UNIDAD DIDCTICA I

ECONOMETRIA Y METODOLOGIA DE LA
INVESTIGACIN ECONOMETRICA
I.1

Definicin de econometra y su relacin con otras disciplinas.

Literalmente, econometra significa "medicin econmica", deriva de los
vocablos OIKONOMIA (Economa) y METROV (Medida).
Consideremos cuatro definiciones de econometra:
1

La econometra, que es el resultado de cierta posicin sobre el papel de

la economa, consiste en la aplicacin de la estadstica matemtica a
datos econmicos, para dar apoyo emprico a los modelos construidos
por la economa matemtica, y para obtener resultados numricos.
(Gerhard Tintner)

La econometra puede ser definida como el anlisis cuantitativo de

fenmenos econmicos reales basados en los desarrollos simultneos
de la observacin y la teora, relacionados mediante mtodos apropiados
de la inferencia. (P.A. Samuelson, T. C. Koopmans, y J. R. N. Stone)

La econometra puede definirse como la ciencia social en la cual las

herramientas de la teora econmica, las matemticas y la inferencia
estadstica se aplican al anlisis de los fenmenos econmicos. (Arthur
S. Goldberger).

La econometra se refiere a la determinacin emprica de las leyes

econmicas. (H. Theil)

Concluyendo: Econometra es la interrelacin de tres reas del conocimiento:

Matemtica, Estadstica y Teora Econmica.
I.2 Concepto de modelo economtrico.
Los economistas tratan de comprender la naturaleza y funcionamiento de los
sistemas econmicos. El primer paso en este proceso, es la elaboracin de un
modelo terico.
MODELO ECONMICO: Es un conjunto de relaciones matemticas que
expresan en forma simplificada e idealizada, las
caractersticas bsicas y esenciales de:

1 un orden institucional y legal vigente;

2 una tecnologa incorporada a la actividad econmica objeto de
anlisis.
3 Una regularidad observada en el comportamiento real de los
sujetos de actividad econmica.
Ejemplo:
Q xD = Q( PX , PY , Y )

C = C (Y )
I = I (Y )

Q Xo = Q( PX , W , D)

Y = C + I +G

Q XD = Q XO

Existen algunas cuestiones no resueltas por la teora, como por ejemplo:

1
2
3
4

Las consideraciones tericas normalmente no pueden especificar la

forma funcional que liga las variables en una relacin.
La teora es a veces precisa pero otras no en la definicin y medida de
los datos.
La teora econmica no puede ser especfica sobre las apropiadas
estructuras de retardos.
El modelo terico simple arroja implicaciones cualitativas sin
ambigedad, pero en modelos ms complicados puede que no suceda;
por ejemplo: Un aumento en la tasa de inters produce un aumento en el
consumo y una disminucin en la inversin; y si no conocemos
cuantitativamente los dos efectos por separado y de las magnitudes del
consumo e inversin, entonces no sabemos si aumenta o disminuye el
PNB. Los signos esperados de las derivadas parciales no pueden
proveer este tipo de informacin.

MODELO ECONOMETRICO:

Es el modelo econmico incorporando la

perturbacin aleatoria a las formas funcionales
propuestas. Por ejemplo:

C = C (Y , U 1 )

Q xD = Q( PX , PY , Y , U 1 )

I = I (Y , U 2 )

Q Xo = Q( PX , W , D, U 2 )

Y = C + I +G

Q XD = Q XO

Las perturbaciones aleatorias son trminos que se introducen en cada ecuacin

estructural (salvo en las identidades) para tener en cuenta la no exactitud del
modelo. Representan el efecto de otras variables explicativas no incluidas en el
modelo. Los valores estimados u observados de estas perturbaciones se
denominan residuos.
La especificacin de una variable aleatoria entre las explicativas de una relacin
economtrica, exige la especificacin de algunos supuestos acerca de la
naturaleza de su distribucin de probabilidad. Estos se refieren al tipo de
distribucin, media y varianza de la misma.

