Sie sind auf Seite 1von 8

Econometra: Medicin econmica.

Representacin matemtica del comportamiento de variables econmicas. Se busca establecer


modelos para hacer teoras o contrastar hiptesis.

Teoras econmicasmodelos econmicosEstablecer relaciones entre variables

Econometra: Cuando las relacin entre las variables no es exacta.

Matemticas Cal es la forma funcional ms adecuada para representar la relacin entre variables?

Estadstica: (Estadstica descriptiva, estadstica inferencial)

Estadstica inferencial: Inferir a partir de una muestra algo de una poblacin. Herramientas: pruebas
de hiptesis e intervalos de confianza.

Modelo economtrico Modelo econmico


Establece una forma funcional concreta Ms genrico
Establece relaciones estocsticas entre
variables (aparece trmino error)
Exige la presencia de i en variables

Cuando estimo un modelo economtrico se establece una estructura para el modelo.

Gorrito: Estimado.

Tipos de datos:

Datos experimentales: Se obtienen bajo condiciones controladas.

Datos no experimentales: No se obtienen bajo condiciones controladas

Datos de corte transversal: Se obtienen en un solo momento en el tiempo para diferentes


situaciones suelen provenir de una encuesta.

Datos temporales o de series de tiempo: Se obtienen cronolgicamente a travs del tiempo.

Combinacin de cortes transversales: Misma base de datos varios periodos de tiempo (cortes
transversales)

Datos panel: Combinacin de cortes transversales con la particularidad que los individuos son los
mismos en cada corte transversales

Tipos de variables:

Cuantitativas: Aquellas que se pueden medir.

Cualititivas: No se pueden medir. Estn representados por algn atributo o condicin.

Variables proxy: Aquellas que se utilizan para representar una variable de la cual no se dispone de
informacin o que no tiene una medicin directa.

Ej: Modelo pobreza: No tiene medicin directa, pero si hay variables para aproximarse (NBI)
Notacin y componentes del modelo economtrico.

1. Variable yEndgena, explicada, dependiente


2. Variable xExgena, explicativa, independiente.
3. Ui Residuos, errores, perturbaciones aleatorias.

i= 1,, N cuando tenemos toda la poblacin.

i= 1n cuando tenemos una muestra

t= 1,, t Datos de corte temporal.

Si es muestra se habla de Betas, parmetros, coeficientes de regresin estimados.

B1= constante, interceptos, termino independiente.

K: Nmero de betas que obtiene el modelo (variables exgenas)

Papel de los modelos economtricos en la investigacin econmica aplicada.

1. Hacer anlisis estructural: Cuantificar la relacin entre cada variable exgenas con respecto
a la variable endgena.
2. Hacer prediccin o pronstico: obtener valores futuros para la variable endgena, de
acuerdo a valores hipotticos de las variables exgenas (se hace con datos temporales)
3. Hacer evaluacin de polticas o simulacin de efectos.

Fases en la realizacin de un trabajo economtrico.


Seleccin campo aplicacin y planteamiento de la teora y/o hiptesis.

1. En qu rea va a trabajar el modelo?


2. Qu teora est detrs del modelo?

Especificacin modelo inicial teniendo en cuenta la teora y o el conocimiento del tema.

1. Cul es la variable endgena y cuales son las exgenas?


2. Qu forma funcional se trabajara?
3. Cul es la muestra y cul es el periodo de tiempo?
4. Consulta de literatura

Especificacin: Determinacin variable exgenas y endgenas.

Bsqueda y depuracin de los datos:

1. Ir a la fuente y buscar los datos


2. Si no hay datos busca una variable proxy.
3. Todas las variables deben tener la misma periodicidad.
4. Trabajar las variable en unidades monetarias constantes.

Utilizar un paquete economtrico para estimar los parmetros del modelo.

Hacer pruebas de hiptesis para verificar la significancia individual de las variables exgenas del
modelo.
1. Comprobar si los supuestos del modelo se cumplen.

Proceso de perfeccionamiento del modelo

Depurar el modelo de variables que no son significativos.

Utilizar el modelo para los fines que fue estimado.

