UNIVERSIDAD DE

GUAYAQUIL
FACULTAD DE ECONOMÍA

Econometría I

Econ. Mariana Cedeño Preciado, MSc.

Octubre/2018
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Horario de Clases
Martes y Jueves
07H00 – 09H00

Exámenes
Primer parcial: 10 - 16 de diciembre/2018
Segundo parcial: 18 – 24 de febrero/2019
Recuperación: 25 de febrero - 6 de marzo/2019
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Datos Generales
-Disciplina

-Puntualidad

-Celulares

-Conversar

-Fecha de entrega de tareas

 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Estructura de calificación

- Investigaciones
- Tareas – Deberes
- Lecciones
- Análisis de artículos del periódico 5 puntos
- Ensayos
- Talleres
- Aportes - Test
- Trabajo de fin de parcial

- Examen 5 puntos
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Evaluaciones

- Lecciones semanales
- Aportes mensuales
- Proyecto al final de cada parcial
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Bibliografía

- Damodar Gujarati: Econometría - Quinta edición

- Dominick Salvatore: Econometría - Cuarta edición
- Alfonso Novales: Econometría - Segunda edición
- Barbancho: Fundamentos y posibilidades de Econometría –
Cuarta edición
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
EDMODO
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
EDMODO
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
INTRODUCCIÓN
La medición en Economía – la Econometría – es un
campo científico de desarrollo relativamente reciente.
Los primeros trabajos que pueden ahora ser
entendidos como elementales investigaciones
econométricas datan de la segunda mitad del siglo
XIX.
En la actualidad la Econometría constituye, sin duda, el
instrumento fundamental para el análisis de la realidad
económica. Si la Estadística es el método de la
investigación científica, la Econometría es el método
de la investigación económica.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Concepto de Econometría: Etimología
El término “Econometría” fue acuñado en 1930 para dar
nombre a una sociedad científica – la Econometric Society
– integrada por partidarios de la aplicación de métodos
cuantitativos a la Economía, que crean la revista
Econométrica como vehículo de transmisión de
investigaciones teóricas y aplicadas que, a medio plazo,
proporcionaron los fundamentos del cuerpo metodológico de
la actual Econometría.
Desde un punto de vista etimológico el término proviene del
griego “oikos” (economía) y “metría” (medida), evidenciando
la vocación cuantitativa del naciente campo científico.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Concepto de Econometría: Aproximación
Su contenido y definición ha variado a lo largo del tiempo.
En una primera etapa, hasta mediados de los setenta,
tendía a identificarse con la estimación de los modelos
multiecuacionales macro-econométricos.
Con el auge de las técnicas basadas en el análisis de
series de tiempo, se amplió notablemente su campo de
forma que en la actualidad suelen integrarse en su objeto
todas las técnicas matemáticas y estadísticas utilizadas en
el análisis económico.
Un elemento fundamental del método de la Econometría es
su carácter deductivo, es decir, su utilización para
contrastar o verificar una determinada Teoría
Económica mediante modelos.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Concepto de Econometría: Definiciones
“La econometría puede ser definida como el análisis
cuantitativo de fenómenos económicos reales basados en
los desarrollos simultáneos de la observación y la teoría,
relacionados mediante métodos apropiados de la
inferencia”. P.A. Samuelson, T. C. Koopmans, y J. R. N.
Stone.

“Determinación empírica de las leyes económicas” H.

Theil.

Aplicación de las matemáticas y método estadístico al

estudio de fenómenos económicos.” Malinvaud (1966)”
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Elementos de la definición
+ El objeto material de la Econometría es el análisis
de los fenómenos económicos.
+ Tiene un carácter eminentemente cuantitativo.
+ Trata de verificar teorías, formuladas mediante
modelos económicos, a través del análisis de
datos reales.
+ Estima y contrasta modelos econométricos, de
naturaleza estocástica, basados en los modelos
económicos representativos de la teoría
económica estudiada, que son utilizados para
predecir.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Relaciones con otros campos científicos
La Econometría utiliza técnicas matemáticas y estadísticas
para verificar teorías económicas, explicar fenómenos
económicos o predecir sus comportamiento.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Contenidos
La Econometría tiene como objeto la estimación,
contraste y predicción con modelos econométricos.
Econometría Teórica o Teoría Econométrica:
estudia los métodos estadísticos de estimación,
contraste y evaluación de modelos y puede ser
interpretada como una rama de la Inferencia
Estadística, siendo sus métodos utilizados actualmente
en otros campos científicos.
Econometría Aplicada: conjunto de aplicaciones
realizadas mediante métodos econométricos en el
ámbito del análisis económico.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Evolución histórica de la Econometría
La Econometría, como rama científica que trata de
conseguir “el progreso de la Teoría Económica en su relaci
aón con la Estadística y la Matemática” y la “unificación del
método cuantitativo-teórico con el método cuantitativo-
empírico”
En líneas generales podemos estructurar su evolución
histórica, en las siguientes etapas:

1º Etapa pre-econométrica
2º Etapa de nacimiento de la Econometría
3º Etapa de aportaciones básicas o fundamentales
4º Etapa de desarrollo
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
- Métodos de estimación multietápicos de ecuaciones simultáneas
- Modelos ARIMA de series de tiempo
- Modelos de retardos distribuidos
- Modelos de respuesta cualitativa
- Cointegración y corrección de errores
- Selección de modelos, contrastes de especificación y evaluación
- Técnicas bayesianas
- Modelos de datos de panel
- Modelos de fronteras estocásticas
- Modelos de supervivencia
- Difusión de paquetes econométricos
- Acceso masivo a la información económica
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Métodos de la Econometría
La teoría tradicional clásica que predomina en la
investigación empírica en economía se realiza en los
términos siguientes:
+ Planteamiento de la teoría o de la hipótesis
+ Especificación del modelo matemático de la teoría
+ Especificación del modelo econométrico o estadístico de
la teoría
+ Obtención de datos
+ Estimación de los parámetros del modelo econométrico
+ Prueba de hipótesis
+ Pronóstico o predicción
+ Utilización del modelo para fines de control o de política
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE
Aplicaciones de ECONOMÍA
la Econometría.
Explicar la economía de un agente económico (como una
empresa o un consumidor), o la de un agregado de agentes
económicos, como podría ser un sector del mercado, o una zona
de un país, o todo un país, o cualquier otra zona económica.
Su evolución en el tiempo (por ejemplo, decir si ha habido o no
cambio estructural),
Predecir futuros valores de la variables.
Sugerir medidas de política económica conforme a objetivos
deseados (por ejemplo, para poder aplicar técnicas de
optimización matemática para racionalizar el uso de recursos
dentro de una empresa, o bien para decidir qué valores debería
adoptar la política fiscal de un gobierno para conseguir ciertos
niveles de recaudación impositiva).
 UNIVERSIDAD DE
GUAYAQUIL
Tipos de datos
FACULTAD DE ECONOMÍA
Series de tiempo: Es un conjunto de observaciones
sobre los valores que toma una variable en distintos
momentos de tiempo (análisis macroeconómico).
Corte transversal: consiste en datos de una o más
variables recogidas en el mismo momento del tiempo
(análisis microeconómico).
Información combinada (panel): con distintos
individuos en distintos periodos de tiempo, los datos
contienen elementos de series de tiempo y de corte
transversal reunidos (análisis microeconómico).
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Estructura de los datos
Datos Sin transformar
• En niveles
Datos transformados
• Proporción (Índices)
• Diferencias
• Tasas de variación
• Logaritmos
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Fuentes de Datos
Se entiende por datos, los diferentes valores que toma una
variable.
Los datos pueden corresponder a los valores de una
variable en el tiempo (serie temporal), o a valores para
diferentes sujetos en un momento dado (datos de corte
transversal).
+ Agencias Gubernamentales: BCE, INEC
+ Agencias Internacionales: FMI, BM
+ Organizaciones Privadas: S&P, BVG

•Datos experimentales y no experimentales.

