FACULTAD DE

NEGOCIOS
CARRERA DE ADMINISTRACIÓN BANCARIA Y FINANCIERA

Trabajo de campo – Semana 1

Aporte Autores:
100% FARFÁN CORZO ANGEL CRISTHIAN - N00210466

0% HUAMAN QUISPE, RAISA INDIRA – N00227282

0% LEON HAYASI, SHERYL STEPHANIE - N00197688

0% MORALES MACO, GIAN POOL GINO - N00190151

Asignatura:

Econometría Financiera

Profesor:

Olivera Payano, Ricardo

Lima- Perú

2022
 2

INDICE

1. DATOS DE CORTE TRANSVERSAL ........................................................... 3

2. DATOS DE SERIES DE TIEMPO ................................................................. 4

3. COMBINACIÓN DE CORTES TRANSVERSALES ...................................... 6

4. DATOS DE PANEL O LONGITUDINALES.................................................. 7

BIBLIOGRAFIA .................................................................................................... 8

2
 3

1. DATOS DE CORTE TRANSVERSAL

Determina que, “el análisis de regresión clásico permite predecir el valor esperado de

una variable dependiente” por ejemplo, los ingresos anuales de un individuo dado un grupo

de variables independientes. un vector de características de dicho individuo: sexo, educación,

experiencia y entre otros”. Salas Velasco,( 2006)

Sin embargo, indica que “al usar un «modelo de respuesta cualitativa», podemos

predecir la probabilidad de que una respuesta sea elegida. Si un graduado de secundaria debe

optar entre estudios universitarios de mayor o menor duración, así mismo, la probabilidad de

que elija cada una de las alternativas. La probabilidad de elegir cada una de las opciones está

relacionada con las características personales de cada individuo, como la habilidad escolar

en la etapa preuniversitaria, los ingresos familiares, el nivel educativo de los padres, etc.”

Salas Velasco,( 2006)

Por otro lado, sustenta que “un método directo que permite aproximarse al proceso de

toma de decisiones educativas en el ámbito universitario es preguntar directamente a los

estudiantes acerca de los motivos que los animaron a seguir «educándose» una vez concluida

la enseñanza secundaria”. Salas Velasco,( 2006)

3
 4

La decisión de ir a la universidad (porcentaje de respuestas)

Motivo Prestigio Perspectiva Promoción Motivo Total

inversión social de empleo interna consumo
Total, 4,6 1,8 44,4 1,2 48,0 100,0
titulados
SEGÚN DURACION DE LOS ESTUDIOS
Diplomatura 4,1 1,0 55,2 1,3 38,4 100,0
licenciatura 5,0 2,4 36,1 1,0 55,4 100,0
POR AREAS DE CONOCIMIENTO
estudios 0,0 2,0 39,4 3,0 55,6 100,0
humanísticos
(1)
Estudios 7,8 1,9 54,0 1,6 34,8 100,0
científicos-
técnicos (2)
Estudios 3,7 1,9 39,8 1,0 53,7 100,0
ciencias de
la salud (3)
Estudios 6,3 1,2 52,6 0,9 39,0 100,0
socio
jurídicos (4)
Fuente: Salas Velasco,( 2006)

1.- Filosofía, Geografía e Historia, Filologías y Pedagogía.

2.- Biología, Geología, Matemáticas, Física, Química, Arquitectura Técnica y

Arquitectura (Superior).

3.-Enfermería y Medicina.

4.- Derecho, y Económicas y Empresariales.

2. DATOS DE SERIES DE TIEMPO

Vásquez (2022) nos menciona que, Las series de tiempo es una de las metodologías

estadísticas más aplicada debido a que usualmente se tiene información histórica que se

desea estudiar y se usan en diversos campos del conocimiento, por ejemplo, en economía.

4
 5

Sin embargo, actualmente es común encontrar aplicaciones en prácticamente cualquier

área.

Uno de los principales usos de las series de tiempo, es hacer pronósticos de valores

futuros de la variable de interés, usando la información disponible.

Asimismo, En series de tiempo, es muy importante conocer el tipo de información

que se está utilizando, debido a que los datos suelen tener comportamientos complejos, por

lo que conviene tener la mayor información del fenómeno que se está estudiando

EJEMPLO:

PROMEDIO MÓVIL: Un promedio móvil se construye sustituyendo cada valor de

una serie por la media obtenida con esa observación y algunos de los valores

inmediatamente anteriores y posteriores. Se mostrará este método a continuación.

Aplicar el método de promedios móviles para el pronóstico de ventas de gasolina a

partir de la siguiente información:

Se considerará el promedio móvil a partir de las tres observaciones más recientes.

