Está en la página 1de 51

ECONOMETRA

Autor: Francisco Eduardo


Madrazo Granados, 2013

Econometria
Definicin.
Es la herramienta utilizada por economistas, socilogos, mercadlogos e
investigadores en general para respaldar o comprobar modelos matemticos
tericos que relacionan una variable dependiente (o explicada) por una o mas
variables independientes (o explicativas).

En un sentido ms tcnico es una rama de la Teora Econmica que mediante


procedimientos estadsticos y matemticos relaciona series temporales de
informacin o datos numricos, con el objeto de determinar vnculos
presentes entre variables, de manera que se determina las relaciones directas o
inversas de las mismas, siempre basado en un modelo conceptual de teora
econmica, por ejemplo la relacin inversa entre los precios y la demanda (a un
Autor:
Francisco Eduardo
mayor precio una menor demanda
y viceversa).
Madrazo Granados, 2013

En este contexto es necesario plantear el trmino de modelo econmico, y se


puede decir que son simplificaciones tericas de abstracciones de la
realidad, expresadas mediante una relacin funcional de una variable
dependiente
y
una
o
mas
independientes.
Al aplicar mtodos estadsticos, como correlacin y regresin, a un modelo
matemtico de teora econmica, se esta efectuando un anlisis economtrico y
por tanto se busca dar validez a la teora con la tcnica inferencial probabilstica
y sus respectivas pruebas de hiptesis estadsticas, que den la aproximacin
numrica
de
la
certeza
del
modelo.
La principal utilidad de esta tcnica se encuentra por dos vas:
A) Por un lado se comprueba los supuestos tericos-matemticos de un modelo
basado en una realidad.
B) Y por otro se genera la posibilidad de realizar proyecciones para eventos
futuros y por lo tanto se tiene informacin adecuada para la toma de decisiones y
diseo de polticas o acciones preventivas o correctivas segn sea el caso,
siempre y cuando, el modelo posea validez estadstica, probabilstica y sobre
todo
terica.
Autor: Francisco Eduardo
Madrazo Granados, 2013

REGRESIN
Mientras que la correlacin mide el grado de vinculacin entre variables, la
regresin se encarga de calcular, a partir de las observaciones, el valor real de los
coeficientes
que
explican
una
relacin
funcional
matemtica.
Si dicho valor es calculado a partir de la serie u observaciones de una poblacin
completa se esta hablando de una ecuacin de regresin poblacional, y esa es
una ecuacin completamente confiable; sin embargo, sabemos que en la mayora
de los casos es imposible realizar este tipo de estudios ya sea por la cantidad de
unidades observacionales, o por la dispersin de la poblacin o sobre todo por el
valor
econmico
asociado
a
un
estudio
de
tal
magnitud.
Por tal motivo se utilizan mecanismos que facilitan estos estudios llegando a una
aproximacin de los datos poblacinales a partir de porciones o muestras
representativas, utilizando para su seleccin mtodos estadsticos de modo que
se explique a cabalidad los fenmenos sociales con cierto margen de error
tolerable.
Autor: Francisco Eduardo
Madrazo Granados, 2013

Partiendo de esa premisa es lgico pensar que podemos calcular una funcin de
regresin a partir de una muestra y el valor encontrado se dice que estima los
valores o coeficientes poblacionales y de esta forma se esta contando con una
ecuacin muestral que es confiable en la medida que la recoleccin de datos
cumple con una metodologa que garantice la representatividad de la informacin.
La funcin de regresin se representa tal como una ecuacin de la forma:
Y(X) =b+aX
En el clculo se estima los coeficiente a y b, donde a es el intercepto y b es
una elasticidad. Para su clculo se utiliza el mtodo de Mnimos Cuadrados
Ordinarios, el cual se explicar ms adelante.

Autor: Francisco Eduardo


Madrazo Granados, 2013

SECUENCIA DE PASOS
Para la realizacin efectiva de un anlisis economtrico es necesario efectuar
una secuencia de pasos de manera que se construya un modelo adecuado de
prediccin, dicha secuencia esta ligada a la experiencia y a las preferencias de
los investigadores, en ningn momento representa una receta que se tenga
que seguir al pie de la letra, adems es posible realizar simultneamente
algunas actividades:
Secuencia de pasos en econometra
1. Planteamiento terico del modelo economtrico (formulacin de hiptesis; o
relaciones funcionales)
2. Supuestos del modelo y formulacin de hiptesis.
3. Construccin de la forma matemtica del modelo terico e identificacin de las
principales variables y relaciones funcionales de las mismas.
4. Elaboracin funcional del modelo economtrico.
5. Identificar la informacin necesaria para realizar el modelo economtrico.
6. Recoleccin de datos de la serie y comparacin grfica de las observaciones.
7. Estimacin de los coeficientes del modelo economtrico.
8. Validez del modelo mediante la aplicacin de pruebas estadsticas.
9. Pronstico.
10. Toma de decisiones y diseo de polticas o acciones preventivas o correctivas,
basadas en el modelo.
Autor: Francisco Eduardo
Madrazo Granados, 2013

