Beruflich Dokumente
Kultur Dokumente
Tema 1 : INTRODUCCIÓN
Así tenemos que del fenómeno “fisonomía de los individuos” se puede observar con-
juntamente las características altura y peso de cada individuo, del fenómeno “mercado
de un bien” lo haríamos con las características precio y cantidad o, también, podríamos
relacionar el fenómeno “ingreso familiar” con el fenómeno “educación” observando
conjuntamente las características salario y años de estudio. En todos estos casos se de-
fine una variable bidimensional (X,Y).
1) Con observaciones agrupadas por frecuencias: [ (xi , yj) ; nij ] i = 1, ... ,h j = 1, ... ,k don-
de (xi , yj) representa a cualquier par observado nij veces de la variable (X,Y).
h k
nij es la frecuencia absoluta conjunta, cumpliéndose que: ∑ ∑n ij = N
i =1 j =1
2) Con observaciones sin agrupar: (xi , yi) i = 1, ... ,N que describe la serie completa de
valores observados, repetidos o no. Esta será la forma que habitualmente utilizare-
mos para representar los pares de valores obtenidos.
Nótese que en el primer caso tenemos que utilizar dos subíndices “i” y “j”, mientras
que en el segundo sólo tenemos que utilizar un subíndice.
1
Departamento de Estadística e Investigación Operativa II (Métodos de Decisión)
∑x y r
i
s
i ∑x i ∑y i ∑x 2
i ∑y 2
i ∑x y i i
a 10 = x = a 01 = y = a 20 = a 02 = a 11 =
i=1 i=1 i=1 i=1 i=1 i=1
a rs =
N N N N N N
∑( x - x) ∑x
N
∑ (x - x ) (y i - y )
r s 2 2
i i i
i=1 i=1
m rs = i =1
m 20 = S 2x = = - x2
N N N
N N
∑( y - y) ∑y
2 2
i i
2 i=1 i=1
m02 = S = y = - y2
N N
∑( x i - x ) . ( y i - y) ∑x y i i
i=1 i=1
m11 = S xy = = - x.y
N N
n ij n i. n . j
∀ i = 1, ... , h ∀ j = 1, ... , k = ⋅ ⇔ f ij = f i. ⋅ f . j
N N N
2
Introducción a la Econometría Tema 1: INTRODUCCIÓN
h k h k h k
a 11 = ∑ ∑ x y .fi j ij = ∑∑x y .f i j i• . f •j = ∑x .f .∑y .f
i i• j •j = a 10 . a 01 ⇒
i=1 j=1 i=1 j=1 i=1 j=1
Si las variables son independientes la covarianza toma el valor cero. Pero el recí-
proco no siempre es cierto, es decir: si la covarianza es cero no podemos asegurar
que las variables sean independientes.
Recordemos que la covarianza es una medida del grado de asociación lineal entre las
dos variables X e Y:
3
Departamento de Estadística e Investigación Operativa II (Métodos de Decisión)
yj
(x i (
- x) < 0 y j - y > 0) (x i (
- x) > 0 y j - y > 0)
·
· · ··
II · · · I
· · · · ··
y ··
III · · · · IV
· · ·
·· ·
·
(x i (
- x) < 0 y j - y < 0) (x i (
- x) > 0 y j - y < 0)
x xi
Como se puede ver en esta figura, que supone una relación creciente o positiva entre
las variables, cuanto más cerca de la línea recta imaginaria que pasa por el punto (x, y)
estén los puntos observados habrá más puntos pertenecientes a los cuadrantes I y III,
donde los sumandos que determinan la covarianza son positivos y tendrán más impor-
tancia en su cálculo que los puntos de los cuadrantes II y IV donde habrá menos. En el
caso de una relación lineal perfecta no habrá puntos en estos cuadrantes y los términos
de la covarianza serán todos positivos. Si la relación fuese decreciente o negativa la co-
varianza tomaría un valor negativo.
Luego, cuanto mayor sea el valor absoluto de la covarianza mayor será el grado de
relación o asociación lineal entre las variables. Si la covarianza es positiva la relación
es creciente o en el mismo sentido, si la covarianza es negativa la relación es decrecien-
te o en sentido contrario. Si la covarianza tomase el valor cero, aunque no podamos
afirmar que las variables son independientes, el grado de relación lineal es nulo.
4
Introducción a la Econometría Tema 1: INTRODUCCIÓN
modelo por medio de variables, que suelen representar a las posibles observaciones
muestrales de dichas variables, y podrán ser aleatorias. Un modelo econométrico tam-
bién recoge ciertas características del fenómeno que se estudia por medio de paráme-
tros, cuyo valor desconocido deberá estimarse aplicando el correspondiente método es-
tadístico, y suele introducir ciertas variables aleatorias denominadas perturbaciones
aleatorias o términos de error, no observables, que representan al conjunto de posibles
causas e influencias no incluidas en el modelo. La formulación del modelo se hace,
habitualmente, a partir del contenido de una determinada teoría económica que se pre-
tende contrastar empíricamente.
