PROGRAMA DE ADMINISTRACIÓN FINANCIERA

AUDITORIA FINANCIERA
SEMESTRE VIII
GRUPO 3

TEMA:

ENSAYO LIBROS DE (ECONOMETRÍA DE DAMODAR N. GUAJARATI) Y

(INTRODUCCIÓN A LA ECONOMETRÍA UN ENFOQUE MODERNO JEFFREY
M. WOOLDRIGE)

POR:
FERNANDO ZONA RODRÍGUEZ

UNIVERSIDAD DEL TOLIMA

IDEAD – IBAGUÉ
2021
 Introducción

La econometría se basa en dos simples palabras (medición de la economía) mas no significa

que esta sea simple, puesto que esto es una ciencia a parte y está conformada por distintos
temas y herramientas para su comprensión. Mediante este texto mencionaremos solo unas
cuantas piezas de esta ciencia que reúne muchas temáticas, en este ensayo hablaremos sobre
tres temas en especial: sobre la naturaleza de la econometría y los datos económicos,
naturaleza del análisis de regresión y los modelos de regresión simple todo esto basado en
los primeros capítulos del libro de Introducción de la economía de un enfoque moderno
de Jeffrey Wooldrige y del libro Econometría de Damodar Gujarati. Todo esto escrito
desde mi punto de compresión y análisis.

La Naturaleza de la econometría y los datos económicos

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.

Aunque mencionamos que la econometría es una disciplina independiente de la estadística

matemática, si tienen algo en común con respecto a la regresión lineal. Sin embargo, la
econometría a creado sus propios métodos para lidiar con la complejidad de los datos
económicos y probar pronósticos o predicciones de las teorías económicas.
Pasos en un análisis económico empírico

En un análisis empírico, se utilizan métodos econométricos para probara teorías económicas

o para realizar algún tipo de relación relevante en las decisiones de negocios o en la creación
de políticas. Para la realización de un análisis empírico, lo primero que se debe tener en
cuenta es la formación de interrogantes sobre nuestro tema de interés.

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.

Uno de los ejemplos mencionados en el libro de (Wooldrige) para la comprensión de los

modelos económicos, habla sobre la capacitación y la productividad de los trabajadores para
el análisis de esta teoría no necesariamente se necesita un modelo formal puesto que una
comprensión de economía básica es suficiente para referirse a factores tales como su
educación, la experiencia y la capacitación laboral que pude ser de afectar la producción del
trabajador.

Una vez precisado el modelo económico es necesario transformarlo en un modelo

econométrico. Sin embargo, se debe saber cual es la relación de un modelo econométrico con
un modelo económico debido a que existen variables que no pueden ser observadas de
manera razonable. En el libro de (Wooldrige) nos daba como ejemplo una persona que labora
en actos delictivos, este ejemplo se basa en su complejidad para saber su sueldo debido a su
variación y también que no se sabe que pasará con el individuo, si será capturado o conseguirá
un trabajo mas digno. Para esté ejemplo se determinó que la ecuación para este caso podría
ser:

Actdelic=β0+β1 salariom+β2 otringr+β3 frecdet+β4 frecculp+β5promsent+β6edad+ u

actdelic = una medida de la frecuencia de la actividad delictiva,

salariom = salario que puede ganar en el empleo legal,
otringr = ingresos provenientes de otras fuentes (activos, herencias, etcétera),
frecdet = frecuencia de las detenciones por delitos anteriores (para aproximar
la probabilidad de ser detenido),
frecculp = frecuencia de ser declarado culpable y
promsent = duración promedio de la sentencia.

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.

Casualidad y la noción de ceteris paribus en el análisis econométrico

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.

