Cambio de Conducta

Cambio de conducta:
La teoría sostiene que un cambio en la conducta de los agentes económicos esquematizado

por la variable explicada conllevara a que se presente inestabilidad en los parámetros, lo que
quiere decir que ahora tendremos parámetros no constantes. Este incumplimiento del
supuesto puede ser analizado si el cambio es discreto, ósea si se da en una fecha determinada
y la conducta da un solo cambio; o también puede ser que los parámetros se encuentren en
función del tiempo y sigan un patrón que puede ser lineal, cuadrática, cúbica, exponencial o
trigonométrica para cada uno de los parámetros involucrados.
En este caso la conducta del presente trabajo esta dado por la nota promedio de los alumnos
que cursaron la materia de econometría, de esto podemos observar que desde el ciclo 2008- 0
hasta el 2009-2 da un descenso de las notas promedio, luego de ello se da un incremento
abrupto de las notas al ciclo siguiente, pasando nuevamente a tener su comportamiento
observado antes del 2008-0
variable explicada
11.5
11
10.5
10
9.5
9
8.5
8
-0 -0 -0 - 0 - 0 - 0 -0 - 0 - 0 - 0 -0 -0 - 0 - 0 - 0 -0 - 0 - 0 - 0 -0 -0 - 0 -0 -0 -0 - 0 - 0 - 0 -0 - 0 - 0 -0
990 991 992 993 994 995 996 997 998 999 000 001 002 003 004 005 006 007 008 009 010 011 012 013 014 015 016 017 018 019 020 021
1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Elaboración: Propia
De ello se puede observar que el ciclo 2020-1 presenta otro descenso abrupto si lo
comparamos con el patrón de comportamiento de las notas promedio entre los periodos
2014-2 hasta 2020-0; entonces, sobre el ciclo 2020-1 se puede argumentar que si es posible
pensar que sucedió un cambio de conducta porque, en este ciclo comenzó a darse la
educación virtual producto de la pandemia del COVID-19, entonces, ese hecho externo
significo una re estructuración de la metodología de enseñanza, no solo en el curso de
econometría, sino en otros cursos de otras carreras y que también afecto a otras
universidades. En el caso del periodo 2008-0 hasta el 2009-2 no se cuenta con un contexto que
nos permita argumentar un posible cambio en la conducta de los agentes.
Cambio de conducta gradual:
el cambio gradual hace referencia a que cada uno de los betas se encuentra en función del
tiempo. Para la presente data, el posible cambio de conducta gradual podría estar ubicado
entre los ciclos académicos 2008-0 hasta el 2009-2, de donde presumimos que el cambio en la
explicada debe ser del tipo cuadrático dado por
2
∂ y β k α k + τ k t+δ k t
= =
∂x 1 1
Cambio de conduta discreto:
En este caso tenemos que el 16 de marzo del 2020, el gobierno peruano anuncio la cuarentena
obligatoria y el cierre de fronteras, lo que conllevo a una reestructuración de la forma de
enseñanza en las actividades académicas a nivel nacional. Dado este nuevo contexto, resulta
esperado que la metodología del curso empieza a dictarse de manera virtual, lo que afecto
directamente a la nota promedio final obtenida por los alumnos inscritos en la materia.
Se observa que el punto del ciclo 2020-1 implica un pivote en la curva de las notas de los
alumnos, lo que esquematiza dicho comportamiento como un cambio discreto, pues antes y
después del cambio, las notas experimentaron otro contexto y, por tanto, otro
comportamiento de los agentes.
¿por qué considera que este supuesto o supuestos no se cumplen?
La inestabilidad en los parámetros es un incumplimiento que se presenta con mayor frecuencia

en data de serie de tiempo, en donde nosotros hemos encontrado que para el primer ciclo
académico del año 2020, contamos con evidencia suficiente para afirmar que ha existido un
cambio de conducta.
Las consecuencias de presentar el problema
Si el supuesto de constancia en los parámetros no se cumple y trabajo con un modelo que

presume la existencia de estabilidad entonces mi estimador se vera afectado ya que ahora es
sesgado de los estimadores correctos para cada bloque que presente la conducta diferenciada.
Al trabajar con un estimador que no tiene buenas propiedades se pierde la calidad en los
resultados, ósea los coeficientes no van a poder ser asociados de forma correcta al parámetro
pues ahora voy a tener “q+1” parámetros cuando presente “q” cambios en la conducta.
En cuanto a las pruebas de hipótesis, la estandarización de la normal ya no es la correcta, pues

el t calculado tiene como construcción
^β k −β k
2 ^β k −β k
tc=
√σ u akk
= t n−k
e' e
e' e
√
√ n−k
σ 2u
∗1
Se plantea la hipótesis nula

a
114 kk
H 0 : β k =0
En donde cada parámetro es constante, pero ahora tendremos diferentes parámetros

asociados a una misma explicada, por lo que la estandarización y la hipótesis nula tendrían que
replantearse, donde por la estandarización se estaría perdiendo la distribución t. Con respecto
a la varianza, al trabajar con un estimador sesgado de los parámetros de cada bloque se tendrá
que el estimador tiene una varianza menor que la del estimador insesgado.
Sustento mediante una prueba
en el presente trabajo se escoge la prueba de chow para evaluar cambios discretos en la

