Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AUDITORIA FINANCIERA
SEMESTRE VIII
GRUPO 3
TEMA:
POR:
FERNANDO ZONA RODRÍGUEZ
Para empezar, debemos tener en claro en concepto de la econometría, podemos decir que se
basa en el desarrollo de metodologías con la que podemos estimar relaciones económicas,
probar teorías e implementar políticas públicas de negocio. Sus aplicaciones mas comunes
en la econometría son las variables macroeconómicas que están conformadas por tasas, de
interés, inflación y el PIB.
Mas este no solo se basa en situaciones macroeconómicas puesto que estás metodologías las
podemos utilizar en otros factores como por ejemplo en el campo de la educación cunado
queremos saber el gasto público que se le invierte y cual es el desempeño de los estudiantes.
Por otro lado, debemos tener claro que la econometría es una disciplina independiente de la
estadística matemática, esto por ocuparse en la recolección de datos no experimentales que
en pocas palabras es la recolección de datos del individuo, empresas o segmentos de la
economía y estos no son obtenidos por experimentos controlados; a estos datos no
experimentales también se les llaman Datos retrospectivos y Datos observacionales.
En los casos relacionados con las pruebas de teoría económicas se construye un modelo
económico formal, esta consiste en ecuaciones matemáticas que describen diversas
relaciones. Se conocen a los economistas por su elaboración de modelos financieros para
facilitar cualquier situación económica existentes como, por ejemplo: La microeconomía
intermedia con las decisiones de consumo del individuo con restricción en el presupuesto
esto con el fin de maximizar la ganancia.
Mas, sin embargo, la pregunta nace sobre el significado de la (u)en la ecuación, esta
representa el termino de perturbación o de error esto se refiere a variables que no se pueden
observar como lo mencionamos anteriormente podemos hablar de su salario o que es lo que
se le puede presentar en un futuro etc. como conclusión se puede decir que u es un término
demasiado relevante en los términos econométricos.
En conclusión, podemos decir que un análisis empírico se necesitan datos para emplear
métodos econométricos que nos ayuden a emplear nuestras interrogantes ante una teoría.
Al referirnos al ceteris paribus, hablamos de los efectos que se tiene al tomar una decisión y
cuáles son sus consecuencias, en el caso económico podemos hablar de la modificación del
precio con la demanda cuando sus factores son constantes. Si estos no permanecen constantes
no se puede saber cual es el efecto de la modificación del precio sobre la demanda.
De igual forma lo podemos relacionar con la altura de los niños y su estatura, logrando
observar que mientras más edad tenga (variable independiente) la altura aumentará (variable
independiente) y teniendo un dato claro o en forma promedia, tomamos la muestra en una
población en especifica.
ya terminando con el ejemplo de estatura entre padres e hijos y refiriéndonos que la regresión
va más allá de datos como estos, también debemos mencionar que también son
fundamentales en muchos casos como son la economía donde podemos tomar como ejemplo
los siguientes casos:
Un economista debe tener en cuenta el consumo de las personas y el ingreso personal neto
disponible. Mediante el análisis de estos dos factores, el economista, puede calcular la
propensión marginal de consumo. En pocas palabras los cambios del consumo mediante su
variabilidad de ingreso y cuanto es su consumo. Mediante este ejercicio, un monopolista
puede comprender la elasticidad de los precios conociendo la demanda del producto y la
variedad de precio con el fin de fijar un precio o la cantidad a producir un producto.
Por otra parte, mediante ejercicios de regresión, un economista laboral puede relacionar el
cambio salarial con la tasa de desempleo. Esto permite al economista laboral predecir el
cambio promedio en los salarios laborales con la tasa de desempleo, con el fin de manejar
términos relevantes como la inflación debido a que según como aumenta el salario, el costo
de vida va aumentando por lo tanto en la economía monetaria mientras mayor sea la tasa de
inflación menor será la proporción que la gente deseará tener de sus ingresos como dinero y
de esta manera afectando el ingreso monetario de algunas empresas debido a que la gente
solo utilizará el dinero para conseguir productos de primera necesidad. Mediante los
ejercicios de regresión, el economista podrá predecir cuanto es el ingreso que las personas
desearan tener con las diversas tasas de inflación.
Como conclusión podemos decir que para el análisis de una regresión debemos comprender
que es lo que necesitamos analizar, que datos son los que necesitamos, que variable tiene una
dependencia y cual es la variable que genera cambios importantes en esta variable
dependiente. Con respecto a la economía podemos deducir que el análisis de regresión toma
un papel muy relevante para la toma de decisión para cualquier situación que se presente
tanto a nivel microeconómico como macroeconómico.
En las relaciones estadísticas entre variables se analizan variables aleatorias (valor que no es
fijo pero que puede tomar diferentes valores) o estocásticas (cantidad cuyo valor se determina
como resultado de un experimento) que en otras palabras son variables con distribuciones de
probabilidad.
Por otra parte, los fenómenos deterministas son más relacionada con la ley de gravedad de
Newton donde se refiere que toda partícula en el universo atrae a cualquier otra partícula con
una fuerza proporcional al producto de sus masas e inversamente proporcional al cuadrado
en la distancia entre ellas. Desde mi punto de vista y relacionándolo con la regresión en
funciones de variabilidad según como se maneje el medio de producción el ingreso y el
consumo generará cambios a nivel económico.