1º) C depende de R. Por tanto, si se escoge la forma lineal para expresar la relación
entre C y R el modelo económico queda:
C = α + βR
dC dC
0< <1 al ser = β esto supone que 0 < β < 1.
dR dR
3º) La propensión marginal al consumo debe ser menor que la propensión media:
dC C
<
dR R
α + β ⋅R
De aquí se deduce que β < ⇒ β ⋅R <α + β ⋅R ⇒ α > 0
R
5
Departamento de Estadística e Investigación Operativa II (Métodos de Decisión)
Modelo econométrico:
Ct = α + βRt + ut para t = 1,2, ... ,N
Es evidente que si prescindimos de “ut” y sustituimos “Ct” y “Rt” por sus valores ob-
servados la ecuación “Ct = α + βRt” no se cumplirá de forma exacta, para unos valores
fijos de α y β, en los periodos considerados. Las variables ut representan todas las de-
más causas que afectan al consumo, diferentes del nivel de renta, y no están incluidas en
el modelo, introduciendo la aleatoriedad en el mismo y pudiendo, así, aplicar métodos
de inferencia estadística para la estimación de los parámetros α y β.
Las hipótesis sobre los valores de los parámetros ( 0 < β <1 y α > 0 ) deberán ser
aceptadas o rechazadas estadísticamente utilizando alguno de los métodos de contrastes
de hipótesis que nos proporciona la Inferencia Estadística.
A partir de este primer ejemplo se pueden deducir las siguientes características sobre
los elementos que constituyen un modelo econométrico:
- Cada magnitud que relaciona un modelo se representa por una variable que puede
tomar cualquier valor dentro de un conjunto establecido. A la variable que representa a
la magnitud que el modelo intenta analizar estudiando las posibles causas de sus varia-
ciones se la denomina variable endógena (también: dependiente o explicada) y a las
que representan esas posibles causas y, por tanto, sus variaciones influyen sobre la va-
riable endógena se las denomina variables exógenas (también: independientes o ex-
plicativas). En el ejemplo 1 la variable endógena es C, que representa al consumo pri-
vado del periodo a precios constantes, y la única variable exógena es R, que representa
a la renta disponible del periodo también a precios constantes.
- Las variables ut, que, como ya se ha dicho antes, contienen a todas las causas e
influencias sobre la variable endógena no representadas por las variables exóge-
nas ni por los parámetros, reciben el nombre de perturbaciones aleatorias. Al
ser el valor de los parámetros desconocido serán variables no observables o la-
tentes.
6
Introducción a la Econometría Tema 1: INTRODUCCIÓN
Datos de panel: supone una combinación de los anteriores al obtenerse los datos so-
bre un mismo conjunto de individuos(o familias o empresas) en distintos periodos de
tiempo.
- Si el modelo se define, como en nuestro ejemplo, por medio de una única ecuación
se denomina modelo uniecuacional, y si necesita de dos ecuaciones o más modelo
multiecuacional.
- Si los datos son de sección cruzada o si son series temporales pero todas las varia-
bles incluidas en el modelo aparecen sin retardos, el modelo se denomina estático y si
aparecen, en alguna ecuación del modelo, variables retardadas el modelo recibe el nom-
bre de dinámico en el sentido que intentará captar el comportamiento en el tiempo de
las variables implicadas.
7
Departamento de Estadística e Investigación Operativa II (Métodos de Decisión)
I. ESPECIFICACIÓN
II. ESTIMACIÓN
III. VERIFICACIÓN
IV. APLICACIÓN
8
Introducción a la Econometría Tema 1: INTRODUCCIÓN
EJERCICIOS PROPUESTOS
1.1 Las alturas (en cm.) y los pesos (en kg.) de 40 mujeres, elegidas al azar entre las que
forman un determinado colectivo, han sido:
Alturas: X Pesos: Y
X Y X Y X Y X Y
146 41 154 46 160 48 165 60
147 45 155 50 160 48 166 54
148 42 155 48 160 50 167 60
150 55 156 45 162 60 168 50
150 48 156 60 162 56 168 58
151 60 157 50 162 48 170 60
152 50 158 48 163 50 172 68
152 52 158 52 163 58 174 65
152 45 158 53 164 56 174 70
153 48 159 52 164 52 175 64
1º: Calcule las medias y las varianzas de las distribuciones marginales de alturas y pesos.
2º: Elabore la tabla de correlación de la distribución bidimensional, estableciendo para
cada variable 6 intervalos de amplitud igual a 5.
3º: Calcule, a partir de la tabla construida en el apartado anterior, las medias y varianzas
marginales, comparándolas con las obtenidas en el primer apartado.
4º: Obtenga las medias de las seis distribuciones de frecuencias de los pesos condiciona-
das a las alturas.