Paso 1
Planteamiento terico del modelo economtrico
La primera etapa consiste en seleccionar un modelo econmico, para ello es
necesario adoptar un enfoque de teora econmica, por ejemplo bajo los
supuestos de la teora clsica, neoclsica, keynesiana o estructuralista, etc, todo
depende del modelo que se estudie, esto con el objeto de facilitar la identificacin
de las relaciones de las variables y el establecimiento de los supuestos, y de igual
manera sirve como base para explicar las proyecciones y justificar la toma de
decisiones y polticas derivadas de los resultados del modelo economtrico.
Esta primer parte no es ms que tomar una hiptesis de teora econmica que
relacione una variable dependiente a una o ms variables independientes.
Ejemplo: El consumo privado crece de manera directa al crecimiento del ingreso.
Sin embargo, no todo el ingreso se transforma en consumo, es decir parte se
destina al ahorro
Autor: Francisco Eduardo
Madrazo Granados, 2013

Paso 2
Supuestos del modelo y formulacin de hiptesis
A partir de esa seleccin se procede a conocer todos los lmites o alcances del
modelo y por lo tanto se determinan los supuestos con los que el modelo adquiere
validez terica.
Ejemplo:La propensin marginal a consumir tendr un valor mayor a cero pero
menor a uno, en promedio para toda la economa
En cualquier caso se parte de una hiptesis de teora econmica, la cual se busca
demostrar mediante procedimientos estadstico, indistintamente que modelo se
desee comprobar se parte de una afirmacin de relacin entre variables
representada mediante una ecuacin matemtica.
Este punto es importante por cuanto la hiptesis ser la referencia con la que se
busca demostrar la investigacin, en caso que se encuentre informacin confiable
que mediante la ecuacin de regresin calculada se compruebe la relacin de las
variables, se esta en posicin de avalar o aceptar la hiptesis y por tanto el estudio
se vuelve una herramienta de anlisis que facilita la explicacin de un fenmeno.
Autor: Francisco Eduardo
Madrazo Granados, 2013

Paso 3
Construccin de la forma matemtica del modelo terico e identificacin de
las principales variables y relaciones funcionales de las mismas.
Conociendo con exactitud las relaciones funcionales de la teora, los supuestos en
los que el modelo tiene validez se pasa a determinar la forma matemtica de dicho
modelo
Ejemplo C = a + b Ynd
en el que 0<b<1
Donde:
C:
Consumo Privado (variable dependiente)
a:
Consumo Autnomo ( Intercepto)
b:
Propensin Marginal a Consumir (Pendiente de la recta)
Ynd: Ingreso Nacional Disponible (variable independiente)
Es posible que el investigador determine que existen otras variables como gustos
y preferencias, edad, etnia, etc. Sin embargo el modelo se puede ajustar a esas
variables siempre y cuando se posea la informacin para determinar la relacin y
sobre todo de registros estadsticos numricos que permitan el clculo del modelo
economtrico
Autor: Francisco Eduardo
Madrazo Granados, 2013

Paso 4
Elaboracin funcional del modelo economtrico
A partir de ello se puede trabajar con esa ecuacin para adecuarla a su forma
regresiva, es decir a plantearlo de manera que los datos se adecuen de manera
natural a un promedio y se Ajusten a una tendencia, para ello se requiere
expresar el modelo en trminos funcionales de Mnimos Cuadrados Ordenados,
dicho mtodo se plantear ms adelante.

Autor: Francisco Eduardo


Madrazo Granados, 2013

Paso 5
Identificar la informacin necesaria para realizar el modelo economtrico.
Cuando se esta seguro del modelo y se tiene la forma economtrica, se pasa a
considerar el lugar donde se puede obtener la informacin, cual es la ms til y la
facilidad de recoleccin de la misma.
Este paso consiste en verificar la existencia y registro de las variables, en muchos
de los casos, no se cuenta con una variable del modelo como tal, por ejemplo
para la ecuacin de produccin el nivel de capital fsico de la economa, que no
en todas las economas se calcula , no obstante por tratarse de anlisis de
tendencia, se puede sustituir el nivel de capital por una representativa de su
variacin, que en este caso, puede ser perfectamente el nivel de inversin, la idea
central reside en adecuar la variable del modelo a los datos ms cercanos con
que se cuentan .
Es necesario considerar en ente punto cual de toda la informacin de serie
estadstica que representa mejor a la o las variables estudiadas.
A nivel general se esperara obtener al menos 31 observaciones de cada variable,
debido principalmente a que a partir de ese nmero de observaciones una serie
de registros se adecua al Teorema del Lmite Central, lo que significa que es una
serie con curva normal, el cual es un requisito dentro de la econometra para dar
validez estadstica al modelo. Autor: Francisco Eduardo
Madrazo Granados, 2013

No obstante se sabe que los registros obtenidos de una unidad observacional


poblacional tienden a cumplir los supuestos de la curva normal es decir que se
adecua a una curva de probabilidad de forma de campana que es simtrica
alrededor de su valor medio, aproximadamente el 68% del rea bajo la curva
normal se posiciona entre los valores de su media () y desviacin estndar ( ), el
95% se ubica entre 2
y alrededor del 99.7% se encuentra en 3 , tal
como muestra la grfica.

