Econometría

MSc. Luis Carlos Ibáñez

¿Cómo surge la econometría?

En la vida real tenemos datos para muchas cosas y siempre es útil

analizar los datos para tomar decisiones. A partir de ello surge la
econometría.

A través de la econometría, podemos encontrar relaciones entre

diferentes variables, calcular los efectos que tienen una variables en
otro (clientes y ventas, precio de la gasolina y consumo de la gasolina)
Orígenes

Pawel Ciompa, un economista polaco fue el primero en usar

el término en 1910.

Sin embargo, el término econometría, a como lo conocemos

hoy en día esta muy relacionado con la fundación de la
Sociedad Econométrica (1929) por el economista noruego
Ragnar Frisch (1895-1973) y la publicación del editorial
“Econometrica” (1933)

Jan Tinbergen (1903 – 1994) fue un economista holandés que

fue galardonado con el primer Premio Nobel de Ciencias
Económicas en 1969 por haber desarrollado y aplicado
modelos dinámicos para el análisis de procesos económicos
junto con Frisch.
(https://www.nobelprize.org/prizes/lists/all-prizes-in-econom
ic-sciences)
Definición de Econometría
• Proviene de dos palabras griegas: “oikonomia”, que significa el estudio
de la gestión de un hogar/economía y “metriks”, que significa medir.
Por tanto, en términos literales significa “medición económica”.

• Ciencia social en la cual las herramientas de la teoría económica, las

matemáticas y la inferencia estadística se aplican al análisis de los
fenómenos económicos. (Goldberger)

• Rama de la economía que transforma modelos económicos teóricos en

herramientas útiles para la formulación de políticas económicas (FMI,
F&D 2011)

• M. Hashem Pesaran (1987) dice que es la aplicación de métodos

estadísticos a los datos económicos para dar contenido empírico a las
relaciones económicas.
• Como indican las definiciones anteriores, la econometría es una
amalgama de teoría económica, economía matemática, estadística
económica y estadística matemática. Aun así, la materia merece un
estudio separado por las siguientes razones.

• La teoría económica hace afirmaciones o formula hipótesis de

naturaleza sobre todo cualitativa. Por ejemplo, la teoría
microeconómica establece que, si no intervienen otros factores, se
espera que la reducción del precio de un bien aumente la cantidad
demandada de ese bien.

• Su objetivo consiste en convertir enunciados cualitativos (como “la

relación entre dos o más variables es negativa”) en enunciados
cuantitativos (como “el gasto de consumo de cigarros disminuye
Q0.50 por cada Q1 que aumenta el impuesto”).
Tipos de información para el análisis econométrico.

Modelos
Teoría matemáticos/ Datos
Económica análisis numéricos
estadístico
Teoría Económica
Postula una relación (negativa o positiva) entre dos variables.

Por ejemplo:
El precio y la cantidad demandada de un bien (ropa, gasolina)
No. de clientes de una empresa y cantidad vendida.
Tasa de interés pasiva y el nivel de ahorro.
Exportaciones y tipo de cambio.
El riesgo de accidentes en una zona determinada de la carretera
respecto a su geografía.

Pero la teoría por sí sola no proporciona medida numérica alguna de

la relación entre las variables; es decir, no dice cuánto aumentará o se
reducirá una variable como resultado de un cambio determinado en
la otra.
Modelos matemáticos / análisis estadístico
• Expresar la teoría económica en una forma matemática
(ecuaciones).

• Si el modelo tiene una sola ecuación se denomina modelo

uniecuacional, mientras que si tiene más de una ecuación, se conoce
como modelo multiecuacional.
Datos numéricos

Datos provenientes de la observación

Datos provenientes de la experimentación.

Metodología tradicional

1. Planteamiento de la teoría o de la hipótesis.

2. Especificación del modelo
matemático/econométrico de la teoría.
3. Obtención de datos.
4. Estimación de los parámetros del modelo
econométrico.
6. Pruebas de hipótesis.
7. Pronóstico o predicción.
8. Utilización del modelo para fines de control o de
políticas.
Etapas del Análisis
Modelos de regresión simple
Relacionar dos variables

Ejemplo: el consumo de combustible de un vehículo y el tamaño del motor del

vehículo.

Análisis: Determinar que variable depende de la otra. Ej. El consumo de

combustible depende del tamaño del motor.

El consumo de combustible se conoce como variable dependiente (Y)

El tamaño del motor se conoce como variable independiente (X).
Modelo regresión lineal.

• Para dar cabida a relaciones inexactas entre las variables económicas,

planteamos un modelo de la siguiente manera:

Y = β1 + β2X + u
Consumo de combustible = B1 + B2* tamaño de motor + u

• donde u, conocida como término de perturbación o de error, es una variable

aleatoria (estocástica) con propiedades probabilísticas bien definidas

• La ecuación anterior es un ejemplo de un modelo econométrico. Más

técnicamente, dicha ecuación es un ejemplo de un modelo de regresión lineal
simple

• En estos modelos se expresa una variable, llamada dependiente, como

función lineal de una o más variables, llamadas explicativas.
Modelos de regresión simple
Relacionar dos variables

Ejemplo: años de servicio en una empresa y promedio de errores mensuales

cometidos.

Análisis: Determinar que variable depende de la otra.

Promedio de errores mensuales se conoce como variable dependiente (Y)

Años de servicio se conoce como variable independiente (X).

Y = β1 + β2X + u
Promedio de errores mensuales = B1 + B2* Años de servicio + u
El análisis de regresión trata del estudio de la dependencia de una
variable (variable dependiente) respecto de una o más variables
(variables explicativas) con el objetivo de estimar o predecir la media o
valor promedio poblacional de la primera en términos de los valores
conocidos o fijos (en muestras repetidas) de las segundas.
De forma gráfica

Antes de establecer un modelo matemático (una ecuación), podemos

realizar un diagrama de dispersión.

En el eje horizontal (X) se coloca la variable independiente

En el eje vertical (Y), se coloca la variable dependiente.
Qué es lo que buscamos…

Encontrar una línea que pase por entre los puntos.

Debemos establecer un Modelo Matemático

Lo más simple es una ecuación lineal de la siguiente forma: Y= a + bX + u

Y es nuestra variable dependiente (ventas); X es nuestra variable

independiente (# clientes); a y b son los parámetros del modelo. “a” se le
conoce como intercepto y “b” como la pendiente de la recta. El coeficiente b
nos explica la relación que hay entre el cambio que puede ocurrir en Y ante
un cambio en X
Si observa una tendencia en la nube de
dispersión muy probablemente podemos hacer
un buen cálculo de regresión (ejemplo)
Ejemplo
• The Joy of Stats :
https://www.youtube.com/watch?v=V8lbiiTF2P0

• ¿Qué relación hay entre las variables?

• ¿Podemos cuantificar el impacto de la variable
independiente a la dependiente?
• ¿Hay una única forma de calcularlo? ¿Cuál es la
mejor forma de hacerlo?
Regresión vrs. causalidad
A pesar de que el análisis de regresión tiene que ver con la
dependencia de una variable respecto de otras variables, esto no
implica causalidad necesariamente. Debemos interpretarlo como
una relación estadística.

Regresión vrs. correlación

Estas se relacionan de manera estrecha, aunque conceptualmente
los dos son muy diferentes. En el análisis de correlación, el objetivo
principal es medir la fuerza o el grado de asociación lineal entre dos
variables, Sin embargo, en regresión nos interesa estimar y predecir
el valor promedio de una variable con base en los valores fijos de
otras.