Econometría

1 Indice

Generalidades

Desarrollo Temático

Glosario

abc

Econometria / Autor: Juan Pablo Roa Bustamante

Bibliografía
enlace1

• ÍNDICE Contenido
MAPA CONCEPTUAL
1. ¿Qué es la Econometría?
2. Estructura de los datos económicos
Anterior

3. Análisis de regresión con datos de corte transversal

3.1. Estimadores de mínimos cuadrados ordinarios
3.2. Medidas de bondad de ajuste Siguiente
3.3. Funciones no lineales en el análisis de regresión
3.4. Homocedasticidad

INTRODUCCIÓN
Apreciados estudiantes, en la presente cartilla encontrarán los primeros elementos a estudiar OBJETIVO GENERAL
dentro de la asignatura Econometría. Este módulo tiene por objetivo fundamental lograr que
participen activamente en temas estadísticos asociados a responder y plantear problemas Este módulo tiene como objetivo general que el estudiante pueda plantear y entender modelos
económicos, al igual que la formación de criterios técnicos y científicos. económicos a través de la utilización de datos de corte transversal, así como analizar e
interpretar los resultados obtenidos por medio de métodos estadísticos y cuantitativos. Así
Se busca, además, dar a conocer los fundamentos teóricos y prácticos propios del análisis mismo, el objetivo general es contribuir a los procesos de investigación mediante el uso y
cuantitativo, así como una gran variedad ejemplos reales, que permitan conocer e implementar planteamiento de modelos, que permitan cuantificar el efecto de políticas y variables
herramientas econométricas en las entidades donde laboran, para facilitar la toma de económicas de interés.
decisiones.

Esperamos que con esta cartilla podamos contribuir de modo decisivo a su formación COMPETENCIAS
profesional, y así permitirles adquirir competencias que los preparen para asumir retos futuros
en las empresas donde trabajan o donde aspiran trabajar. • Entender el alcance de la econometría.
• Encontrar el sentido de la aplicación de los métodos econométricos.
• Conocer el modelo de regresión lineal simple.
METODOLOGÍA • Comprender la relación entre dos variables.
• Interpretar de manera adecuada los parámetros estimados por MCO.
La sesión se desarrollará basada en la selección de lecturas específicas, ejercicios y ejemplos • Calcular acertadamente los valores ajustados y los residuos de una regresión.
prácticos, en donde se ilustra la aplicación de los conceptos vistos. Al final de cada unidad se
encuentran unos ejercicios propuestos, así como sus soluciones. La idea es generar un ambiente
de permanente contacto con su tutor, para poder resolver todas las inquietudes.

2 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 3

enlace3

DESARROLLO TEMÁTICO DESARROLLO DE CADA UNA DE LAS UNIDADES TEMÁTICAS Contenido

1. ¿QUÉ ES LA ECONOMETRÍA?
COMPONENTE MOTIVACIONAL
La econometría se basa en el desarrollo de métodos estadísticos que se utilizan para estimar
relaciones económicas, probar teorías económicas y evaluar e implementar políticas públicas y
El entendimiento de los métodos cuantitativos y estadísticos proporciona al estudiante Anterior
herramientas de valor para el análisis aplicado de problemas en economía y finanzas mediante de negocios. Las aplicaciones más comunes y conocidas de la econometría están en el
la propuesta de modelos, que permitan cuantificar el impacto de una variable sobre otra. Así pronóstico de variables macroeconómicas como tasas de interés, inflación y el PIB. Los métodos
mismo, este módulo se presenta como una visión no rigurosa en el sentido estadístico y econométricos también se emplean en áreas de la economía que no están relacionadas con la
matemático en donde se relacionan economía con métodos cuantitativos, con el fin de calcular elaboración de pronósticos macroeconómicos como evaluar la efectividad de un programa de
y estimar una relación entre variables de interés. capacitación o el impacto de instruir a los trabajadores sobre temas de computadores en un
proceso. Siguiente

RECOMENDACIONES ACADÉMICAS A diferencia de otras ciencias, la econometría se ha convertido en una disciplina independiente
de la estadística matemática por ocuparse de la recolección y análisis de datos no
experimentales. Los datos no experimentales es información sobre individuos, empresas o
Apreciados estudiantes, el equipo de tutores los felicita por elegir este espacio virtual, el cual se
segmentos de la economía que no son obtenidos por medio de experimentos controlados,
encuentra abierto para usted. A partir de este momento, este espacio debe ser enriquecedor
donde el investigador es el recolector pasivo de los datos. En las ciencias naturales, los datos
para aprender y asimilar información de la mejor calidad académica. Es importante que sepa
experimentales suelen ser obtenidos en el laboratorio mediante experimentos e hipótesis, pero
que usted no se encuentra solo, existe una comunicación permanente y constante, mediante la
en las ciencias sociales es difícil de obtener esta información, dado que puede ser moralmente
cual se realiza un intercambio e interacción con todos los participantes acerca de sus
indeseable o incorrecto realizar esta clase de experimentos controlados, que serían necesarios
experiencias, esto es con su tutor virtual, con su aula virtual, con el grupo de compañeros, los
para abordar problemas económicos.
cuales crean un equipo de trabajo muy fuerte que facilita la asimilación del conocimiento con
altos estándares de calidad académica. También les comparto que a partir de este trabajo y
experiencia, muchos han logrado implementar cambios y un mejoramiento continuo, tanto en
su vida misma como en su vida profesional, al igual que desde el punto de vista de aprendizaje y 2. ESTRUCTURA DE LOS DATOS ECONÓMICOS
conocimiento de herramientas creativas e innovadoras.
- Datos de corte transversal
Les sugiero revisar todo el módulo del aula virtual, así como el calendario y la guía de Una base de datos de corte transversal consiste en una muestra de individuos, hogares,
actividades, para que tengan conocimiento de todas las actividades con la semana y fecha en empresas, ciudades, estados, países u otras unidades, tomada en algún punto dado en el
que se realizan. Es importante, además, consultar su porcentaje de la nota con respecto al tiempo. Algunas veces, no todos los datos de estas unidades corresponden exactamente a un
módulo. mismo momento.

