CAPITULO 12

Los Modelos Economtricos y el Realismo Econmico 1

Willy W. Cortez 2

Resumen

En los ltimos aos, la visin de que la econometra es el instrumento mediante el cual se poda aceptar o rechazar determinada teora econmica segn su verificacin por los datos ha ido cediendo espacio a una visin ms eclctica y ms humilde de la misma. Este cambio de percepcin tiene sus orgenes en los problemas metodolgicos que estn alrededor del anlisis economtrico. Por otro lado, desarrollos recientes en las tcnicas de anlisis permiten vislumbrar un futuro en donde se da una mayor interaccin entre teora y data.

I. Introduccin

El objetivo de este ensayo es tratar de responder a la siguiente pregunta, hasta qu punto los modelos economtricos nos ayudan a explicar o interpretar determinado problema o fenmeno econmico? La respuesta a esta pregunta no slo tiene que ver con el grado de sofisticacin de los modelos econmicos y economtricos han ido adquiriendo en las

ltimas dcadas3, sino tambin con la naturaleza misma de los problemas econmicos que se traducen en problemas metodolgicos que los econometristas deben enfrentar. En los ltimos aos, la visin del papel de la econometra en el desarrollo de la ciencia econmica muestra cambios significativos. En la actualidad, existe una visin ms eclctica acerca del papel de la econometra en el desarrollo de la teora econmica. Este cambio se ha debido fundamentalmente a la serie de problemas que los econometristas enfrentan en el anlisis de los datos. Estos problemas tienen su origen en la naturaleza noexperimental de los datos que obligan a los econometristas a hacer una serie de supuestos sobre la distribucin de probabilidad de las variables sujetas al anlisis. Otros problemas que enfrentan los investigadores de manera cotidiana son la existencia de datos imperfectos con poca correspondencia con las variables definidas en los modelos econmicos y el poco entendimiento del verdadero significado de algunas pruebas de hiptesis. Sin embargo, y pese a la serie de problemas que se enfrentan los econometristas, desarrollos recientes en otras reas del conocimiento y en el propio campo de la econometra permiten mantener cierto optimismo acerca del papel de la econometra en nuestra bsqueda de un mejor entendimiento del medio que nos rodea. El documento esta dividido en cinco secciones. En la primera se presenta una breve discusin sobre la definicin de Econometra, de su relacin con la teora econmica y otras reas del conocimiento como son la estadstica, las matemticas. Posteriormente se discute algunas cuestiones metodolgicas no resueltas en econometra. La tercera seccin discute algunos de los problemas con los datos, mientras que la seccin cuarta presenta una discusin sobre el mal uso que se da a la prueba de significancia en econometra La ltima seccin es una discusin de desarrollos recientes en econometra y que conjuntamente con

el reconocimiento de los problemas existentes en la econometra forman el sustento de una concepcin eclctica que esta ganando ms adeptos en el anlisis economtrico.

II. Qu es Econometra?

En el nmero inaugural de Economtrica, Frisch (1933) define Econometra de la siguiente manera: ...Econometra es bajo ninguna circunstancia lo mismo que estadstica econmica. Tampoco es idntico con lo que se denomina teora econmica general, an cuando una porcin considerable de esta teora tiene definitivamente un carcter cuantitativo. Tampoco debera considerarse a la econometra como sinnimo con la aplicacin de matemticas a la economa. La experiencia a demostrado que cada uno de estos tres puntos de vista, el de estadstica, teora econmica y matemticas-, es una condicin necesaria pero no suficiente para un real entendimiento de las relaciones cuantitativas en la vida econmica moderna. Es la unificacin de los tres lo que poderoso. Y es esta unificacin lo que constituye Econometra...

Este planteamiento original sufre algunas alteraciones y algunos aos despus es reinterpretado por econometristas. En particular, la visin de que la econometra deba de ser el instrumento que nos permita aceptar o rechazar modelos se impuso a partir del trabajo de Haavelmo (1944). Por muchos aos esta fue la visin predominante entre los econometristas. Para Koutsoyiannis (1977), por ejemplo, econometra representa ...la integracin de economa, matemticas y estadstica con el propsito de proveer valores numricos a los parmetros de las relaciones econmicas y la verificacin de teoras.. (p. 3). Ms an, la econometra para l presupone la existencia de un cuerpo de teora

econmica que debe venir primero. Esto es as porque la teora econmica establece las hiptesis sobre el comportamiento econmico que deben ser sujeto a pruebas mediante la