El supuesto que se trabaja con un modelo en que sus variables se comportan de


manera normal permite garantizar:
Una distribucin normal de las perturbaciones estocsticas.
Que los estimadores son insesgados o que no estn influenciados por variables
externas.
Tienen una varianza mnima lo que significa una media altamente representativa.
Consistencia, en la media que se aumenta el valor de la muestra o de
observaciones para estimar, los valores proyectados se acercan o igualan los
valores poblacionales reales.
Los coeficientes estimados tiene varianza mnima por lo que los parmetros
Autor: Francisco
Eduardo
encontrados por Mnimos cuadrados
Ordinarios
son los Mejores Estimadores
Madrazo Granados, 2013
Insesgados lineal

Paso 6
Recoleccin de datos de la serie y comparacin grfica de las
observaciones.
Al tener la certeza de poseer las observaciones necesarias y se cuenta con
respaldo y validez en la recoleccin de las mismas, se pasa a efectuar una
comparacin grfica (en el caso que se plante una variable dependiente y una
independiente), utilizando un plano cartesiano y se observa la existencia de alguna
tendencia en el comportamiento de las observaciones tal como lo muestran las
siguientes grficas, los puntos reflejan las observaciones de una serie de datos,
mientras que la lnea que se encuentra al centro es su tendencia.

En la anterior imagen se aprecia que no existe relacin lineal. Un coeficiente de


Autor: Francisco Eduardo
correlacin cercano a 0
Madrazo Granados, 2013

Autor: Francisco Eduardo


Madrazo Granados, 2013

Paso 7
Estimacin de los coeficientes del modelo economtrico.
Habiendo establecido las relaciones de manera grfica con una serie estadstica
suficiente y con la viabilidad matemtica y terica del modelo se procede a la
estimacin de los coeficientes para ello se utiliza el mtodo de Mnimos
Cuadrados Ordinarios MCO por medio del cual se obtienen los mejores
coeficientes que permiten determinar el comportamiento de una funcin de
economtrica, para un rango determinado, estimando de esta manera los valores
reales a partir de la muestra.
El principal objetivo de una ecuacin de regresin obtenida por Mnimos
Cuadrados Ordinarios es que las desviaciones de los valores observados respecto
a los estimados sea el mnimo posible, es decir, se espera que se encuentren los
coeficientes que sean (F(x) observado F(x)estimado)2 un mnimo, en otras
palabras que la sumatoria de las diferencias del valor real menos el proyectado
elevado al cuadrado tienda a cero, de ah el nombre que el mtodo se le
denomine Mnimo Cuadrado Ordinario.
Autor: Francisco Eduardo
Madrazo Granados, 2013

Paso 8
Validez del modelo mediante la aplicacin de pruebas estadsticas.
Para determinar la validez del modelo se debe haber pasado una serie de
pruebas de hiptesis que hacen que el modelo se comporte de cierta manera o
que se encuentre en ciertos parmetros donde existe suficiente probabilidad de
ser fiables o buenos estimadores de los valores reales (dichas pruebas se
presentaran ms adelante).
Paso 9
Pronstico.
El pronstico consiste en utilizar la ecuacin para establecer con certeza el
posible comportamiento de la variable el cual puede darse en dos tiempos:
Dentro del domino o rango de informacin con la que se obtuvieron los
coeficientes.
Fuera del rango, para observaciones posteriores o anteriores a los del domino o
rango de informacin.
Autor: Francisco Eduardo
Madrazo Granados, 2013

En el primer caso no es necesario ms que sustituir en la ecuacin la o las


variables independientes, por que los coeficientes explican el comportamiento
dentro del rango con que se cuenta la informacin; en este caso se esta tratando
de una ecuacin que se puede llamar de Largo Plazo, para el segundo caso es
necesario transformar la ecuacin en un modelo predictivo de corto plazo en el que
se puede con alguna certeza aproximarse a los valores futuros y para ello se
trabaja la serie estadstica en diferencias para obtener de esas variables los
nuevos coeficientes, para el alcance de este curso se tomara la primer forma de
preedicin.
Paso 10
Toma de decisiones y diseo de polticas o acciones preventivas o
correctivas, basadas en el modelo.
Al haber establecido los coeficientes que dan validez al modelo se esta en la
posibilidad de efectuar toma de decisiones y diseo de polticas o acciones
preventivas o correctivas, basadas en el modelo, lo que supone que es una
herramienta que facilita la toma de actividades y acciones, pero a pesar de ese
valor estadstico en ningn momento se esta en la posibilidad de sustituir la
experiencia o el conocimiento del comportamiento humano que es en algunos
casos ms confiable que cualquier herramienta estadstica.
Autor: Francisco Eduardo
Madrazo Granados, 2013

Mnimos Cuadrados Ordinarios


SUPUESTOS
1. El modelo economtrico es lineal en sus parmetros es decir en sus
coeficientes y en sus variables incluyendo su valor de error estocstico Yi = 1+
2Xi + i
Esto significa en trminos sencillos que la potencia de cada factor de la ecuacin
es igual a 1.
2. Los valores que toma la variable X en un ejercicio de muestreo se mantienen
constantes, es un valor no estocstico o no aleatorio, lo que implica en trminos
concretos que los coeficientes estimados estn condicionados al valor de la o de
las variables dependientes.

Autor: Francisco Eduardo


Madrazo Granados, 2013

3. El valor promedio de las variaciones estocsticas i es cero, que significa que la


variacin del valor observado con el estimado a partir de la ecuacin de regresin
es cercano a cero para cada punto utilizado en la proyeccin.
En trminos sencillos lo que pretende este supuesto es que el valor de las
variaciones estocsticas es cero y por lo tanto la ecuacin economtrica se puede
representar as:
Yi = 1+ 2Xi + i
Yi = 1+ 2Xi + 0
Yi = 1+ 2Xi

i aproximado a cero

4. Las varianzas de cada error estocstico i deben ser idnticas o en trminos


estadsticas cumplir con el criterio de Homocedasticidad (homo o igual y cedstico
o dispersin), es decir que la varianza de i es igual para cada punto en todas las
observaciones.
Si este supuesto se cumple se esta asegurando que el nivel de varianza de las
observaciones es el mismo.
Autor: Francisco Eduardo
Madrazo Granados, 2013

5.No existe correlacin entre los errores estocsticos, lo que significa que al
aplicar un modelo de regresin para perturbaciones i de distintos puntos
observados, se obtiene un r2 cercano a cero, lo que se busca es que la
estimacin de Y no dependa de la variacin sistemtica de los errores estndar
la siguiente grafica muestran la condicin descrita de los errores estocsticos:

Correlacin serial Negativa, el valor de -i es correspondido con un valor +i y


viceversa
Autor: Francisco Eduardo
Madrazo Granados, 2013

Correlacin serial Positiva, el valor de +i es correspondido con un valor +i y


viceversa

Autor: Francisco Eduardo


Madrazo Granados, 2013

Correlacin cero de perturbaciones


Autor: Francisco Eduardo
Madrazo Granados, 2013

1. No existe correlacin entre los valores estocsticos y la variable


independiente, en otras palabras que no existe Covarianza entre i y X o
que su covarianza es cero, al correr la variable independiente y el valor de la
perturbacin se debera esperar que es cero, principalmente por que el valor
de X es no aleatorio y se asume fijo para muestras repetidas.
2. El nmero de observaciones debe ser mayor al nmero de parmetros a
estimar, no obstante no se debe olvidar que debemos contar con una serie de
al menos 31 datos para ajustarse al teorema de lmite central, no obstante
este criterio varia de investigador a investigador, muchos economistas
apuntan que ms de 20 valores estadsticos son suficientes, tambin es
necesario considerar el tipo de variables que se desean estimar.
3. Debe existir variabilidad en las variables independientes, es lgico pensar
este supuesto ya que la funcin de regresin estimada se logra a partir de
las desviaciones entre el valor de X y el de Y, determinando de esta manera
un estimado de los parmetros, de no encontrar variabilidad, se estara
esperando una no relacin lineal entre las variables.
Autor: Francisco Eduardo
Madrazo Granados, 2013

4. Debe el modelo debe estar especificado correctamente, es decir que lo que se


plante matemticamente debe estar respaldado por supuestos del modelo
econmico y que la forma funcional sea la que ms se ajusta, finalmente se
deben incluir todas las variables involucradas que inciden en la explicacin de
un fenmeno, para ello se pueden correr muchos modelos y aquellos que
demuestren un mejor nivel de correlacin y de pruebas estadsticas son los que
clasifican para hacer estimaciones o demostraciones de relaciones funcionales.

Autor: Francisco Eduardo


Madrazo Granados, 2013

Tipos de modelo
Los modelos economtricos pueden incluir hbridos o combinaciones,
generalmente se trata con modelos lineales, en la mayora de los casos
encontraremos que con dificultad se logra una serie con tendencia lineal debido a
la variabilidad de las observaciones y por tanto no siguen una tendencia visible a
primera vista.
Por tal motivo el uso de los logaritmos es una herramienta que facilita ajustar una
serie a una tendencia, en la medida que se tiene una serie con mucha dispersin,
se aplica a todas las variables o a una parte de ellas los logaritmos con el objetivo
de suavizar el efecto distorsionador.
Se tienen los siguientes tipos de modelos:
1.Lineales en sus variables (lineales en sus variables y parmetros)
2.Modelos log-lineales, se ajusta una o todas las variables que no tiene
compartimiento lineal
1.Doble logartmico
2.Log lineales o semi logartmicos
En los modelos lineales al graficar podemos apreciar su tendencia y estimar sin
mayor cambio utilizando el mtodo de MCO. Para los modelos doble log o log-log
se aplica a ambos lados de la ecuacin
los logaritmos,
este es el caso de las
Autor: Francisco
Eduardo
Madrazo Granados, 2013
funciones exponenciales y de potencia.

MNIMOS CUADRADOS ORDINARIOS


Uno de los puntos determinantes en la econometra se basa en el procesamiento
estadstico y para ello el mtodo de Mnimos Cuadrados Ordinarios MCO permite
encontrar los Mejores Estimadores Lineales Insesgados, este mtodo presenta
muchas ventajas en cuanto a lo fcil de su uso y por lo adecuado del
planteamiento estadstico matemtico que permite adecuarse a los supuestos
para
los
modelos
economtricos.
El trmino de MCO esta vinculado con la regresin y la correlacin, ambas
determinan la existencia de relacin entre dos o mas variables (siempre una
dependiente y una o varias independientes), la diferencia radica en que le
regresin se expresa en una funcin o relacin funcional mediante una ecuacin
con su uso predictivo, y la correlacin es un valor que mide la intensidad con que
estn relacionadas linealmente las variables, se esta hablado de una regresin o
correlacin simple cuando se relacionan 2 variables, si existen mas se habla de
una correlacin mltiple
Autor: Francisco Eduardo
Madrazo Granados, 2013