Les recuerdo que el propósito del foro general es crear un espacio de discusión, donde podrá En los datos de corte transversal se dispone de una observación por individuo y se refieren a un
presentarse con sus compañeros de aula y crear grupos de trabajo en línea. punto determinado en el tiempo. En la mayoría de los estudios, los individuos encuestados son
personas (por ejemplo, en la Encuesta de Población Activa (EPA), más de 100000 personas son
De esta manera, les damos la bienvenida nuevamente y esperamos que sea una experiencia entrevistadas cada trimestre), hogares (por ejemplo, la Encuesta de Presupuestos Familiares),
enriquecedora y emocionante. Les deseamos el mayor de los éxitos y los invitamos a estar en empresas (por ejemplo, la Encuesta de Empresas Industriales) u otros agentes económicos. Las
permanente contacto. encuestas son una fuente típica para datos de corte transversal. En muchos estudios
econométricos contemporáneos de corte transversal, el tamaño muestral es bastante elevado,
aunque no es un requisito esencial, se puede trabajar con muestras pequeñas como veremos
más adelante.

4 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 5

 acerca de variables como ingreso, ahorro, tamaño de la familia, etc. En el 2008 se toma otra Contenido
Por ejemplo, se puede contemplar el caso en que un conjunto de familias sea entrevistado muestra aleatoria de hogares, usando las preguntas de la encuesta anterior. Para tener un
durante diferentes semanas de un año. En un análisis de corte transversal, las diferencias tamaño de muestra mayor, se pueden combinar los cortes transversales al juntar los dos años.
menores de tiempo en la recolección de los datos son ignoradas dado que son irrelevantes. En
el caso de que un conjunto de familias haya sido entrevistado en semanas distintas de un mismo Combinar los cortes transversales de años distintos suele ser una buena manera de analizar los
año, se considerara como una base de datos de corte transversal. efectos de las nuevas políticas públicas. La idea es recolectar datos de años anteriores y
posteriores al cambio de la política. Por ejemplo, una base de datos sobre los precios de la Anterior
En economía, el análisis de datos de corte transversal está relacionado de manera estrecha con vivienda tomados en 2003 y 2005, antes y después de una reducción en el impuesto predial en
los campos de la microeconomía aplicada, por ejemplo, economía laboral, finanzas públicas, 2004.
organización industrial, economía urbana, demografía y economía de la salud. Datos sobre Una combinación de corte transversal se analiza de manera muy parecida a como se analizan los
individuos, hogares, empresas y ciudades en un punto dado del tiempo son importantes para datos de corte transversal, salvo que suelen tomarse en cuenta las diferencias que presentan las
probar hipótesis microeconómicas y para evaluar el impacto de las políticas económicas. variables con el tiempo. En efecto, además de que se incrementa el tamaño de la muestra, lo Siguiente
importante en el análisis de combinaciones de cortes transversales es observar cómo ha
cambiado con el tiempo una relación clave.
• Datos de series de tiempo 3 ANÁLISIS DE REGRESIÓN CON DATOS DE CORTE TRANSVERSAL

Una base de datos de series de tiempo consiste en las observaciones de una o varias variables a El análisis econométrico tiene como premisa explicar una variable y en función o en términos de
lo largo del tiempo. Ejemplos de datos de series de tiempo son los precios de acciones, una variable x. Para establecer un modelo estadístico que “explique y en términos de x” hay que
agregados macroeconómicos como la cantidad de dinero en circulación, el índice de precios al tener en cuenta dos aspectos. Primero, dado que entre las variables nunca existe una relación
consumidor, el producto interno bruto, la tasa anual de homicidios, el comportamiento de las exacta, ¿cómo pueden tenerse en cuenta otros factores que afecten a y? Segundo, se
divisas y las cifras de venta de automóviles. desconoce la verdadera relación funcional entre y y x.

Lo anterior se debe a que los eventos pasados pueden influir sobre los eventos futuros, y los Al respecto, se plantea una propuesta de modelo lineal que consiste en una ecuación sencilla,
comportamientos rezagados son frecuentes en las ciencias sociales, dado que se busca algún que explica y en términos de x.
patrón o comportamiento en el pasado que explique el futuro.
(1) y = β0 + β1 x + u
Es importante señalar que a diferencia de los datos de corte transversal, en una serie de tiempo
el orden cronológico de las observaciones proporciona información potencialmente importante, La ecuación (1), que se supone válida en la población de interés, define el modelo de regresión
en tanto las series están relacionadas con historias y comportamientos que se deben tener en lineal simple. A esta ecuación también se le llama modelo de regresión lineal de dos variables o
cuenta para poder analizar y proyectar. modelo de regresión lineal bivariada debido a que en este modelo se relacionan las dos
variables x y y.
Otra característica de las series de tiempo que puede requerir atención especial es la
periodicidad de los datos, la frecuencia con que estos se recolectan. En economía, las Cuando las variables y y x se relacionan mediante la ecuación (1) se les da diversos nombres que
frecuencias más comunes son diarias, semanales, mensuales, trimestrales y anuales. Muchas se usan indistintamente: a y se le conoce como la variable dependiente, la variable explicada, la
series de tiempo económicas semanales, mensuales o trimestrales muestran un fuerte patrón variable de respuesta, la variable predicha o el regresando; a x se le conoce como la variable
estacional, que puede ser un factor importante en el análisis de una serie de tiempo. independiente, la variable explicativa, la variable de control, la variable predictora o el regresor
(para x también se usa el término covariada). En econometría, con frecuencia, se usan los
Combinación de cortes transversales términos “variable dependiente” y “variable independiente”.
Algunas bases de datos tienen características tanto de corte transversal como de series de
tiempo. La variable u, llamada término de error o perturbación en la relación, representa factores
Por ejemplo, supongamos que en Colombia se realizan dos encuestas de corte transversal a los distintos a x, que afectan a y. Un análisis de regresión simple en realidad trata a todos los
hogares, una en 2005 y otra en 2008. En el 2005 se encuesta a los hogares de una muestra factores que afectan a y y que son distintos a x como factores no observados.

6 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 7

 Contenido
Esto significa que β1 es el parámetro de la pendiente en la relación entre y y x, cuando todos los (2) E(u) = 0
demás factores en u permanecen constantes; este parámetro es de interés primordial en la
economía aplicada. Lo anterior indica que el valor promedio de u no depende del valor de x, es decir, el valor
promedio de los factores no observables es el mismo en todas las fracciones de la población
El parámetro del intercepto β0 , algunas veces llamado termino constante, tiene también su determinados por los valores de x y que este promedio común es necesariamente igual al
utilidad, aunque es raro que tenga una importancia central en el análisis. promedio de u en toda la población. Cuando se satisface el supuesto se dice que u es media Anterior
independiente de x.

