci�n no lineal para
obtener tambi�n unos valores de los par�metros que minimicen el error cuadr�tico.

Otro supuesto del modelo es el de normalidad de los errores del modelo, que es
importante de cara a los contrastes de hip�tesis con muestras peque�as. No
obstante, en muestras grandes el teorema del l�mite central justifica el suponer
una distribuci�n normal para el estimador de m�nimos cuadrados.

No obstante, el problema se complica considerablemente, sobre todo a la hora de

hacer contrastes de hip�tesis, si se cree que la varianza de los errores del modelo
cambia con el tiempo. Es el fen�meno conocido como heterocedasticidad (el fen�meno
contrario es la homocedasticidad). Este fen�meno se puede detectar con ciertas
t�cnicas estad�sticas. Para resolverlo hay que usar m�todos que intenten estimar el
cambiante valor de la varianza y usar lo obtenido para corregir los valores de la
muestra. Esto nos llevar�a al m�todo conocido como m�nimos cuadrados generalizados.
Una versi�n m�s complicada de este problema es cuando se supone que, adem�s, no
solo cambia la varianza del error sino que tambi�n los errores de distintos
periodos est�n correlacionados, lo que se llama autocorrelaci�n. Tambi�n hay
m�todos para detectar este problema y para corregirlo en cierta medida modificando
los valores de la muestra, que tambi�n son parte del m�todo de los m�nimos
cuadrados generalizados.

Otro problema que se da es el de la multicolinealidad, que generalmente sucede

cuando alguna de las variables ex�genas en realidad depende, tambi�n de forma
estad�stica, de otra variable ex�gena del mismo modelo considerado, lo que
introduce un sesgo en la informaci�n aportada a la variable end�gena y puede hacer
que el m�todo de m�nimos cuadrados no se pueda aplicar correctamente. Generalmente
la soluci�n suele ser averiguar qu� variables est�n causando la multicolinealidad y
reescribir el modelo de acuerdo con ello.

Tambi�n hay que tener en cuenta que en ciertos modelos puede haber relaciones
din�micas, esto es, que una variable ex�gena dependa, adem�s, de los valores que
ella misma y/u otras variables tomaron en tiempos anteriores. Para resolver estos
problemas se estudian lo que se llama modelos de series temporales.

Software econom�trico
Commons-emblem-question book orange.svg
Este art�culo o secci�n necesita referencias que aparezcan en una publicaci�n
acreditada.
Este aviso fue puesto el 26 de agosto de 2018.
Entre los programas m�s empleados se encuentran SAS, Stata, RATS, TSP, SPSS, Limdep
y WinBugs. Para m�s detalles, pueden verse las siguientes referencias.

EViews
Gauss
Gretl
Matlab
Microfit
R
Limdep
SAS
SPSS
Stata
SHAZAM
R como tal es un lenguaje de programaci�n a la vez que es una herramienta para
aplicar este la econometr�a de forma muy poderosa. Por otro lado, la econometr�a
con ayuda de programas o lenguajes de programaci�n y en un sentido estricto, no
requiere que sea especializado. Los an�lisis de corte econom�trico puede hacerse en
Java, J, C, C++, C#, Python, Perl, Scheme, K, S (la base principal de R junto con
Scheme) y los derivados de estos lenguajes tambi�n, entre otra cantidad importante
de dialectos o lenguajes de programaci�n.

Como ejemplo del p�rrafo anterior, SPSS es un software inicialmente creado para
an�lisis estad�sticos en ciencias sociales (ver art�culo en Wikipedia). R
inicialmente como un proyecto derivado de S y con finalidad m�s bien estad�stica.3?
Otor ejemplo al respecto, Stata es un programa estad�stico, pero permite poderosos
an�lisis en econometr�a.

Gretl est� enfocado a hacer la interfaz muy amigable con el econometra, adem�s de
servir con eficiencia para las series de tiempo. Eviews, que debe el nombre a
Econometrical Views (Vistas econom�tricas), tiene como fin netamente inicial, la
econometr�a; por esta raz�n, despliega una cantidad apropiada, pero poco
personalizable, de informaci�n altamente �til para estos an�lisis.