Las funciones regresivas principalmente pueden ser de cuatro tipos:


Lineales
De la forma matemtica
Y su expresin Regresiva

Y(x) = a+ bXi
Yi = 1+ 2Xi + i

De segundo grado
De la forma matemtica
Y su expresin Regresiva

Y(x) = a+ bXi+cXi2
Yi = 1+ 2Xi + 3Xi2+ i

Exponenciales
De la forma matemtica
Y su expresin economtrica

Y(x) = abx
log F(x) = log a + x log b + i

De potencia
De la forma matemtica
Y su expresin Regresiva

Y(x) = aXi
log Yi = log a + b log Xi + i
Autor: Francisco Eduardo
Madrazo Granados, 2013

La variable i se refiere al trmino de perturbacin o de error, se le


conoce como una variable aleatoria estocstica y se utiliza para recoger
todos aquellos elementos que afectan a las variables del modelo de
manera externa, es decir mejora la prediccin del modelo en la medida
que captura los efectos de variables no relacionadas con el modelo, en la
mayora de casos y cuando se cuenta con la suficiente informacin el
valor que toma esta variable es aproximadamente igual a cero y por lo
tanto es un valor descartable, siempre y cuando sea un valor cercano a
cero.
Para trabajar con una ecuacin no importando el tipo (exponencial,
logartmica o de potencia), es necesario en primer lugar linealizar la
ecuacin.

Autor: Francisco Eduardo


Madrazo Granados, 2013

FUNCIN LINEAL
Cuando se han recolectado los datos y si estos cumplen con el teorema de lmite
central (informacin que se ajusta a una curva normal) se procede a presentar la
informacin bajo un esquema bidimensional que no es ms que plantearla en
trminos del plano cartesiano.

Que bien puede representar la funcin de consumo privado, donde Y seria la


cantidad de consumo, a el consumo autnomo y b la propensin marginal a
consumir. En la siguiente tabla muestra el consumo privado y el ingreso nacional
disponible de 1980 a 2007 a precios constantes o reales de 1993.
Autor: Francisco Eduardo
Madrazo Granados, 2013

C.P.

Y.N.D.

1980
667,006,664
953,812,837
1981
712,916,378
1,037,487,028
1982
705,754,311
1,030,972,620
1983
676,268,443
987,709,951
1984
695,406,022
1,023,368,067
1985
716,459,887
1,049,907,932
1986
701,209,035
1,010,495,230
1987
702,400,198
1,029,247,464
1,042,066,104
1988
711,453,129
1,085,815,095
1989
763,269,866
1,140,847,530
1990
812,336,024
1,189,016,973
1991
850,343,136
1,232,162,341
1992
890,129,525
1,256,195,971
1993
903,173,547
1,311,661,116
1994
944,552,474
1,230,771,052
1995
854,688,400
1,294,196,562
1996
873,655,565
1,381,839,196
1997
930,152,321
1,451,350,909
1998
980,560,544
1,505,875,973
1999
1,022,768,524
1,605,127,875
2000
1,106,452,948
1,604,600,974
2001
1,133,855,791
1,616,987,650
2002
1,151,832,886
1,639,468,042
2003
1,177,440,605
1,707,689,114
2004
1,225,588,584
2005
1,288,494,741
1,776,201,191
2006
1,352,438,006
1,833,042,323
Autor: 1,408,636,423
Francisco Eduardo
2007
1,921,300,465

Madrazo Granados, 2013

La forma grfica queda entonces

El grfico anterior muestra una relacin lineal directa entre el consumo privado
y el ingreso nacional disponible.

Autor: Francisco Eduardo


Madrazo Granados, 2013

DESARROLLO
La ecuacin de la lnea recta es Y(x) = a+ bXi ,
Donde:
a es el intercepto o el valor que adquiere Y cuando X es igual a cero,
b representa la pendiente o elasticidad de la ecuacin (por el cambio en una
unidad adicional de x el valor total de Y cambia en la proporcin de b).
El objetivo de los mnimos cuadrados ordinarios es minimizar:

e2= (Y-Yest.)2
El resultado de optimalidad es el siguiente:

Autor: Francisco Eduardo


Madrazo Granados, 2013

CLCULO
Para obtener los valores de los coeficientes se tiene en primer lugar efectuar los
productos sealados en las ecuaciones anteriores, encontrar sus sumatorias y
realizar las sustituciones que se requiera:

1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

C.P.

Y.N.D.

667,006,664
712,916,378
705,754,311
676,268,443
695,406,022
716,459,887
701,209,035
702,400,198
711,453,129
763,269,866
812,336,024
850,343,136
890,129,525
903,173,547
944,552,474
854,688,400
873,655,565
930,152,321
980,560,544
1,022,768,524
1,106,452,948
1,133,855,791
1,151,832,886
1,177,440,605
1,225,588,584
1,288,494,741
1,352,438,006
1,408,636,423
25,959,243,976

953,812,837
1,037,487,028
1,030,972,620
987,709,951
1,023,368,067
1,049,907,932
1,010,495,230
1,029,247,464
1,042,066,104
1,085,815,095
1,140,847,530
1,189,016,973
1,232,162,341
1,256,195,971
1,311,661,116
1,230,771,052
1,294,196,562
1,381,839,196
1,451,350,909
1,505,875,973
1,605,127,875
1,604,600,974
1,616,987,650
1,639,468,042
1,707,689,114
1,776,201,191
1,833,042,323
1,921,300,465
Autor: Francisco