EJEMPLO 1 Es importante reflexionar en los aspectos que conlleva la ecuación (2) en el ejemplo uno del
salario. Para simplificar el análisis, asúmase que u son las habilidades innatas que tiene un
Ecuación para explicar el salario trabajador. Entonces la ecuación (2) sugiere que el promedio de las habilidades innatas son los
Siguiente
Un modelo en el que se relaciona el salario de una persona con la educación observada y con mismos sin importar los años de educación escolar.
otros factores no observados es:
Por ejemplo, si tenemos las capacidades promedio para un trabajador con ocho años de
salario = β0 + β1 educación + u educación escolar y las capacidades promedio para una persona con 16 años de educación
escolar, entonces la ecuación (2) implica que estos valores deben ser iguales. En efecto, el
Si salario se mide en millones de pesos y educación se mide en años de estudio, entonces β1 promedio de la habilidad debe ser el mismo en todos los niveles de educación, es decir no es
mide la variación promedio en el salario por cada año más de educación, cuando todos los posible pensar que las habilidades innatas promedio aumentan con los años de educación,
demás factores permanecen constantes. Entre estos factores se encuentran experiencia laboral, como las capacidades y habilidades innatas no pueden ser observadas, no hay manera de saber
capacidades o habilidades innatas de la persona, antigüedad en el empleo actual, ética laboral y si la capacidad promedio es la misma en todos los niveles de educación.
otras variables que pueden explicar el salario de una persona, pero que no están explícitamente
contenidas en el modelo econométrico propuesto. Pero esta es una cuestión que debe ser tomada en consideración antes de plantear modelos de
regresión simple en el análisis de problemas económicos.
El intercepto β0 indica el salario promedio que devenga un individuo al asumirse que tiene 0
años de educación. EJEMPLO 2
Una medida natural de la relación entre dos variables aleatorias es el coeficiente de correlación. El siguiente gráfico muestra el valor de la frecuencia cardiaca en reposo (en latidos) y el peso
Si u y x no están correlacionadas, entonces, como variables aleatorias no están relacionadas corporal (en kilogramos) de 99 personas con características similares.
linealmente. Suponer que u y x no están correlacionadas es un avance para definir el sentido en
el que u y x estarán relacionadas en la ecuación. Lo anterior se puede analizar como
independencia entre u y x, en otras palabras el valor de x no está relacionado o no depende del
término de error.

La única manera de obtener estimadores confiables de β0 y β1 , a partir de los datos de una

muestra aleatoria, es haciendo una suposición que restrinja la manera en que la variable no
observable u está relacionada con la variable explicativa x.

Antes de establecer esta suposición clave acerca de la relación entre x y u se puede hacer una
suposición acerca de u. En tanto el intercepto β0 aparezca en la ecuación, nada se altera al
suponer que el valor promedio de u en la población es cero. Matemáticamente significa lo
siguiente:

8 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 9

 Contenido

Anterior

Siguiente

Para proponer un modelo econométrico que explique el valor de la frecuencia cardiaca en

función del peso corporal debemos contemplar la siguiente ecuación:

Frecuencia = β0 + β1 Peso + u FIGURA 1

Al respecto, lo más importante de plantear un modelo econométrico es la interpretación de los
coeficientes; en este sentido β0 , es el intercepto de la recta o punto de intercepción de la recta
con el eje Y. Este parámetro indica que asumiendo personas con un peso corporal de 0
kilogramos, β0 sería la frecuencia cardiaca promedio para las personas con este peso.
2.2. Estimadores de Mínimos Cuadrados Ordinarios (MCO)

Una vez introducido el modelo básico de regresión lineal simple, se abordará el tema de cómo
En el caso de β1 , este es la pendiente de la recta, la cual indica la velocidad de cambio del
estimar los parámetros desconocidos β0 y β1 en la ecuación uno.
promedio de y, cuando x aumenta en una unidad. La interpretación de este parámetro sugiere
que por cada kilogramo adicional en el peso corporal del individuo se espera que la frecuencia
Para esto, se debe tomar una muestra de la población de tamaño n. Para cada uno de los
cardiaca promedio del individuo aumente en β1 latidos.
elementos que hacen parte de la muestra puede escribirse una ecuación del tipo:
En este caso, podemos asumir que u puede ser la edad del individuo, esto significa que no es
(3) yi = β0 + β1 xi + ui
posible pensar que el peso promedio del individuo aumente con la edad del mismo, lo cual es
un supuesto fuerte que se hace explícito al proponer este modelo econométrico.
Donde ui es el término de error del individuo i de la muestra dado que contiene todos los
demás factores distintos de xi que afectan a yi .
Al respecto se debe indicar que si asumimos que E(u) = 0, esto quiere decir que E(y) = β0 +
β1 x, lo cual muestra la linealidad en el modelo, es decir que por cada aumento de una unidad
En el caso de que xi sea el ingreso mensual y yi el ahorro mensual de una familia, y si además se
en x el valor esperado de y se modifica en la cantidad β1 , es decir indica cómo es la variación del
realizó una encuesta a quince familias (n = 15), se tendría un diagrama de dispersión de
promedio de y ante cambios en la variable x.
ingresos y ahorros para las quince familias de la muestra de la siguiente manera:

10 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 11

 n
∂ ∑ni=1 u2i Contenido
(a) = 2 ∑(yi − β0 − β1 xi ) ∗ (−1) = 0
∂β0
i=1

n
∂ ∑ni=1 u2i
(b) = 2 ∑(yi − β0 − β1 xi ) ∗ (−xi ) = 0
∂β1
i=1 Anterior

Como ui = yi − β0 − β1 xi , al reemplazar esta ecuación en (a), tenemos que ∑ni=1 ui = 0. Por

otro lado, al reemplazar en (b), tenemos que ∑ni=1 ui xi = 0, lo que significaría que la relación
entre el termino de error y la variable explicativa es de cero.
Siguiente
De la ecuación, (a) se tiene:
n n