aplicacin de tcnicas economtricas. Para probar la validez de una teora se inicia con su formulacin matemtica, -i.e., el modelo-, y el planteamiento de las respectivas hiptesis. El siguiente paso constituye la confrontacin del modelo con los datos. El objetivo de esta etapa es establecer si la teora puede explicar el comportamiento real de las unidades econmicas. Si la teora es compatible con los datos reales, entonces se acepta la teora como vlida. Si, por otro lado, la teora es incompatible con el comportamiento observado, entonces el investigador tiene dos opciones: O rechaza la teora, , a la luz de nueva evidencia emprica, modifica la teora. Por consiguiente, segn esta visin, la econometra es una herramienta que permite el desarrollo de nuevas teoras en diversos campos de la economa. Esta definicin clara y precisa de lo que puede hacer la econometra comienza a tener problemas cuando se comienza a reconocer, por ejemplo, que los modelos econmicos contienen cierto grado de incertidumbre, que se traduce, a su vez, en incertidumbre en el planteamiento del modelo estadstico o muestral correcto (Judge et al, 1980). De hecho, es precisamente el reconocimiento paulatino de una serie de problemas metodolgicos alrededor de la prctica de la Econometra que hace que algunos econometristas adopten una visin ms escptica que la de Koutsoyiannis. Tal es el caso de Greene (2000) quien afirma que el papel de la teora econmica en Econometra no debe ser sobre-enfatizado. Greene sostiene que la creencia de que el escrutinio de un conjunto de datos noexperimentales pueda llevarnos a descubrir o revelar alguna verdad compleja, (si es que se manipula los datos lo suficiente), es simplemente optimista. Greene reconoce que a

diferencia de ciencias naturales que permiten controlar los experimentos, en la ciencia econmica no hay cabida para tales experimentos. Los economistas-econometristas somos observadores pacficos de la economa. La nocin de un experimento controlado es 4

impensable. En el mejor de los casos, podemos esperar obtener observaciones muestrales de la poblacin y asumir que las condiciones que se necesitan para utilizar nuestras herramientas de estadstica inferencial se cumplen. Para Greene el proceso del anlisis economtrico difiere de la especificacin de la relacin terica ya que enfrenta una serie de dificultades. Algunas de las dificultades que se encuentran a lo largo del anlisis economtrico son: (1) los datos son mal medidos o tienen poca correspondencia con las variables del modelo; (2) algunas de las variables pueden ser inherentemente inmedibles; (3) la teora puede hacer un planteamiento muy general de la forma funcional correcta, lo cual obliga al econometrista a tener que definir la forma funcional de una lista muy larga de candidatos potenciales; (4) las propiedades estocsticas del trmino de error asumidas pueden ser violados, lo cual pone en duda el uso de los mtodos de estimacin y los procedimientos inferenciales que han sido usados; y (5) algunas variables importantes pueden no haber sido considerados en el modelo. Con el transcurso de los aos, la econometra ha ido desarrollando nuevos instrumentos que han permitido enfrentar algunos de estos problemas. Sin embargo, dada la naturaleza del objeto de estudio, existen otros problemas que obligan a tener una visin menos optimista de lo que puede y no puede hacer la econometra. A continuacin, se hace una revisin de los principales problemas metodolgicos alrededor de la Econometra los cuales deberan de conducir a replantear el uso de la econometra como un instrumento que nos permite tener un mejor entendimiento de las relaciones econmicas entre los diferentes agentes.

III. Cuestiones no resueltas en Econometra

Uno de los puntos centrales sobre el que se sustenta la econometra clsica se refiere al supuesto de la funcin de densidad (o probabilidad) de las variables econmicas. Mirowski (1989) argumenta que desde finales del siglo XIX diversos investigadores comenzaron a encontrar evidencia de que variables econmicas no presentan este tipo de distribucin de probabilidad, necesaria para aplicar las herramientas economtricas. l retoma alguno de los hallazgos de estos pioneros que contradicen los supuestos de la econometra clsica; a saber, que la mayora de fenmenos econmicos son evolutivos e intrnsicamente

heterogneos; y, por consiguiente, no aptos para el anlisis probabilstico, asociado a la distribucin Gausiana. 4 Otro punto que toca Mirowski (1989) en su trabajo es que los fundadores del National Bureau of Economic Research (NBER) y asociados a la Escuela de Columbia fueron escpticos acerca de los alcances de la teora neoclsica y ms proclives a construir nuevos procedimientos empricos como un prefacio a la construccin de una teora econmica alternativa. Una caracterstica central de esta escuela es su visin acerca de la manera de construir teoras econmicas. A diferencia de la postura neoclsica, en la que las relaciones entre las variables se da de manera mecnica y determinista, para la Escuela de Columbia la visin cientfica de la naturaleza es ...ni puramente histrica ni puramente mecnica, es estadstica.. (citado de Mirowski, 1989; p. 81). En otras palabras, el anlisis emprico de datos no buscaba probar determinada teora econmica, sino todo lo contrario, buscaba construir teora econmica a partir del anlisis de los datos.