Y*X

X^2

6.362E+17
7.39641E+17
7.27613E+17
6.67957E+17
7.11656E+17
7.52217E+17
7.08568E+17
7.22944E+17
7.41381E+17
8.2877E+17
9.26752E+17
1.01107E+18
1.09678E+18
1.13456E+18
1.23893E+18
1.05193E+18
1.13068E+18
1.28532E+18
1.42314E+18
1.54016E+18
1.776E+18
1.81939E+18
1.8625E+18
1.93038E+18
2.09292E+18
2.28863E+18
2.47908E+18
2.70641E+18
Eduardo

909,758,928,800,450,000
1,076,379,332,719,650,000
1,062,904,542,387,750,000
975,570,947,086,691,000
1,047,282,200,559,800,000
1,102,306,665,961,540,000
1,021,100,608,921,570,000
1,059,350,342,900,190,000
1,085,901,765,105,740,000
1,178,994,420,529,860,000
1,301,533,086,707,100,000
1,413,761,362,082,080,000
1,518,224,034,578,600,000
1,578,028,317,556,630,000
1,720,454,883,226,370,000
1,514,797,382,441,190,000
1,674,944,741,092,620,000
1,909,479,563,601,930,000
2,106,419,461,055,130,000
2,267,662,446,058,700,000
2,576,435,495,102,020,000
2,574,744,285,761,750,000
2,614,649,060,252,520,000
2,687,855,460,739,310,000
2,916,202,110,074,100,000
3,154,890,669,977,870,000
3,360,044,157,483,020,000
3,691,395,478,073,560,000

Madrazo Granados,
2013
36,031,580,753,475,500,000

51,101,071,750,837,700,000

36,949,217,585

De esta manera se tiene que:

(36,949,217,585 x 25,959,243,976) - 36,031,580,753,475,500,000


= -73,088,421.3

a=
28 x 51,101,071,750,837,700,000 -

36,949,217,585

(28 x 36,031,580,753,475,500,000) - (25,959,243,976 x 36,949,217,585)


b=

= 0.7580
28 x

51,101,071,750,837,700,000 - 36,949,217,585

Autor: Francisco Eduardo


Madrazo Granados, 2013

COEFICIENTE DE CORRELACIN INTERPRETACIN ESTADSTICA


Como ya se ha planteado el grado de correlacin mide la intensidad de relacin
lineal, ya sea directa, inversa o inexistente entre dos variables, se dice que es
directa si tiene signo positivo, inversa de signo negativo y nula cuando el valor
sea aproximadamente igual a cero.
Existen diferentes mtodos para calcular el grado de correlacin en este curso
explicaremos el mtodo en trminos de variaciones y simplificado de Kart
Pearson.
El mtodo de variaciones consiste en comparar el grado de desviacin que se
presenta entre los valores observados, los proyectados y la media aritmtica; el
de Kart Pearson lo resume en una ecuacin determinada.
La idea central radica en que si existe relacin entre los valores de Y
observados con los valores de X, el grado de variacin de la media aritmtica
respecto a los Y estimados y los observados es mnima.
Autor: Francisco Eduardo
Madrazo Granados, 2013

En trminos concretos se compara el porcentaje de la variacin explicada (que se


origina entre los valores proyectados y la media), y la variacin total (la variacin
observada y la variacin explicada) en cuyo caso refleja un coeficiente que se
encuentra entre el valor de -1 y 1.
De manera funcional se mide:
Variacin total = variacin no explicada + variacin explicada
(Y observada -media de Y) = (Y observada - Y estimada) + (Y estimada - media
de Y)
El valor de la media se representa por la variable y se obtiene de la suma del
valor observado dividido entre el total de observaciones, = Y / n.
Para evitar valores negativos se debe llevar al cuadrado cada expresin, para
totalizar ese clculo se realiza para cada uno de los puntos y luego se procede a
la suma en consecuencia

Autor: Francisco Eduardo


Madrazo Granados, 2013

Como el coeficiente de determinacin es un porcentaje que explica el


comportamiento de la relacin entre lo variacin explicada y la variacin total se
calcula mediante
(Yobservada- )2

(Yobservada- )2

(Yobservada- )2

|
Con esta ecuacin se puede apreciar que en la medida que el valor observado sea
igual al valor proyectado, el nivel de variacin con la media ser el mismo, es decir
que Y observado = Y estimado, si eso se cumple para cada uno de los puntos las
variaciones son inexistentes y por lo tanto r2 = 1. En general el coeficiente de
determinacin (r2) se calcular con la siguiente formula:

r2 = 1 -

(Y-Yest.)2
(Y- )2
Autor: Francisco Eduardo
Madrazo Granados, 2013

1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

C.P.

Y.N.D.