(7) ∑ yi = nβ0 + β1 ∑ xi
i=1 i=1
De la ecuación (b):
n n n

(8) ∑ xi yi = β0 ∑ xi + β1 ∑ xi2
i=1 i=1 i=1

Si se divide por n a ambos lados de la ecuación (7), se obtiene:

FIGURA 2
n n
1 1
Despejando ui de la ecuación (3), se tiene: (9) ∑ yi = β0 + β1 ∑ xi
n n
i=1 i=1
(4) ui = yi − β0 − β1 xi Así, y̅ = β0 + β1 x̅, es decir que la recta obtenida por el método de Mínimos Cuadrados
1
Ordinarios contienen al promedio de x y de y; dado que y̅ = ∑ni=1 yi y además que x̅ =
n
Al sumar todos los valores de la muestra, se re-expresar la ecuación (4) de la siguiente manera: 1
∑ni=1 xi .
n
n n

(5) ∑ ui = ∑(yi − β0 − β1 xi ) Teniendo en cuenta lo anterior, se puede expresar β0 de la siguiente manera:

i=1 i=1
Si se eleva al cuadrado en cada una de las dos partes de la ecuación (5) se obtiene: (10) β0 = y̅ − β1 x̅
1
Por definición, el promedio muestral se define como x̅ = ∑ni=1 xi , es decir que nx̅ = ∑ni=1 xi .
n n n

(6) ∑ u2i = ∑(yi − β0 − β1 xi )2 Reemplazando (10) en la ecuación (8).

i=1 i=1
n n n
Los coeficientes de Mínimos Cuadrados Ordinarios (MCO) son los parámetros que minimizan los (11) ∑ xi yi = (y̅ − β1 x̅) ∑ xi + β1 ∑ xi2
residuos al cuadrado, las condiciones de primer orden son:
i=1 i=1 i=1
La ecuación (11) se puede escribir de la siguiente manera:

12 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 13

 n n

(12) ∑ xi yi = (y̅ − β1 x̅)(nx̅) + β1 ∑ xi2 Contenido

i=1 i=1
Realizando algebra se puede obtener la siguiente expresión:
n n

(13) ∑ xi yi − ny̅x̅ = β1 (∑ xi2 − nx̅ 2 ) Anterior

i=1 i=1
Finalmente, despejando β1 se obtiene:

∑ni=1 xi yi − ny̅x̅ ∑ni=1(xi − x̅)(yi − y̅) cov(x, y)

(14) β̂1 = = =
∑ni=1 xi2 − nx̅ 2 ∑ni=1(xi − x̅)2 var(x)
Siguiente
La ecuación (14) es simplemente la covarianza muestral entre x y y dividida entre la varianza
muestral de x.

Como consecuencia inmediata, se tiene que si en la muestra x y y están correlacionadas

positivamente, entonces β̂1 es positiva; si x y y están correlacionadas negativamente, entonces
β̂1 es negativa.
FIGURA 3
Una vez calculada β̂1 , se puede obtener β̂0 usando la ecuación (10):
Una vez que se han determinado las estimaciones por MCO del intercepto y de la pendiente, se
(15) β̂0 = y̅ − β̂1 x̅
obtiene la línea de regresión de MCO, donde se entiende que β̂1 y β̂0 han sido obtenidas
A las estimaciones dadas por las ecuaciones (14) y (15) se les conoce como Mínimos Cuadrados
empleando las ecuaciones (14) y (15).
Ordinarios (MCO) de β̂1 y β̂0 . El nombre “mínimos cuadrados ordinarios” proviene del hecho de
que estas estimaciones minimizan la suma de los residuales cuadrados.
(18) ŷ = β̂0 + β̂1 x
La notación ŷ, se lee “y gorro” e indica que los valores predichos por la ecuación (18) son
Se define valor ajustado de y para todo β̂1 y β̂0 estimado cuando x = xi como:
estimaciones. El intercepto β̂0 es el valor predicho de y cuando x = 0, aunque en algunos casos
no tiene sentido práctico asumir que x toma el valor de cero, en esas situaciones β̂0 no tiene
(16) ŷ = β̂0 + β̂1 xi
interpretación práctica. No obstante, se aclara que cuando se emplea la ecuación (18) para
calcular valores predichos de y para diversos valores de x, al hacer los cálculos, hay que tomar
Este es el valor que se predice para y cuando x = xi con el intercepto y la pendiente dadas. Para
en cuenta el intercepto.
cada observación de la muestra hay un valor ajustado. Se define el residuo de la observación i
Al escribir cada yi como su valor ajustado más un residuo se puede obtener una manera
como la diferencia entre el verdadero valor yi y su valor ajustado:
alternativa de interpretar la regresión por medio del método de MCO
yi = ŷi + ûi
(17) ûi = yi − ŷi = yi − β̂0 − β̂1 xi
De acuerdo con lo mencionado anteriormente, el promedio de los residuos es cero. Por tanto,
se puede considerar que el método de MCO descompone cada yi en dos partes, un valor
ajustado y un residual. Los valores ajustados y los residuales no están correlacionados en la
muestra.

14 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 15

 Se definen la suma total de cuadrados (STC), la suma explicada de cuadrados (SEC) y la suma El intercepto β̂0 es de 2’431.961 pesos y significa que el salario promedio de un profesional en Contenido
residual de cuadrados (SRC) (conocida también como suma de residuales cuadrados), como medicina sin experiencia es de 2’431.961 pesos al mes.
sigue: La pendiente de la recta β̂1 es de 13.584 y significa que por cada año adicional de experiencia
para un profesional en medicina, se espera que en promedio su salario aumente en solo 13.584
n
pesos.
STC = ∑(yi − y̅)2 Al respecto, se desea conocer el salario promedio de un médico con 4 años de experiencia, de
i=1 acuerdo con el modelo de regresión lineal propuesto se puede responder esta pregunta de la Anterior
n siguiente manera:
SEC = ∑(ŷi − y̅)2
̂ = 2’431.961 + 13.584(4) = 2′ 486.298
salario
i=1
n Lo anterior significa que 4 años de experiencia profesional incrementan en promedio el salario
SRC = ∑ û2i de un médico en (4) ∗ (13.584) = 54.337 pesos al mes. Siguiente
i=1 Es importante hacer énfasis que cada año adicional de experiencia hace que el salario aumente
en promedio en una misma cantidad, independientemente del nivel inicial de experiencia.
La STC es una medida de la variación muestral total en las yi ; es decir, mide qué tan dispersos Otra manera de obtener la relación entre la experiencia y el salario promedio mediante una
están las yi en la muestra. Si se divide la STC entre n − 1, se obtiene la varianza muestral de y. ecuación de regresión lineal es empleando las formulas (14) y (15) vistas en esta unidad; lo
anterior para calcular los valores del intercepto y pendiente de la siguiente ecuación:
La SRC mide la variación muestral de los ûi . La variación total de y puede expresarse como la
suma de la variación explicada más la variación no explicada SRC. Por tanto: cov(x,y)
El valor de β̂1 se calcula como , es decir podemos calcular la covarianza entre el promedio
var(x)

