Unidad I.

Contenido conceptual de la Econometría

1.1 Resumen histórico.
1.2 La caracterización material del concepto de Econometría
1.3 La caracterización teleológica de Econometría.
1.4 Caracterización formal del concepto de Econometría. Definición de
la Econometría
La econometría es una rama de la economía que aglutina a la teoría
Económica, las Matemáticas, la Estadística y la Informática para estudiar y
analizar los fenómenos económicos. Puede decirse que constituye en si misma
una disciplina dentro de la economía y a la vez una potente herramienta que
tanto los economistas como otros muchos investigadores sociales utilizan para
el estudio de sus problemas concretos. El principal propósito de la Econometría
es proporcionar un sustrato empírico a la teoría económica. Por tanto la
Econometría precisa de una amplia gama de actividades, entre las que se
pueden incluir:
1) Una formulación Matemática precisa de la teoría económica.: Economía
Matemática.
2) El desarrollo y aplicación de técnicas estadísticas y de computación
apropiadas para los datos y modelos econométricos disponibles: Teoría
Econométrica.
3) El desarrollo de métodos para la recogida y tratamiento de los datos
Económicos: Estadísticas Económicas.
Asì Golderberger (1970) dice: La Econometría pude definirse como la ciencia
social en la que se aplican los instrumentos de la Teoría Económica,
Matemáticas e inferencia Estadística al análisis de los fenómenos económicos,
y en términos similares de pronuncian otros autores como Dutta (1975), quien
señala que la Econometría es el estudi de la Teoría Económica en relación con
las Matemáticas y la Estadística y Maddala (1977) cuando dice: La
Econometrìa consiste en la aplicación de los métodos Estadísticos a los datos
Económicos. Una definición mas explicita es:
La Econometrìa es una disciplina científica que tiene por objeto la explicación y
la predicciòn de los fenómenos económicos, mediante el uso de modelos
expresados en forma matemática y la utilización de métodos estadísticos de
estimación y contraste.
Schumpeter (1934) tiene en su conocida obra Historia del Análisis Económico
un capítulo titulado “Los económetras y Turgot” en el que remonta el origen de
la econometría a algunos trabajos realizados principalmente por economistas
del siglo XVII. Al principio del capítulo dice: “Los individuos ... en este capítulo
... tienen en común... el espíritu del análisis numérico. Todos ellos han sido
económetras. Su obra ilustra realmente a la perfección qué es la econometría y
qué intentan hacer los económetras”.

La econometría es una disciplina relativamente joven. Los primeros trabajos de

naturaleza verdaderamente econométrica aparecieron en el primer tercio del
siglo XX, destacando entre otros los de Moore (1914), Working (1927), Cobb y
Douglas (1928), Schultz (1928) y Waugh (1928).

La fundación de la Econometric Society en 1930 y la publicación de la

revista Econometrica en 1933 fueron dos grandes hitos en la historia de la
econometría. Frisch, primer editor de la revista, expone en el primer editorial
cuál es su principal objetivo: “...promover estudios dirigidos a la unificación de
las aproximaciones teórico-cuantitativa y empírico-cuantitativa a los problemas
económicos y que estén imbuidos de un razonamiento constructivo y riguroso,
similar al que ha venido a dominar e n las ciencias naturales”.

También es importante destacar el trabajo realizado por la Cowles Commission

de la Universidad de Chicago, a la que se debe una buena parte de los
avances iniciales de la Econometría.

2
Tema II. Modelización Econométrica:
Sumario:
2.1.- Modelos econométricos su concepto
2.2.-Elementos constitutivos de un modelo econométrico.
2.3.- Justificación de la presencia de variables aleatorias.
2.4.- Naturaleza de las relaciones de un modelo Econométrico.
2.5.- Clasificación de los modelos econométricos.
2.6.- Modelos completos
2.7.- Modelos y estructuras
2.8.- Fases de construcción de un modelo econométrico.