667,006,664
712,916,378
705,754,311
676,268,443
695,406,022
716,459,887
701,209,035
702,400,198
711,453,129
763,269,866
812,336,024
850,343,136
890,129,525
903,173,547
944,552,474
854,688,400
873,655,565
930,152,321
980,560,544
1,022,768,524
1,106,452,948
1,133,855,791
1,151,832,886
1,177,440,605
1,225,588,584
1,288,494,741
1,352,438,006
1,408,636,423
25,959,243,976

Ymedia=

953,812,837
1,037,487,028
1,030,972,620
987,709,951
1,023,368,067
1,049,907,932
1,010,495,230
1,029,247,464
1,042,066,104
1,085,815,095
1,140,847,530
1,189,016,973
1,232,162,341
1,256,195,971
1,311,661,116
1,230,771,052
1,294,196,562
1,381,839,196
1,451,350,909
1,505,875,973
1,605,127,875
1,604,600,974
1,616,987,650
1,639,468,042
1,707,689,114
1,776,201,191
1,833,042,323
1,921,300,465

Y estimada

(Y-Yest)^2

649,855,576
713,276,565
708,338,958
675,547,948
702,575,075
722,691,009
692,818,087
707,031,374
716,747,283
749,906,902
791,618,826
828,128,934
860,831,036
879,047,365
921,087,262
859,776,506
907,849,975
974,278,853
1,026,965,369
1,068,292,730
1,143,520,871
1,143,121,506
1,152,510,007
1,169,549,057
1,221,257,330
1,273,186,170
1,316,268,999
1,383,164,402

36,949,217,585 25,959,243,976

2.9416E+14
1.29735E+11
6.6804E+12
5.19112E+11
5.13953E+13
3.88269E+13
7.0408E+13
2.14478E+13
2.80281E+13
1.78569E+14
4.29202E+14
4.93471E+14
8.58401E+14
5.82073E+14
5.50616E+14
2.58888E+13
1.16926E+15
1.94715E+15
2.15341E+15
2.07245E+15
1.37403E+15
8.58535E+13
4.58493E+11
6.22765E+13
1.87598E+13
2.34352E+14
1.3082E+15
6.48824E+14

(Y-Ymed)^2
6.76568E+16
5.0825E+17
4.98089E+17
4.57339E+17
4.8359E+17
5.13315E+17
4.91694E+17
4.93366E+17
5.06166E+17
5.82581E+17
6.5989E+17
7.23083E+17
7.92331E+17
8.15722E+17
8.92179E+17
7.30492E+17
7.63274E+17
8.65183E+17
9.61499E+17
1.04606E+18
1.22424E+18
1.28563E+18
1.32672E+18
1.38637E+18
1.50207E+18
1.66022E+18
1.82909E+18
1.98426E+18

14,704,838,151,295,900 25,050,339,018,235,100,000

927,115,856

Autor: Francisco Eduardo


Madrazo Granados, 2013

Aplicando los resultados de la tabla anterior a la ecuacin del coeficiente de


determinacin se tiene:

r2 = 1 -

14,704,838,151,295,900
25,050,339,018,235,100,000

r2= 0.9994

Autor: Francisco Eduardo


Madrazo Granados, 2013

DESVIACIN ESTNDAR DEL TERMINO DE ERROR (u)


La desviacin estndar de la funcin de regresin indica el grado de dispersin
entre las variaciones de los valores observados Y respecto a los estimados
con ese valor se puede determinar con cierta certeza si un modelo es confiable,
en la medida que dicho coeficiente sea mayor se puede apreciar que la
estimacin de los coeficientes no es lo suficientemente confiables. Y(X) , la
frmula queda:

Varianza

2
u

Desviacin Estndar u =

(Y-Yest.)2
n-k
(Y-Yest.)2
n-k

Donde n-k es igual a los grados de libertad (nmero de observaciones menos


nmero de parmetros o coeficientes estimados)
Autor: Francisco Eduardo
Madrazo Granados, 2013

Aplicando la frmula a la funcin de consumo privado se tiene:

2 = 14,704,838,151,295,900 = 525,172,791,117,707.0
28 - 2

= 22,916,649

Autor: Francisco Eduardo


Madrazo Granados, 2013

VARIANZA Y DESVIACION ESTANDAR DE LOS COEFICIENTES ESTIMADOS


Varianza y desviacin estndar de a

2a =

a =

2u Xi2
n ( X X )2

2a

Varianza y desviacin estndar de b

b =

2u
( X X )2

2b

Autor: Francisco Eduardo


Madrazo Granados, 2013

Aplicando las frmulas anteriores se tiene:

2a = 409,190,484,027,707

a = 20,228,457

2b =

0.000224209

b = 0.014973619

Autor: Francisco Eduardo


Madrazo Granados, 2013

PRUEBAS DE VALIDEZ ECONOMTRICAS


Significancia Estadstica
Para determinar la significancia estadstica es necesario realizar la prueba t de
student, la cual es una distribucin que tiene una fuerte vinculacin con la
curva o distribucin normal, ya que en la medida que se tengan mayor cantidad
de observaciones en el calculo del t student la curva se va ajustando a la
normal.
Para iniciar este tipo de evaluacin hay que considerar los grados de libertad de
la serie los cuales no son ms que el nmero de observaciones n menos el
nmero de parmetros estimados k.
La frmula entonces queda

ta =

a -a

Autor: Francisco Eduardo


Madrazo Granados, 2013

tb =

b -b

b
Si establecemos las siguientes pruebas de hiptesis:
Ho: a = 0
Ha: a = 0
Y
Ho: b = 0
Ha: b = 0
Se obtiene:
ta =

