Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Econ I Clases I Primer Parcial
Econ I Clases I Primer Parcial
FACULTAD DE ECONOMÍA
Econometría I
Octubre/2018
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Horario de Clases
Martes y Jueves
07H00 – 09H00
Exámenes
Primer parcial: 10 - 16 de diciembre/2018
Segundo parcial: 18 – 24 de febrero/2019
Recuperación: 25 de febrero - 6 de marzo/2019
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Datos Generales
- Disciplina
- Puntualidad
- Celulares
- Conversar
- Fecha de entrega de tareas
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Estructura de calificación
- Investigaciones
- Tareas – Deberes
- Lecciones
- Análisis de artículos del periódico 5 puntos
- Ensayos
- Talleres
- Aportes - Test
- Trabajo de fin de parcial
- Examen 5 puntos
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Evaluaciones
- Lecciones semanales
- Aportes mensuales
- Proyecto al final de cada parcial
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Bibliografía
Elementos de la definición
El objeto material de la Econometría es el análisis
de los fenómenos económicos.
Tiene un carácter eminentemente cuantitativo.
1º Etapa pre-econométrica
2º Etapa de nacimiento de la Econometría
3º Etapa de aportaciones básicas o fundamentales
4º Etapa de desarrollo
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos
Número de
ecuaciones
Uni- Multi-
ecuacionales ecuacionales
Simples Múltiples
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos
Forma
funcional
No
Lineales Lineales
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos
Momento del
tiempo
Dinámicos Estáticos
Autorregresivos
Con
Retardos
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos
Tipos de
datos
Series de Corte
Panel
tiempo Transversal
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos
Transformación
Tasas de
En Niveles Logaritmicos
Variación
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Dado el modelo macroeconómico:
𝐶𝑡 = 𝛼0 + 𝛼1 𝑌𝑡 + 𝛼2 𝐶𝑡−1 + 𝜇1𝑡
𝐼𝑡 = 𝛽0 + 𝛽1 𝐵𝑡 + 𝜇2𝑡
𝑊𝑡 = 𝛿0 + 𝛿1 𝑌𝑡 + 𝛿2 𝑡 + 𝜇2𝑡
𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡 + 𝐺𝑡
𝐵𝑡 = 𝑌𝑡 − 𝑊𝑡
Modelos Lineales
Linealidad en las variables: Significa que las
variables están elevadas a potencia 1, en caso
de estar una potencia mayor no es lineal.
Linealidad en los parámetros: Significa que los
parámetros estarán elevados a potencia 1. Los
modelos pueden no ser lineales en las variables,
pero sí en los parámetros.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Rectas de regresión muestral: éstas representan la
recta de regresión poblacional, pero debido a
fluctuaciones muestrales pueden ser consideradas
en el mejor de los casos sólo como una
aproximación de la verdadera RR. En general, se
obtendría N FRM diferentes para N muestras
diferentes y estas FRM no necesariamente son
iguales.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Un estimador, conocido también como estadístico (muestral), es una
regla, fórmula o método que dice cómo estimar el parámetro
poblacional a partir de la información suministrada por la muestra
disponible. Un valor numérico particular obtenido por el estimador en
una aplicación es conocido como estimado
Se puede expresar la FRM de la siguiente manera:
con base en la FRM: porque son más frecuentes los casos en que el
análisis está basado en una muestra tomada de una población. Pero
debido a fluctuaciones muestrales el estimado de la FRP es, en el mejor
de los casos una aproximación.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Para X = Xi , se tiene una observación (muestral) Y = Yi. En
términos de la FRM, la Yi observada puede ser expresada
como:
Ecuaciones Normales
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Pruebas de Significancia:
- Global
- Individual
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Significancia Global
Se puede demostrar la capacidad de las variables X para explicar el
comportamiento de Y. Es decir: ¿Es posible estimar la variable
dependiente sin basarse en las variables independientes?.
Validamos si todas las X tomadas en conjunto explican
significativamente la variabilidad observada de Y.
Mediante esta prueba se investiga si es posible que todas las variables
independientes tengan coeficientes de regresión (los parámetros) cero.
Para probar la hipótesis de que todos los coeficientes son cero se usa la
distribución F.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Se plantea la siguiente hipótesis:
𝐻0 : 𝐵1 = 𝐵2 = 𝐵3 = ⋯ 𝐵𝑘 = 0 Ninguna variable es significativa
𝐻1 : 𝐵𝑖 ≠ 𝐵2 ≠ 𝐵3 ≠ ⋯ 𝐵𝑘 ≠ 0 Al menos una variable es significativa
El estadístico F utilizado para esta prueba es el siguiente:
𝑆𝐶𝐸 = 𝑆𝑢𝑚𝑎 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑒𝑛 𝑙𝑎 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛 = σ 𝑌 − 𝑌ത 2
𝑆𝐶𝑅 = 𝑆𝑢𝑚𝑎 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑜𝑠 𝑟𝑒𝑠𝑖𝑑𝑢𝑜𝑠 = σ 𝑌 − 𝑌 2
𝑆𝐶𝑇 = 𝑆𝑢𝑚𝑎 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠 𝑇𝑜𝑡𝑎𝑙𝑒𝑠 = σ 𝑌 − 𝑌ത 2
𝑆𝐶𝑇 = 𝑆𝐶𝐸 + 𝑆𝐶𝑅
𝑆𝐶𝐸
𝐹=
𝑆𝐶𝑅
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Nivel de significancia α
Rechazar o no una hipótesis nula depende del nivel
de significancia que se la conoce como la
probabilidad de cometer error tipo I (la probabilidad
de rechazar la hipótesis cuando es verdadera) o
error tipo II (la probabilidad de aceptar la hipótesis
cuando es falsa). Los niveles de significancia más
usados son 1%, 5% y 10%. El problema de la
selección de α se evita al emplear el valor p del
estadístico de prueba.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
La regla de decisión de esta prueba será:
Rechazar H0 sí y solo sí el valor F calculado es mayor al valor F de tabla.
