Se determina que la estimación econométrica por MCO, es mas eficiente y

con menor error de modelo (parámetros insesgados), que otros métodos.

¿qué hacer con los parámetros? Se tienen que analizar según

Teoría económica (Análisis teórico): Micro macro, finanzas, monetarias,
entre otras.
 Nos indica que variables explicativas(independientes) permiten
analizar el comportamiento de la variable explicada (dependiente).

Y = B0 + B1X1 + BiXi ( son insesgados)

Consumo= c0+ c1Yd (función consumo)
 Nos indica las características o propiedades de los parámetros
estimados correspondientes a las variables
explicativas(independientes)

c0= consumo autónomo (se supone que el consumo

autónomo es aquel que no depende de la renta; se
entiende que debe tener signo positivo)

c1= propensión marginal a consumir PMGc ( 0 < PMGc < 1) por

demostración matemática.
Con ejemplo práctico de la estimación econométrica:

Consumo= -0.16+ 0.83Yd

-0.16 no cumple el criterio económico
(podría deberse a que “n” no es representativo (n=6)

(en la mayoría de estimaciones el intercepto no tiene

razonamiento económico, entonces no importa su signo)
Análisis estadístico:
Análisis econométrico:

*El coeficiente de determinación (R2)

Nos permite saber cuanto explica la variable independiente a la variable dependiente

Bajo los criterios:

buen ajuste de modelo: (R2) oscila (0.7 – 1)

poco ajuste de modelo: (R2) oscila (0 – 0.5)

¿Dónde queda 0.51 hasta 0.69? este rango se tiene que corregir, ya sea por tamaño de
muestra o por mas variables explicativas; o tiene problemas de normalidad, autocorrelación o
heteroscedasticidad.

Se interpreta como: Las variaciones de X explican en tanto% las variaciones de Y.

Ejemplo: Las variaciones del ingreso disponible explican en 78% las variaciones del consumo
(R2= 0.78). Hay un buen ajuste del modelo

Ejemplo del ejercicio práctico: Las variaciones del ingreso disponible explican en 99% de las
variaciones del consumo (R2= 0.99). Hay un buen ajuste del modelo

¿qué sucede cuando R2 es = 1?

Las variaciones de x explican en 100% las variaciones de Y.

Se tiende que el cambio en una proporción de X afecta en su totalidad una proporción de Y

El ajuste es perfecto. (¿QUIERE DECIR QUE MI MODELO ESTIMADO ES IDEAL?)

¿qué sucede cuando R2 es = 0?

Las variaciones de x explican en 0% las variaciones de Y.

Si está próximo a cero, esto implica que el ajuste no es bueno. En otras palabras, hay muy poca
variación de y que sea explicada por x. En muchos casos, se obtiene un elevado cuando se
ajusta un modelo utilizando datos de series temporales, debido al efecto de una tendencia
común. Por el contrario, cuando utilizamos datos de corte transversal es frecuente obtener
valores bajos, pero esto no significa que el modelo ajustado sea malo.

¿Cuál es la relación entre el coeficiente de determinación y el coeficiente de correlación

estudiados en estadística descriptiva? El coeficiente de determinación es igual al coeficiente de
correlación al cuadrado, como puede verse en el apéndice r 2xy = R2(Esta igualdad es válida en el
modelo de regresión lineal simple, pero no en el modelo de regresión lineal múltiple)
*NOTA: En la mayoría de estimaciones la muestra deber ser representativo del objeto de
estudio, “n” mayor que 30 porque sino la inferencia no sería la educada.