-73,088,421.3 - 0
20,228,457

= -3.61

tb =

0.7580 - 0
0.014973619

Autor: Francisco Eduardo


Madrazo Granados, 2013

= 50.62

El valor t debe evaluarse para un nivel de significancia o probabilidad y se


puede evaluar para una o para dos colas, para ello se encuentra el valor de t
mediante una tabla que se encuentra en la mayora de libros de estadstica.
Para establecer si los coeficientes son significativos en trminos estadsticos, se
observa si el valor de t, se encuentra fuera de la zona de rechazo de Ho, en este
caso se dice que los coeficientes son estadsticamente significativos. De caer
dentro de la zona de aceptacin de Ho, se dice que no son estadsticamente
significativos, dependiendo del tipo de modelo tambin se puede elegir la prueba
utilizando un lado de la cola.
Rechazo Ho

Aceptacin de Ho

Autor: Francisco Eduardo


Madrazo Granados, 2013

Para el ejemplo de la funcin de consumo se tienen 26 grados de


libertad (n-k=28-2) y se establece un nivel de significancia del 95%,
es decir, un nivel de error aceptable del 5%. Con esta informacin se
tiene que el valor de t de tablas es de:

tt=2.056
Rechazo Ho

Aceptacin de Ho

ta = -3.61 -2.056

0
Autor: Francisco Eduardo
Madrazo Granados, 2013

2.056

tb = 50.62

Como se observa en el grfico anterior, los valores de ta y tb se ubican dentro del


rea de rechazo de Ho con lo cual se acepta Ha, es decir, los parmetros
poblacionales son distintos a cero, por lo que se concluye que son significativos.
Lo anterior significa que el modelo explica satisfactoriamente el comportamiento
del consumo y puede ser utilizado para fines de pronstico.
Cabe aclarar que existen otras pruebas estadsticas que se deben aplicar para
concluir con certeza que el modelo es 100% satisfactorio, sin embargo, en este
curso no se contemplan.

CPt =

-73,088,421.3 + 0.7580 Yndt


( -3.61)

( 50.62)

r2= 0.9994

Autor: Francisco Eduardo


Madrazo Granados, 2013

PROYECCIONES
Con el modelo estimado de consumo privado realizaremos la proyeccin de esta
variable al ao 2010, para ello se requiere suponer el comportamiento que tendr
el ingreso nacional disponible para ese ao.
Como sabemos el:
Ynd = Remuneracin de asalariados + Remuneraciones del resto del mundo netas
+ Excedente de explotacin + renta a la propiedad del resto del mundo neta +
impuestos indirectos subsidios + otras transferencias corrientes del resto del
mundo netas.
De acuerdo a las estimaciones oficiales en el 2008 el PIB real creci en un 1.5%,
para el 2009 se espera un crecimiento del -1.2% en el 2009. El FMI prev que para
el 2010 la economa mexicana mostrara un crecimiento del - 2%. Suponiendo que
Ynd mostrar el mismo crecimiento, se obtiene el siguiente pronstico.

Autor: Francisco Eduardo


Madrazo Granados, 2013

1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

C.P.

Y.N.D.

667,006,664
712,916,378
705,754,311
676,268,443
695,406,022
716,459,887
701,209,035
702,400,198
711,453,129
763,269,866
812,336,024
850,343,136
890,129,525
903,173,547
944,552,474
854,688,400
873,655,565
930,152,321
980,560,544
1,022,768,524
1,106,452,948
1,133,855,791
1,151,832,886
1,177,440,605
1,225,588,584
1,288,494,741
1,352,438,006
1,408,636,423

953,812,837
1,037,487,028
1,030,972,620
987,709,951
1,023,368,067
1,049,907,932
1,010,495,230
1,029,247,464
1,042,066,104
1,085,815,095
1,140,847,530
1,189,016,973
1,232,162,341
1,256,195,971
1,311,661,116
1,230,771,052
1,294,196,562
1,381,839,196
1,451,350,909
1,505,875,973
1,605,127,875
1,604,600,974
1,616,987,650
1,639,468,042
1,707,689,114
1,776,201,191
1,833,042,323
1,921,300,465

C.P. estimado
649,855,576
713,276,565
708,338,958
675,547,948
702,575,075
722,691,009
692,818,087
707,031,374
716,747,283
749,906,902
791,618,826
828,128,934
860,831,036
879,047,365
921,087,262
859,776,506
907,849,975
974,278,853
1,026,965,369
1,068,292,730
1,143,520,871
1,143,121,506
1,152,510,007
1,169,549,057
1,221,257,330
1,273,186,170
1,316,268,999
1,383,164,402

1,600,000,000
1,400,000,000
1,200,000,000
1,000,000,000
800,000,000
600,000,000
400,000,000
200,000,000
0
tiempo

Autor: Francisco Eduardo


Madrazo Granados, 2013

Serie2
Serie6

PRONOSTICO DEL CONSUMO PRIVADO DE MEXICO (1993=100)


Ao
C.P.
T.C.
Y.N.D.
T.C.
2008 1,405,008,194
2009 1,387,271,035
2010 1,358,063,846

-0.26% 1,950,119,972
-1.26% 1,926,718,533
-2.11% 1,888,184,162

Autor: Francisco Eduardo


Madrazo Granados, 2013

1.50%
-1.20%
-2.00%

También podría gustarte