Modelo de regresin lineal simple y multiple:


Anlisis de regresin: Trata con la descripcin y evaluacin de la relacin entre una variables
y (endgena) y una o ms variables x (exgenas).
La linealidad del modelo de regresin de regresin hace referencia a linealidad en los betas
que acompaan a las variables. Estos deben estar elevados a la potencia 1.
Las variables tantos las endgenas como las exgenas puedan tomar otra forma funcional.
Dentro de un modelo economtrico hay un componente determinstico y otro aleatorio:
Y= B1+B2Xi+Ui
Amarillo: determinstico.
Verde: aleatorio.
Fuentes del trmino error:
Recogen todas las imperfecciones del modelo que se estim. Sus principales fuentes son:
1. Omisin de variables exgenas relevantes.
2. Tomar una forma funcional no adecuada.
3. Por un cambio estructural no considerado
4. Aleatoriedad en las respuestas humanads.
5. Errores de digitacin o de medicin
6. No disponibilidad de informacin,
Cuando trabajamos con toda la poblacin no llevan gorritos los betas.
El objetivo del modelo de regresin es encontrar una funcin de regresin muestral que sea
lo ms parecida la funcin de regresin poblacional.
Encontrar los B1, B2 (gorro) ms parecidos a B1, B2.
Para el logro de ese objetivo lo que se hace es busca un b1, b2 (gorro) tal que se minimice
la suma de todos los residuos.
Y estimado= B1 (gorro)+ b2 (gorro) X
Ui: Y estimado- B1 (gorro)+ b2 gorro X
Propiedad lnea de regresin.
1. Pasar por xy
2. La media de los y es igual a la media de los y estimados.
3. La media o el valor esperado de los errores es igual a 0
4. Existe independencia entre los residuos estimados y la variable endgena.
5. Existe independencia entre los residuos estimados y la variable exgena.
Interpretacin.
Por cada mil pesos que aument el ingreso se estima que en promedio el consumo aumenta
0,43 kilos/da.
Si el ingreso fuera 0 el consumo sera de 101,2596 kg da.
Para interpretar B1 (gorro) solo se debe hacer cuando dentro del rango de valores que tiene
x est 0.
Supuestos del modelo de regresin lneal.
Dado que el propsito del modelo regresin no es solamente estimar b1 y b2, sino que
tambin se va a hacer inferencia sobre los verdaderos b poblacionales entonces es
necesario establecer algunos supuestos.
1. El modelo de regresin es lineal en los parmetros que acompaan a las variables
exgenas.
2. Los valores de la variable x son fijos en muestreos repetidos (no estocsticos) lo que
es aleatorio es la variable y. x es fijo el que se mueve es y.
3. Debe disponerse de un tamao muestra suficiente sobre el conjunto de variables
involucradas en el modelo
n>k
4. Se supone que el modelo est correctamente especificado, es decir, tiene las
variables exgenas que deben ser y tiene la forma funcional que debe ser
5. No hay cambio estructural. Los betas permanecen constantes en el modelo de
estimacin
6. En modelos de regresin mltiple se supone que existe independencia lineal entre
las variables exgenas del modelo. Supuesto no multicolinealidad
Supuestos sobre el termino de perturbacin.
1. La media o valor esperado de los residuos debe ser igual a 0 para cualquier valor de
x
2. La varianza de los residuos dado cualquier valor de x debe ser igual a una constante.
Homocedesticidad.
3. Debe existir independencia lineal o no autocorrelacin entres los residuos del
modelo.
4. Residuos deben seguir una distribucin normal.
5. Debe existir independencia lineal entre las variables exgenas del modelo.
Regla genrica para comprobar la significancia de un estimador.
Si un estimador en valor absoluto es mayor a 2 veces su desviacin estndar entonces se
puede decir que el estimador es estadsticamente significativo.
Sin un estimador en valor absoluto es menor a 2 veces su desviacin estndar entonces se
puede decir que estimador no es estadsticamente significativo.
Coeficiente de determinacin r^2
El r2 es una medida de bondad de ajuste del modelo y mide en que % la o las variables
exgenas del modelo explican la variabilidad de la variable endgena.
STC=Suma Variabilidad total de y. Y Y (media) al cuadrado.
SEC: suma variabilidad de y explicada por el modelo. Y estimada- y media al cuadrado.
SRC. Variabilidad de y que no logr se explicada por el modelo.
R^2= 1- SRC/STC
SEC/STC= R^2
R^2 siempre es menor que 1 y si el modelo tiene b1
0<R^2<1
Un R^2 cercano a 0 indica que las variables exgenas estn explicando muy poco la
variabilidad de y
Un R^2 cercano a 1 indica que la variable exgena est explicando en buena medida la
variabilidad de y,
Interpretacin: La variable exgena est explicando en un 83,9% la variabilidad de y.
Coeficiente de correlacin simple rxy
Mide el grado de asociacin lineal que hay entre dos variables.
Rxy= raz de R^2
Si est cercano a -1 hay asociacin lineal negativa, es decir, si una variable aumenta la otra
disminuye. Si est cercano a 1 hay asociacin lineal positiva, es decir, si una variable
aumenta la otra tambin aumenta. Si est cercano a 0 hay asociacin nula.
Reescalado de variables a factores de escala.
Que pasa con los betas si uno le cambia las unidades a las variables.
Caso 1: Que pasa con los betas cuando se cambia la unidad de las variables endgenas (y)
Si queremos cambiar las unidades de la variable endgenas slo debemos aplicar las
unidades de conversin a los betas.
Caso 2: Como se afectan los betas cuando se cambian las unidades de la variable exgena
por un factor de escala.
Se multiplica el b2 por su inverso multiplicativo y el b1 queda igual.
Caso 3: Cuando se afectan las unidades de la variable exgena y endgena al mismo tiempo.
El beta 1 se multiplica por el factor de conversin de la variable endgena.
El beta 2 se multiplica por el factor de conversin de la variable endgena, pero se divide
por el de la variable exgena.
Modelo de regresin no lineal en las variables.
1. En el modelo Lin-Lin el cambio est dado en trminos absolutos.
2. En el modelo Log-Log el cambio est dado en trminos porcentuales. En el modelo
Log-Log el beta es una elasticidad.
Interpretacin: por cada 1% que aumente el capital se estima que la produccin
aumenta en 0,6%
3. En el modelo Log-Lin el cambio est dado en trminos absolutos-trminos relativos.
El beta es una semi-elasticidad.
Interpretacin: Por cada ao que aumenta la educacin el salario aumenta en tal porcentaje
4. En el modelo Lin-Log el beta 2 es una semielasticidad.
Interpretacin: En el modelo Lin-log se debe dividir por 100 el beta para interpretar.