Incluso las calculadoras cient�ficas m�s avanzadas pueden llegar a tener algunos
elementos b�sicos para la elaboraci�n y comprobaci�n de modelos econom�tricos.
Basta con que pueda graficar y en las regresiones se logre calcular, por cualquier
medio, que {\displaystyle \mu }\mu es una variable aleatoria normal ({\displaystyle
\mu \sim N(0,\sigma ^{2})}\mu \sim N(0,\sigma ^{2})). En caso de no serlo, se
requerir�an m�s pasos en la calculadora. Incluso, sin ser calculadores, puede
hacerse an�lisis econm�tricos, como lo son MATLAB, Maple, Scilab. Claramente, los
programas matem�ticos que se acaban de mencionar tienen limitaciones, como la
cantidad de observaciones que pueden soportar (la versi�n de Scilab 5.5.1 apenas
soportaba una matriz que entre columnas y filas llegaba a cinco mil).

No obstante los beneficios de unos y otros software, depende en general, sobre los
dispositivos en los que se vaya a usar tal herramienta. Si, por ejemplo, se
prefiere Windows como sistema operativo, puede usarse una cantidad importante de
programas de licencia y libres; no as� en GNU Linux. En esta �ltima distribuci�n y
sistema operativo, no se podr�n usar muchas distribuciones de licencia, aunque s�
otras formas igualmente poderosas. En Mac OS se tiene problemas tambi�n con algunos
programas de paga u Open Source, Licencia Libre o Software Libre.

Los fines del an�lisis econom�trico tambi�n influir� de forma determinante para
usar cierto programa. Por ejemplo, si lo que se desea es algo completamente
personalizado, con niveles de profesionalismo muy adecuado para publicaciones
internacionales, los lenguajes de programaci�n son adecuados. Estos permiten que se
exponga la informaci�n de una forma propia m�s f�cilmente que en otros ya con
interfaces predeterminadas.