En su visin ms ortodoxa, el papel central de la econometra es determinar si los datos confirman o no determinado modelo econmico. Segn Wilber (1979) las pruebas empricas raramente resuelven disputas tericas porque existen una serie de problemas que impiden la realizacin de las pruebas de hiptesis. En primer lugar esta el problema de especificar las variables claves. Existe un gran desencuentro entre la recoleccin de

informacin y la definicin de variables utilizadas en los modelos tericos. Un segundo problema se refiere a la determinacin del nmero adecuado de rezagos y adelantos en el modelo 5. Tercero, es el problema de endogeneidad o causalidad entre las variables 6.

Cuarto, tanto el mtodo de recoleccin como la construccin de los datos empricos no son muy confiables, lo que hace necesario cierto tratamiento de los datos. La existencia de datos contradictorios hace necesario que se introduzca cierto tipo de juicio de valor, lo cual, a su vez, determina que el resultado dependa del tipo de decisiones tomadas por el investigador. Por todas estas dificultades empricas, Wilber (1979) llega a la conclusin de que la eleccin de teoras alternativas no puede basarse solamente en los resultados empricos. La eleccin de la teora debe basarse consecuentemente en un conjunto de cualidades deseables del modelo como simplicidad, generalidad, especificidad, y cualidad esttica. El modelo es escogido por el investigador segn su propia visin acerca del proceso econmico y sus implicaciones de poltica econmica. La introduccin de criterios subjetivos en el anlisis economtrico, sin embargo, no es reconocida por la Econometra Clsica ya que no tiene espacio para el subjetivismo. Esto es as porque se encuentra enmarcada dentro del positivismo y el positivismo lgico. Reconoce un tipo de probabilidad que est asociado a la frecuencia relativa y que no puede ser influenciada por la mentalidad del individuo. En el modelo de positivismo lgico, explicacin y prediccin son considerados simtricos. 7 Por consiguiente, si un modelo 7

terico es encontrado que se ajusta adecuadamente a los datos, los resultados pueden ser utilizados para predecir el comportamiento de la variable endgena ante cambios en la variable exgena. La supuesta objetividad del anlisis economtrico tambin es puesta en tela de juicio por otro elemento del anlisis y que tiene que ver con la naturaleza de los experimentos que ocurren la economa. Para Leamer (1983) el papel del econometrista es algo diferente: determinar si la diferencia entre el valor estimado y el valor establecido por la teora es lo suficientemente grande si es lo suficientemente pequeo. En el primer caso, se sugiere que existe un efecto real sobre la variable dependiente, mientras que en el segundo caso, lo ms probable es que los cambios en la variable dependiente sean causados por variables aleatorias. Sin embargo, existe una gran dificultad en determinar uno u otro caso. La razn estriba, de nuevo, en la diferencia que existe entre datos experimentales y no experimentales. Economa es una ciencia que se caracteriza por que los datos se obtienen de muestras no experimentales. Este hecho obliga al econometrista-economista a asumir que la muestra se comporta como si vinieran de datos experimentales. En este contexto, aleatoriedad adquiere un significado especial. El hecho que los estimadores Mnimos Cuadrados sean insesgados no significa que para cada muestra el estimador es correcto. Una asignacin aleatoria puede conducir a exactamente la misma distribucin que una asignacin no-aleatoria. Por lo tanto, aleatoriedad no asegura que cada uno de los experimentos este mezclado adecuadamente, pero s asegura que la mezcla adecuada sea ms probable. Esta distincin entre datos experimentales y no-experimentales es importante porque en el primer tipo de datos existe un slo tipo de incertidumbre: incertidumbre muestral; mientras que en datos no-experimentales la incertidumbre esta compuesta de dos trminos: 8

(1) incertidumbre muestral y (2) incertidumbre por la mala especificacin. Si se tiene experimentos aleatorios, entonces los estimadores Mnimos Cuadrados son consistente. Si se tiene datos no-experimentales, entonces la matriz de mala especificacin es diferente de cero. Leamer demuestra que existe una cantidad fija de incertidumbre que se debe a la mala especificacin y que es independiente del tamao de muestra. Por lo tanto, existe una diferencia clara entre inferencia obtenida de experimentos aleatorios e inferencia obtenida de experimentos naturales. Esto permite establecer una diferencia entre economa y