STC= SEC+SRC de salario y experiencia sobre la varianza de la experiencia. Lo anterior da el siguiente resultado:

Ahora, se presentarán varios ejemplos de regresión simple obtenidos empleando datos reales. cov(x, y) 2′ 497.532
β̂1 = = = 13.584
En otras palabras, se encontrarán las estimaciones de la pendiente y del intercepto empleando var(x) 184
las ecuaciones (14) y (15). Como en estos ejemplos se usan muchas observaciones, los cálculos
fueron hechos empleando el software E-views. Una vez obtenido β̂1 se procede a calcular β̂0 de la siguiente manera:

EJEMPLO 3 β̂0 = y̅ − β̂1 x̅ = 2′ 663.127 − (13.584) ∗ (17) = 2′ 431.960

Efecto de la experiencia sobre el salario en la ciudad de Bogotá D.C para profesionales en Así, y̅ y x̅ son los promedios del salario obtenido por el médico en pesos colombianos y la
Medicina experiencia respectivamente. De esta manera, los resultados obtenidos son exactamente los
Se realizó una encuesta en el 2012 a 426 Médicos graduados ubicados en la ciudad de Bogotá mismos que indicaba el software.
para indagar sobre los salarios devengados (pesos colombianos al mes), años de educación,
años de experiencia laboral y género. La base de datos que se utiliza para este ejemplo práctico EJEMPLO 4
se encuentra en salarios.xls.
Utilizando el software econométrico E-views, se obtiene la siguiente ecuación de regresión Se realizó una encuesta para conocer el valor de 88 apartamentos ubicados en el sector de
lineal de MCO: Chapinero en Bogotá (millones de pesos), en función de los metros cuadrados de área
construida. La idea es proponer un modelo econométrico que explique el valor del inmueble en
̂ = 2′ 431.961 + 13.584experiencia
salario ese sector de la ciudad en función de los metros cuadrados.

La interpretación de la ecuación de regresión estimada es la siguiente: Para este ejemplo práctico se utiliza la base de datos de aptosch.xls y se utiliza el software
econométrico E.views.

16 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 17

 La ecuación de regresión lineal estimada mediante MCO es la siguiente:
Estudiante Promedio U Semestre 1 Nota Matemáticas Colegio Contenido
1 2.8 2.1
̂ = 5′ 129.951 + 1′505.340mts
precioapt
2 3.4 2.4
Se aclara que en este caso no tiene sentido práctico asumir que x toma el valor de cero, en esas 3 3.0 2.6 Anterior
situaciones, β̂0 no tiene interpretación práctica, dado que no es plausible asumir apartamentos
con 0 metros cuadrados de área construida. En todo caso, asumiendo que exista un 4 3.5 2.7
apartamento con 0 metros cuadrados de área, el modelo econométrico estimado sugiere que el
valor promedio de este apartamento es de 5’129.951 pesos.
5 3.6 2.9
6 3.0 2.5
La pendiente de la recta β̂1 es de 1’505.340 pesos y significa que por metro cuadrado adicional Siguiente
en el área construida en el apartamento, se espera que en promedio su precio aumente en
7 2.7 2.5
1’505.340 pesos. Es plausible considerar que este es el valor promedio del metro cuadrado en 8 3.7 3.0
esta zona de la ciudad.
Para obtener la relación entre la nota de matemáticas y el promedio universitario del primer
En caso de que se desee conocer el precio promedio de un apartamento con 95 metros
semestre mediante una ecuación de regresión lineal, se emplean las formulas (14) y (15) vistas
cuadrados de área construida, el modelo de regresión lineal propuesto puede responder esta
en esta unidad; lo anterior, para calcular los valores del intercepto y pendiente de la siguiente
pregunta de la siguiente manera:
ecuación:
̂ = 5′ 129.951 + 1′505.340(95) = 148′ 137.251
precioapt Prom U = β0 + β1 Nota Mat + u
cov(x,y)
El valor de β̂1 , se calcula como , es decir podemos calcular la covarianza entre promedio
var(x)
de universidad del primer semestre y nota de matemáticas del colegio y la varianza de nota de
matemáticas, lo anterior da el siguiente resultado:

cov(x, y) 0.072656
β̂1 = = = 1.021978
var(x) 0.07109
EJEMPLO 5
Una vez obtenido β̂1 , se procede a calcular β̂0 de la siguiente manera:
La siguiente tabla contiene los datos de la nota de matemáticas en el colegio de unos
estudiantes y su promedio universitario en el primer semestre para ocho estudiantes β̂0 = y̅ − β̂1 x̅ = 3.2 − (1.021978) ∗ (2.6) = 0.56813
universitarios.
Recordemos que y̅ y x̅ son los promedios del promedio obtenido por el estudiante en el primer
semestre de universidad y la nota de matemáticas del colegio respectivamente.