Esta prueba de significancia también se la puede hacer usando el valor
p (p value), este valor representa la probabilidad que el valor de los
coeficientes esté tan lejos de cero como el valor observado obtenido de
la regresión, este valor se compara con el nivel de significancia utilizado
(0,05 ó 5%).
La regla de decisión será:
Rechazar H0 sí y solo sí el valor p del estadístico F es menor al nivel de
significancia (α)
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Significancia Individual
A menudo nos preguntaremos ¿en realidad Y depende de
X?. Con frecuencia esta pregunta se plantea como: ¿Es X
una variable explicativa significativa de Y?
Si B ≠ 0 entonces, Y depende de X (es decir Y varía cuando
X varía) y no depende de X si B = 0.
Para esta prueba se utiliza el estadístico t de Student con
n – (k + 1) grados de libertad, siendo n el número de
observaciones y k el número de variables independientes
y de acuerdo al nivel de significancia escogido.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Se plantea la siguiente hipótesis:
𝐻0 : 𝐵𝑖 = 0 Xi no es una variable significativa
𝐻1 : 𝐵𝑖 ≠ 0 Xi es una variable significativa
El estadístico t utilizado para esta prueba es el siguiente:
𝑏𝑖 − 𝐵𝑖𝑜
𝑡=
𝑆𝑏𝑖
En nuestro caso el valor Bio es 0 ya que es lo que plantea la hipótesis
nula, la ecuación se simplifica así:
𝑏𝑖
𝑡=
𝑆𝑏𝑖
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
La regla de decisión de esta prueba será:
Rechazar H0 sí y solo sí el valor t calculado del coeficiente es
mayor al valor t de tabla.
Esta prueba de significancia también se la puede hacer
usando el valor p (p value), este valor representa la
probabilidad que el valor de b esté tan lejos de cero como el
valor observado obtenido de la regresión, este valor se
compara con el nivel de significancia utilizado (0,05 ó 5%).
La regla de decisión será:
Rechazar H0 sí y solo sí el valor p del coeficiente es menor al
nivel de significancia (α)
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Errores Estándar de la Estimación
Es evidente que los mínimos cuadrados estimados son función de los datos
muestrales. Se requiere alguna medida de "confiabilidad" o precisión de los
estimadores. En estadística la precisión de un valor estimado es medida por su
error estándar (ee). Los errores estándar de los MCO estimados pueden
obtenerse de la siguiente manera:
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Coeficiente de determinación r2
El coeficiente de determinación múltiple. Al estudiar el análisis de correlación
simple, medimos la fuerza de la relación entre dos variables, utilizando el
coeficiente de determinación de la muestra, r2. Este coeficiente de
determinación es la fracción de la variación total de la variable dependiente Y
que se explica con la ecuación de estimación.
Similarmente, en la correlación múltiple mediremos la fuerza de la relación
entre tres variables utilizando el coeficiente de determinación múltiple, R2, o
su raíz cuadrada, R (el coeficiente de correlación múltiple). Este coeficiente de
determinación múltiple es también la fracción que representa la porción de la
variación total de Y que “explica” el plano de regresión.
Esto nos dice que las variables independientes explican un tanto por ciento de
la variación total de Y.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Coeficiente de determinación r2
Se considera la bondad del ajuste de la recta de regresión
ajustada a un conjunto de datos; es decir, demuestra qué tan
"bien" se ajusta la recta de regresión a los datos. Si todas las
observaciones fueran a caer en la recta de regresión, se
obtendría un ajuste "perfecto", pero raramente se presenta este
caso.
Generalmente, hay algunas μi positivas y algunas μi negativas. Se
tiene la esperanza de que estos residuos alrededor de la recta de
regresión sean lo más pequeños posibles.
El coeficiente de determinación r2 (caso de dos variables) o R2
(regresión múltiple) tiene valores entre 0 y 1.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Cálculo de r2
Primero debemos definir las sumas de cuadrados.
Variación total de los valores reales de Y con respecto a la
media muestral, son llamados suma total de cuadrados (STC).
La variación de los valores Y estimados alrededor de su
media, la suma de los cuadrados debida a la regresión [es
decir, debida a la(s) variable(s) explicativa(s)], o explicada por
ésta, o la suma explicada (de la regresión) de cuadrados (SEC)
.
La variación residual o no explicada de los valores de Y
alrededor de la recta de regresión, o la suma de residuos al
cuadrado (SRC) .
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
SCR
SCT
= E(u2 |Xi)
= σ2
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 5: No existe autocorrelación entre las
perturbaciones.
Dados dos valores cualquiera de X1 Xi y Xj (i≠j), la
correlación entre dos μi, μj cualquiera (i ≠ j) es cero.
Simbólicamente:
=0
Donde i y j son dos observaciones diferentes
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 6: La covarianza entre μi y Xi es cero, o
E(μiXi) = 0.
Formalmente,
cov(μi , Xi) = E[μi- E(μi))[Xi – E(Xi)]
= E[μi(Xi - E(Xi))], puesto que E(μi) = 0
= E(μiXi) - E(Xi)E(μi), puesto que E(Xi) es
no estocástica
= E(μiXi), puesto que E(μi) = 0
= 0.
La perturbación μi y la variable explicativa Xi no están
correlacionadas.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA