ESTRUCTURA DE DATOS

ESTRUCTURA DE DATOS
Las diversas estructuras de datos ameritan
diferencias importantes en su tratamiento
previo al análisis econométrico, a partir de las
características particulares y ante la
posibilidad de obtener conclusiones falsas
(espurias). Gujarati (2008),
presenta tres formas básicas de estructura de
datos: (1) Cortes transversales, (2) series de
tiempo y (3) datos de panel;
 ESTRUCTURA DE DATOS
Woolldridge (2009) incorpora la
posibilidad de contar con datos de cortes
transversales combinados, estos se
diferencian de los datos de panel porque
permite analizar unidades diferentes a
través del tiempo, mientras que las series
de tiempo considera las mismas
unidades.
 Las bases de datos de corte
transversales
Consisten en una muestra de individuos,
familias, ciudades, empresas, países,
entre otros. Tomada en un punto
especifico del tiempo. Así el análisis de
una encuesta determinada para un
periodo de tiempo fijo, significa un
análisis de corte transversal.
 Las bases de datos de corte
transversales
Por lo general, estos datos pertenecen a una
misma unidad de tiempo o las diferencias de
la distribución en el tiempo por lo general
son ignorados. por ejemplo se pueden
levantar los datos de la encuesta en un mes
determinado, sin embargo esas diferencias
en el tiempo no son tomadas en
consideración.
 Ejemplo
Si tomamos la encuesta ENIGH 2007, publicada por la ONE, y estimamos
el gasto de los hogares en función del ingreso declarado para el año de
la encuesta, estamos realizando un análisis con datos de corte
transversal.
Cuadro 1 – Ejemplo hipotético de datos de corte transversal para individuos

Obs. Educación Salario Experiencia Sexo Est. Civil

1 15 152 6 1 0
2 12 100 4 0 0
3 6 92 5 1 1
. . . . . .
… … … … … …
n 17 200 9 1 0
 Los datos de series de tiempo
Corresponden, según diversos autores,
a un conjunto de datos ordenados en el
tiempo. La primera característica de
este grupo de datos es que difícilmente
los datos sean independientes en el
tiempo, así la mayoría de las series
económicas están bastante relacionada
con sus valores pasados.
 Los datos de series de tiempo
La persistencia de la series de tiempo respecto a sus
valores pasados, es decir “que el pasado influye en el
futuro”, impide que el tratamiento de series de tiempo
sea simétrico respecto al tratamiento de series de datos
de corte transversal. Estas series, por lo general,
necesitan someterse a una serie de pruebas
econométricas como test de cointegracion o raíz
unitaria antes de ser sometida a los procesos
estadísticos tradicionales como los de mínimos
cuadrados.
 Ejemplo
Si tomamos el consumo nacional y el ingreso nacional para un
conjunto de años específicos (1991-2012), publicados por el Banco
Central, y estimamos el consumo nacional en función del ingreso
nacional para el periodo dado, estaremos realizando estimaciones
con series de tiempo.
Cuadro 3- Ejemplos hipotético de datos de series de tiempo

Años Desempleo PIBpc Infla.

1991 14.9 152 6
1992 12.3 100 4
1993 6.5 92 5
. . . .
… … … …
….. ….. ….. …..
2011 20.4 200 9
 Los datos de panel o
longitudinales
Consiste en una serie de tiempo por
cada unidad de una base de datos de
corte trasversal. Este grupo de datos se
distingues de la combinación de cortes
transversales, es que durante los
distintos periodos de tiempo se analizan
las mismas unidades.
 Ejemplo
Imagine que se dispone de distintas encuestas, para los
años comprendidos entre 2000 y 2010, y que la
encuesta se haya levantado sobre los mismos individuos
en todos los años. Si tomamos las características de
ingresos y gastos de los individuos para cada año de la
encuesta y lo ordenamos en el tiempo para obtener una
observación por año (es decir 10) para cada individuo, y
estimamos un modelo igual al presentado en el ejemplo
No. 1, estaremos trabajando datos de panel.
 Ejemplo
Cuadro 3- Ejemplo hipotético de datos de panel o longitudinales

País Años Educación Salario Experiencia Sexo Est. Civil

1 1991 15 152 6 1 0
1 1992 12 100 4 0 0
1 1993 6 92 5 1 1
. . . . . . .
… … … … … … …
2 1991 15 152 6 1 0
2 1992 12 100 4 0 0
2 1993 6 92 5 1 1
. . . . . . .
… … … … … … …
n nnn 17 200 9 1 0
SERIES DE TIEMPO
 Definición

Se llama Series de Tiempo a un

conjunto de observaciones sobre
valores que toma una variable
(cuantitativa) en diferentes
momentos del tiempo.
 ¿Para que se utilizan las series de
Tiempo?
Hoy en día diversas organizaciones
requieren conocer el comportamiento futuro
de ciertos fenómenos con el fin de
planificar, prevenir,es decir, se utilizan para
predecir lo que ocurrirá con una variable en
el futuro a partir del comportamiento de esa
variable en el pasado.
 Aplicaciones