ciencias donde los experimentos son hechos de manera rutinaria. Para Leamer (1983) inferencia estadstica es y debe permanecer una opinin. Segn l, no existe tal cosa como una inferencia objetiva. La razn es que las inferencias son la conclusin lgica que se basan en un conjunto de hechos (facts) que el investigador debe de definir al momento de hacer el anlisis economtrico, para los cuales no hay criterios objetivos de seleccin. Esta visin es diferente del de los econometristas clsicos quienes han interpretado que la objetividad cientfica significa que un economista debe identificar exactamente las variables del modelo, la forma funcional, y la distribucin de los errores previos al anlisis economtrico. Esta visin, sin embargo, pasa a segundo plano en el momento mismo del anlisis porque los investigadores usualmente estiman decenas, sino cientos de regresiones antes de presentar sus resultados economtricos. Muy relacionado con el problema de la subjetividad se encuentra la pregunta de si las ciencias naturales y las ciencias sociales tienen diferentes mtodos de investigacin, o si existe una ciencia unificada, en el sentido de usar las misma herramientas de anlisis. Para los postmodernos, las ciencias naturales y las sociales son diferentes en naturaleza y por consiguiente necesitan diferentes herramientas de anlisis. Si se reconoce que las ciencias sociales requieren de instrumentos de anlisis diferentes a los instrumentos de las ciencias 9

naturales, entonces, algunas de las herramientas utilizadas por los econometristas deberan de ser usados con mucha cautela.

IV. Problemas con los datos

Uno de los problemas ms recurrentes que enfrentan los econometristas es la pobre calidad de los datos. En muchos casos existe una gran separacin entre la informacin disponible y la requerida para contrastar la validez de los modelos tericos. Para Griliches (1985) la razn fundamental de esta gran separacin estriba principalmente en que ambas actividades son realizadas por diferentes individuos. En casi la totalidad de pases las labores de recoleccin de informacin estn a cargo de las oficinas de estadstica gubernamentales o de agencias de gobierno en donde los econometristas hasta no hace mucho tiempo no participaban o tenan poco inters en participar. El anlisis de los datos, por otro lado, recae en la labor de los econometristas con casi nula participacin de las oficinas de estadstica. Esta caracterstica es nica de la ciencia econmica ya que no es compartida por otras reas del conocimiento como la biologa, la astrofsica, la psicologa o la arqueologa donde la recoleccin de la informacin es realizada por los propios especialistas o por personas especialmente entrenadas para ello. Los datos econmicos son generalmente reportados por las empresas o individuos, quienes no son observadores profesionales y que no tienen ningn inters particular por reportar la informacin lo ms precisa posible. Esto sin embargo, se ha ido subsanando en los pases desarrollados donde la participacin de los econometristas en el diseo,

10

definicin de variables y en el proceso de recoleccin de la informacin ha ido creciendo. Pese a las dificultades presentes, en los ltimos aos se ha observado un flujo creciente de informacin econmica, as como la capacidad para manipularlos. Ahora se cuenta, por ejemplo, con informacin muy detallada sobre mercados financieros, datos longitudinales sobre familias, empresas, individuos. En Mxico, esta labor de recoleccin ha recado principalmente en el Instituto Nacional de Estadstica, Geografa e Informtica (INEGI). Hasta hace 20 aos, no existan bases de datos a nivel microeconmico, que nos permitiera analizar, por ejemplo, el comportamiento de los individuos de manera sistemtica, consistente y detallada. Se debe notar que existen otras oficinas de gobierno que coleccionan datos econmicos como condicin necesaria para la consecucin de sus objetivos. Tal es el caso de Banco de Mxico (Banxico), el Instituto Mexicano de Seguridad Social (IMSS), entre otros. Con todo y la creciente disponibilidad de informacin estadstica, los resultados no han sido del todo satisfactorio para los econometristas por varios motivos. En primer lugar, porque los economistas tienden a desarrollar modelos utilizando variables que son difciles de cuantificar que no tienen una contraparte emprica; -por ejemplo, los conceptos de capital humano, utilidad, o ingreso permanente. En segundo lugar, los modelos tericos pueden estar incompletos equivocados que el nivel de agregacin sea tal que no permiten heterogeneidad de respuesta. Tal es el caso de los modelos macroeconmicos de ltima generacin, basados en micro-fundamentos, donde el punto de partida es el agente representativo que presenta un comportamiento racional. En ese sentido, la economa esta compuesta por la sumatoria de tales agentes que presentan un comportamiento homogneo buscando la maximizacin de su funcin objetivo siempre. Los datos, por otro lado,

11

muestran un alto grado de heterogeneidad que no necesariamente coinciden con los supuestos del agente representativo. Ante esta realidad, Griliches adopta una actitud positiva: la imperfeccin de los datos no se debe a un diseo especfico sino ms bien es todo lo que hay. En ese sentido, l concuerda con quienes creen que es mejor tener datos imperfectos a no tenerlos. En estas circunstancias, lo que se debe hacer es tratar de obtener la mayor informacin posible de datos imperfectos y reconocer que los resultados de los anlisis dependen de los datos.