Una vez obtenidos los valores de β̂0 y de β̂1 , se puede analizar estos coeficientes de la siguiente
manera:

̂ U = 0.56813 + 1.02197 Nota Mat

Prom

18 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 19

 Asumiendo que el estudiante tenga una nota promedio de 0 en la asignatura de matemáticas en Contenido
el colegio, se espera que su nota promedio en el promedio del primer semestre de la Luego al realizar este procedimiento con cada uno de los ocho estudiantes de la muestra se
universidad sea de 0.568. Recordemos que este sería el análisis del intercepto de la recta. obtiene el siguiente resultado:

El análisis de la pendiente de la recta sugiere que por cada punto adicional en la nota de Estudiante Promedio U Semestre 1 Nota Matemáticas Colegio Valor Ajustado Residuos
matemáticas en el colegio, se espera que el promedio de la universidad aumente en 1.02197. Es 1 2.8 2.1 2.7 0.1
decir, la relación entre la nota de matemáticas del colegio y el promedio de universidad del 2 3.4 2.4 3.0 0.4 Anterior
3 3.0 2.6 3.2 -0.2
primer semestre es proporcional uno a uno. 4 3.5 2.7 3.3 0.2
5 3.6 2.9 3.5 0.1
En caso que un estudiante tenga una nota de matemáticas de 3.5 en el colegio, el modelo 6 3.0 2.5 3.1 -0.1
pronostica que el promedio universitario del primer semestre sea: 7 2.7 2.5 3.1 -0.4
8 3.7 3.0 3.6 0.1
Siguiente
̂ U = 0.56813 + 1.02197(3.5) = 4.145
Prom
Al calcular el promedio del residuo, el resultado da 0.
Para poder calcular los valores ajustados se debe emplear la ecuación de regresión estimada y
reemplazar en la variable de nota de matemáticas el valor obtenido por nota de matemática de 2.3. MEDIDA DE BONDAD DE AJUSTE
cada estudiante de la muestra, es decir, para calcular el valor ajustado del primer estudiante en
la muestra se hace el siguiente procedimiento: Es importante conocer una manera de medir qué tan bien la variable explicativa o
independiente x explica a la variable dependiente y. Para esta medida es importante calcular
̂ U = 0.56813 + 1.02197(2.1) = 2.714
Prom un porcentaje que resuma qué tan bien se ajusta la línea de regresión de MCO a los datos de la
muestra.
La siguiente tabla resume el valor ajustado para todos los individuos de la muestra obtenidos
con la ecuación de regresión: Para calcular esta medida, se conoce como R2 el cociente de la variación explicada entre la
variación total; por tanto, se interpreta como la proporción de la variación muestral de y, que es
Estudiante Promedio U Semestre 1 Nota Matemáticas Colegio Valor Ajustado explicada por x.
1 2.8 2.1 2.7
Suponiendo que la suma total de cuadrados STC no sea igual a cero, lo cual siempre es así, salvo
2 3.4 2.4 3.0
en el muy remoto caso de que todas las yi tengan el mismo valor, puede obtenerse una
3 3.0 2.6 3.2 SEC SRC
expresión entre la STC para obtener 1 = + . La R-cuadrada de la regresión, también
4 3.5 2.7 3.3 STC STC
llamada coeficiente de determinación, se define como:
5 3.6 2.9 3.5
6 3.0 2.5 3.1 SEC SRC
R2 = =1−
7 2.7 2.5 3.1 STC STC
8 3.7 3.0 3.6
El valor de la R2 siempre está entre cero y uno; en el caso que el ajuste sea perfecto y todos los
Para calcular los residuos mediante la ecuación (17) ûi = yi − ŷi = yi − β̂0 − β̂1 xi se debe puntos de los datos se encuentren sobre una misma línea, los MCO proporcionarán un ajuste
hacer la diferencia entre el promedio real u observado de cada estudiante y el promedio perfecto, lo que indica que R2 = 1. En el caso que R2 = 0 sugiere un ajuste débil de la línea
pronosticado a partir del modelo de regresión, por ejemplo, para estimar los residuos del estimada por MCO, es decir, muy poco de la variación de y es captado por la variación de x.
primer estudiante de la muestra se debe hacer el siguiente procedimiento:

û1 = 2.8 − 2.7 = 0.1

20 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 21

 A continuación, se presenta un ejercicio práctico para calcular de manera manual el R2 , sin Con base en esta ecuación se van a obtener los valores ajustados, así como los residuales de la Contenido
embargo, se sugiere a los lectores corroborar los resultados acá presentados en alguna hoja de siguiente manera (verificar los resultados por ustedes para retroalimentar los conceptos). En el
cálculo, para complementar y comprender a profundidad los conceptos mencionados. ̂ = −0.16 + 0.833(6) = 4.84, los
caso de la primera observación el resultado sería Consumo
demás resultados se muestran a continuación:
EJEMPLO 6
Observaciones Valor Ajustado Residuo Anterior
La siguiente tabla muestra los datos de consumo e ingresos en millones de pesos de 5 familias
de un barrio de Bogotá: 1 4.83 0.17
Observaciones Consumo Ingreso 2 7.33 -0.33
1 5 6 3 8.17 -0.17
4 9.83 0.17 Siguiente
2 7 9
5 10.67 0.33
3 8 10
6 13.17 -0.17
4 10 12
Para calcular SCT, a cada observación de consumo de la tabla se le resta el promedio de los
5 11 13 mismos, que en este caso es 9. En el caso del primer dato, el consumo observado del primer
6 13 16 hogar es 5 millones, el promedio de consumo de todos los hogares de la muestra es 9 millones,
luego el primer dato se obtiene como: (5 − 9)2 = 16. La siguiente tabla muestra los resultados:

Para obtener la relación entre el consumo de la familia y el ingreso devengado en un mes

mediante una ecuación de regresión lineal, se va a emplear las formulas (14) y (15) vistas en
Observaciones
esta unidad; lo anterior para calcular los valores del intercepto y pendiente de la siguiente
ecuación:
1 16
Consumo = β0 + β1 Ingreso + u
cov(x,y)
2 4
El valor de β̂1 se calcula como , es decir, es necesario calcular la covarianza entre
var(x)
consumo e ingreso y la varianza de los ingresos mensuales devengados por la familia. Lo
3 1
anterior da el siguiente resultado: 4 1
β̂1 =
cov(x, y) 8.33
= = 0.833
5 4
var(x) 10
Una vez obtenido β̂1 se procede a calcular β̂0 de la siguiente manera: 6 16
β̂0 = y̅ − β̂1 x̅ = 9 − (11) ∗ (0.833) = −0.16
Total 42
Luego la ecuación obtenida por el método de MCO es la siguiente: El valor de SCT es la suma de todos los cálculos, en este caso es 42.