•Internet: Ha revolucionado la recopilación de datos.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Escalas de medición
Escala de proporción: una variable pertenece a esta categoría si
satisface tres propiedades
+ la proporción X1/X2
+ la distancia (X2 –X1)
+ ordenamiento natural (ascendente o descendente) comparaciones como X2
<X1 o X2 > X1.
La mayoría de las variables económicas pertenecen a esta categoría
Escala de intervalo: satisface las dos últimas propiedades de la variable
de escala de proporción, pero no la primera.
Escala ordinal : Una variable pertenece a esta categoría sólo si satisface
la tercera propiedad de la escala de proporción (es decir, el orden natural).
Ejemplo son los sistemas de calificaciones (A, B, C)
Escala nominal: Las variables de esta categoría no tienen ninguna de las
características de las variables de escala de proporción, simplemente
denotan categorías. Ejemplo: el género (masculino, femenino).
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Modelos
Un modelo “no es más que una representación simplificada de la
realidad” [Sampedro, J.L.].
Es un sistema de conceptos relacionados que permiten
representar abstractamente los hechos que se pretende conocer y
explicar.
Los modelos pueden ser expresados verbalmente, gráficamente,
matemáticamente, etc. Nos interesan los modelos matemáticos.
“Cuando en un grupo de fenómenos observables se tiene la
evidencia de una regularidad confirmada se intenta establecer la
correspondiente teoría matemática. Dicha teoría puede ser
considerada como el modelo matemático del conjunto de los
hechos empíricos que constituyen los datos” [Cramer, H., (1953)].
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Modelos Económicos
“Un Modelo Económico es la expresión matemática de una
determinada teoría económica” [Barbancho, A. G, (1969)].
Un modelo económico es una representación teórica del
funcionamiento pretendido de los diversos procesos de la
economía, utilizando variables y relaciones lógicas entre las
mismas.
“Es una imagen idealizada del mundo real, en la que las
interrelaciones entre las diferentes variables económicas se
representan con la ayuda del simbolismo y el proceso
ordinario de deducción se reemplaza por operaciones
matemáticas” [Chakravarty, A. G, (1959)].
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Modelos Económicos
Modelo verbal
Ley de la Demanda: la cantidad que se desea adquirir por unidad de
tiempo será tanto mayor cuanto menor sea el precio, ceteris paribus.
Modelo matemático
p = precio de adquisición del bien
q = f(p)
q = cantidad adquirida del bien
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Modelos Econométricos
Cuando hay que abordar la realidad que trata de
explicar la teoría, se requieren una serie de
especificaciones que faciliten su aplicación.
“Un modelo econométrico es un conjunto de
ecuaciones concebidas para proporcionar una
explicación cuantitativa del comportamiento de las
variables económicas” [Christ (1968)].
Tratan de explicar el comportamiento de una o
más variables en función de la evolución de otras
variables que se consideran explicativas.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Modelos Econométricos
Modelo de demanda: para un mercado concreto, denotando por qi a la i-
ésima observación de la cantidad demandada y por pi al precio observado
correspondiente, entonces podemos formular el modelo
Pi = β0 + β1 qi + μi ∀ i = 1,2,...,n
donde β0 y β1 son parámetros y μi es una perturbación aleatoria que
suponemos se distribuye normalmente con media cero y varianza
constante σ2.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Diferencias entre modelos económicos y
econométricos
La diferencia entre el modelo económico y
econométrico es que este último requiere:
+ una especificación más precisa,
+ una relación funcional definida
+ una definición temporal y/o espacial concreta
+ un carácter aleatorio expresado en la
significación
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Utilidades de los Modelos Econométricos
El modelo econométrico tiene tres utilidades
principales:
• Análisis estructural: sirve para conocer como
inciden en la endógena variaciones de las variables
explicativas.
• Predicción: Es posible predecir los valores que
tomará a futuro la variable objeto de estudio.
• Simulación o evaluación de políticas: Efectos que
tienen sobre la endógena diferentes estrategias
