Beruflich Dokumente
Kultur Dokumente
Nota tcnica preparada por el Econ. Hugo Agurto Plata, para los alumnos del
curso de Econometra que se ofrece en el Programa de economa de la Universidad
de Piura
LA METODOLOGA DE LA INVESTIGACIN ECONOMTRICA
INTRODUCCIN
OBSERVACION DE LA
REALIDAD
MODELO: EXPRESIN
MATEMTICA DE LA
TEORA
ACEPTACIN DE LA
RECHAZO DE LA
TEORA SI ELLA ES REFORMULACIN DE LA
TEORA SI ELLA ES
COMPATIBLE CON LOS TEORA
DATOS
INCOMPATIBLE CON
PREVISIN DEL
ACEPTACIN DE UNA
COMPORTAMIENTO DE
TEORA ALTERNATIVA
LA REALIDAD
Qu es un Modelo?
Es un conjunto de relaciones matemticas que expresan en forma simplificada e
idealizada, las caractersticas bsicas y esenciales de:
Los modelos pueden estar Integrados, en forma complementaria, por otras dos
categoras de relaciones de relaciones matemticas a saber, las identidades y las
ecuaciones de equilibrio mvil (1).
La relacin (2) es una identidad que establece que el Y o Renta Nacional, est definida
por la suma del consumo y la inversin.
1
DAGUM y DAGUM. Introduccin a la Econometra. Ed. Siglo 21. Cap. 2. pp 18.
Frente a tal modelo varias cuestiones pueden ser investigadas, pero quiz la que ms se
relacione con esta nota de estudio es:
Cualquiera que sean los objetivos de la investigacin economtrica hay cuatro etapas en
el desarrollo de ella:
Por otro lado, una buena especificacin es aquella que se basa en lo que la teora
econmica propone respecto a esa relacin. Como no siempre la teora es completa en la
formulacin de todos los problemas econmicos existentes, es recomendable recurrir a
cualquier informacin disponible relacionada con el fenmeno que est siendo
investigado.
Donde:
Por otro lado, dependiendo del contexto donde se pretende realizar la estimacin otras
variables que no aparecen como explicativas de la especificacin (2), pueden justificar
mayor relevancia que cualquiera de las variables que la teora seala como importante.
Es por estas consideraciones que una adecuada especificacin es aquella que no slo
recurre a lo que la teora econmica propone, sino tambin a toda informacin
disponible en el contexto se plantea la investigacin.
Establecidas las principales consideraciones que deben ser tenidas en cuenta en una
adecuada especificacin para un modelo, pasamos ahora a examinar la naturaleza y
contenido de los elementos que en s definen esta etapa; esto es, el nmero de variables
explicativas, a expectativa respecto a signos y tamaos de los parmetros, y la forma
matemtica del modelo.
Si por ejemplo nuestro objetivo es medir o cuantificar la relacin (2), esta debe ser
reespecificada de la manera siguiente:
(2) [
Q xd = Q Px , Pj , Y , U ]
Donde:
Mientras que (2) es una relacin exacta de las que tpicamente plantea la teora
econmica, la relacin (2) es una relacin inexacta, caracterizada fundamentalmente
por la incorporacin de una variable aleatoria (estocstica), con propiedades
probabilsticas bien definidas.
Lo que la relacin exacta o determinista plantea es que las variables explicativas Px, Pj e
Y tienen un impacto sistemtico en las variaciones de Q xd :
Dado que, en la tarea de medir una relacin, debe tomarse en cuenta no slo el efecto
sistemtico de las variables que seala la teora econmica, sino tambin el efecto de
otras variables secundarias que intuitivamente podemos reconocer como afectadoras de
la cantidad demandada, pero que no pueden ser medidas, tales como por ej. : gustos,
preferencias; las llamadas relaciones inexactas o tambin llamadas relaciones
economtricas incorporada la variable aleatoria, U.
Por tanto, la variable U es la variable que, a manera de cajn de sastre incorpora el
efecto sistemtico, sino ms bien aleatoria sobre la variable dependiente.
Por otro lado, respecto a la probable magnitud que deban alcanzar esos parmetros, la
teora econmica tiene bastante bien establecido que si la especificacin de la relacin
de demanda dada en (2) estuviera expresada en forma doblemente logartmica, los
parmetros anteriormente definidos seran los conceptos de elasticidades precio,
cruzada, e ingreso, respectivamente; y en tal caso, si el bien X es un bien que satisface
necesidades secundarias, entonces deberamos esperar que las elasticidades precio e
ingreso seran bastante cercanas a uno, asumiendo que el bien X no tiene sustitutos
cercanos.
