Escolar Documentos
Profissional Documentos
Cultura Documentos
1
Objetivos ¿Qué es econometría?
Familiarizar al estudiante con el “metodo” Aplicación de métodos estadísticos a
econométrico. problemas económicos.
A. El Problema Estadísticon
A. El Problema Estadístico ∑x i
Población µ x = i =1
n
¿Que es estadística?
Valor real Predicción 60Kg
“la tecnología del método científico, pues
es la estadística y sus métodos las que 70Kg x1 x2 n
proveen a los investigadores con las ∑( x − x )
2
i
herramientas para probar sus hipótesis σ 2
s =
2 i =1
de trabajo” n −1
x4
xn
x3
50Kg
Econometría Básica Econometría Básica
2
1. Formulación y especificación 1. Formulación y especificación
de un modelo económico. de un modelo económico.
Yi = β1 + β 2 X 2i + β3 X 3i + … + β k X ki + ε i
Los modelos generalmente toman la
siguiente forma: Entonces los modelo pueden ser
descompuestos en:
yi = f ( X 1i , X 2i ,..., X ki ) + ε i
Parte deterministica
1. Formulación y especificación
de un modelo económico.
Yi = β1 + β 2 X 2i + β3 X 3i + … + β k X ki + ε i
Econometría Básica
Q = f ( p, ps , pc , I , G )
-
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Econometría Básica Econometría Básica
Pronóstico Ene Venta a Dic
3
El modelo 2. Recolección de la Información.
i=n
i =1 i = 2 i = 3
Econometría Básica Econometría Básica
4
2. Recolección de la Información. 2. Recolección de la Información.
2. Series de Tiempo : 3. Datos de Panel (longitudinales):
Los intervalos entre observaciones son generalmente observaciones (de una o + variables) hechas en
constantes (EJ: días, mes, año, etc.) el tiempo para muchos individuos. Siempre se
Muy usados en estudios en estudios de: sigue el mismo conjunto de individuos en el
Finanzas
tiempo.
Macroeconomía
Crecimiento económico
i = n1
i =1i = 2 i = 3
t=n
Econometría Básica Econometría Básica
4. Comprobar Hipótesis
3. Estimación del Modelo.
relevantes.
relevantes.
A partir de los datos, se “adivina” (estima) Las pruebas de hipótesis se emplean a
los valores poblacionales para:
Escoger un modelo estimado coherente
Para esto se debe escoger el método de
Comprobar si la T. explica la población bajo
estudio o no
estimación más adecuado
Comprobar la habilidad para pronosticar del
modelo estimado
5
Ejemplo
Es importante determinar cuales variables si
Regresando a afectan la demanda..
El precio del Bien (p)
nuestro ejemplo…
El precio de los sustitutos (ps)
El precio de los complementos (pc)
El ingreso de los compradores (I)
Los gustos de los compradores (G)
Clima
etc
Econometría Básica
5. Interpretación de los
6. Conclusiones y Proyecciones.
Proyecciones.
Resultados.
Resultados.
La parte más importante. En algunas oportunidades más que
conclusiones se necesitan proyecciones…
Se debe tener en cuenta:
Los supuestos de la T empleada
Los supuestos empleados en los cálculos
Las limitaciones de los datos empleados
35000
30000
Regresando a 25000
15000
10000
5000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71
Meses
6
B. Pasos de un estudio
Contenidos
Econométrico
En resumen: Entonces en este curso estudiaremos:
1. Formulación y especificación de un modelo A. El problema estadístico
económico. B. Pasos de un estudio Econométrico
2. Recolección de la Información. C. El modelo de Regresión Lineal
3. Estimación del Modelo. D. Diagnóstico del Modelo y selección de modelos
4. Comprobar Hipótesis relevantes. E. Variables Dummy
5. Interpretación de los Resultados. F. Problemas Econométricos.
6. Conclusiones y Proyecciones. G. Lo que falta…
µ yi yn = µ + ε n
yi = µ + ε i
Econometría Básica Econometría Básica
7
C. El modelo de Regresión Lineal C. El modelo de Regresión Lineal
µ yi µ ε1
y1
yi
Econometría Básica Econometría Básica
yi Es decir….