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Elementos de un modelo econométrico
Los elementos fundamentales de todo modelo
econométrico son:
a)Las variables que intervienen
b)Las ecuaciones o relaciones matemáticas
c)Los parámetros o magnitudes a estimar
d)La perturbación aleatoria
e)Lashipótesis establecidas sobre los componentes
del modelo
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Las variables
Se entiende por variable al concepto económico que queremos
analizar.
Una variable es un símbolo que designa a cualquier elemento
perteneciente a un conjunto específico, que se denomina dominio
de la variable. Las variables pueden clasificarse en:
a) Cualitativas dicótomas o ficticias (“dummy”): X = 0 ó X = 1
b) Ordinales: 1°, 2°, 3°…
c) Cardinales o magnitudes: X = 1, 2, 3, 4, 5, 6, ...
d) Proxies
Las variables, representativas de un fenómeno económico
concreto, deben estar referidas a un “espacio” y “tiempo”
determinado.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Variables explicativas y explicadas
Las ecuaciones de un modelo son relaciones matemáticas
causales, es decir, que tratan de explicar el comportamiento de
unas variables (efecto) observables mediante otras variables
(causa) también observables, incorporando también variables no
observables.
Matemáticamente las variables efecto reciben también el nombre
de variables dependientes mientras que las variables causa se
dice que son independientes.
Estadísticamente, en la teoría de la regresión, las variables efecto
se denominan variables explicadas (regresadas) mientras que las
variables causa se dice que son variables explicativas
(regresoras).
Sin embargo, dado que frecuentemente las variables suelen estar
interrelacionadas, deben buscarse denominaciones más precisas.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Variables endógenas, predeterminadas y exógenas
La más importante clasificación de las variables es la que
distingue entre endógenas y predeterminadas. Las primeras,
son las explicadas por el modelo, las determinadas por éste,
mientras que las predeterminadas son variables explicativas
no determinadas por el modelo.
Pero hay variables endógenas que puede actuar como
explicativas o predeterminadas cuando actúan con ciertos
retardos – endógenas retardadas.
Las variables exógenas no son explicadas por el modelo en
ningún periodo de tiempo considerado. Pueden clasificarse
en controlables y no controlables en función de que su valor
pueda o no ser conocido por el usuario del modelo cuando
éste se utiliza para realizar predicciones o simulaciones
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Ejemplo sobre las variables
En el modelo de demanda, referido a observaciones de series de tiempo:
qt = β0 + β1 pt + μt
La variable pt (precio) es la variable independiente o regresora y es una
variable exógena, dado que su comportamiento está explicado fuera del
modelo. La variable qt (cantidad) es una variable dependiente o regresada
y se supone que es endógena.
Si suponemos que el precio del periodo anterior es relevante para explicar
el comportamiento actual, podemos reescribir el modelo como
pt = β0 + β1 qt + β2pt-1 + μt
donde el precio retardado pt-1 actúa como variable predeterminada y
regresora, a pesar de ser una variable endógena (endógena retardada)
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Las ecuaciones
Las relaciones cuantitativas o algebraicas que
conjugan a las variables de un modelo se
denominan ecuaciones, que incorporan
cantidades fijas pero desconocidas que se
denominan parámetros y que deben estimarse.
Una ecuación explica una ley de comportamiento
económico, comportamiento de un grupo en el
consumo, ley de producción, etc.
Es una relación funcional.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Las ecuaciones
Suelen clasificarse en:
1º. Relaciones de comportamiento, que recogen las acciones de
los sujetos económicos (funciones de consumo, por ejemplo).
2º. Relaciones institucionales, describen el impacto del
ordenamiento jurídico sobre el fenómeno o fenómenos analizados
(impacto de una reforma fiscal, por ejemplo).
3º. Relaciones técnicas, hacen referencia las condiciones
tecnológicas de un determinado proceso productivo o de
fabricación (funciones de producción, por ejemplo).
4º. Relaciones contables o definiciones, expresan la identidad
cuantitativa entre magnitudes económicas.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de Modelos
Econométricos
Tipos de
modelos