Naturaleza del análisis de regresión

Cabe destacar que la regresión es una herramienta importante en la econometría, debido a

que mediante la regresión podemos llegar a cierto tipo de conclusiones después de recibir
cierto tipo de datos. Como por ejemplo podemos hablar de lo mencionado por Francis Galton
cuando se refiere a la altura de las personas y relacionándolo con la altura de su primogénito,
cuando una persona es alta existe la probabilidad de que su primogénito sea de un tamaño
inferior y por el contrario si una persona es baja existe la probabilidad de que su primogénito
sea de una estatura superior. Estos son datos que pueden llamar la atención de las personas,
pero lo que en realidad es sorprendente es que la altura de los primogénitos tanto de las
personas altas como de las personas bajas “regresan” a un promedio especifico a lo que
Galton lo llamó “regresión mediocre” mas esto es un simple ejemplo porque la regresión va
más allá de estaturas.
La regresión trata del estudio de una variable dependiente con respecto a una o mas variable
explicativas, esto con el fin de primero predecir un promedio poblacional y segundo los
términos de valores fijos mediante muestras repetidas.

Volviendo al ejemplo de Galton podemos predecir la posible altura de las personas

dependiendo de la altura de sus padres. Como muestra para el análisis de esta situación,
podemos tomar la distribución de altura de los hijos en una población determinada tomando
datos fijos que en este caso es la altura de los padres y que este tiene un rango correspondiente
a la distribución de altura de los hijos. Si graficáramos los datos entre padres e hijos mediante
una recta, podríamos ver que la estatura de los hijos aumenta conforme crese la de los padres,
a esto lo llamamos recta de regresión y podemos concluir que la variable dependiente es la
altura de los hijos y que esta avanza siempre y cunado avance la estatura de los padres que
representaría la variable independiente o explicativa.

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.

Relaciones estadísticas y relaciones deterministas

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.

Representación de las variables en la ecuación

Cabe destacar y como lo pudimos observar en la introducción del libro de Econometría de

Damodar N, Guajarati, las letras que representan en la ecuación de regresión lineal a las
variables son (Y) como la variable dependiente, (X) como la variable independiente o
explicativa, (Xk) como la K-ésima variable explicativa. Los subíndices i o t denotan la
observación o valor i- ésimo o t- ésimo. Xki o Xkt denota la i- ésima o la t- ésima. N o T
representa el numero total de observaciones o valores en la población. n o t representa el total
de observaciones de una muestra.

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.

En términos de la econometría depende de los datos recolectados con el fin de realizar

estudios y lograr el análisis empírico. Ya refiriéndonos a el análisis empírico, cabe destacar
que existen cuatro tipos:

• Series de tiempo: Es la observación de una variable en diferentes momentos estos

pueden ser a corto o largo plazo. ejemplos de este tipo de análisis los podemos
encontrar en la bolsa de valores, tasa de empleo, y los cambios en el PIB.
• Datos transversales: consiste en la recopilación de datos variables en el transcurso
de un mismo tiempo, un ejemplo de esto lo podemos encontrar es la producción y
precios de un producto en diferentes lugares durante el año. Se hace esto con el fin de
no combinar datos de un lugar y de otro.
 • Información combinada: reúnen series de tiempo y datos transversales. Un ejemplo
de esto puede ser PIB de diferentes países y su análisis durante cierto tiempo.
• Datos de cortes longitudinales: Es la serie de tiempo por cada unidad de una base
de datos transversal.

Precisión de los datos:

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.

Observación sobre las escalas de medición de las variables

Las variables se clasifican en cuatro categorías generales:

• 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

X= variante independiente o explicativa

β= Propensión marginal de consumo

u= Termino de perturbación o de error

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

Esto indica que el cambio de Y es la multiplicación de β1 por X significando que β1 es el

parámetro de la pendiente en la relación de X y Y cuando todos los factores de u son
constantes, este parámetro es bien utilizado en la economía aplicada.

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

β1= efectos o factores constantes

u = factores como la calidad de tierra, cambios de clima etc.

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.

Función de regresión poblacional

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.

Obtención de las estimaciones de mínimos cuadrados ordinarios

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

Recordemos que el termino i significa la recolección de datos en un tiempo determinado. Un

ejemplo que nos daba para comprender su funcionamiento era la del ahorro familiar, donde
(X) era el ingreso anual y (Y) el ahorro anual, (i)el año determinado y n como el número de
la población se debe saber cómo manejar estos datos para las estimaciones y el intercepto
para la pendiente de la función de regresión poblacional sobre ingreso. Cabe destacar que
para la operación de los mínimos cuadrados ordinarios y la covariancia entre los términos
debemos manjar cierto tipo de integrales.