Daniel Lozano Keymolen

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

FACULTAD DE ECONOMÍA
LICENCIATURA EN RELACIONES ECONÓMICAS INTERNACIONALES
MODALIDAD A DISTANCIA

Unidad de aprendizaje: Modelos econométricos

Asesoría: Actividad 3 – asesoría 1
Elaboró: Dr. Daniel Lozano Keymolen

Notas
-Recuperar aspectos teóricos o metodológicos de unidades de aprendizaje anteriores.
-Utilizar referencias bibliográficas.
-No se permite el plagio.
-Todos y cada uno de los cuatro puntos de la actividad deben estar justificados.
-Envía tu archivo en formato PDF.

Objetivo
Asesorar a la o el estudiante sobre la solución a la ACTIVIDAD 3. Decisión del tipo de
modelo econométrico a utilizar en un caso específico, que forma parte de los criterios de
evaluación de la unidad de aprendizaje Modelos econométricos de la Licenciatura en
Relaciones Económicas Internacionales Modalidad a Distancia.

Asesoría para la actividad

Hola.
Espero se encuentren bien. Les escribo para brindarles asesoría con la actividad 3,
esperando que hayan leído con atención los materiales.
La actividad programada les requiere que Ustedes respondan a cuatro puntos, justificando
cada uno de los mismos, según la información y el análisis expuesto en el CASO (Páginas
3 y 4 de la actividad). Deben tomar como referencia la pregunta: “¿Qué tipo de modelo es
el más adecuado para medir la forma en que las horas de estudio contribuyen a las notas
obtenidas?”. Entonces, las respuestas que deben acompañarse de una justificación son:
1. Según el número de variables endógenas a explicar
2. Por la forma de relaciones
3. Por el momento de referencia en el tiempo
4. Por el tipo de datos empleado

1
Daniel Lozano Keymolen

Veamos un poco de esto.

A) En el punto uno se pregunta sobre el número de variables endógenas. En el lenguaje
econométrico se denomina variable endógena a aquella que depende de la función regresora
establecida. Por ejemplo, si se tiene el caso de un modelo en el cual se busca estimar el
efecto lineal de una variable exógena (𝑋𝑖 ) sobre una variable endógena (𝑌𝑖 ). Esta relación se
expresa como:
𝑌𝑖 = 𝑓(𝑋𝑖 ), que se lee Y es función de X. ecuación 1
Mientras que en términos de la ecuación de regresión,
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 , que se lee Y es función lineal determinística de los valores de X.
ecuación 2
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 + 𝜀𝑖 , que se lee Y es función probabilística de los valores de X.
ecuación 3
Este tipo de ecuaciones (2 y 3) nos hablan de la existencia de una sola variable endógena
que en notación se expresa por la letra Y. NOTA: En el documento “Tipos de Modelos” de
la Plataforma SEDUCA-UAEMéx definen a la variable exógena como Y (solo es
notación).
De momento, te sugiero que revises el esquema en 1.6 Terminología y notación del texto
de Gujarati y Porter (2009). En este esquema se expresan las notaciones que en términos de
la estadística definen a las variables de una ecuación. Así, puedes referirte a la variable X
como independiente, mientras que a la variable Y como dependiente.
Recuerda entonces, que si solo existe una variable endógena tu modelo es de una sola
ecuación (uniecuacional) y si tienes al menos dos variables endógenas a explicar tu modelo
es multiecuacional.

B) En el punto dos se pide definir el tipo de modelo a estimar según la forma de las
relaciones. Sobre esto es posible que recuerdes el producto momento de Pearson (Trosset,
2009),
1 𝑥𝑖 −𝑥̅ 𝑦𝑖 −𝑦̅ ̂ √𝑛−2
𝜌
(𝜌̂ = 𝑛−1 ∑𝑛𝑖=1[( )( )]) con ~𝑡(𝑛 − 2)
𝑠𝑥 𝑠𝑦 ̂2
√1−𝜌

Este estimador, que toma los valores [0, |1|], nos permite definir la presencia de correlación
lineal y su significancia estadística entre dos variables: Para 𝐻0 : 𝜌 = 0, entonces, |𝜌̂| ≥ |𝑟|
𝑟̂ √𝑛−2
es 𝑝 = 𝑃(|𝑇| ≥ )
√1−𝑟 2

COMENTARIO: Recuerda que el producto momento de Pearson establece comportamiento

lineal sobre dos variables Normales 𝑌𝑖 ~𝑁(𝜇𝑦 , 𝜎𝑦2 ); 𝑋𝑖 ~𝑁(𝜇𝑥 , 𝜎𝑥2 . Es decir,

2
Daniel Lozano Keymolen

Fuente: elaborado reproduciendo el código R en: https://statsandr.com/blog/correlation-coefficient-and-

correlation-test-in-r/

Lo cual nos indica la dispersión del espacio bivariado (𝑌𝑖 , 𝑋𝑖 ) y si este es lineal. Por
𝑟̂ √𝑛−2
ejemplo, si 𝑟̂ = −0.65, 𝑝 = 𝑃(|𝑇| ≥ ) ≤ 𝛼, podemos decir el coeficiente de
√1−𝑟 2
correlación lineal de Pearson es negativo y estadísticamente distinto de cero.

Entonces, de lo anterior, podemos inferir que existe una relación lineal entre las variables
del modelo econométrico.

C) En el punto tres se pide definir el modelo por su referencia en el tiempo. Es decir, si un

modelo utiliza datos que se expresan en el mismo tiempo pueden definirse como estáticos.
Por ejemplo,
𝑌𝑡 = 𝛽0 + 𝛽1 𝑋𝑡 + 𝜀𝑖
Donde el subíndice t nos dice que los valores de Y e X se expresa indexadas en el tiempo t.

Por otra parte, un modelo dinámico no habla de retardos (lag) entre variables (esto lo verán
en el curso de series temporales). Por ejemplo,
𝑌𝑡 = 𝛽0 + 𝛽1 𝑋𝑡−1 + 𝜀𝑖
Donde el subíndice t nos dice que los valores de Y se expresa indexados en el tiempo t,
mientras que los valores de X se expresan indexados en el tiempo t-1.

D) En el punto 4 se pide justificar la selección del modelo según el tipo de datos que s
emplean. Para esto basta con recordar que existen básicamente tres estructuras de datos:
una que corresponde a una sola observación temporal o transversales (que definiremos con
el subíndice i; (Xi, Yi) y otros que corresponden con una estructura de datos indexados en el

3
Daniel Lozano Keymolen

tiempo (hora, día, semana, mes, año…) y que son series temporales que se expresan con el
subíndice t (Xt, Yt). La estructura que combina datos transversales y de series temporales se
definen como de panel (Xit, Yit).

Referencias bibliográficas
Soetewey, A. (2020). Correlation coefficient and correlation test i R. Consultado el 06 de
septiembre de 2022 de https://statsandr.com/blog/correlation-coefficient-and-
correlation-test-in-r/
Trosset, M. W. (2009). An introduction to statistical inference and its applications with R.
Text in Statistical Sciences. Boca Raton, Florida: Chapman & Hall / CRC Press.