Forma matemtica del modelo
Finalmente, para concluir con el ejemplo que venamos desarrollando, diremos que la
teora econmica de la demanda, no establece que un estudio de demanda daba ser
planteado con un modelo de ecuacin nica o con un sistema de ecuaciones
simultneas. En tal consideracin, est a manos del investigador decidir si el fenmeno
que investiga puede ser adecuadamente descrito por una ecuacin o por un sistema
multiecuacional.
Lo que si debe ser una regla es que, el mundo de la economa es por naturaleza
complejo, siempre que sea posible debemos evitar aproximar un modelo
multiecuacional a un modelo de una sola ecuacin, ya que el precio que pagaremos por
la simplicidad en el manejo del modelo ser necesariamente alto, en razn de que
perderemos exactitud en nuestras estimaciones.
El trabajo que el investigador desarrolle en esta etapa es puramente tcnico; esto es,
tiene que ver con el cumplimiento de ciertas reglas que forman, desde la accin simple
de recolectar datos hasta aquellas que tienen que ver con la operatividad y manejo de los
mtodos propios de la cuantificacin economtrica.
1) Recoleccin de datos.
Ms que la tcnica misma de recopilar datos para fines de esta nota, importa sealar
los diferentes tipos de datos a los que puede tener acceso el investigador.
Series de tiempo: Informacin acerca del valor numrico de una variable a travs del
tiempo; por ejemplo la serie del PNB de las cuentas nacionales de un pas en el
perodo 1950 1985.
T = 0.05 Y
Y bastara conocer el nivel de ingreso del pas (Y) para determinar el ingreso del
gobierno (T).
Finalmente, antes de pasar a otro punto, diremos que algunas veces la estimacin de
una determinada relacin hacen necesaria la mezcla de datos de distintos tipos, p.
ej., un estudio que busque estudiar el impacto que tienen las variables sexo,
educacin, sobre el nivel del ingreso de los individuos. En este caso tendramos una
estimacin que busca relacionar una variable cuantitativa (ingreso) con variables
cualitativas (sexo, educacin). En otro caso podramos hacer concurrir en una sola
relacin, datos de corte transversal y de serie de tiempo. En ambas situaciones
deberemos estar alerta para lograr una adecuada interpretacin delos coeficientes
estimados ya que, por ejemplo cuando combinamos series de tiempo y datos de
corte transversal el significado de los estimadores ser diferente que si se trabaja con
datos de un mismo tipo.
2) Problemas de Agregacin
La estimacin de modelos macroeconmicos siempre obliga a utilizar variables que
expresan el comportamiento agregado de unidades individuales.
Toda agregacin adems de compleja es siempre fuente de sesgos y errores para las
variables resultado.
Un error, o un sesgo en el mejor de los casos para la variable, significa una
traslacin de error a los estimadores. Por tanto, es muy til que el investigador
conozca por lo menos la fuente probable de errores que podran tener sus
estimadores.
Esto ser posible si con minuciosidad averigua cuales son los tipos de agregacin a
que han sido sometidos las variables que usar como insumo en la estimacin de sus
modelo.
Los tipos de agregacin ms utilizados en la elaboracin de variables son,
Agregacin espacial
Cuando por ejemplo la variable produccin es incorporada de un modelo
macroeconmico, ella representa el resultado de la actividad econmica de todas
las regiones del pas. Dicha agregacin obviamente implicar siempre incorporar
errores de toda naturaleza, y como ya indicamos, esa distorsin afectar la
exactitud de las estimaciones.
3) Examen de Multicolinealidad
Se define al problema de multicolinealidad, como la vigencia de un alto grado de
correlacin entre las variables explicativas de un modelo. La presencia de tal situacin
lleva a serios problemas de estimacin de los parmetros; y en algn caso extremo, nos
imposibilita obtener valores numricos, para dichos coeficientes. Desde esta ptica,
seria ptimo que las variables que usamos en el modelo como explicativas, no
estuvieran correlacionadas; sin embargo, en las prctica lo ms comn es que todas las
variables evolucionen simultneamente mismo sentido. As, por ej., si examinramos las
series de PNB, exportaciones, inversin de cualquier economa, fcilmente
evidenciaremos que todas ellas cambian en el mismo sentido durante un perodo dado.