V. Abusos de la Econometra

Uno de los malos usos ms comunes en econometra es utilizar las pruebas de significancia estadstica como si fueran pruebas de significancia econmica. En un estudio realizado a una muestra de artculos publicados en el American Economic Review, McCloskey (1985) encontr que un considerable nmero de economistas tratan de persuadir a sus lectores y a ellos mismos de que una variable es importante mediante la presentacin de las pruebas de significancia. Para McCloskey la prueba slo afirma la probabilidad de cometer un error de demasiado escepticismo debido al tamao pequeo de la muestra. La prueba no dice al economista que el coeficiente estimado es grande o pequeo en un sentido econmico significativo. Este punto es claro para los estadsticos porque para ellos la diferencia significativa no es necesariamente grande, debido a que en muestras grandes, pequeas diferencias pueden convertirse en diferencias significativas. An ms, la existencia de diferencias significativas pueden o no pueden tener significancia prctica.

12

La prueba parece decir sobre la significancia sustantiva sin una investigacin exhaustiva de qu tan verdadera debe ser la hiptesis para que sea verdadera. El punto que McCloskey deja claro es que la prueba t, solo establece significancia estadstica que no es lo mismo que una significancia econmica. Para l, la prueba no discute que tan cerca deben de estar los parmetros estimados de los hipotticos para que la teora sea confirmada. En ese sentido, la relevancia econmica est en determinar qu tan cerca deben de estar los parmetros estimados de los hipotticos. Para ello es importante discutir la funcin de prdida; es decir, es necesario discutir si la diferencia encontrada entre el parmetro estimado y el hipottico es lo suficientemente importante en trminos econmicos para determinar la significancia econmica de los resultados economtricos. Esta es una decisin que la debe de tomar el investigador de forma abierta, sin tener que recurrir a pruebas de manera mecnica. Una sugerencia para corregir este tipo de error (o mal uso) es seguir las recomendaciones de Wald, en el sentido de que la determinacin de si una variable es significativa o no, debe estar basada en el uso de la funcin de prdida. sta, a su vez, debe estar basada en una evaluacin de la importancia relativa de todos los errores posibles. Otro de los problemas centrales que apuntan algunos investigadores es el de identificacin. Por ejemplo, Moneta (2004) argumenta que el problema de identificacin se deriva del hecho que la estructura es en general sub-determinado por las propiedades estadsticas de los datos. La solucin propuesta inicialmente por la Comisin Cowles consisti en usar la teora econmica para especificar la estructura causal. Los mtodos estadsticos son aplicados para medir la fortaleza de las relaciones causales y posiblemente, la prueba de restricciones derivados de la teora. Dos crticos a esta visin son Lucas (1976) y Sims (1980). 13

Lucas (1976), por un lado, argumenta que los parmetros estructurales identificados utilizando el mtodo de la Comisin Cowles no son estables bajo un cambio de poltica econmica. Desde su inicio la popularidad de la econometra como herramienta de anlisis se debi en gran parte a la expectativa de que la estimacin de los parmetros permitira un mejor manejo de la economa, el fine tunning. Sin embargo, para fines de los 70s los constantes desaciertos en los pronsticos basados en los modelos economtricos condujo a un creciente escepticismo a un nmero creciente de economistas. De hecho, los modelos economtricos estimados con el mtodo Cowles fueron utilizados para implementar acciones de poltica econmica de una manera sistemtica. La explicacin del fracaso generalizado se debe segn Lucas, a que los individuos adaptan su conducta para obtener la mxima ventaja de la nueva situacin del medio ambiente institucional causado por el cambio en poltica econmica. Por lo tanto, las ecuaciones utilizadas para predecir los efectos de la nueva poltica no seran vlidas dado que ellas rechazaran el comportamiento intencional de los individuos. En econometra esto corresponde a derivar esas hiptesis de las restricciones algebraicas para la identificacin. Sin embargo, el problema de la identificacin fue ms asociado a la teora econmica prevaleciente en ese tiempo que a las bases metodolgicas propuestas por la Comisin Cowles. Sims (1980), por otro lado, argumenta que no slo las restricciones tericas usadas por la Comisin Cowles para atacar el problema de identificacin no estn bien fundamentadas, sino que adems las ecuaciones estructurales son en principio no identificables. De hecho, las interdependencias son tan numerosas que cada variable

debera aparecer en cada ecuacin (dicho de otra manera, la ausencia de variables puramente exgenos impide la solucin algebraica del problema de identificacin). De 14