conducta. El test requiere que bajo el supuesto de homocedasticidad, la suma del cuadrado de
los errores en ambas presentaciones, del estable e inestable, nos va a indicar si la restricción
planteada en la hipótesis es valida o no, de esta forma, para el nivel de significancia de 5%, se
aceptara la H0 de estabilidad si la restricción no es válida, pero si la restricción es valida
entonces no se podrá sostener que la suma del cuadrado de los errores del modelo estable
distribuya chi cuadrado, por lo tanto, el estadístico de chow ya no distribuye F, de esa forma se
detecta inestabilidad.
Como primer paso se contrasta la fecha de cambio correspondiente al ciclo 2020-1, pero entre
las limitantes de la prueba de chow nos encontramos que la prueba exige tener un mínimo de
grados de libertad para la estimación, donde en este caso, contaríamos solo con dos
observaciones para realizar el planteamiento inestable, lo que no da suficiencia de grados de
libertad.
Dado esta limitante, procedemos a analizar el posible cambio de conducta entre los ciclos
académicos 2008-0 hasta 2010-2; donde los resultados muestran que en cada punto
comprendido en dichos tramos no acepta la hipótesis nula de estabilidad. Además, como
tenemos 9 cambios de conducta discreto, esto se podría interpretar como un solo cambio de
conducta gradual, pues lo que se esta esquematizando es una función que depende del tiempo
y que se presume es cuadrática.
Chow Breakpoint Test: 50
Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1 94
F-statistic 6.111619 Prob. F(6,82) 0.0000

Log likelihood ratio 34.74474 Prob. Chi-Square(6) 0.0000
Wald Statistic 36.66971 Prob. Chi-Square(6) 0.0000







Al pensar en un cambio gradual, procedemos a multiplicar cada variable por el tiempo elevado
al cuadrado, que es una variable determinista y obtenemos un nuevo grupo de variables
explicativas que regresionamos. En este caso se escoge como especificación de cada
parámetro la siguiente expresión
β k =α k +δ k t 2
Donde se observa que la tendencia no adopta como especificación porque los datos siguen
una forma cuadrática. Se tiene el termino constante α k que sostendrá la parte no cambiante
en el tiempo de los parámetros y tenemos a δ k que permitirá contrastar si los parámetros son
cambiantes en el tiempo bajo una especificación cuadrática. El modelo aplicado es
Dependent Variable: N_5
Method: Least Squares
Date: 07/04/21 Time: 16:22
Sample: 1 94
Included observations: 94
Variable Coefficient Std. Error t-Statistic Prob.
N_1 0.080840 0.026695 3.028272 0.0032

N_12 0.022253 0.034244 0.649835 0.5175
N_14 0.060692 0.036274 1.673142 0.0979
N_2 -0.013821 0.024106 -0.573333 0.5679
N_4 -0.000986 0.035583 -0.027711 0.9780
N_6 0.286423 0.093942 3.048943 0.0031
TN6 7.00E-05 2.66E-05 2.634153 0.0100
TN1 -1.04E-05 2.67E-06 -3.888003 0.0002
R-squared -1.563350 Mean dependent var 10.01489

Adjusted R-squared -1.771995 S.D. dependent var 0.555964
S.E. of regression 0.925642 Akaike info criterion 2.764607
Sum squared resid 73.68594 Schwarz criterion 2.981058
Log likelihood -121.9365 Hannan-Quinn criter. 2.852037
Durbin-Watson stat 1.916887
Donde vemos que la significancia individual de las variables N_1 y N_14 mejoran, en tanto que
la variable n_6 sigue siendo estadísticamente significativa. Además, vemos que para la
especificación adoptada, las variables tn6 y tn1 son estadísticamente significativas, lo que
quiere decir que el parámetro δ n y δ n son diferentes de cero, validando el cambio gradual
6 1
propuesto por el grupo. Se debe aclarar que las pruebas de chow aceptan la hipótesis nula de
estabilidad, por lo tanto, se estaba pensando equivocadamente que la especificación correcta
era la inicial, cuando en realidad estábamos omitiendo dos variables relevantes que
esquematizan la conducta de la explicada.











Cambio de Conducta

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cambio de Conducta

Cargado por

Copyright:

Formatos disponibles

Cambio de conducta:

La teoría sostiene que un cambio en la conducta de los agentes económicos esquematizado

Cambio de conducta gradual:

¿por qué considera que este supuesto o supuestos no se cumplen?

La inestabilidad en los parámetros es un incumplimiento que se presenta con mayor frecuencia

Las consecuencias de presentar el problema

Si el supuesto de constancia en los parámetros no se cumple y trabajo con un modelo que

En cuanto a las pruebas de hipótesis, la estandarización de la normal ya no es la correcta, pues

Se plantea la hipótesis nula

En donde cada parámetro es constante, pero ahora tendremos diferentes parámetros

en el presente trabajo se escoge la prueba de chow para evaluar cambios discretos en la

F-statistic 6.111619 Prob. F(6,82) 0.0000

Chow Breakpoint Test: 54

F-statistic 6.701717 Prob. F(6,82) 0.0000

Chow Breakpoint Test: 55

F-statistic 6.696116 Prob. F(6,82) 0.0000

F-statistic 6.704356 Prob. F(6,82) 0.0000

Chow Breakpoint Test: 60

F-statistic 6.278327 Prob. F(6,82) 0.0000

Variable Coefficient Std. Error t-Statistic Prob.

N_1 0.080840 0.026695 3.028272 0.0032

R-squared -1.563350 Mean dependent var 10.01489

Chow Breakpoint Test: 50

F-statistic 0.964980 Prob. F(8,78) 0.4695

Chow Breakpoint Test: 54

F-statistic 1.281986 Prob. F(8,78) 0.2651

Chow Breakpoint Test: 55

F-statistic 1.334177 Prob. F(8,78) 0.2393

Chow Breakpoint Test: 56

F-statistic 1.290549 Prob. F(8,78) 0.2608

Chow Breakpoint Test: 60

F-statistic 1.245845 Prob. F(8,78) 0.2843

También podría gustarte