Frente a tal situacin... qu hacer? Hay varios caminos para enfrentar el problema; los
ms conocidos, son:
i) Uso de variables proxis para reemplazar a una de las explicativas que estuviera
fuertemente correlacionada con otra.
ii) Combinacin de diferentes tipos de datos; combinar series de tiempo y datos de corte
transversal.
Hay tcnicas especiales, por supuesto, para tratar de atenuar el problema de estimacin
con datos colinales; ms la revisin de estos mtodos caen en el campo de un curso de
econometra.
4) Examen de las Condiciones de Identificacin de la Relacin
Podra parecer raro que habiendo especificado una funcin de demanda, en la etapa de
estimacin logremos una relacin de oferta. A esa situacin se llega cuando el
investigador antes de conocer la tarea de estimacin propiamente dicha, no ha
constatado que la relacin a estimar ha sido adecuadamente identificada.
2
En nuestro medio, en cuanto a informacin estadstica a nivel de la economa se refiere, existe una
publicacin reciente y bastante completa: La informacin Macroeconmica en el Per de Torres
Trujillo y La Torre Postigo. Ed. DESCO: Centro de Estudios y Promocin del Desarrollo, 1982. Presenta
de manera resumida las fuentes, conceptos y mtodos utilizados por especialistas de cuentas nacionales
para alcanzar, a partir de la informacin individual de los agentes econmicos, las cifras agregadas para
cada una de las variables que integran el Sistema de Cuentas Nacionales del pas.
Ejemplifiquemos el caso para entender lo que en Econometra se denomina el problema
de identificacin.
Supongamos que deseamos estimar una relacin de demanda para un bien, en un
periodo en el cual tanto la variable ingreso como el resto de explicativas que afectan la
demanda permanecen constantes. Frente a este caso especificaremos.
Qtd = Q(P, U ) donde esperamos que segn lo establecido por
(4)
t la teora econmica:
Q
<0
P
Asumamos tambin que para dar contenido emprico a ese modelo, recurrimos a las
series de tiempo de Qt y Pt, siendo que Qt observado en el mercado no es otra cosa que
cantidad comprada y vendida a un determinado precio; hay ninguna seguridad que al
ejecutar la estimacin, captemos para la pendiente de la relacin propuesta, un valor
positivo en lugar de un parmetro de signo negativo como es el que especific en el
modelo.
Lo anterior pone en evidencia que an cuando la especificacin planteada es
tericamente plausible, el uso de la misma para estimarla es inconveniente. El
inconveniente de usarla como base de la estimacin desaparece, si por ejemplo la
reespecificamos como:
Q Q
(5) Qtd = Q(Pt , Yt ,U ) donde < 0, >0
P Y
donde Yt, es una variable representa ingreso.
Dado que la variable adicionada en la reespecificacin es una variable que slo afecta a
la demanda y no a la oferta, el problema de identificacin de la relacin est resuelto.
La regla de especificar una relacin con por lo menos una variable que no afecte a otra
relacin, que se defina de la misma manera, y de esa forma resolver el problema de
identificacin de una relacin, no es nica; existen otras por las cuales se puede
establecer la identificacin de una relacin.
El uso y manejo de tales reglas cae en el campo de la econometra y por tanto se revisan
aqu.
5) Eleccin del Mtodo Economtrico ms Apropiado para la Estimacin
El mtodo economtrico es el medio por el cual podemos llegar a medir una relacin
econmica; esto es, cuantificar el valor de sus parmetros. Cada una de estas tcnicas
tienen supuestos propios y tambin exigencias para las variables que usa como insumo.
Lo concreto es que para el investigador existe toda una gama de mtodos; unos ms
apropiados para determinadas relaciones; otros con supuestos muy rgidos y slo un
numero muy pequeo de ellos fciles de operativizar en la prctica. El ms conocido de
estos ltimos se denomina: Mtodo de los mnimos cuadrados ordinarios.
Por otro lado, cuando la segunda etapa de la investigacin ha concluido, para cada
uno de los parmetros se ha determinado un valor numrico. Ese valor numrico
puede o no ser consistente con lo que la teora econmica, la estadstica y la
econometra esperan de ellos. Por tanto la tarea que sigue a la estimacin, es la
evaluacin de tales estimadores.
De manera general, el objetivo de esa tercera etapa de la investigacin es determinar
cuan significativos y correctos son los estimadores que hemos conseguido en la
segunda.
Los criterios para juzgar a los estimadores con los correspondientes a la:
- Teora econmica (criterio a priori);
- Estadstica (criterio de 1 orden);
- Econometra (criterio de segundo orden)
Enseguida delineamos de manera especfica cada uno de estos criterios e indicamos
los aspectos ms relevantes de los mismos.
