Modelo de regresión

Un modelo de regresión es un modelo matemático que busca determinar la relación entre una
variable dependiente (Y), con respecto a otras variables, llamadas explicativas o independientes
(X).

El modelo de regresión se suele utilizar en las Ciencias Sociales con el fin de determinar si existe, o
no, relación causal entre una variable dependiente (Y) y un conjunto de otras variables explicativas
(X). Asimismo, el modelo busca determinar cuál será el impacto sobre la variable Y ante un cambio
en las variables explicativas (X).

Así, por ejemplo, un economista podría estar interesado en determinar la relación entre el ingreso
de los trabajadores y su nivel de educación. Para esto, podría llevar acabo un modelo de regresión
en el que la variable independiente (Y), será el ingreso del trabajador. En cuanto a las variables
explicativas (X), se deben incluir todas aquellas que podrían explicar el ingreso entre las que se
encuentran por supuesto la educación, la experiencia, la educación de los padres, etc.

Forma del modelo de regresión

El modelo de regresión simple tiene la siguiente forma:

Y = A + BX + u

Y= variable dependiente o endógena

X= variable independiente o explicativa

A, B = parámetros fijos y desconocidos

u= termino de error que recoge todos los demás factores que afectan a Y, pero que no están
incluidos en el modelo. También puede captar los errores de estimación de la variable
dependiente. No observable.

Luego, el objetivo del modelo de regresión será estimar los valores de A y B a partir de una
muestra.

Significado de las variables

El parámetro B debería reflejar cuál es el impacto de un cambio de X sobre la variable Y, cuando el

resto de las variables explicativas se mantienen constantes (ceteris paribus).

El parámetro A, en tanto, no afecta en nada la relación entre Y y X. Por lo que sólo se trata de una
normalización en la que se supone que el valor promedio de u será cero.

Por ejemplo, un modelo de regresión lineal se dibujaría de la siguiente manera:

STATA
STATA es un software privado de estadística y econometría que se utiliza en análisis, modelado e
interpretación de datos.

Al ser un software privado, está distribuido por StataCorp LLC., la empresa que posee su propiedad
y derechos de distribución. Este programa es conocido por su variedad de herramientas de análisis
de datos y su capacidad para soportar grandes volúmenes de datos.

En lo que respecta al análisis y modelado de datos, consiste en usar ficheros ya existentes para
poder trabajar con ellos. STATA no crea ni recopila datos sin haberse tratado previamente.

En resumen, este software está orientado a los campos científico y académico mayormente.

Características y funcionalidades de STATA

El software STATA posee un abanico amplio de características y funcionalidades. Al ser un software

privado, la inversión y desarrollo de este no depende exclusivamente de una comunidad o
ecosistema amplio.

Sin embargo, este software también posee una comunidad que crea ciertas extensiones que, al
igual que las librerías en los lenguajes de programación, nos puede ayudar a realizar una misma
actividad en menor tiempo.

Luego, algunas de las funcionalidades más destacadas son:

Análisis estadístico avanzado, como modelos lineales, de regresión, análisis de series de tiempo o
análisis de supervivencia.

Variedad de herramientas de gráficos y visualización de datos.

Programación y automatización de tareas.

Métodos de análisis multivariado y de datos longitudinales.

Y estas son solo algunas de las funcionalidades a nivel general. Dependiendo de la meta principal
de la actividad a realizar, se podrá elegir una amplia gama de modelos o tests a aplicar a los datos.
Modelo IS-LM
El modelo IS-LM es una herramienta macroeconómica que muestra la relación entre los tipos de
interés y la producción real en el mercado de bienes y servicios y, por tanto, en el dinero

Las iniciales IS significan «Investment and Saving equilibrium» (equilibrio entre inversión y ahorro)
mientras que LM responde a las siglas de «Liquidity preference and Money supply equilibrium”
(equilibrio entre liquidez y el suministro del dinero).

Las curvas IS-LM siguen siendo uno de los mejores ejemplos de la teoría económica relacionada
con el pensamiento keynesiano. Sin embargo, las críticas pronto se hicieron notar con respecto a
las pendientes de las curvas IS y LM y a las ecuaciones de precios y salarios que debían añadirse al
modelo, entre otros muchos factores.