Las razones por las que se incorpora un error aleatorio en una relacin medible
o estimable, son cinco:
Omisin de variables explicativas en la especificacin de la teora
econmica
Imperfecta especificacin de la forma matemtica del modelo.
El comportamiento humano es aleatorio.
Error de agregacin en las variables.
Error de medida en las variables.
Utilidad de los modelos economtricos
El modelo economtrico tiene tres utilidades principales:
1 Anlisis estructural: cuantificacin de las relaciones que entre el periodo
analizado ha existido entre las variables implicadas, a
travs del conocimiento del signo y valor de los
parmetros estimados. Es decir, sirve para conocer
como incide en la endgena variaciones de las
variables explicativas.
2 Prediccin: Dados unos valores a futuro para las variables explicativas, y
conociendo la expresin matemtica que relaciona las variables
explicativas y la variable endgena, es posible predecir los valores
que tomar a futuro la variable objeto de estudio.
3 Simulacin o evaluacin de polticas: Efectos que tienen sobre la endgena
diferentes estrategias que se planteen
de las variables explicativas. Por
ejemplo si analizamos las ventas de
una empresa en funcin de los precios
del producto y del nivel de gasto
realizado en publicidad, podramos
estar interesados en analizar cuanto
incrementaran las unidades vendidas
si se mantienen los precios fijos y se
incrementa el gasto en publicidad en
un porcentaje determinado.
En general, el modelo economtrico es una herramienta de anlisis que ayuda
en la toma de decisiones tanto a nivel econmico en general (macro) como en el
mbito de la direccin de empresas (micro).

Clasificacin de los modelos economtricos

Existe una tipologa de modelos economtricos en funcin de distintas
clasificaciones:
1

Segn el tipo de datos de las variables utilizadas en el modelo:

Series temporales: los datos pueden corresponder a los valores
de una variable en el tiempo. Estos pueden tener frecuencia,
diaria, semanal, mensual o anual. As podemos analizar las
cotizaciones en bolsa diarias, los ndices de predio al consumo
mensuales, los datos anuales del PIB de un pas, etc.
Series de corte transversal: los valores corresponden a distintos
sujetos para un mismo momento del tiempo. En este caso se
tratara de series del tipo de consumo de diferentes familias,
inversin de distintas empresas, paro en diferentes provincias, etc.

2
Segn el momento del tiempo al que hacen referencia se distingue
entre:
Modelos estticos: cuando el subndice i hace referencia al mismo
momento del tiempo o al mismo individuo econmico tanto para la
endgena como para todas las explicativas.
Modelos dinmicos: cuando estn involucradas las variables en
diferentes puntos del tiempo. As si estoy analizando la variable
endgena consumo, utilizar como variable explicativa la renta de
ese mismo periodo, pero tambin podra utilizar la renta del ao
pasado, ya que mis decisiones de compra las tomar en funcin
de lo que pude ahorrar el ao pasado. Al incluir variables en
distintos momentos del tiempo podemos hablar de modelos
dinmicos.
3

Segn el nmero de variables endgenas que se desee explicar:

Modelos uniecuaciones:
endgena.

nicamente

existe

una

variable

Modelos multiecuacionales: existen varias variables endgenas

que deseamos explicar, algunas de las cuales pueden ser a su
vez variables explicativas de otras ecuaciones.
4

Segn la transformacin de los datos que se realice:

Modelo en niveles: las variables aparecen expresadas en

unidades de medida.
Modelo en tasas de variacin: las variables aparecen expresadas
como incrementos. Cuando una variable la expreso en vez de en
niveles en incrementos estoy eliminando la tendencia. Al introducir
las variables en niveles puedo encontrar un mayor nmero de
variables explicativas aparentemente correctas, ya que es ms
fcil encontrar variables explicativas que tengan la misma
tendencia que la endgena. Pero eso no significa que esas
variables sean las que realmente son causas explicativas de los
cambios de la endgena. Por ello, al eliminar la tendencia de las
variables exijo ms al modelo, es decir, tengo en cuenta las
variables que son realmente causa.
Modelo en logaritmos: El modelo bsico de regresin lineal
permite nicamente trabajar con relaciones lineales. Pero no todas
las variables tienen porque estar expresadas a travs de una
relacin lineal. Cuando estimo un modelo nicamente con una
variable endgena y una explicativa lo que trato es de encontrar la
lnea que mejor me recoja la informacin suministrada por ambas
variables.
I.3 Metodologa de la investigacin economtrca.
Las principales etapas que hay que cubrir en un modelo economtrico se
pueden resumir en las cuatro siguientes:
1

Especificacin:
Esta etapa comprende tanto la determinacin del tema objeto de anlisis como
la definicin de las variables explicativas que se incluirn en el modelo.
Seleccin del tema objeto de anlisis. Este puede ser del campo de la
economa, la gestin de empresas e incluso temas sociales no
estrictamente econmicos.
Seleccin de las variables explicativas ms importantes: la cual se realiza
a travs del:
Anlisis de los antecedentes econmicos: a travs de las teoras
econmicas encuentro aquellas variables que a nivel general
influyen de una manera importantes sobre la variable endgena.
Anlisis de los antecedentes economtricos: bsqueda de modelos
similares a la materia objeto de anlisis en libros y revistas sobre

econometra.
Propio conocimiento del investigador.
Para una adecuada especificacin para un modelo, tenemos que examinar la
naturaleza y contenido de los elementos que en s definen esta etapa:
Nmero de variables en la especificacin: El nmero de variables a ser
incluidas en un modelo depende fundamentalmente de la naturaleza del
fenmeno a investigarse y tambin de la finalidad de la investigacin.
Expectativa respecto a tamao y signo de los parmetros: La teora
econmica es la que sugiere los signos y tamao de los parmetros. Si la
relacin la expresamos logartmica entonces, los parmetros son los
conceptos de elasticidades. Ejemplo: Si el bien x es un bien industrial,
entonces tenemos:

Qx
Qx
Qx
>0 .
< 0,
> < 0,
Px
Pj
Y

Si la relacin la expresamos

logartmica, entonces los parmetros son los conceptos de elasticidades

precio, cruzada e ingreso. Si x es un bien que satisface necesidades
secundarias, debemos esperar que las elasticidades precio e ingreso
seran bastante cercanos a uno, asumiendo que el bien x no tiene
sustitutos cercanos.
Forma matemtica del modelo: A veces, la teora econmica no sugiere
de manera explcita la forma matemtica, ni tampoco el nmero de
ecuaciones que deben ser incluidas. Entonces, corresponde al
investigador elegir entre las formas matemticas lineales y no lineales, la
que a su juicio, mejor expresa el fenmeno que est investigando. El
investigador decide si el fenmeno que investiga puede ser
adecuadamente descrito por una ecuacin o por un sistema
multiecuacional.
Si 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. Nos llevara irremediablemente a obtener medidas
incorrectas en la estimacin.
En conclusin: una adecuada especificacin, slo es posible si se ejecuta
despus de un real entendimiento del problema que se busca resolver.
2

Estimacin:
El objetivo de esta etapa es la cuantificacin de los parmetros del modelo,
utilizando como insumo un conjunto muestral de datos para cada una de las
variables especificadas y como medio uno de los diferentes mtodos
economtricos. El trabajo del investigador es puramente tcnico porque consiste

en el cumplimiento de ciertas reglas que norman en la recoleccin de datos,

operatividad y manejo de los mtodos propios de la investigacin economtrica.
Para realizar esta fase es necesario previamente haber realizado una bsqueda
y depuracin de datos. Es necesaria la obtencin de datos:
Suficientes: como mnimo para poder realizar la estimacin, el nmero de
observaciones debe ser igual al nmero de parmetros que queremos
estimar. Sin embargo si no se cumplen unos requisitos mnimos, aunque
tericamente se puede realizar la estimacin, sta no ser fiable.
Homogneos: los datos que hacen referencia a una misma variable
deben estar expresados de una forma homognea, esto quiere decir que
todos deben ir en niveles o en tasas de variacin o en logaritmos. La
homogeneidad de los datos tambin hace referencia al hecho de que
todos deben o no ir corregidas de determinados efectos que se dan en la
economa como la tendencia o la estacionalidad. Nunca se puede incluir
en el modelo una variable cuyos datos estn expresados de forma
diferente.
Actuales: La falta de actualidad en los datos impide realizar un anlisis
completo del fenmeno econmico, ya que ste se referir nicamente al
periodo muestral utilizado en la estimacin.
En la expresin estimada no existe el componente de la perturbacin aleatoria,
ya que una vez que estimo, el valor de la endgena estimado se convierte en
una combinacin lineal exacta de las variables explicativas que he utilizado al
realizar la estimacin. La estimacin de la perturbacin aleatoria ser el error
que cometo con mi modelo al estimar, que incluir precisamente las variables
que dejo fuera de la explicacin (aquellas que tienen poca importancia sobre la
variable que trato de analizar).
Las tareas del investigador son:
1

Recoleccin de datos, se entiende por datos, los diferentes valores que

toma una variable. Los datos pueden corresponder:
Serie de tiempo: es la informacin de los valores de una variable en el
tiempo.
Corte transversal: a valores para diferentes sujetos en un momento
dado.
Datos tcnicos: es informacin relacionada con los modos de
produccin. Expresan requerimientos tcnicos de los mtodos
productivos.
Datos institucionales: es la informacin deducida o estimada a partir
de las normas institucionales o legales.

Dentro del tipo de variable conviene conocer las siguientes posibilidades que
se le pueden presentar al econmetra:
Variables proxies: son variables aproximadas a la variables objeto de
anlisis. Por ejemplo, si quiero utilizar una variable que mida el nivel
cultural de un pas (variable culitativa) puedo utilizar como variable
proxy el nmero de bibliotecas existentes en un pas, que si bien no
recoge el concepto exacto que yo quiero medir, si se aproxima al
mismo.
Variables ficiticas o dummy: estas variables representan la incidencia
que tiene sobre la variable endgena objeto de anlisis un fenmeno
cualitativo. Habitualmente, a la variable ficticia se le asignan dos
valores arbitrarios segn se de o no cierta cualidad en un fenmeno.
As, se le puede asignar el valor 1 si ocurre un determinado fenmeno
y 0 en caso contrario. Estas variables pueden ser de dos tipos:
Ficticia de intervalo: Por ejemplo si estoy analizando un cambio
estructural en media o en tendencia o en ambos.
Ficticia de escaln: Por ejemplo si est analizando el
crecimiento econmico de un pas en el que en un ao
determinado hubo un acontecimiento meteorolgico que tuvo
una repercusin negativa sobre la economa, al tratarse ste de
un dato casual (y no equilibrado con el resto de valores que
toma la serie) debo introducir en el modelo este tipo de
informacin para que la tenga en cuenta en la estimacin y
cometa un menor error.
Algunas veces la estimacin de una determinada relacin hace necesario la
mezcla de datos de distintos tipos. Ej.: mezclar variables cuantitativas y
variables cualitativas o mezclar datos de corte transversal y de serie de
tiempo. En ambos casos debemos estar alerta para lograr una adecuada
interpretacin de los coeficientes estimados.
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 sesgo y error
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 lo
tanto, es muy til que el investigador conozca por lo menos la fuente
probable de error que podran tener sus estimadores.
Los tipos de agregacin ms utilizados en la elaboracin de variables son:

Agregacin sobre individuos: por ejemplo la variable ingreso personal

disponible es la suma de los ingresos individuales de los sujetos de
una economa.
Agregacin sobre bienes: por ejemplo la variable PBI es la suma del
valor de todos los bienes y servicios finales que se producen en una
economa.
Agregacin sobre perodos de tiempo: casi todos los procesos
productivos siempre estn concluidos en perodos menores de un ao
y generalmente las variables son anuales.
Agregacin espacial: cuando la variable produccin es incorporada a
un modelo macroeconmico, ella representa el resultado de la
actividad econmica de todas las regiones del pas.
Una de las alternativas de solucin sera que el investigador sea cuidadoso
en la eleccin de las series para las variables. Por ejemplo: para la variable
ingreso tenemos: PNB, PBI, YN y YPD.
3 Examen de Multicolinealidad, verificar la vigencia de un alto grado de
correlacin entre las variables explicativas de un modelo, nos ocasiona
serios problemas de estimacin de los parmetros y a veces, nos
imposibilita obtener valores numricos para dichos coeficientes.
4 Examen de las condiciones de identificacin del modelo, sera raro que
habiendo especificado una funcin de demanda, en la etapa de estimacin
logremos una relacin de oferta. Aqu se llega cuando el investigador antes
de comenzar la tarea de estimacin, no ha constatado que la relacin a
estimar ha sido adecuadamente identificada. Por ejemplo:
QD = Q(P, U) no est identificada aunque la especificacin planteada es
tericamente plausible, para estimarla es inconveniente.
QD = Q(P, Y, U) si est identificada porque la variable adicionada es una
variable que slo afecta a la demanda y no a la oferta.
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 tiene supuestos propios y tambin exigencias para las
variables que usa como insumo.
Hay una serie de factores que podran ayudar a la eleccin; entre los ms

10

importantes estn:
La naturaleza de la relacin y su condicin de identificacin, Por
ejemplo:
M.C.O.: adecuado en relaciones econmicas simples siempre
que el problema de identificacin est resuelto.
M.C.I. y M.II.E: para modelos multiecuacionales debidamente
identificados.
El propsito de la investigacin, todo mtodo puede conseguir su
objetivo (cuantificar parmetros), no todos ellos logran parmetros con
propiedades ptimas (ejemplo: varianza mnima). Si el objetivo es el
pronstico entonces la propiedad de varianza mnima es fundamental;
en cambio, si es el anlisis cualitativo no se requiere de varianza
mnima.
Elegido el mtodo deber hacerse explcito los supuestos e implicancias del
mismo.
3

Evaluacin:
A travs de la interpretacin de los resultados analizaremos la bondad del
modelo. De tal manera que si el modelo no es bueno para explicar a la variable
endgena deber perfeccionarlo a travs de:
Una reespecificacin de las variables explicativas, es decir, es posible que
haya olvidado incluir alguna variable importante por lo cual el modelo me
est dando un grado de error elevado.
Una nueva bsqueda de los datos utilizados, ya que si no son los
correctos pueden estar aadiendo un componente errtico a la
estimacin, etc.
El valor numrico del parmetro obtenido puede o no ser consistente con lo que
la teora econmica, la estadstica y la econometra esperan de ellos. Aqu el
objetivo es determinar cuan significativos y correctos son los estimadores que
hemos conseguido en la segunda etapa. Los criterios para juzgar a los
estimadores son los correspondientes a:
1 Criterio Econmico (criterio a priori), consiste en contrastar si los resultados
de la estimacin cumplen con las restricciones impuestas por la teora
econmica.
La evaluacin consiste en verificar si las categoras de signo y tamao son
los que la teora exige. Por lo tanto, existen slo dos alternativas:

11

Los parmetros estimados tengan el tamao y el signo que la teora

seala, o
Los parmetros estimados no posean las caractersticas que la teora
espera.
Las causas de que logremos la segunda alternativa son:
Deficiencia en los datos empricos.
Incorrecta tcnica de estimacin.
Inadecuada especificacin establecida para el modelo.
La actitud ms adecuada frente a esta alternativa, ser un replanteo del
modelo especificado incorporando: un redefinido conjunto de variables
explicativas, nuevas formas matemticas para el modelo, nmero de
ecuaciones diferentes para el mismo, o nueva tcnica de estimacin.
2 Criterio estadstico (criterio de primer orden), consiste en someter a los
parmetros estimados a una serie de test o exmenes para determinar su
grado de confiabilidad o certeza.
La investigacin aplicada ha centrado todos estos exmenes en el uso del
siguiente procedimiento:
Test o Prueba de Hiptesis: pueden ser pruebas individuales o
conjuntas, dentro de las cuales se encuentran las pruebas de
significancia. La regla de decisin es: si el estadstico calculado
supera al valor de la tabla se rechaza la hiptesis nula, es decir, el
estadstico calculado cae en la regin crtica.
Test de Bondad de Ajuste: de un modelo estimado a travs del
coeficiente de determinacin (R2). El coeficiente de determinacin 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.
3 Criterio economtrico (criterio de segundo orden), corresponde a determinar
si todos los supuestos del modelo se han cumplido de manera satisfactoria.
Hay que detectar si existe Multicolinealidad, Heteroscedasticidad,
Autocorrelacin, normalidad, estabilidad, observaciones atpicas.
4

Evaluacin de la Capacidad Predictiva del modelo:

Tenemos dos tipos de prediccin, a saber:
Cuantitativa, es la capacidad que un modelo debe poseer para obtener
los valores numricos de sus variables explicadas en un espacio fuera de

12

la muestra.
Cualitativa, es a la que a base de los parmetros estimados nos permite
anticipar el cambio que experimentarn las variables dependientes o
variables explicadas.
Es posible que an cuando un modelo sea correcto desde el punto de vista de
los criterios econmicos, estadstico y economtrico, no por ello est
garantizada su capacidad de prediccin.
Las fuentes de error en la prediccin ms relevantes, son:
Error de medida en las variables explicativas del modelo.
Inadecuada utilizacin del mtodo de estimacin; esto es, violacin de los
supuestos del mtodo respecto a la variable aleatoria y tambin a las
deficiencias de los datos para cumplir supuestos rgidos del mismo.
Condiciones estructurales cambiantes en la realidad, despus de
recolectar la muestra o seleccionar el espacio muestral.
Los mtodos correctivos para mejorar la capacidad predictiva de un modelo, de
acuerdo a la fuente, son:
El mtodo de estimacin con variables instrumentales.
Los mtodos que corrigen autocorrelacin, multicolinealidad,
heteroscedasticidad, etc.
Reestimar el modelo con informacin ms reciente y en todo caso
aceptar que la prediccin no puede ser ambiciosa y exagerada.
I.4

Medida sin teora: La econometra de las series temporales

Puede resultar difcil o imposible explicar el movimiento de la variable mediante
un modelo estructural. Esto ocurrira, por ejemplo:
Si no se dispusiera de datos acerca de aquellas variables explicativas
que creemos que afectan a la variable
Si an disponiendo de datos, la estimacin de un modelo de regresin
para la variable diera como resultado errores tipo tan grandes que la
mayora de los coeficientes estimados no fueran significativos y el error
tipo de la prediccin fuera inaceptablemente grande.
Incluso aunque pudiramos estimar una ecuacin de regresin
estadsticamente significativa, el resultado pudiera no ser til a efectos de
predecir.

13

Generalmente, se elegir un modelo de series temporales en aquellos casos en

que se posee poca informacin acerca de los determinantes del
comportamiento de la variable que nos interesa, pero en cambio se poseen
suficientes datos para construir un modelo de series temporales de
considerable magnitud. Por ejemplo: la prediccin de una variable cclica para
la produccin de un bien determinado.
El modelo de series temporales tiene en cuenta el esquema de los movimientos
pretritos de una variable determinada y utiliza esta informacin para predecir
los movimientos futuros de dicha variable.