CRITERIO ECONMICO
Puesto que la teora econmica en la etapa de especificacin es la que determin
anticipadamente cual es el signo y tamao que deban tener los parmetros del modelo,
corresponden ahora contrastar si los resultados de la estimacin cumplen con las
restricciones impuestas por la teora econmica.
As, si como ya est indicado, los parmetros son por definicin propensiones, valores
marginales, multiplicadores y dado que segn la teora econmica cada uno de ellos
debe tener un valor y un signo especfico, la evaluacin consiste en verificar si las
categoras de signo y tamao son los que la teora exige.
Frente a tal examen slo existe, como es lgico, dos alternativas:
i) que los parmetros estimados tengan el tamao y signo que la teora seala;
ii) que los estimadores para los parmetros no posean las caractersticas que la
teora espera.
Frente a la segunda alternativa, corresponde al investigador la tarea de esclarecimiento
del por qu los signos y el tamao no son los correctos. Lnea de accin tal como,
investigacin si los datos empricos son deficientes; si la tcnica de estimacin elegida
es la correcta; si la especificacin establecida para el modelo es la adecuada, son ms
importantes de llevar a cabo que la accin de concluir que la teora no funciona en la
prctica. El rechazo de una teora es posible, ms una conclusin que apunte a tal
afirmacin sin la investigacin consciente y responsable, no ayuda mucho al avance de
la ciencia en ningn campo.
Por tanto, la actitud ms adecuada frente a la segunda alternativa, ser un replanteo del
modelo especificado incorporando ahora:
CRITERIO ESTADSTICO
Evaluar las estimaciones siguiendo el criterio estadstico, es someter a los parmetros
estimados a una serie de test o exmenes para determinar su grado confiabilidad o
certeza. Como su nombre lo indica, este criterio deriva de la aplicacin de las reglas o
procedimientos derivados de la teora de las pruebas de hiptesis que corresponden a la
inferencia estadstica, para determinar cuan significativos y confiables son los
estimadores logrados a partir de una muestra de observaciones para las variables.
Si bien los enfoques para derivar tales reglas son de los ms variados, la investigacin
aplicada ha centrado todos estos exmenes en el uso del siguiente:.
3
(i) Test prueba de hiptesis en el enfoque de las prueba de significancia , el que de
manera general representa un procedimiento mediante el cual se utilizan los resultados
de la muestra para verificar la veracidad o falsedad de una hiptesis nula parmetro
probando cae en la regin critica en este caso la hiptesis nula. As se dice que un
parmetro es estadsticamente significativo si el valor del parmetro que se est
probando cae en la regin crtica. En este caso la hiptesis nula se rechaza.
(ii) La otra prueba o test que se usa en este criterio es la prueba o test de la bondad de
ajuste de un modelo estimado a travs del concepto del coeficiente determinacin (R2).
Como es conocido R2 tiene un valor comprendido entre 0 y 1; por tanto si dentro de la
estimacin este indicador alcanzar un valor cercano a uno, ello indicara que el modelo
especificado explica en gran medida el fenmeno estudiado.
De manera exacta y precisa R2 nos indica la proporcin o porcentaje de variacin total
en la variable dependiente que ha sido explicada por los cambios de las variables
explicativas del modelo.
El manejo de tales reglas de evaluacin estadstica no son de naturaleza mecnica; no
hace sentido es esta tarea de evaluacin, determinar si dentro de un modelo el conjunto
de parmetros es estadsticamente satisfactoria recurriendo a la prueba en s. Las
pruebas deben hacerse a la luz del criterio bsico de evaluacin que es criterio
econmico, y desde otro punto de vista, es necesario tener presente el contexto del
mundo donde se ha sido recogida la informacin del modelo.
Lo anterior apunta a sealar que no tienen sentido aceptar como parmetros adecuados,
aquellos que en la prueba de significancia y ajuste se comportaron como parmetros
ptimos si por ejemplo ellos no poseen ni el signo ni el tamao que la teora exige.
Finalmente, aclaramos que la denominacin de test de primer orden para el criterio
estadstico radica en el hecho de que para evaluar a los estimadores en el criterio
economtrico, necesariamente deben haber satisfecho las exigencias del criterio
estadstico.