1.2 Las calificaciones obtenidas por 32 alumnos, elegidos al azar entre los asistentes a
un determinado Curso de especialización, en el examen previo de ingreso ( X ) y en
el examen final ( Y ), han resultado ser :
X Y X Y X Y X Y
5 3 6 5 7 6 8 10
5 4 6 5 7 7 9 10
5 5 6 6 7 7 9 8
5 5 6 6 7 8 9 9
5 6 6 7 8 6 10 8
5 8 6 9 8 7 10 9
6 4 7 4 8 7 10 10
6 4 7 5 8 8 10 10
1º: Calcule las medias y las varianzas de las dos distribuciones marginales.
2º: Elabore la tabla de frecuencias de la distribución bidimensional.
3º: Calcule la covarianza.
4º: Calcule las medias y las varianzas de las seis distribuciones de Y condicionadas a los
distintos valores que puede tomar la X.
9
Departamento de Estadística e Investigación Operativa II (Métodos de Decisión)
1.3 Teniendo en cuenta los datos anuales de la “Renta Disponible” y del “Consumo Priva-
do”, ambos expresados en miles de millones de dólares de 2000, de la economía de
Estados Unidos durante el periodo de 1960 a 2004:
1º: Calcule las medias y las varianzas de las variables “Renta disponible” y “Consumo
privado”, así como su covarianza.
2º: ¿Cuáles serían los valores de las medias y las varianzas de las distribuciones del Con-
sumo privado condicionadas a los distintos valores de la Renta disponible?.
1.4 Calcule las medias, las varianzas y la covarianza de las variables X e Y si los datos
los conocemos de las siguientes formas:
A) N = 15 ; ∑Xi = 270 ; ∑Xi2 = 5542 ; ∑Yi = 84 ; ∑Yi2 = 526,5 ; ∑Xi ·Yi = 1340
268
C) N = 15 ; a10 = 18 ; a01 = 5,6 ; a20 = 369, 4666667 ; a02 = 35,1 ; a11 =
3
10
Introducción a la Econometría Tema 1: INTRODUCCIÓN
APÉNDICE
h k
∑∑x y r
i
s
j ⋅ n ij h k
= ∑∑x ir ysj ⋅ f ij
i =1 j=1
a rs =
N i=1 j=1
Se deduce que a 10 = x y a 01 = y
h k
∑x ∑
h k h k h
a 10 = ∑∑ x 1i y 0j ⋅ f ij =
i =1 j=1
∑∑ x i ⋅ f ij =
i =1 j=1 i=1
i
j=1
f ij = ∑x
i =1
i ⋅ f i• = x
k
ya que ∑f ij = f i•
j=1
h k
Así mismo a 20 = ∑ x i2 ⋅ f i• y a 02 = ∑ y 2j ⋅ f • j
i =1 j=1
k h
∑y ∑
h k h k k
a 02 = ∑∑ x i0 y 2j ⋅ f ij = ∑∑ y 2j ⋅ f ij = 2
j fij = ∑y 2
j ⋅ f•j
i =1 j=1 i =1 j=1 j=1 i=1 j=1
h
ya que ∑f ij = f•j
i=1
Por tanto, si uno de los elementos del par (r,s) se anula, el momento resultante es el
correspondiente en la distribución marginal.
h k
a 11 = ∑∑ x i y j ⋅ f ij
i =1 j=1
m rs = ∑∑ (x i - x ) ⋅ (y j - y ) ⋅ f ij
h k
r s
i =1 j=1
m 02 = ∑ (y j - y ) ⋅ f • j = S 2y = a 02 - y 2 = a 02 - a 01
k
2 2
m 01 = 0
j=1
11
Departamento de Estadística e Investigación Operativa II (Métodos de Decisión)
COV(X, Y) = m11 = S xy = ∑∑ (x i - x ) ⋅ (y j - y ) ⋅ f ij
h k
i =1 j=1
para el cálculo en función de los momentos respecto al origen: Sxy = m11 = a11 - a10.a01
S xy = ∑ ∑ (x i - x ) ⋅ (y j - y ) ⋅ f ij = ∑∑ (x i y j - xy j - yx i + x.y ) ⋅f ij =
h k h k
i =1 j=1 i =1 j=1
h k h k h k h k
= ∑∑ x y
i =1 j=1
i j ⋅ f ij - x ∑∑ y
i =1 j=1
j ⋅ f ij - y ∑∑ x
i =1 j=1
i ⋅ f ij + x.y ∑∑ f
i =1 j=1
ij =
= a 11 - xa 01 - ya 10 + x.y = a 11 - a 10 a 01 - a 01a 10 + a 10 a 01 = a 11 - a 10 a 01
a 10 = x a 01 = y m 20 = S 2x m 02 = S 2y m11 = S xy
X’ = a + bX Y’ = c + dY
i =1 j=1 i =1 j=1
i =1 j=1 i =1 j=1
12