acuerdo con Sims, se debera dejar que los datos hablaran, sin imponer restricciones tericas, al menos hasta el punto de estimacin. El modelo propuesto por Sims, llamado Modelo de Vectores Autoregresivos (VAR), ha demostrado ser instrumento

extremadamente eficaz para resumir las propiedades estadsticas de las series de tiempo econmicas, pero no pueden ser usadas para la evaluacin de polticas porque los VAR son modelos en formas reducidas y por consiguiente no pueden decir nada acerca de relaciones causales. Sims propone usar los VAR para identificar los efectos de los choques econmicos estructurales (en lugar de los parmetros estructurales que corresponden a los coeficientes de las variables econmicas). Pero esta tarea, an cuando mucho menos ambicioso, tambin requiere de la imposicin de restricciones a priori. El uso de

restricciones a priori independientes de la teora ha sido considerado como arbitrario y el programa de una macroeconoma emprica a-terica ha sido sujeta a crticas severas. Un gran porcentaje de la literatura ha sido destinado a identificar los choques econmicos estructurales, mediante el uso de restricciones derivadas de la teora o de conocimiento institucional, consistente con la metodologa de Cowles.

VI. Hacia dnde vamos?

Desde principios de los aos 80s, uno de los campos ms dinmicos dentro de la ciencia econmica a sido el de la econometra. En efecto, hemos observado el desarrollo de no slo nuevas tcnicas de anlisis, sino adems nuevas pruebas estadsticas, la aparicin de nuevas bases de datos, y la reduccin considerable del costo de anlisis de los datos (en

15

tiempo y recursos financieros), que permiten vislumbrar o abrigar mayores expectativas acerca del papel de la econometra en nuestro afn de tener un mejor entendimiento del ambiente que nos rodea. Eichenbaum (1995) es uno de los ms duros crticos de la econometra clsica. Segn Eichenbaum, el papel del econometrista debe ser el avance de teora econmica empricamente plausible. Esto ltimo se consigue en la medida que el econometrista contribuye al desarrollo de herramientas que identifican qu modelos tericos se deben utilizar. Es ms, el xito de los econometristas depender de la disponibilidad para

desarrollar herramientas de diagnstico para modelos estructurales y menos para el desarrollo de estimadores de los parmetros de sistemas de forma reducida y pruebas cada vez ms poderosas de la hiptesis nula. Para Eichenbaum el ajuste lo debe hacer el econometrista y no el economista terico; es decir, los esfuerzos, para que exista compatibilidad entre la informacin y conceptos econmicos, los deben de hacer el econometrista: ...el lenguaje de los economistas se centra en objetos tales como funciones de criterio de los agentes, conjuntos de informacin y restricciones. Consecuentemente, los econometristas necesitan concentrar sus esfuerzos en desarrollar herramientas para obtener informacin sobre esos objetos..(p. 1611). Es evidente entonces, que la propuesta de Eichenbaum es an incompleta porque no requiere el desarrollo de modelos tericos que vayan de la mano con el anlisis de los datos. Sin embargo, ms adelante Eichenbaum sugiere que el uso de Vectores Autoregresivos (VAR) representa una ventana de oportunidad para obtener un mayor dialogo entre teora y datos. Segn l, el anlisis VAR al permitir evaluar los efectos de reglas de poltica alternativa, genera una interaccin entre teora y datos que marca la prctica actual en la macroeconoma. Una ventaja de los modelos VAR es que permiten 16

evaluar el impacto de choques externos sobre todo el sistema sin necesidad que asumir modelos estructurales, y por lo tanto, evitando caer en la crtica de Lucas. Existen lmites, sin embargo, a lo que pueden hacer los modelos VAR. Estos no pueden dar respuestas a preguntas especficas sobre el impacto de determinada variable econmica. Entre los recientes avances en el campo merecen especial atencin mencionar el desarrollo de la econometra de series de tiempo no-lineales y la econometra noparamtrica que rompen con el supuesto de normalidad de los errores. De hecho, en el primer caso el comportamiento irregular de la variable dependiente no depende de eventos aleatorios sino ms bien obedece a un comportamiento determinstico de las variables explicativas, mientras que en el segundo caso, el anlisis trata de determinar precisamente la distribucin de probabilidad de las variables bajo anlisis. Kantz y Schreiber (2002), por ejemplo, hacen notar que mtodos lineales interpretan la estructura regular existente en los datos, tales como la frecuencia dominante o las correlaciones lineales. Esto significa que la dinmica intrnseca del sistema esta gobernado por el paradigma lineal donde causas pequeas conducen a efectos pequeos. En la medida que ecuaciones lineales pueden conducir slo a crecimiento exponencial o a oscilaciones peridicas, el comportamiento irregular de un sistema se tiene que atribuir a un choque externo aleatorio. En cambio, teora de caos indica que los choques aleatorios no son la nica fuente de irregularidad de un sistema, sistemas no-lineales caticos producen