2.1.- Modelos econométricos su concepto

Un modelo es una representación simplificada de la realidad. Debe ser realista
y manejable, según Haavelmo, los modelos teóricos son instrumentos
necesarios para nuestro esfuerzo para comprender y explicar los
acontecimientos de la vida real.
Se critica que al ser manejable el modelo es simplificado en exceso y las
suposiciones son poco realistas.
Para modelizar se parte en primer lugar de un proceso de abstracción mediante
el cual se eliminan los factores accidentales para conseguir los esenciales.
Necesitamos un proceso lógico y abstracto utilizando las matemáticas
Malinvaud dice que un modelo consiste en la representación formal de una idea
o fenómeno. Estas ideas se traducen bajo la forma de un sistema matemático
llamado modelo.
Por tanto un modelo económico es un conjunto de suposiciones que describen
de manera aproximada la conducta de la economía o sector económico.

2.2.-Elementos constitutivos de un modelo econométrico.

Los fenómenos se materializan en un modelo a través de dos elementos:
variables y parámetros.
La relación entre las variables se cuantifican estimando los parámetros del
modelo; las variables son magnitudes económicas que pueden tomar diferentes
valores dentro de un determinado campo de variación.

3
Los parámetros son magnitudes económicas que se mantienen constantes a
los largo del tiempo de vigencia de la ley que regula el fenómeno.

Error aleatorio
C t =  +  Yt + U t

Variable independient e o
Variable Parámetros exógena
dependiente o
endógena

C t = 0.8 + 0.9 Yt+  t

Las variables pueden ser endógenas, llamadas, también efecto, explicadas,

dependientes o regresado. Frente a estos efectos están las variables
exógenas, de causa, explicativas, independientes, o regresoras.
Definición:
La variables exógenas son todas la variables que no tienen significación
económica de modo directo. Una variable exógenas influye en el modelo y no
esta influida por el.
Las variables endógenas: son variables que influyen en el modelo y además
son influidas en el.

Este concepto de exogeneidad es un concepto relativo dado que en

determinadas circunstancias una variable puede ser exógena y en otras no. Ej:

Yt = f(Wt )
Renta Salario

Las variables en función del tiempo se pueden dividir en:

Contemporáneas: que son las que se generan en cada instante
Desplazadas: que son las que se generan a lo lardo del tiempo.
Este desplazamiento se puede referir al pasado (y se llaman retardadas) o al
futuro.

En síntesis podemos decir:

4
 Contemporáneas

Endógenas
Desplazadas

Variables

Predeterminadas

Contemporáneas

Exógenas

Desplazadas

Las variables predeterminadas influyen en el modelo pero no son influidas por

otras variables.

Definición de las variables con la realidad

Según Haavelmo:
Variables reales: existen fuera e independientes del modelo.
Teóricas: solo existen en el modelo intenta ndo reflejar a la variable real.

5
Observadas u observables: que son mediciones de las variables reales (Y,
X).
Suponemos que siempre el dato real es el observado.
C t: es una variable teórica, donde esperamos que se aproxime lo más cerca del
valor real.
Frente al tipo de variables observadas existe otro tipo de variable: Latente o
inobservables ().

Tipos de Datos:
Los datos son los que nos sirven de información sobre las variables de un
modelo econométrico. Son elementos imprescindibles para el cálculo del
modelo, realizar estimaciones y los contrastes.

Regularmente los datos son macroeconómicos los de series de tiempo , y

micro económicos los de corte transversal.

Los datos de panel es una mezcla de datos de series temporales y corte

transversal. Se obtienen observaciones sobre diferentes unidades en distintos
momentos del tiempo.

2.3.- Justificación de la presencia de variables aleatorias.

Estas variables inobservables tienen naturaleza aleatoria.
Ct =  +  Yt
Esta relación es exacta pero deterministas. En Economía serán relaciones
relativas; serán aleatorias.

Error aleatorio,
Perturbación aleatoria,
Variable aleatoria
C t =  +  Yt + Ut

Variable independiente o
Variable Parámetros exógena
dependiente o
endógena

6
Ut, no es observable pero sabemos que existe y tiene determinadas
propiedades probabilísticas y en función de ellas tendremos que resolver el
modelo.
C. Cowles dice que existen dos tipos de errores de medición:
ERROS: son variables que recogen los errores de las variables observables;
ERRORS= Variables observable – Variable real.
RANDON SHOCKS: se deben a estructuraciones que se realizan entorno a la
media recogen los factores no explicitados que influencian las variables no
explicitadas y pueden estos factores venir de dos vía:

1) Imposibilidad de poder medir y explicar todas y cada uno de los factores

en los fenómenos que tratamos de describir en el modelo u errores en
las ecuaciones por omisión de variables que por si misma no tienen una
influencia relevante sobre la variable endógena y su influencia conjunta
no es despreciable.