CRITERIO ECONOMTRICO
Como ya se ha sealado, el instrumento de la cuantificacin de una relacin econmica,
esto es el mtodo economtrico, ha sido elaborado en base a una serie de supuestos
respecto a la variable aleatoria y a las variables observables del modelo. Justamente la
3
El manejo pormenorizado de los test de hiptesis debe ser consultado en cualquier texto de inferencia
estd.
evaluacin de este campo corresponde a determinar si todo esos supuestos se han
cumplido de manera satisfactoria. Dado que cada mtodo de estimacin se basa en
supuestos particulares y especficos al mismo, no es posible abarcar de manera general
mediante un solo test o un grupo de ellos toda la evaluacin economtrica. Sin embargo,
hay por lo menos un supuesto general a la mayora de los mtodos y este es el que
aproximadamente dice lo siguiente.
As, si el supuesto anterior fuera violado, una consecuencia sera obtener estimadores
cuyas caractersticas ms relevantes son la insesgadez, la falta de consistencia y
eficiencia. Luego, para tratar de detectar estos defectos en los estimadores, es necesario
ejecutar uno de los test como el que por ejemplo DURBIN WATSON ha sugerido para
el problema economtrico de autocorrelacin.
Como ya se indic, en esta evaluacin los tipos de test estn estrechamente unidos a los
supuestos especficos de cada mtodo. Por tanto, lo que es general, es la exigencia de
examinar cuidadosamente la validez de tales supuestos en la aplicacin especifica de
que se trate.
Finalmente, la aclaracin correspondiente apelativo test de segundo orden para el
criterio economtrico; se llama as, porque el examen economtrico se constituye un test
sobre el test estadstico. Esto significa que si por medio de un test estadstico. Esto
significa que si por medio de un test estadstico (test de 1 orden) se puede determinar la
insesgabilidad de un parmetro (propiedad de estar contratado alrededor de su
verdadero valor poblacional) el objetivo del test de segundo orden ser para determinar
si esos parmetros adems de insesgados poseen otras propiedades mas exigentes tales
como por ejemplo, varianza mnima.
Para concluir la revisin de esta etapa de la investigacin creemos de utilidad remarcar
la idea siguiente: si bien dentro de la etapa de evaluacin, didcticamente hay que
distinguir tres criterios, ninguno en particular puede sustraer importancia a los otros, ya
que a fin de cuentas no existen resultados adecuados a la teora econmica pero
inapropiados desde el punto de vista estadstico; los nicos resultados que cuentan son
aquellos que son apropiados para entender el fenmeno econmico de manera total.
Otra idea que igual que la anterior merece por su trascendencia igual insistencia, es la de
que cuando la evaluacin no da resultados satisfactorios, la solucin no detener el
proceso de investigacin, sino al contrario es momento de reimpulsarlo reespecificando
el modelo, introduciendo variables que antes se omitieron, transformando variables,
cambiando las formas matemticas para las relaciones para ser nuevamente reestimadas;
ya que es slo en este proceso de realimentacin ciencia se desarrolla.
por otro lado, en la prctica es casi imposible obtener una medida de YR sin
interferencia de varios factores perturbadores. As por ejemplo, cuando trabajamos en la
realidad no medimos ni observamos YR si no ms bien:
(7) YR + u
donde u, es una variable aleatoria que mide el efecto de esos factores perturbadores
que se dan al observar la realidad y que comnmente recibe el nombre de error de
medida.
El razonamiento anterior nos lleva a modificar la expresin (6) que inicialmente
definimos como diferencia entre lo observado y lo previsto, de tal manera que:
(8) = YR + u YP
o lo que es lo mismo:
(9) = YR YP + u
si como dijimos, u, es una variable aleatoria de distribucin f (u), ser posible la
construccin de una prueba significancia estadstica4 para la diferencia que existe entre
los valores observado y previsto. Si al ejecutar el test, encontramos que la diferencia
entre el valor previsto no es estadsticamente significativo, concluiremos que la
capacidad predictiva es aceptable; de lo contrario la conclusin ser que el modelo no
tiene capacidad para prever fuera de la muestra.
4
El test de significancia estadstica ms acostumbrado para estos casos, es un simple test t.
2. La segunda forma de establecer la capacidad de prediccin de un modelo
consiste en reestimar el modelo una muestra de mayor; esto es, incluyendo
observaciones adicionales. Si el modelo posee capacidad predictiva adecuada,
los parmetros del modelo reestimado no deberan ser sensibles a los cambios de
tamao de la muestra. Este cambio un modelo con poca capacidad para prever,
ser aquel cuyos parmetros son muy sensibles a la adicin o sustraccin del
nmero de observaciones muestrales.
Finalmente una pregunta cuya respuesta tiene relevancia frente a un modelo estimado
con escasa capacidad predictiva