V�ase tambi�n
econom�a
econom�a social
microeconom�a
serie temporal
Referencias
Gilbert, Christopher L.; Qin, Duo (julio de 2005). �The First Fifty Years of
Modern Econometrics�. Working Paper (en ingl�s) (Queen Mary, University of London,
School of Economics and Finance) (544): 28. ISSN 1473-0278. Consultado el 26 de
agosto de 2018.
Sabino, Carlos (1991). �Diccionario de Econom�a y Finanzas�. Panapo. Consultado el
27 de julio de 2015.
Kleiber, Christian; Zeileis, Achim (2008). Applied Econometrics with R (1ra
edici�n). Springer Science+Business Media. ISBN 978-0-387-77316-2.
Bibliograf�a
Handbook of Econometrics Elsevier. Links to volume chapter-preview links:
Zvi Griliches and Michael D. Intriligator, ed. (1983). v. 1; (1984),v. 2; (1986),
description, v. 3; (1994), description, v. 4
Robert F. Engle and Daniel L. McFadden, ed. (2001).Description, v. 5
James J. Heckman and Edward E. Leamer, ed. (2007). Description, v. 6A & v. 6B
Handbook of Statistics, v. 11, Econometrics (1993), Elsevier. Links to first-page
chapter previews.
International Encyclopedia of the Social & Behavioral Sciences (2001), Statistics,
"Econometrics and Time Series," links to first-page previews of 21 articles.
Angrist, Joshua & Pischke, J�rn-Steffen (2010). "The Credibility Revolution in
Empirical Economics: How Better Research Design Is Taking the Con out of
Econometrics], 24(2), , pp. 3�30. Abstract.
Eatwell, John, et al., eds. (1990). Econometrics: The New Palgrave. Article-preview
links (from The New Palgrave: A Dictionary of Economics, 1987).
Geweke, John; Horowitz, Joel; Pesaran, Hashem (2008). �Econometrics�. En Durlauf,
Steven N.; Blume, Lawrence E. The New Palgrave Dictionary of Economics (Palgrave
Macmillan). doi:10.1057/9780230226203.0425.
Greene, William H. (2012, 7th ed.) Econometric Analysis, Prentice Hall.
Hayashi, Fumio. (2000) Econometrics, Princeton University Press. ISBN 0-691-01018-8
Description and contents links.
Hamilton, James D. (1994) Time Series Analysis, Princeton University Press.
Description and preview.
Hughes Hallett, Andrew J (1989). �Econometrics and the Theory of Economic Policy:
The Tinbergen-Theil Contributions 40 Years On�. Oxford Economic Papers 41 (1): 189-
214.
Kelejian, Harry H., and Wallace E. Oates (1989, 3rd ed.) Introduction to
Econometrics.
Kennedy, Peter (2003). A guide to econometrics. Cambridge, Mass: MIT Press. ISBN
978-0-262-61183-1.
Russell Davidson and James G. MacKinnon (2004). Econometric Theory and Methods. New
York: Oxford University Press. Description.
Mills, Terence C., and Kerry Patterson, ed. Palgrave Handbook of Econometrics:
(2007) v. 1: Econometric Theoryv. 1. Links to description and contents.
(2009) v. 2, Applied Econometrics. Palgrave Macmillan. ISBN 978-1-4039-1799-7 Links
to description and contents.
Pearl, Judea (2009, 2nd ed.). Causality: Models, Reasoning and Inference, Cambridge
University Press, Description, TOC, and preview, ch. 1-10 and ch. 11. 5 economics-
journal reviews, including Kevin D. Hoover, Economics Journal.
Pindyck, Robert S., and Daniel L. Rubinfeld (1998, 4th ed.). Econometric Methods
and Economic Forecasts, McGraw-Hill.
Santos Silva, J.M.C. and Tenreyro, Silvana (2006), "The Log of Gravity," The Review
of Economics and Statistics, 88(4), pp. 641�658.
<http://www.mitpressjournals.org/doi/pdfplus/10.1162/rest.88.4.641>
Studenmund, A.H. (2011, 6th ed.). Using Econometrics: A Practical Guide. Contents
(chapter-preview) links.
Wooldridge, Jeffrey (2003). Introductory Econometrics: A Modern Approach. Mason:
Thomson South-Western. ISBN 0-324-11364-1 Chapter-preview links in brief and
detail.
Enlaces externos
Econometria Definicion
Econom�a Social
Diapositivas Libro wooldridge
Asociaci�n de Econometr�a Aplicada
Curso de Extensi�n en Econom�a Avanzada del Banco Central de Reserva del Per�
Control de autoridades
Proyectos WikimediaWd Datos: Q160039Commonscat Multimedia: Econometrics
IdentificadoresGND: 4132280-0NDL: 00565373NARA: 10639172Diccionarios y
enciclopediasBritannica: url
Categor�a: Econometr�a
Men� de navegaci�n
No has accedidoDiscusi�nContribucionesCrear una
cuentaAccederArt�culoDiscusi�nLeerEditarVer historialBuscar
Buscar en Wikipedia
Portada
Portal de la comunidad
Actualidad
Cambios recientes
P�ginas nuevas
P�gina aleatoria
Ayuda
Donaciones
Notificar un error
En otros proyectos
Wikimedia Commons
Imprimir/exportar
Crear un libro
Descargar como PDF
Versi�n para imprimir
Herramientas
Lo que enlaza aqu�
Cambios en enlazadas
Subir archivo
P�ginas especiales
Enlace permanente
Informaci�n de la p�gina
Elemento de Wikidata
Citar esta p�gina

En otros idiomas
???????
English
??????
Bahasa Indonesia
Bahasa Melayu
Portugu�s
???????
????
??
57 m�s
Editar enlaces
Esta p�gina se edit� por �ltima vez el 6 sep 2019 a las 18:00.
El texto est� disponible bajo la Licencia Creative Commons Atribuci�n Compartir
Igual 3.0; pueden aplicarse cl�usulas adicionales. Al usar este sitio, usted acepta
nuestros t�rminos de uso y nuestra pol�tica de privacidad.
Wikipedia� es una marca registrada de la Fundaci�n Wikimedia, Inc., una
organizaci�n sin �nimo de lucro.