2) Imposibilidad de medir algunos o determinados factores que influyen

pero que son importantes o difíciles de explicitar u errores en las
ecuaciones por omisión de variables relevantes, son los llamados
errores de especificación.

3) Errores de observación.

En general se acepta que los modelos tienen ERRORS.

2.4.- Naturaleza de las relaciones de un modelo Econométrico.

Relaciones de comportamiento que explican el comportamiento de los agentes
económicos ya sea de forma individual o colectiva.
Relaciones de tipo Institucional o legal que son las que limitan o modifican los
comportamientos individual o colectivo ( impuestos, etc)
Relaciones de tipo tecnológico que son las que expresan la relación física entre
el producto y los factores involucrados.

7
Relaciones contables o identidades contables que tiene que producirse entre
las variables.
La siguiente establece una relación de comportamiento económico
dependiendo de la renta se consume o no un producto.

C t =  +  Yt + U t
Son aquellas que explican los mecanismos de actuación de los agentes
económicos
Esta establece una Relación Tecnológica o leyes tecnológicas de
transformación o producción.
Pt = A. Lt Kt e Ut

Producción Trabajo Capital

Identidad contable en una Economía Cerrada:

Yt = Ct + It + Gt
Renta Consumo Inversión Gasto Público

La relación entre los modelos no es determinista sino aleatoria.

8
 SUPUESTOS DEL MODELO DE REGRESION LINEAL

Supuesto 1: Modelo de Regresión lineal: El modelo de regresión es lineal en

los parámetros

Supuesto 2: Los valores son fijos en muestreo repetido. Los valores que
toma el regresor X son considerados fijos en un muestreo repetido.
Técnicamente se supone no estocástica.

Supuesto 3: El valor medio de la perturbación Ui es igual a cero. Dado el

valor de X, la media, o el valor esperado del término aleatorio de perturbación
Ui es cero. Técnicamente el valor de la media condicional de U i es cero.
Simbólicamente es:

Supuesto 4: Homocesdasticidad o igual varianza de U i. Dado el valor de X.

La varianza de Ui es la misma para todas las observaciones. Esto es, la
varianza condicionales de U i son idénticas. Simbólicamente es:

Para determinar si el modelo presenta homocedasticidad o heterocedasticidad

se realizan contrastes, en nuestra investigación utilizamos la prueba de
heterocedasticidad de White.

Prueba de heterocedasticidad de White: Esta prueba no se apoya en el

supuesto de normalidad, y es fácil de emplear y su procedimiento es el
siguiente:

1) Dada la información estimar los residuales de Ui.

2) Efectuar la siguiente regresión (auxiliar):
3) , es decir los
residuales al cuadrado de la regresión original son regresados sobre las
variables o regresores. También puede introducirse potencias más altas
que las regresoras. Obsérvese que hay un término constante en esta

9
 ecuación aunque la regresión original puede o no contenerlo. Obtenga el
R2 de esta regresión (Auxiliar).
4) Bajo la hipótesis nula que no hay heterocedasticidad puede mostrarse que
el tamaño de la muestra (n) multiplicado por el R2, obtenido de la regresión
auxiliar asintóticamente sigue la distribución ji – Cuadrado con grados de
libertad igual al número de regresoras (Excluyendo el termino constante)
en la regresión auxiliar.
5) Si el valor de ji – cuadrado obtenido excede al valor de ji – cuadrado
crítico, al nivel de significancia seleccionado, se puede concluir que existe
heterocedasticidad.

Esta prueba puede ser una prueba de heterocedasticidad (pura) o de error de

especificación o de ambos.

Contraste de White: Es robusto y asintótico que no precisa identificar las

variables causantes de heterocedasticidad.

Fases para la realización del contraste:

1) Se estima el modelo original por MCO, y se obtiene el vector de los
residuos.

2) Se realiza una regresión auxiliar del cuadrado de los residuos de la

regresión anterior sobre una constante, los regresores del modelo
original, sus cuadrados y sus productos cruzados de segundo orden. De
esta regresión se obtiene el valor del coeficiente de determinación.