̂ = −0.16 + 0.833Ingreso
Consumo Para encontrar el valor de SEC, se debe calcular el promedio de todos los valores ajustados, que
en este caso es 9; luego a cada valor ajustado obtenido se le resta su promedio y se eleva al

22 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 23

 cuadrado, en el caso del primer resultado el valor ajustado es 4.83, por lo cual el valor de SCE es Contenido
(4.83 − 9)2 = 17.39. La siguiente tabla muestra los resultados: n = 88 R2 = 0.6235

Utilizando la R2 se puede analizar qué proporción de la variación en el precio del apartamento

Observaciones es explicado por la variable de metros cuadrados. Aproximadamente, el 62.3% de la variación
1 17.39 del precio del apartamento está siendo explicada por los metros cuadrados del mismo. Esto
también significa que aproximadamente el 37.6% de la variación del precio del apartamento no Anterior
2 2.79 está siendo explicada; aunque se debe mencionar que esta falta de poder explicativo obedece a
3 0.69 que hay otras características del inmueble que se están dejando por fuera (número de
habitaciones, garaje, antigüedad del predio, etc.) y que influyen en la explicación del precio del
4 0.69 apartamento. Estos factores quedan de manera necesaria incluidos en los errores de la ecuación
5 2.79 de regresión.
Siguiente
6 17.39 2.4. Incorporar funciones no lineales en el análisis de regresión simple
Total 41.7334
Las relaciones lineales no son lo suficientemente general para todas las aplicaciones
El valor de SCT es la suma de todos los cálculos, en este caso es 41.73. económicas. Es posible incorporar varias funciones no linealidades en el análisis de regresión
simple mediante una definición apropiada de las variables dependiente e independiente.
Como STC= SEC+SRC, se puede obtener SRC como STC-SEC, luego:
A menudo se encuentran ecuaciones de regresión en las que la variable dependiente aparece en
SRC=STC-SEC=42-41.73=0.266 forma logarítmica. Esta estructura funcional soluciona algunos inconvenientes como en el caso
del ejemplo 3 de salario y experiencia, en el que se hizo la regresión del salario mensual
Finalmente, se obtiene el valor del R2 de dos maneras diferentes: devengado por profesionales en Medicina sobre años de experiencia. La pendiente estimada fue
de 28.299, lo que significa que se predice que por cada año más de experiencia, el salario
SEC SRC promedio mensual solo aumentará 28.299 pesos. Debido a que la linealidad del modelo de
R2 = =1− regresión, 28.299 pesos es el aumento, ya sea por el primer o por el vigésimo año de
STC STC
experiencia, situación que no parece razonable ni aplicable en la vida real.

41.73 Una mejor especificación funcional para el cambio del salario mensual de acuerdo con la
R2 = = 0.9936 experiencia puede ser que por cada año más de experiencia, el salario aumente un porcentaje
42
constante. Por ejemplo, que un aumento en la experiencia de cinco a seis años implique que el
También se puede obtener de la siguiente manera: salario aumente un 3%, y que un aumento en la experiencia de 11 a 12 años, haga que el salario
aumente también 3%. Un modelo con el que (aproximadamente) se obtiene un efecto
0.266 porcentual constante es el siguiente:
R2 = 1 − = 0.9936
42
(19) ln(salario) = β0 + β1 experiencia + u

EJEMPLO 6 Donde ln denota el logaritmo natural, por propiedades del logaritmo natural se tiene:

En el caso del ejemplo 4, se obtuvo la siguiente línea de regresión por MCO %∆salario ≈ (100 ∗ β1 )∆experiencia

̂ = 5′ 129.951 + 1′505.340mts
precioapt

24 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 25

 Lo más importante en términos de interpretación es entender que al incorporar funciones modelo en el que log (y) es la variable dependiente y x la variable independiente se le llama
Contenido
logarítmicas en la ecuación de regresión el parámetro β1 se multiplica por 100 para obtener el modelo log-nivel.
cambio porcentual del salario por un año adicional de experiencia. Si aplicamos exponente a
ambos lados de la ecuación (19), se tiene la siguiente expresión:

(20) salario = eβ0 + β1experiencia+u

Anterior
La ecuación (20) sugiere un rendimiento creciente en la experiencia como se muestra en el
gráfico 4.

Siguiente

A continuación, se presentan dos ejemplos prácticos para entender la interpretación de los

parámetros al incluir logaritmo natural en la variable dependiente, independiente o incluso en
ambas.

EJEMPLO 7

Ecuación logarítmica de la experiencia

Empleando la misma base de datos del ejemplo 3, pero modificando la variable dependiente y
como y = ln(salario), se obtiene la siguiente ecuación:

FIGURA 4 ̂
ln(salario) = 15.30 + 0.004248 experiencia

La estimación de un modelo como el de la ecuación (19) es sencilla cuando se usa regresión n = 426 R2 = 0.0149
simple. Solo se define la variable dependiente y como y = ln(salario) . La variable
independiente se representa por x = experiencia. La mecanica de MCO sigue siendo la misma El coeficiente que acompaña a la variable de experiencia tiene una interpretación porcentual y
que antes: las estimaciones del intercepto y de la pendiente están dadas por las formulas (14) y se debe multiplicar por 100, es decir (0.004248)*(100%)=0.42%.
(15).
De acuerdo con la ecuación de regresión estimada, podemos afirmar que por cada año adicional
Las formas funcionales con logaritmo analizadas en esta unidad aparecerán con frecuencia en de experiencia, se espera que en promedio el salario aumente en un 0.42%.
unidades posteriores. Así mismo, este tipo de estructuras se encuentran con frecuencia en la
práctica. A continuación, se presenta una tabla resumen con las diferentes estructuras de La interpretación del R2 indica que la experiencia de un profesional en medicina solo explica el
modelo lineal revisadas en esta unidad. 1.49% de la variación en el ln(salario).

Al modelo en el que y es la variable dependiente y x es la variable independiente se le llama

modelo nivel-nivel, debido a que las variables aparecen en sus unidades de medición original. Al

26 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 27

 Otra manera de realizar análisis de regresión lineal simple es incluyendo RESUMEN Contenido
logaritmo natural en la variable dependiente e independiente.
La econometría se basa en el desarrollo de métodos estadísticos, que se utilizan para estimar
relaciones económicas, probar teorías económicas y evaluar e implementar políticas públicas y
EJEMPLO 8 de negocios.

