DESCRIPCIN SOMERA DE LA ECONOMETRA La econometra se ocupa de obtener, a partir de los valores reales de variables econmicas y a travs del anlisis

estadstico y matemtico (mas no de la teora econmica, como si se usa en las ciencias naturales, ejemplo: la fsica), los valores que tendran los parmetros de los modelos en los que esas variables econmicas aparecieran, as como de comprobar el grado de validez de esos modelos, y ver en qu medida estos modelos pueden usarse para explicar la economa de un agente econmico (como una empresa o un consumidor), o la de un agregado de agentes econmicos, como podra ser un sector del mercado, o una zona de un pas, o todo un pas, o cualquier otra zona econmica; su evolucin en el tiempo (por ejemplo, decir si ha habido o no cambio estructural), poder predecir valores futuros de la variables, y sugerir medidas de poltica econmica conforme a objetivos deseados (por ejemplo, para poder aplicar tcnicas de optimizacin matemtica para racionalizar el uso de recursos dentro de una empresa, o bien para decidir qu valores debera adoptar la poltica fiscal de un gobierno para conseguir ciertos niveles de recaudacin impositiva). Usualmente se usan tcnicas estadsticas diversas para estudiar la economa, pero uno de los mtodos ms usados es el que se mostrar aqu.

CONCEPTO DE MODELO ECONOMETRICO La econometra, igual que la economa, tiene como objetivo explicar una variable en funcin de otras. Esto implica que el punto de partida para el anlisis economtrico es el modelo econmico y este se transformar en modelo economtrico cuando se han aadido las especificaciones necesarias para su aplicacin emprica. Es decir, cuando se han definido las variables (endgenas, exgenas) que explican y determinan el modelo, los parmetros estructurales que acompaan a las variables, las ecuaciones y su formulacin en forma matemtica, la perturbacin aleatoria que explica la parte no sistemtica del modelo, y los datos estadsticos. A partir del modelo economtrico especificado, en una segunda etapa se procede a la estimacin, fase estadstica que asigna valores numricos a los parmetros de las ecuaciones del modelo. Para ello se utilizan mtodos estadsticos como pueden ser: Mnimos cuadrados ordinarios, Mxima verosimilitud, Mnimos cuadrados bietpicos, etc. Al recibir los parmetros el valor numrico definen el concepto de estructura que ha de tener valor estable en el tiempo especificado. La tercera etapa en la elaboracin del modelo es la verificacin y contrastacin, donde se someten los parmetros y la variable aleatoria a unos contrastes estadsticos para cuantificar en trminos probabilsticos la validez del modelo estimado. La cuarta etapa consiste en la aplicacin del modelo conforme al objetivo del mismo. En general los modelos economtricos son tiles para: 1. 2. 3. Anlisis estructural y entender cmo funciona la economa. Prediccin de los valores futuros de las variables econmicas. Simular con fines de planificacin distintas posibilidades de las variables exgenas.

4. Simular con fines de control valores ptimos de variables instrumentales de poltica econmica y de empresa.

EL MTODO DE MNIMOS CUADRADOS (ESTIMACIN MCO)

Tambin se conoce como teora de la regresin lineal, y estar ms desarrollado en la parte estadstica de la enciclopedia. No obstante, aqu se dar un resumen general sobre la aplicacin del mtodo de mnimos cuadrados. Se parte de representar las relaciones entre una variable econmica endgena y una o ms variables exgenas de forma lineal, de la siguiente manera: "Y" es la variable endgena, cuyo valor es determinado por las exgenas, hasta . Cuales son las variables elegidas depende de la teora econmica que se tenga en mente, y tambin de anlisis estadsticos y econmicos previos. El objetivo buscado sera obtener los valores de los parmetros desde hasta . A menudo este modelo se suele completar aadiendo un trmino ms a la suma, llamado trmino independiente, que es un parmetro ms a buscar. As: En el que es una constante, que tambin hay que averiguar. A veces resulta til, por motivos estadsticos, suponer

que siempre hay una constante en el modelo, y contrastar la hiptesis de si es distinta, o no, de cero para reescribirlo de acuerdo con ello. Adems, se supone que esta relacin no es del todo determinista, esto es, existir siempre un cierto grado de error aleatorio (en realidad, se entiende que encubre a todas aquellas variables y factores que no se hayan podido incluir en el modelo) que se suele representar aadiendo a la suma una letra representa una variable aleatoria.As: Se suele suponer que es una variable aleatoria normal, con media cero y varianza constante en todas las muestras (aunque sea desconocida). Se toma una muestra estadstica, que corresponda a observaciones de los valores que hayan tomado esas variables en distintos momentos del tiempo (o, dependiendo del tipo de modelo, los valores que hayan tomado en distintas reas o zonas o agentes econmicos a considerar). Por ejemplo, en un determinado modelo podemos estar interesados en averiguar como la renta ha dependido de los niveles de precios, de empleo y de tipos de inters a lo largo de los aos en cierto pas, mientras que en otro podemos estar interesados en ver como, a lo largo de un mismo ao, ha dependido la renta de distintos pases de esas mismas variables. Por lo que tendramos que observar, en el primer caso, la renta, niveles de empleo, precios y tipos de inters del ao 1, lo mismo, pero del ao 2, etctera, para obtener la muestra a lo largo de varios aos, mientras que en el segundo caso tendramos que tener en cuenta los valores de cada uno de los pases para obtener la muestra. Cada una de esas observaciones para cada ao, o pas, se llamara observacin muestral. Ntese que an se podra hacer un anlisis ms ambicioso teniendo en cuenta pas y ao. Una vez tomada la muestra, se aplica un mtodo, que tiene su justificacin matemtica y estadstica, llamado mtodo de mnimos cuadrados. Este consiste en, bsicamente, minimizar la suma de los errores (elevados al cuadrado) que se tendran, suponiendo distintos valores posibles para los parmetros, al estimar los valores de la variable endgena a partir de los de las variables exgenas en cada una de las observaciones muestrales, usando el modelo propuesto, y comparar esos valores con los que realmente tom la variable endgena. Los parmetros que lograran ese mnimo, el de las suma de los errores cuadrticos, se acepta que son los que estamos buscando, de acuerdo con criterios estadsticos. Tambin, este mtodo nos proporcionar informacin (en forma de ciertos valores estadsticos adicionales, que se obtienen adems de los parmetros) para ver en qu medida los valores de los parmetros que hemos obtenido resultan fiables, por ejemplo, para hacer contrastes de hiptesis, esto es, ver si ciertas suposiciones que se haban hecho acerca del modelo resultan, o no, ciertas. Se puede usar tambin esta informacin adicional para comprobar si se pueden prescindir de algunas de esas variables, para ver si es posible que los valores de los parmetros hayan cambiado con el tiempo (o si los valores de los parmetros son diferentes en una zona econmica de los de otra, por ejemplo), o para ver en qu grado son vlidas predicciones acerca del futuro valor de la variable endgena si se supone que las variables exgenas adoptarn nuevos valores.