La curva IS

La curva IS muestra las situaciones de equilibrio entre inversión y ahorro para los diferentes valores
de renta (Y) y tipo de interés (r). Por tanto muestra el equilibrio en el mercado de bienes. Tiene
pendiente negativa porque, como la inversión depende inversamente del tipo de interés, una
disminución o aumento del tipo de interés hace aumentar o disminuir la inversión, lo que conlleva
un aumento o descenso de producción.

En definitiva, esta línea representa la relación de causalidad entre la caída de las tasas de interés y
al aumento de las inversiones previstas fijas que provocan el aumento de la renta nacional y la
producción.

La curva LM

La curva LM muestra las situaciones de equilibrio entre la oferta y la demanda en el mercado

monetario. Se considera que cuanto mayor es el nivel de producción y renta, mayor es la demanda
de dinero; y cuanto mayor es la demanda de dinero, mayor tiende a ser el tipo de interés. De ahí
que la LM tenga una pendiente positiva.
Equilibrio del Modelo IS-LM

El punto E en el que se cruzan las curvas IS y LM muestra la posición del equilibrio simultáneo en
ambos mercados, el monetario y el de bienes. Es un equilibrio estable ya que si se produce una
situación temporal de desequilibrio que desplaza la posición a cualquier otro punto, las fuerzas del
mercado presionarán para volver a ese punto de cruce.

La situación de equilibrio puede verse alterada por variables distintas al tipo de interés que pueden
provocar desplazamientos de las curvas. Los aumentos en la demanda efectiva (de consumo, de
inversión, de gastos públicos o del sector exterior) provocan desplazamientos hacia la derecha de
la curva IS y, por tanto, un nuevo punto de equilibrio a un nivel de renta y tipo de interés superior.

Hay que recordar la diferencia entre movimiento a lo largo de una curva y desplazamiento de la
curva: el movimiento a lo largo de la IS estará provocado por variaciones en el tipo de interés,
mientras que los desplazamientos se deberán a variaciones en otras variables, sea cual sea el tipo
de interés.

Asimismo, los aumentos en la oferta de dinero, caídas en el nivel general de precios, disminuciones
en la demanda de dinero, etc, provocan desplazamientos hacia la derecha de la curva LM y por
tanto un nuevo equilibrio con mayor producto y menor tipo de interés.

De acuerdo al modelo IS-LM, cuando se aumenta el gasto (desplazamiento curva IS a la derecha)

aumentarán los tipos de interés. Por lo que si se aumenta la oferta monetaria (desplazamiento
curva LM a la derecha) se conseguirá descender de nuevo el tipo de interés y la mezcla de ambas
políticas económicas elevarán la producción.

Ventajas y desventajas del modelo IS-LM

1. Entre las ventajas del modelo IS-LM destacan:

2. Facilita la comprensión del funcionamiento del mercado monetario.
3. Simplifica el equilibrio del mercado de inversión y ahorro, tomando en cuenta las variables
principales.
4. Es uno de los modelos teóricos con más prestigio.

De la misma forma, como todo modelo tiene también desventajas en forma de limitaciones:

5. Al ser un modelo simple, no incluye muchos otros factores que podrían afectar al equilibrio
de mercado.
6. Existe discusión para estimar las pendientes de las curvas IS y LM.
7. Los críticos indican que entre las variables que deberían incluir, se encuentran la curva de
salarios y de precios.
Modelos Logit y Probit
Los modelos Logit y Probit son modelos econométricos no lineales que se utilizan cuando la
variable dependiente es binaria o dummy, es decir que sólo puede tomar dos valores.

El modelo más sencillo de elección binaria es el modelo de probabilidad lineal. Sin embargo, los
problemas de utilizarlo son dos

1. Las probabilidades obtenidas pueden ser menores a cero o mayores a uno,

2. El efecto parcial permanece siempre constante

Para superar esas desventajas, se diseñó el modelo logit y el modelo probit, los cuales utilizan una
función que asume únicamente valores entre cero y uno. Estas funciones no son lineales y
corresponden a las funciones de distribución acumuladas.

En muestras grandes, el estimador de máxima verosimilitud es consistente, normalmente

distribuido y es el más eficiente (porque tiene la varianza más pequeña de todos los estimadores)

Modelo Logit
En el modelo Logit, la probabilidad de éxito se evalúa en la función G(z)=/\(z) donde

Esta es la función de distribución acumulada logística estándar.

Por poner un ejemplo, con esta función y estos parámetros obtendríamos un valor de:

Hay que recordar que la variable independiente es la probabilidad de éxito predicha. El B0 indica la
probabilidad de éxito predicha cuando cada una de las x es igual a cero. El coeficiente B1 gorro
mide la variación de la probabilidad de éxito predicha cuando la variable x1 aumenta en una
unidad.

Modelo Probit
En el modelo Probit, la probabilidad de éxito se evalúa en la función G(z)=Φ(z) donde

Esta es la función de distribución acumulada normal estándar.

Por poner un ejemplo, con esta función y estos parámetros obtendríamos un valor de:

Efectos parciales en Logit y Probit

Para determinar el efecto parcial de x1 sobre la probabilidad de éxito se tienen varios casos:
Para calcular el efecto parcial se debe reemplazar cada variable x por un valor específico,
frecuentemente se usa el promedio muestral de las variables.

Métodos para estimar Logit y Probit

Mínimos cuadrados no lineales

El estimador de mínimos cuadrados no lineales selecciona los valores de que minimizan la suma de
residuales al cuadrado

En muestras grandes, el estimador de mínimos cuadrados no lineales es consistente, se distribuye

en forma normal y en general, es menos eficiente que máxima verosimilitud.

Máxima verosimilitud

El estimador de máxima verosimilitud selecciona los valores de que maximizan el logaritmo de la

verosimilitud
En muestras grandes, el estimador de máxima verosimilitud es consistente, normalmente
distribuido y es el más eficiente (porque tiene la varianza más pequeña de todos los estimadores)
Modelo keynesiano
El modelo keynesiano es una teoría económica desarrollada por John Maynard Keynes a través de
un modelo económico, en el cual se demuestra fundamentalmente la relación que existe entre el
nivel de ocupación o empleo y el nivel de ingresos de un lugar.

El modelo keynesiano se desarrolla en una época en la cual la teoría económica estaba dominada
por el pensamiento clásico. Los principales supuestos clásicos sobre la teoría de la ocupación y el
empleo eran que la economía tiende hacia una posición de equilibrio con pleno empleo.

Los economistas clásicos suponían que el desempleo era causado básicamente por la oposición de
los trabajadores de aceptar los niveles de salarios marcados por el mercado. Precisamente, el
modelo keynesiano fue desarrollado para refutar las conclusiones a la cual llegaban los
economistas clásicos mediante sus análisis económicos.

Conceptos y conclusiones en el modelo keynesiano

Keynes introduce, a través de su modelo, dos conceptos nuevos:

Demanda total agregada: Significando con ello, la demanda total de bienes y servicios.

Oferta total agregada: Es decir, el total de bienes y servicios ofrecidos.

Este modelo permite derivar ciertas conclusiones. Así, se demuestra que para cada nivel de
producción existe un nivel válido correspondiente de ocupación.

Por tanto, para Keynes la causa del desempleo es la existencia de una demanda total agregada
deficiente. La demanda agregada es la variable clave que establece la situación de paro o inflación
de la economía.

Se plantea que la renta o ingreso nacional está determinada por lo que Keynes llamó propensión
marginal al consumo. Esto es, la parte de la renta personal que se dedica al consumo.

En tanto, la demanda agregada está fuertemente dominada por los componentes de dicha
demanda. Esto es, la propensión a invertir, el multiplicador de la demanda y por la relación con el
tipo de interés. Razones por la cual, de acuerdo a la tónica del modelo keynesiano, la renta deriva a
depender entonces de los componentes mencionados de la demanda agregada.

Aplicaciones prácticas derivadas del modelo keynesiano

Las políticas recomendadas por Keynes, resultaron ser muy prácticas. Las conclusiones resultantes
del desarrollo del modelo keynesiano han sido totalmente válidas, principalmente para los
gobiernos que había vigentes en la época en que fueron formuladas.

La política económica fundamental recomendada consiste en aumentar el gasto público, lo cual

provocará una expansión en la demanda agregada. Trayendo como punto favorable de su
aplicación un aumento en la producción, el empleo y la inversión. Sus políticas del gasto público
son aplicadas por muchos de los Estados o gobiernos del mundo.
Sin embargo, también existen detractores. Muchos economistas están en contra del planteamiento
de Keynes y creen que su teoría ha impulsado a los países a descuadrar sus cuentas por el aumento
del gasto público. Los economistas detractores del modelo keynesiano indican que las políticas que
Keynes plantea solo crean inflación y déficit. Por tanto, a largo plazo, según indican, la actividad
económica se verá mermada.
Curva de Kuznets
La curva de Kuznets es una representación gráfica que muestra la relación entre el crecimiento
económico y la desigualdad de ingreso.

Esta hipótesis fue desarrollada por el economista, ganador del Premio Nobel de Economía de 1971,
Simon Kuznets; quien, también, desarrolló uno de los indicadores más utilizados por los
economistas: el producto interior bruto (PIB).

Hipótesis de la curva de Kuznets

Kuznets realizó una basta cantidad de investigaciones sobre el crecimiento económico. En uno de
esos casos, investigó si la desigualdad de ingreso se veía afectada por el crecimiento económico.
Por consiguiente, tomó datos de Estados Unidos, Reino Unido y Alemania para verificar su
hipótesis. Si bien el mismo autor considera que los datos fueron insuficientes, sirven para observar
la tendencia a largo plazo de países avanzados.

Estos datos corresponden a ingresos antes de impuestos directos y sin contar las ayudas
gubernamentales. Es importante aclararlo, porque existen países donde la proporción y la
progresividad de los impuestos directos y las ayudas del gobierno son mayores. Por ende, se
espera una reducción aún mayor de la desigualdad de ingreso, sustentado este hallazgo con los
datos de EE. UU. y Reino Unido.

Por otra parte, logró comprobar que la estabilidad o reducción de la desigualdad estuvo
acompañada de aumentos significativos del ingreso real per cápita. A modo de análisis, se puede
considerar una participación porcentual constante de diferentes grupos en el nivel de ingreso. Por
tanto, se concluye que los grupos de menor ingreso estarían aumentando a un ritmo más rápido
que los grupos de ingresos altos.

Este efecto se explica por la migración de la mano de obra rural a los sitios urbanos, donde se
desarrollan las industrias. Sin embargo, también se considera que este efecto es observable en el
posterior desplazamiento de la mano de obra hacia el sector servicios.

Representación gráfica de la curva de Kuznets

Como resultado de la investigación, se evidencia la existencia de una curva con forma de “U”
invertida. Por consiguiente, en una etapa de pre industrialización, la economía se mueve hacia una
situación de mayor desigualdad. No obstante, con el proceso de crecimiento económico, y llegando
a cierto nivel, la desigualdad disminuye como puede observarse en la siguiente imagen.
Críticas a la curva de Kuznets

La evidencia empírica ha arrojado resultados mixtos, al intentar comprobar la hipótesis de Kuznets.

Por una parte, países como Reino Unido, Francia, Alemania y Suecia siguieron una trayectoria que
se corresponde con la hipótesis. Por otra parte, Países Bajos, Noruega y economías de Asia Oriental
no se han correspondido con el hallazgo. Algunos de los investigadores atribuyen los casos
negativos al progreso tecnológico u otros elementos no económicos, sino políticos e
institucionales.

Finalmente, el mismo autor admitía en 1955 la insuficiencia de datos para comprobar su hipótesis
con total certeza. Aunque el estudio preliminar constituyó un avance importante para la teoría del
crecimiento económico.