 En las organizaciones es de mucha utilidad en

predicciones a corto y mediano plazo, por ejemplo
ver que ocurriría con la demanda de un cierto
producto, las ventas a futuro, decisiones sobre
inventario, insumos, etc....
 No así para el diseño de un proceso productivo
ya que no se disponen de datos históricos y se trata
de un proyecto a largo plazo
 Selección de un modelo
1. El horizonte de tiempo para realizar la
proyección.
2. La disponibilidad de los datos.
3. La exactitud requerida.
4. El tamaño del presupuesto de proyección.
5. La disponibilidad de personal calificado.
 Comportamiento de los Datos

Los datos se pueden comportar de

diferentes formas a través del tiempo,
puede que se presente una tendencia, un
ciclo; no tener una forma definida o
aleatoria, variaciones estacionales
(anual, semestral, etc).
Descomposición de los datos de series
de tiempo
Tendencia
 Estacionalidad

Se dice que una serie de tiempo

es estacionaria cuando el valor
de su media, varianza y
covarianza no varían
sistemáticamente en el tiempo.
 Suavizado de una serie de tiempo
Cuando se analizan datos en donde los
movimientos de la tendencia en la serie
se ven confusos las variaciones de un
año a otro, y no es fácil darse cuenta de
si realmente existe en la serie algún
efecto de la tendencia hacia arriba o
hacia abajo.
 Modelos de series de tiempo
Modelos no formales:
Estas técnicas suponen que los periodos
recientes son los mejores para pronosticar el
futuro.
El método más sencillo es el método del
último valor:
Pronóstico = último valor
 Método del último valor

t Yt Yt+1 et
1 42
2 52 42 10
3 54 52 2
4 65 54 11
5 51 65 -14
6 64 51 13
 Métodos de promedio

Promedios simples:
Se obtiene la media de todos los
valores pertinentes, la cual se
emplea para pronosticar el
periodo siguiente.
 Promedios simples:
t Yt Yt+1
1 42 42.00
2 52 47.00
3 54 49.33
4 65 53.25
5 51 52.80
6 64 54.67
 Promedios móviles:
Este método no considera la media de
todos los datos, sino solo los más
recientes.
Se puede calcular un promedio móvil de
n periodos.
El promedio móvil es la media aritmética
de los n periodos más recientes.
 Promedios móviles:
promedio móvil
t Yt n=3 n=4
1 42
2 52
3 54 49.33
4 65 57.00 53.25
5 51 56.67 55.5
6
WWW.AULADEECONOMIA.COM
64 60.00 58.3
Métodos de suavizamiento exponencial
El método de suavizamiento exponencial puede
dar una ponderación mayor a las observaciones
más recientes.
Las ponderaciones se asigna mediante la constante
, 0 <  < 1.
El modelo se expresa como:
pronóstico =  (último valor) + (1 - )(último pronóstico)
Métodos de suavizamiento exponencial
t Yt =0.1 =0.5
1 42 42 42
2 52 43.00 47.00
3 54 44.10 50.50
4 65 46.19 57.75
5 51 46.67 54.38
6 64 48.40 59.19
 EJERCICIO
T Producción Y
1983 5
Realice el siguiente ejercicio de 1984
1985
6
8
suavizamiento considerando 1986
1987
10
5
los siguientes métodos: 1988 3
1989 7

Promedio simples 1990

1991
10
12
1992 11
Promedios móviles (n = 5) 1993 9
1994 13

Suavizamiento exponencial 1995

1996
15
18
(=0.5) 1997
1998
15
11
1999 14
2000 17
 E-GRAFÍA
Leandro, G. (sf). Pronósticos. Aula de Economía.com. Consultado el 25 de
septiembre de 2020. Disponible en:
http://www.auladeeconomia.com/Pron%C3%B3sticos.ppt
Ramírez Mordan, Nerís. (2012). Estructura de datos, una consideración
importante para el análisis econométrico (I). Consultado el 25 de
septiembre de 2020. Disponible en:
http://betaeconomia.blogspot.com/2012/08/estructura-de-datos-una-
consideracion.html#:~:text=Los%20datos%20de%20panel%20o,se%20analiz
an%20las%20mismas%20unidades.
Vásquez, G.; Muñoz, M.; Tapia, J. (sf). Series de tiempo. Universidad Católica
de la Santísima Concepción. Consultado el 25 de septiembre de 2020.
Disponible en:
http://aprendeenlinea.udea.edu.co/lms/moodle/pluginfile.php/90168/mod
_forum/attachment/91350/SERIES_DE_TIEMPO.ppt