Econometría Básica
xi Econometría Básica
8
C. El modelo de Regresión Lineal
C. El modelo de Regresión Lineal
Modelo Simple
y = mx + b En este caso
yi = β1 + β 2 xi + ε i
y
dyi La variable dependiente cambiara en β2
m = β2
b dxi unidades cuando la variable independiente
(xi) cambia en una unidad
yi = µ + ε i
E [ε ] = 0,Var [ε ] = σ 2
µ
ε1
y1
µ µ
ε1 ε1 Error muy grande
y1 y1
x1 Econometría Básica
xi x1 Econometría Básica
xi
9
C. El modelo de Regresión Lineal C. El modelo de Regresión Lineal
yi = µ + ε i
yi
De hecho parece E [ yi ] = µ yi
De hecho parece yi = β1 + β 2 xi + ε i
E ⎡⎣ yi xi ⎤⎦ ≠ µ
que la relación es que la relación es
lineal….. lineal…..
µ µ
x1 Econometría Básica
xi x1 Econometría Básica
xi
x1 Econometría Básica
xi Econometría Básica
yi = β1 + β 2 xi + ε i ⎡1 x1 ⎤ yi = β1 + β 2 xi + ε i
⎢1 x ⎥
y1 = β11 + β 2 x1 + ε1 ⎢ 2⎥ y1 = β1 + β 2 x1 + ε1 ⎡ β1 ⎤
⎢β ⎥
y2 = β11 + β 2 x2 + ε 2 ⎢ ⎥ y2 = β1 + β 2 x2 + ε 2 ⎣ 2⎦
⎢1 x ⎥
⎣ n⎦
yn = β11 + β 2 xn + ε n yn = β1 + β 2 xn + ε n
10
C. El modelo de Regresión Lineal C. El modelo de Regresión Lineal
yi = β1 + β 2 xi + ε i yi = β1 + β 2 xi + ε i
⎡ y1 ⎤ ⎡ β1 + β 2 x1 ⎤ ⎡ ε1 ⎤ ⎡ y1 ⎤ ⎡1 x1 ⎤ ⎡ ε1 ⎤
y1 = β1 + β 2 x1 + ε1 ⎢ y ⎥ ⎢ β + β x ⎥ ⎢ε ⎥ y1 = β1 + β 2 x1 + ε1 ⎢ y ⎥ ⎢1 x ⎥ β ⎢ε ⎥
⎢ 2⎥ = ⎢ 1 2 2⎥ 2⎥⎡ 1⎤
y2 = β1 + β 2 x2 + ε 2 + ⎢ 2⎥ y2 = β1 + β 2 x2 + ε 2 ⎢ 2⎥ = ⎢ + ⎢ 2⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎣ β 2 ⎥⎦ ⎢ ⎥
⎢ y ⎥ ⎢ β + β x ⎥ ⎢ε ⎥ ⎢ y ⎥ ⎢1 x ⎥ ⎢ε ⎥
⎣ n⎦ ⎣ 1 2 n⎦ ⎣ n⎦ ⎣ n⎦ ⎣ n⎦ ⎣ n⎦
yn = β1 + β 2 xn + ε n yn = β1 + β 2 xn + ε n
yn×1 = X n×2 β 2×1 + ε n×1
Econometría Básica Econometría Básica
11
C. El modelo de Regresión Lineal Regresión Simple - MCO
¿Cómo escoger la “mejor línea”? A esta idea se le conoce como mínimos
cuadrados ordinario (MCO) (OLS)
y
Error
yi = β1 + β 2 xi + ε i ε i ∼ ( 0,σ 2 )
Estimador de ε
Pero es mejor idea minimizar el cuadrado de esa distancia β̂1 β̂ 2 ei = εˆi s2
x
Econometría Básica Econometría Básica
∑( x − x )
2
i
⎧
( ( )) ⎫⎬⎭
n 2 i =1
Min ⎨∑ yi − βˆ1 + βˆ2 xi
βˆ1 , βˆ2
⎩ i =1 βˆ1 = y − βˆ2 x
Observación
yˆi = E ⎡⎣ yi xi ⎤⎦
Línea a estimar
x i
x
Econometría Básica Econometría Básica
12
Regresión Simple - Propiedades Regresión Simple - Propiedades
Ahora si supones:
Además no sólo queremos encontrar la 1. La relación entre Y y X es lineal
“mejor” linea que represente las 2. La variable X es no estocástica
observaciones sino tambien que los 3.