3) Forma del contraste:

H0= Homocesdasticidad
H1= Heterocedasticidad

10
Supuesto 5: No autocorrelación en las perturbaciones: Dado dos valores
cualquiera de , la correlación entre dos Ui y U j cualquiera (i ≠ j) es

cero. Simbólicamente es:

Donde i y j son dos observaciones diferentes y donde Cov significa covarianza.

Autocorrelación: Correlación entre miembros de series de observaciones
ordenadas en el tiempo (Como en datos de series de tiempos) o en el espacio
(como en datos de corte transversal).
El MCRL supone que:
No existe tal autocorrelación en las perturbaciones Ui.

Si hay autocorrelación:
Pruebas de Durbin - Watson: es la prueba más conocida para detectar
correlación serial. Está basada en los residuales estimados, que aparecen
sistematizados en los análisis de regresión.

CRITERIO DE SELECCION:

 Cerca de cero hay autocorrelación positiva.

 Cerca de 2 no hay autocorrelación.
 Cerca de 4 hay autocorrelación negativa.

SUPUESTOS

1) El modelo de regresión incluye el termino intercepto. Si dicho término no

está presente como es el caso de la regresión a través del origen, es
esencial efectuar nuevamente la regresión incluyendo el termino
intercepto para obtener la SRC.

2) Las variables explicativas X son no estocástica, es decir son fijas en

muestreo repetido.

11
 3) Las perturbaciones de Ut se genera mediante el esquema autorregresivo
de primer orden:
4) El modelo de regresión no incluye valores rezagado de la variable
independiente como una de las variables explicativa. Por lo tanto la
prueba es inaplicable a modelos del siguiente tipo:
Donde Yt-1 es el valor
de Y rezagado de un periodo estos modelos se conocen como modelos
autorregresivo.
5) No hay observaciones faltantes en los datos.

El mecanismo de esta prueba suponiendo que se basa en los supuestos

anteriores es el siguiente:
1) Efectuar la regresión MCO y obtener los residuales.

2) Calcular

Para un tamaño de muestra dado y el número de variables explicativa

dado, encuéntrese los valores críticos de d L y d U.
3) Síganse ahora las reglas de decisión dadas a continuación:
Hipótesis nula decisión si
No hay autocorrelación positiva rechazar o<d<dL
No hay autocorrelación positiva Sin decisión dL≤d≤dU
No hay correlación negativa rechazar 4-dU<d<4
No hay correlación negativa Sin decisión 4-dU≤d≤4-dL
No hay autocorrelación, positiva y No rechazar D U<d<4-du
negativa

Esta prueba tiene una gran desventaja, pues cuando cae en la zona de
indecisión o región de ignorancia, no se puede concluir si existe o no
autocorrelación.

Sin embargo cuando el valor estimado se encuentra en la zona de indecisión

se puede utilizar el siguiente procedimiento de prueba d modificado:

12
 1) Ho: p=vs H1: ρ >0: si el valor estimado d <du, rechácese Ho al nivel de
significancia α; es decir hay correlación positiva estadísticamente
significativa.
2) Ho: p=0 vs H1 : ρ< 0: si el valor estimado (4-d) <du, rechácese Ho al nivel
de significancia α; hay evidencia estadísticamente significativa de
autocorrelación negativa.
3) H0: ρ=0 vs H1≠0 si el valor estimado d<du 0 (4-d) < du, rechácese Ho al
nivel 2α; estadísticamente, hay evidencias significativa de
autocorrelación positiva y negativa.

Si no desea utilizar esta prueba d modificada puede utilizar la prueba de rachas

explicada anteriormente.

Supuesto 6: la covarianza entre U i y xi es cero, o

Puesto que E (Ui )= 0

Puesto que E (Xi ) es no estocástica.
Puesto que E (U i)=0

Supuesto 7: El número de observaciones n deben ser mayores que el número

de parámetros por estimar
.
Supuesto: 8 Variabilidad en lo valores de X. No todos los valores de X en
una muestra dada deben ser iguales. Técnicamente, Var (X) debe ser un
número positivo finito.

Supuesto 9: El modelo de regresión está correctamente especificado.

Alternativamente, no hay un sesgo de especificación o error en el modelo
utilizado en el análisis empírico.

Supuesto 10: No hay multicolinealidad perfecta. Es decir no hay relaciones

perfectamente lineales entre las variables explicativas.

13