SEMANA VALOR DE LA SERIE DE PRONOSTICO DE LA I-ESIMA

TIEMPO (MILES DE SEMANA CON PROMEDIOS
GALONES) MOVILES
1 17
2 21
3 19
4 23 (17+21+19)/3 = 19
5 18 (21+19+23)/3 = 21
6 16 (19+23+18)/3 = 20
7 20 19
8 18 18
9 22 18
10 20 20
11 15 20
12 22 19

5
 6

3. COMBINACIÓN DE CORTES TRANSVERSALES

De acuerdo con (Gujarati & Porte, 2009) , los datos combinados reúnen elementos

de series de tiempo y transversales.

Según el autor (Wooldridge, 2009). Una combinación de corte transversal se puede

analizar de manera similar a como se está analizando los datos de corte transversal, pero se

suelen tomarse en cuenta las diferencias que presentan las variables con el tiempo.

Efectivamente, además de que se asciende el tamaño de la muestra, y lo que se debe tomar

en cuenta en el análisis de combinaciones de cortes transversales es observar cómo ha

cambiado con el tiempo una relación clave.

Además (Wooldridge, 2009) nos brinda un claro ejemplo de la combinación de

Cortes Transversales donde indica en el ejemplo de que en Estados Unidos donde se realiza

2 encuestas a los hogares en diferentes años. Una de ellas se llevo a cabo en 1985 y la otra

en 1990. Donde se encuesta de manera aleatoria acerca de variables como ingreso, ahorro,

tamaño de la familia, etc. Y para tener una muestra mayor se puede combinar los cortes

transversales juntando ambos años

Combinación de Cortes Transversales precios de la vivienda en dos años diferentes

Obsno Año PrecioV Impprov Piescuadr Rees Baños

1 1993 85 500 42 1600 3 2.0
2 1993 67 300 36 1440 3 2.5
3 1993 134 000 38 2000 4 2.5
: : : : : : :

6
 7

: : : : : : :
250 1993 243600 41 2600 4 3.0
251 1995 65 00 16 1250 2 1.0
252 1995 182 400 20 2200 4 2.0
253 1995 97 500 15 1540 3 2.0
: : : : : : :
: : : : : : :
520 1995 57200 16 1100 2 1.5
Fuente: (Wooldridge, 2009)

4. DATOS DE PANEL O LONGITUDINALES

Sancho y Serrano, (2005) manifiestas que los datos de Panel son aquellos que surgen de la

observación de una misma sección cruzada o corte transversal con N individuos a lo largo del tiempo.

En ellos, se obtiene información para cada uno de los individuos, i = 1, 2, 3…N, para cada momento

del tiempo, t = 1, 2, 3…T, tratándose de una muestra de NxT observaciones. Generalmente las

variables observadas se identifican para cada individuo, i, y momento del tiempo, t. (p. 2)

Los datos de los paneles pueden ser:

• Balanceados cuando el número de periodos es igual para todos los individuos y no

balanceados cuando es diferentes.

• Corto o Micro cuando el número de sujetos, N, es mayor que le número de periodos, T y

largo o macro cuando T es mayor que N.

Ventajas

• Permite trabajar con una buena cantidad de observaciones de los sujetos o el tiempo.

• Permite retener la heterogeneidad entre el tiempo o los individuos.

• Se disminuyen las colinealidades entre las variables explicativas.

A continuación, se muestra un ejemplo de datos de panel.

7
 8

Departamentos Año PBI

2011 2,287,107
2012 2,551,601
Amazonas
2013 2,680,266
2014 2,824,603
2015 2,782,128
2011 16,155,687
2012 17,666,947
Áncash
2013 18,478,843
2014 16,028,265
2015 17,584,621
2011 1,869,417
2012 2,110,908
Apurímac
2013 2,342,674
2014 2,437,434
2015 2,630,345
2011 21,038,813
2012 22,033,542
Arequipa
2013 22,629,103
2014 22,773,308
2015 23,524,592

En la tabla anterior se recoge el PNI de 5 departamentos del Perú en el transcurso

de los años 2011-2015.

BIBLIOGRAFIA

Salas Velasco, M. (2006). La demanda de educación superior: un análisis microeconómico

con datos de corte transversal. Revista de Educación.
Sancho. A, Serrano. G (2004-2005), Econometría de Económica, España.

https://www.uv.es/~sancho/panel

8
 9

Salmerón, R. Modelos de datos de panel, Universidad de Granada RSG, España.

https://www.ugr.es/~romansg/material/WebEco/04-Eco2/Transparencias/04_Panel.pdf

Vásquez, F. (2022). Series de tiempo

https://franciscoariel.github.io/site/estadistica/series_tiempo/

Gujarati, D.,& Porte, D.(2009).Econometría.5ta Edición.McGRAW-HILL/EDUCATION

Wooldridge, J. (2009). Introducción a la econometría. Un enfoque moderno.4ta Edición.

ISSN.