estimadores cumplan ciertas E [ε i ] = 0 Var [ε i ] = σ 2
propiedades:
1. Insesgado (no sesgado)(unbiased) E ⎡⎣ε iε j ⎤⎦ = 0 i≠ j e.i. los errores son
estadísticamente
2. La menor variabilidad del estimador indep.
y y
β1
β2
β1
x2 x2
x1 x1
13
C. El modelo de Regresión Lineal 2. El modelo
Consideremos el siguiente modelo lineal Una forma de escribir lo anterior de forma
con k-1 variables independientes y n obs. concisa es
Y1 = β1 + β 2 X 21 + β3 X 31 + … + β k X k 1 + ε1 Yi = β1 + β 2 X 2i + β3 X 3i + … + β k X ki + ε i (2.1)
Y2 = β1 + β 2 X 22 + β3 X 32 + … + β k X k 2 + ε 2 i = 1,…, n
E [ε i ] = 0
ε i ∼ ( 0,σ 2 )
Yn = β1 + β 2 X 2 n + β3 X 3n + … + β k X kn + ε n
Var [ε i ] = σ 2
E ⎡⎣ε iε j ⎤⎦ = 0
Econometría Básica Econometría Básica
Y2 = β11 + β 2 X 22 + β 3 X 32 + … + β k X k 2 + ε 2 M Y2 = β11 + β 2 X 22 + β 3 X 32 + … + β k X k 2 + ε 2
Yn = β11 + β 2 X 2 n + β 3 X 3n + … + β k X kn + ε n Yn = β11 + β 2 X 2 n + β 3 X 3n + … + β k X kn + ε n
⎡ Y1 ⎤ ⎡ Y1 ⎤ ⎡1 X 21 X 31 X k1 ⎤ ⎡ ε1 ⎤
⎡1 X 21 X 31 X k1 ⎤ ⎢1 X ⎢ε ⎥
⎢Y ⎥
⎢1 X
⎢Y ⎥ X 32 Xk2 ⎥ ε = ⎢ 2⎥
y = ⎢ 2⎥ Xk2 ⎥ y = ⎢ 2⎥ X = ⎢ ⎥
22
X 32 ⎢ ⎥
⎢ ⎥ X =⎢ 22 ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢1 X ⎢ε ⎥
⎢Y ⎥
⎢1 X
⎢Y ⎥
⎣ X kn ⎥⎦ n×k ⎣ n ⎦ n×1
⎣ n ⎦ n×1 X kn ⎥⎦ n×k ⎣ n ⎦ n×1 2n X 3n
⎣Econometría2 nBásicaX 3n Econometría Básica
14
C. El modelo de Regresión Lineal C. El modelo de Regresión Lineal
y1 = β11 + β 2 X 21 + β3 X 31 + … + β k X k 1 + ε1 Entonces
y1 = β1 + β 2 X 21 + β 3 X 31 + … + β k X k 1 + ε1
y2 = β11 + β 2 X 22 + β3 X 32 + … + β k X k 2 + ε 2
y2 = β1 + β 2 X 22 + β 3 X 32 + … + β k X k 2 + ε 2
yn = β11 + β 2 X 2 n + β3 X 3n + … + β k X kn + ε n
yn = β1 + β 2 X 2 n + β 3 X 3n + … + β k X kn + ε n
⎡ y1 ⎤ ⎡ β1 ⎤
⎢y ⎥ ⎢β ⎥
y = ⎢ 2⎥ β = ⎢ 2⎥ yn×1 = X n×k β k ×1 + ε n×1 ε n×1 ∼ ( 0n×1 ,σ 2 I n )
⎢ ⎥ ⎢ ⎥
⎢y ⎥ ⎢β ⎥
⎣ n ⎦ n×1 ⎣ k ⎦ k ×1
Econometría Básica Econometría Básica
?
Yn×1
β k×1 βˆk ×1
X n×k Error
Estimador Estimador de ε
Observado
x
Econometría Básica Econometría Básica
yT y − βˆ T X T y
s2 =
n−k
15
Ejercicio en clase Ejercicio en clase
El modelo CAPM (Capital Asset Pricing Model ) en
su versión más simple implica: A partir del archivo CAPM.xls determine
(rit - rft) = B(rmt - rft) + uit si el modelo CAPM es correcto para las
Donde acciones de IBM y Motorola
(rit - rft) = exceso de retorno de un activo con respecto
al activo cero riesgo en el periodo t.
(rmt - rft) = exceso de rendimientos del “portafolio de
mercado” en el periodo t.
Entonces tenemos un modelo de series de tiempo que
nos permite conocer cómo se determina en equilibrio
el rendimiento de un activo.
16