comportamientos muy irregulares con ecuaciones de dinmica puramente determinsticos. Se debe notar sin embargo, que las aplicaciones de estos modelos en economa recin estn en sus inicios debido a la complejidad de los modelos matemticos. Hasta cierto punto, la econometra no-paramtrica aparece como consecuencia de intentos por solucionar problemas que existen en la econometra paramtrica como, por 17

ejemplo, la consistencia entre los datos y los principios de maximizacin, homoteticidad y separabilidad de las preferencias. O el problema que aparece de asumir la relacin entre las variables de inters adquiere una forma lineal. Esta preocupacin llev a una serie de investigadores a utilizar formas funcionales flexibles para aproximarse a relaciones desconocidas entre las variables (Pagan y Ullah, 1999). El plantear formas funcionales flexibles requiere el conocimiento del valor esperado de la variable Y, condicional en las otras, Xs. Esto conlleva a la necesidad de estimar la funcin de densidad de Y condicional en X. Esto ltimo, a su vez, permitir al investigador estimar la media condicional de la variable de inters, as como la estimacin de momentos de orden superior (i.e., varianza). Como se puede observar, la econometra no paramtrica no parte de supuestos sobre la distribucin de probabilidad de las variables bajo estudio, sino que trata de estimar dicha distribucin para encontrar la media condicional y momentos de orden superior de la variable de inters. Eventualmente, se espera estimar una funcin que relaciona la variable Y con la variable X. Una de las desventajas de este mtodo es, sin embargo, la necesidad de contar con muestras muy grandes si es que se desea estimar la funcin de relacin entre ambas variables de manera precisa. An mas, el tamao de la muestra debe aumentar

considerablemente conforme el nmero de variables involucradas en la relacin aumenta. Esta es quizs una de las mayores desventajas del mtodo y una de las razones por las cuales no es muy popular entre los analistas. El arte de la econometra tal y como es practicado en los terminales de computadoras, involucra ajustar decenas, quizs cientos o miles, de modelos estadsticos. El investigador selecciona y reporta los modelos que ms satisfaccin le dan. La bsqueda de un modelo es frecuentemente bien intencionado pero no debe existir ninguna duda que tal bsqueda 18

invalida las teoras de inferencia tradicional. El concepto de insesgamiento, consistencia, eficiencia, estimacin de mxima verosimilitud pierden su significado para cuando el investigador presenta sus resultados empricos. Opiniones son irregulares (cambiantes o caprichosas). Esto se observa en el anlisis de los datos: algunas veces se considera que el trmino de error esta correlacionado, otras veces que no lo estn. Algunas veces se considera que exhiben una distribucin normal, otras como no-normal o exhiben propiedades que se cumplen de manera asinttica conforme aumenta el tamao de la muestra. De la misma manera, algunas veces se incluyen observaciones de determinados aos, otras veces se excluyen; algunas veces la ecuacin es lineal, otras es no-lineal. Todo esto se traduce en que el (los) resultado (s) del anlisis economtrico depende (n) de muchos supuestos que el analista a tomando conforme avanza en su investigacin. El problema fundamental que enfrenta la econometra para Leamer es cmo controlar el carcter cambiante de la inferencia, cmo sustentar las inferencias sobre opiniones cuando los datos no estn disponibles. l sugiere es reportar las correspondencias entre regiones en el espacio de los supuestos y las regiones en el espacio de inferencias. Es ms, segn Leamer, se debe demandar la demostracin de que las inferencias son insensibles a los supuestos sobre la distribucin. Por todos estos problemas lo ms conveniente que debera hacer un economistaeconometrista es dejar de lado las pretensiones cientficas y aceptar el hecho de que los economistas y econometristas somos contadores de historias. En cuyo caso, las pruebas estadsticas representan solamente una evidencia ms a favor de la coherencia de la historia. En el peor de los casos, esta manera de actuar induce cautela y humildad.

19

Si las tcnicas para enfrentar estos problemas ya existen y son parte del arsenal de los econometristas, entonces, muchos de los problemas pueden ser solucionados con educacin. El anlisis estadstico clsico, como lo conocemos, no es el adecuado para analizar los problemas o fenmenos econmicos. Lo que algunos investigadores proponen es el uso de creencias previas de manera explcita e integrarlas al anlisis de los datos. Creo que esto sera una prctica ms honesta que la de la econometra clsica.