En esta unidad se presentó el modelo de regresión lineal simple y se abordó las propiedades Anterior
Efecto de la educación sobre el salario
básicas; con el método de mínimos cuadrados ordinarios se estiman los parámetros de la
Se pretende analizar el efecto de los años de educación en los profesionales de medicina, para pendiente y el intercepto.
esto se propone un modelo de elasticidad constante compuesto de la siguiente manera:
Se mostró que el análisis econométrico tiene como premisa explicar una variable y en función o
ln(salario) = β0 + β1 ln(educación) + u en términos de una variable x. Para establecer un modelo estadístico se debe tener presente Siguiente
que entre las variables nunca existe una relación exacta, por lo cual siempre se considera un
Utilizando la base de datos de salariosm.xls y el programa estadístico E-views se obtuvieron los error. En este sentido, se mostró el álgebra para calcular los valores ajustados y los residuos
siguientes resultados: para poder realizar pronósticos de interés.

ln(salario) = 14.05 + 0.5218 ln(educación) De igual forma, se mostró un supuesto de gran relevancia asociado al término de error, el cual
tiene una media de cero para cualquier variable independiente.
n = 426 R2 = 0.0934

A diferencia del ejemplo 6, la interpretación de los coeficientes es diferente dado que se aplicó EJERCICIOS
logaritmo natural a la variable dependiente e independiente. En este caso, las interpretación
debe ser la siguiente: por cada aumento del 1% en el nivel de educación del profesional en 1. Se define salario como los ingresos mensuales recibidos por una persona y educación como
medicina se espera un aumento de aproximadamente 0.52% en el salario de esta persona. los años de escolaridad de esta persona. Un modelo de regresión lineal simple que relaciona
el salario devengado con la educación es:

salario = β0 + β1 educación + u

a) Interprete los parámetros β0 y β1

b) ¿Qué factores contiene u? ¿Es posible que existan variables que estén correlacionadas
con el término de educación?

2. La siguiente tabla muestra las ventas mensuales de 8 empresas industriales y su gasto en

publicidad. La propuesta del modelo econométrico es evaluar el impacto que tiene la
publicidad sobre las ventas de estas empresas. Las cifras están medidas en pesos
colombianos.

28 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 29

 enlace4

Empresa Ventas Gasto Publicidad GLOSARIO DE TÉRMINOS Contenido

1 $ 45,000,000 $ 900,000 Análisis de políticas: análisis empírico que recurre a métodos econométricos para evaluar y
cuantificar los efectos de una política determinada.
2 $ 54,000,000 $ 1,100,000
Análisis residual: análisis que estudia e interpreta el signo y magnitud de los residuos de
3 $ 54,000,000 $ 1,500,000 determinadas observaciones, luego de estimar un modelo de regresión. Anterior
4 $ 54,000,000 $ 1,600,000
Coeficientes Betas: coeficiente de regresión que mide el cambio de la desviación estándar de la
5 $ 55,000,000 $ 1,100,000 variable dependiente, dado un aumento de una unidad en la desviación estándar de una
variable independiente.
6 $ 49,000,000 $ 1,200,000
Siguiente
7 $ 41,000,000 $ 1,000,000 Conjunto de datos de corte transversal: conjunto de datos de una población observado en un
momento determinado.
8 $ 43,000,000 $ 1,100,000
Elasticidad: cambio porcentual en una variable, dado un incremento del 1% en otra variable.
a) Estime la relación entre las ventas mensuales y el gasto en publicidad mediante el
método de MCO, es decir, obtenga los valores estimados del intercepto y pendiente de Error de pronóstico: diferencia entre el resultado real y el pronóstico realizado.
la ecuación:
Estimación: valor numérico que adopta un estimador para determinada muestra de datos.
̂
̂ = β0 + β1 Publicidad
Ventas
Función lineal: función en la que el cambio en la variable dependiente, dado un cambio unitario
Analice e interprete el intercepto y la pendiente de esta recta. en una variable independiente, es constante.
b) Calcule los valores ajustados y los residuos de cada observación, obtenga el valor
promedio de los residuales. Función logarítmica: función matemática definida para argumentos estrictamente positivos que
c) ¿Cuál es el valor esperado de las ventas mensuales cuando los gastos en publicidad son tiene pendiente positiva, pero decreciente.
de $1’400.000?
Residuo: diferencia entre el valor actual y el ajustado o pronosticado. Hay un residuo para cada
3. Considerando los impuestos de valorización, se propone estimar una ecuación de regresión, observación de la muestra usada para obtener una línea de regresión de Mínimos Cuadrados
que relacione el precio de una casa en un barrio de la ciudad con la distancia a una estación Ordinarios.
de Transmilenio que se acaba de construir (en metros):
Valor ajustado: valores estimados de la variable dependiente, cuando los valores de las
ln(precio vivienda) = 9.40 − 0.08451 distancia transmi independientes se sustituyen en la línea de regresión.

a) Interprete el coeficiente que acompaña a la variable distancia del transmilenio, ¿el

signo de este coeficiente es el que se esperaba? Analice sus resultados.
b) ¿Cree usted que el precio de una vivienda se puede explicar solamente por la distancia
que tiene a una estación de Transmilenio?, ¿qué otras variables pueden explicar el
precio de la vivienda y no se están teniendo en cuenta?
c) ¿Qué otros factores influyen en el precio de la casa y están correlacionados con la
distancia de esta a la estación de Transmilenio?

30 [POLITÉCNICO GRANCOLOMBIANO] [ECONOMETRÍA] 31

enlace5

BIBLIOGRAFÍA Contenido

DUTTA, Alonso. Métodos econométricos. South-Westwen Publiena Ca, 1982.

GREENE, William. Análisis econométrico. Madrid: Prentic Hall Iberia, 1999. 1075 p.

GUJARATI, Damodar y PORTER, Dawn. Econometría básica. Bogotá: Mc. GRAW-HILL, 1997. 924 p. Anterior
JOHNSTON, Jack y DINARDO, Jonh. Métodos de econometría. Ediciones Vincens – Vives, 2001.
590 p.

PINDYCK, Robert y RUBINFELD, Daniel. Econometría: modelos y pronósticos. México: Editorial

Mc. Graw – Hill, 2001. 661 p. Siguiente
PULIDO, Antonio y PEREZ GARCÍA, Julián. Modelos econométricos. Editorial Pirámide, 1985. 813

WOOLDRIDGE, Jeffrey. Introducción a la econometría. Un enfoque moderno. Madrid: Editorial

Thompson, 2006. 961 p.

32 [POLITÉCNICO GRANCOLOMBIANO]