Terminología y notación
Primero que todo debemos comprender que existen dos tipos de análisis de regresión, la
primera es el análisis de regresión simple que consiste en la representación de una variable
dependiente y una variable explicativa. Por otra parte, también tenemos el análisis de
regresión múltiple que consiste en la representación de un variable dependiente y mas de
una variable explicativa, esta esta es un poco mas compleja debido que en muchas ocasiones
estas variables son estocásticas o aleatorias cuya respuesta no será de manera fija, sino con
una probabilidad.
Nota: El subíndice i es manejado para datos transversales o para ser más claro, información
recopilada en un momento determinado. Por otra parte, el subíndice t es utilizado para datos
de serie de tiempo, para ser mas claro información reunida mediante un periodo.
Existe una gran problemática para la recolección de los datos debido que en muchas
ocasiones estos datos no son tan precisos debido a la variación de la población que es
constante y si los datos recolectados son mediante encuestas, se corre con suerte de un 40%
de las personas encuestas respondan, sin mencionar que de ese 40% existe la posibilidad de
que los encuestados no respondan de una manera adecuada. Por ende, si el investigador
concluye que estos datos no son lo suficientemente precisos, los investigadores no tienen otra
opción que depender de los datos disponibles y como estos datos no son el 100% precisos, el
investigador trata de no ser muy dogmático sobre los resultados de estudio.
• Escala de razón: Cuando la variable explicativa toma dos valores (X1, X2) estas
escalas son aplicables como la razón (X1/X2) y la diferencia (X1-X2) por ejemplo si
queremos saber el consumo de las personas, pero se nos presentan que el ingreso de
algunos es diferente al de otros.
• Escala de intervalo: Satisface las dos ultimas propiedades de la variable en la escala
de razón, pero no la primera.
• Escala ordinal: pertenece a esta categoría si solo satisface la tercera propiedad.
• Escala nominal: No tiene ninguna categoría en las características de las variables en
escala de razón.
Modelo de regresión simple
Para establecer un modelo debemos considerar tres aspectos: el primero es que en las
variables no existen una relación exacta, debemos tener en cuenta que otros factores pueden
afectar la variable dependiente (Y). El segundo aspecto es identificar la relación funcional
entre Y y X. y por último comprender si X y Y son los objetivos buscados, para considerar
estos tres aspectos y relacionar las variables dependientes y explicativas se realizan modelos
o diseños ecuacionales tales como:
Y= β0 + β1X + u
Y= variante dependiente
Esta ecuación que acabamos de plasmar, define la población de interés y se define como un
modelo de regresión simple. Podemos comprender el nivel de consumo de una población
dependiendo de su ingreso.
Por otra parte, cuando los factores en u permanecen constantes de manera que el cambio de
u sea cero entonces tendrá un efecto lineal sobre la independiente.
∆Y=β1 ∆X si ∆u = 0
Podemos tomar como ejemplo en la aplicación de estos modelos de ecuación los cultivos de
soya, donde el investigador avícola trata de identificar el rendimiento de un fertilizante
comprendiendo que existen fatores constantes y otros factores poco predecibles que pueden
alterar este rendimiento. Para la proyección aplicativo del modelo en este ejemplo, podemos
decir que:
Y= rendimiento
X= fertilizante
Sin embargo, es preciso comprender que este modelo no puede aportar el 100% para una
conclusión final, esto debido a que solo podemos identificar el comportamiento entre Y y X,
pero pasa desapercibido los factores constantes. Como u y X son variables aleatorias, se
necesita un concepto basado en la probabilidad.
Para establecer una posición en relación con X y u, se puede hacer una superposición acerca
de u. mientras β0 aparezca en la ecuación, nada puede alterar el promedio de u en la
población. una medida natural en relación de X y u es el coeficiente de correlación si u y X
no están correlacionados entonces no estarán relacionados linealmente como variables
aleatorias y esto puede ser un avance significativo para definir su relación y esto pude definir
que u puede tener una correlación con otra variable independiente como por ejemplo X2. Mas
esta posibilidad no es aceptable para la mayoría de propósitos de regresión, debido a que
causa problemas para interpretar el modelo y obtener y propiedades estadísticas. Como estos
términos son valores aleatorios se puede definir la distribución condicional de u. el supuesto
crucial es que el valor promedio no dependa del valor de X y este se expresa de la siguiente
manera.
E(X/u) = E(u)
Mediante este modelo nos podemos referir que el promedio de los factores que no se observan
son los mismo que en la población determinada de X y su promedio es similar al de u. De
este modo se concluye que u es una media independiente de X.
Esta función refleja que, por cada aumento en las unidades de X, el termino Y tiene
modificaciones en la cantidad β1 su modelo ecuacional es el siguiente:
E(Y/X)=β0+ β1 X
Mediante esta ecuación podemos observar que debe existir una relación o un promedio entre
(X) y (Y), este tipo de ecuaciones nos ayuda a pronosticar promedios en un futuro, tal como
lo explica el ejemplo de las calificaciones entre el promedio de bachilleres y cuales podrían
ser las posibles calificaciones promedias en la universidad.
Para la estimación de mínimo cuadrados ordinarios, se debe estimar los parámetros β0 y β1,
para esto se debe tomar muestra de población y una muestra aleatoria. el modelo de regresión
para calcularlo es la siguiente:
Yi= β0 + β1 Xi +ui