Referencias bibliogrficas
Eichenbaum, Martn (1995) Some Comments on the Role of Econometrics in Economic Theory, The Economic Journal, Vol. 105, No 433, November, pp. 1609-1621.
Frisch, Ragnar (1933) Editors Note, Econometrica, Vol 1, Number 1, January, pp. 1-4. Gilbert, Christopher (1986) Professor Hendrys Econometric Methodology Oxford Bulletin of Economics and Statistaics, Vol. 48, N. 3 pp.283-307 Greene, William (2000) Econometric Anaylisis, Fourth edition, Prentice Hall. Griliches, Zvi (1985) Data and Econometricians The Uneasy Alliance, American Economic Review, Vol. 75, No. 2, pp. 196-200. Griffiths, William; R. Carter Hill; George G. Judge, (1980) Learning and Practicing Econometrics, John Wiley & Sons, Inc. Haavelmo, Trygve (1944) The Probability Approach in Econometrics, Econometrica, Vol. 12, Supplement (July), pp. iii-vi+1-115. Kantz, Holger; Thomas Schreiber (2002) Nonlinear Time Series Analysis, Cambridge Nonlinear Science Series 7, Cambridge University Press. Koutsoyiannis, A. (1977) Theory of Econometrics, Second Edition, Leamer, Edward E., (1983) Lets take the con out of Econometrics, American Economic Review Vol. 73, No. 1, March, pp. 32-43. Lucas, Robert (1976) Econometric Policy Evaluation: A Critique, in the Phillips and Labor Markets, Karl Brenner and Alan H. Meltzer (eds.), Carnegie Rochester Conference Series on Public Policy, Vol. 1, Amsterdam: North-Holland Publishing Company, pp. 19-46.

20

McCloskey, Donald (1985) The loss function has been mislaid: the rhetoric of significance test, American Economic Review, Vol. 75, May. Mirowski, Philip (1989) Tis a Pity Econometrics isnt an Empirical Endeavor: Mandelbrot, Chaos and the Noah and Joseph Effects, Ricerche Economiche, Vol. XLIII, No 1-2, pp. 76-99. Moneta, Alessio (2004) Causality And Econometrics: Some Philosophical Underpinnings, mimeo, LEM, Saint Anna School of Advanced Studies; amoneta@sssup.it. Pagan, Adrian; Aman Ullah (1999) Nonparametric Econometrics, Themes in Modern Econometrics, Cambridge University Press. Sims, Christopher A., (1980) Macroeconomics and reality, Econometrica, Vol. 48, pp 1-48. Wilber, Charles (1979) Empirical Verification and Theory Selection: the Keynesian-Monetarist Debate, Journal of Economic Issues, Vol. XIII, No. 4, December, pp. 973-982
1

Trabajo preparado para el Seminario Internacional sobre Metodologa de la Ciencia en Economa, Facultades de Economa, Universidad Michoacana de San Nicols de Hidalgo (UMSNH) y Universidad Nacional Autnoma de Mxico (UNAM), 22-24 Marzo de 2007. Agradezco los comentarios hechos por los participantes del Seminario. Los errores u omisiones que puedan existir en el presente documento son mi responsabilidad. 2 wcortez@cucea.udg.mx, Departamento de Mtodos Cuantitativos, Centro Universitario de Ciencias Econmico-Administrativas, Universidad de Guadalajara 3 Que incluye avances en reas como la estadstica, las matemticas, recoleccin de datos y la facilidad para el procesamiento de la informacin que involucra tanto el desarrollo de software, como el de hardware) 4 El mismo Mirowski (1989) hace referencia a los hallazgos de otro investigador, Benoit Mandelbrot, quin en un estudio realizado ente fines de los 70s y principios de los 80s, encuentra que los precios tienen un comportamiento temporal diferente a los supuestos de normalidad. Entre ellos se encuentran: (i) muestran grandes cambios discontinuos; (ii) los grandes cambios de precios tienden a aglutinarse; (iii) la raz del cuadrado de las desviaciones con respecto a la media no tiende a disminuir conforme aumenta el tamao de la muestra. Todo esto significa que los precios no deberan ser modelados como si presentaran una distribucin normal. 5 Un problema que las tcnicas economtricas recientes han logrado superar mediante el desarrollo de pruebas como el Criterio de Akaike (AIC) o el de Schwartz (SC). 6 De nuevo, los avances en las tcnicas economtricas han permitido el desarrollo de pruebas como el de Causalidad Granger que permite determinar la direccin de causalidad entre dos variables. 7 Esto es, explicacin ocurre cuando la hiptesis se deriva despus del evento, mientras que prediccin ocurre cuando la hiptesis se deriva antes del evento.

21