Modelo de regresin lineal mltiple.


Estudia la relacin entre una variable y (endgena) y dos o ms variables x (exgenas)
El objetivo del modelo de regresin es estimar una FRM que sea lo ms parecida a la funcin
de regresin poblacional.
Encontrar b1, b2, b3, b4.bk tal que minimice la suma de los errores al cuadrado.
Rango de una matriz Nmero mximo de filas o columnas linealmente independientes
que existen en una matriz.
Matriz rango completoXn*k es de rango completo si su rango es igual minimo entre n y k
K<n
Representacin matricial de algunos de los supuestos el modelo de regresin.
1. Modelo de regresin lineal en los parmetros (betas)
2. Matriz x es fija lo que es aleatoria es y
3. El vector de betas permanece constante durante el periodo de estimacin.
4. R(x)=k la matriz x es de rango completo. No hay multicolinealidad.
5. La matriz de varianzas y covarianzas de los errores debe ser una matriz escalar.
Var- cov (u)= varianza por matriz identidad.
6. La media de los errores dado cualquier valor de x= 0
7. Los errores deben seguir una distribucin normal.
Propiedades de los estimadores de MCO.
1. Si la matriz x es fija entonces los betas de MCO son una combinacin lineal de una
variable aleatoria.
2. Si la media de los u es 0 entonces los betas estimados son insesgados.
Insesgado: Se dice que un estimador es insesgado si la media de los estimadores es
igual al parmetro poblacional.
3. Si la matriz de varianzas y covarianzas es escalar entonces las varianzas de los betas
son mnimos.

Propiedad Supuesto
Lineales X es fija
Insesgados X es fija
Valor esperado de los errores es 0
Varianza mminima de los betas X es dija
Valor esperado de los errores es 0
Matriz de varianzas y covarianzas es
escalar.

De todos los estimadores lineales e insesgados los de MCO son los que tienen varianza
mnima siempre y cuando se cumplan los estimadores son MELI (mejores estimadores
insesgados lineales)
R^2 expresado matricialmente
R^2 ajustado.
El R^2 ajustado se utiliza cuando el nmero de variables de exgenas o betas que tiene el
modelo no es una proporcin pequea del tamao de la muestra.
El R^2 ajustado no se interpreta se utiliza para comparar entre modelos.
Condiciones para comparar modelos a partir de R^2 ajustado:
1. Que la variable endgena sea la misma y tenga la misma unidad.
2. Que el tamao de la muestra sea similar
3. Que los modelos a comparar tengan trmino independiente.
4. Que los modelos estn anidados.