Número de Forma Momento del Transformació

Tipos de datos
ecuaciones funcional tiempo n
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos

Número de
ecuaciones

Uni- Multi-
ecuacionales ecuacionales

Simples Múltiples
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos

Forma
funciona
l

No
Lineales
Lineales
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos

Momento del
tiempo

Dinámicos Estáticos

Autorregresivos
Con
Retardos
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos

Tipos de
datos

Corte
Series de
Transvers Panel
tiempo
al
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Tipos de
modelos

Transformación

Tasas de Logaritmico
En Niveles
Variación s
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Fases en la elaboración de un modelo
econométrico
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Fases en la elaboración de un modelo
econométrico
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Parámetros
Los coeficientes ß de la recta de regresión, son conocidos como
los parámetros del modelo son, respectivamente, los coeficientes
de la intersección y de la pendiente.
La principal utilidad que tienen los parámetros es la de cuantificar
las relaciones que existen entre las variables explicativas y la
variable endógena.
El análisis de los parámetros estimados permite conocer la
estructura económica del fenómeno que estamos analizando,
entendiendo por estructura el patrón de comportamiento de
acuerdo con el cual se desarrolla una acción. Una vez estimado el
modelo, admitimos que la estructura permanece constante para
todo el periodo de estimación. Esto es, que los parámetros son los
mismos para toda la muestra y que las relaciones permanecen
constantes para todo el periodo analizado.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Interpretación de los coeficientes.
El coeficiente que corresponde al término constante
debe ser interpretado como el valor que toma la
variable endógena cuando el resto de variables
explicativas valen cero.
El resto de parámetros que acompañan a las variables
explicativas miden la relación entre éstas y la variable
endógena a través de su signo y su cuantía.
El signo mide si la relación entre las variables es
directa o inversa. La cuantía sirve para medir la
importancia de la relación entre la variable explicativa y
la variable endógena.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Perturbación aleatoria
Recoge el efecto conjunto de otras variables no
directamente explicitadas en el modelo, cuyo efecto
individual sobre la endógena no resulta relevante. Significa
un determinado grado de perturbación. Técnicamente es
conocido como perturbación estocástica, término de error
estocástico o ruido blanco. Es un sustituto para todas
aquellas variables que son omitidas del modelo pero que
colectivamente afectan a la variable dependiente (Y).
La pregunta obvia es: ¿por qué no se introducen estas
variables en el modelo explícitamente? Planteado de otra
forma, ¿por qué no se desarrolla un modelo de regresión
múltiple con tantas variables como sea posible?.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Las razones son:
➢Vaguedad de la teoría
➢ No disponibilidad de información
➢ Variables centrales vs. variables periféricas
➢ Aleatoriedad intrínseca en el comportamiento
humano.
➢ Variables proxy (representantes) inadecuadas
➢ Principio de parsimonia
➢ Forma funcional incorrecta
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Análisis de Regresión
Se trata de una relación de causa-efecto que debe
tener su origen, en la teoría económica.
Si la relación no se sustenta en alguna teoría
económica y estadísticamente se cumple una
relación de dependencia, ello no es válido para
asumir una relación de causalidad.
No debe confundir con el análisis de correlación,
el cual consiste en medir el grado de relación
lineal entre las variables, a diferencia del análisis
de regresión que mide relaciones de causalidad.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Trata del estudio de la dependencia de la variable
dependiente, respecto a una o más variables (las
variables explicativas), con el objetivo de estimar
y/o predecir la media o valor promedio poblacional
de la primera en términos de los valores conocidos
o fijos (en muestras repetidas) de las últimas.
El análisis de regresión se relaciona en gran
medida con la estimación y/o predicción de la
media (de la población) o valor promedio de la
variable dependiente, con base en los valores
conocidos o fijos de las variables explicativas.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
A estos valores medios los conocemos como los
valores esperados condicionales, en vista de
que dependen de los valores dados a la variable
(condicional) X.
En forma simbólica, los denotamos como E(Y/X),
lo cual se lee como el valor esperado de Y, dado
el valor de X.
Resulta importante distinguir dichos valores
condicionales esperados del valor esperado
incondicional .
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Si unimos los valores de las medias condicionales,
obtenemos lo que se conoce como la recta de
regresión poblacional (RRP). Es la regresión de Y
sobre X.
Desde el punto de vista geométrico, una curva de
regresión poblacional es simplemente el lugar
geométrico de las medias condicionales de la variable
dependiente para los valores fijos de la(s) variable(s)
explicativa(s). En palabras más simples, es la curva
que conecta las medias de las subpoblaciones de Y
que corresponden a los valores dados del regresor X.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Por lo tanto, como una primera aproximación o como
una hipótesis de trabajo, podemos suponer que la FRP
E(Y/Xi) es una función lineal de Xi, digamos del tipo:

Donde β1 y β2 son parámetros no conocidos pero fijos que

se denominan coeficientes de regresión. La ecuación es
conocida como la función de regresión lineal poblacional, se
la conoce también como modelo de regresión lineal
poblacional o regresión lineal poblacional. Se consideran
sinónimos los términos regresión, ecuación de regresión y
modelo de regresión.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Modelos Lineales
Linealidad en las variables: Significa que las
variables están elevadas a potencia 1, en caso
de estar una potencia mayor no es lineal.
Linealidad en los parámetros: Significa que
los parámetros estarán elevados a potencia 1.
Los modelos pueden no ser lineales en las
variables, pero sí en los parámetros.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Rectas de regresión muestral: éstas
representan la recta de regresión poblacional,
pero debido a fluctuaciones muestrales pueden
ser consideradas en el mejor de los casos sólo
como una aproximación de la verdadera RR. En
general, se obtendría N FRM diferentes para N
muestras diferentes y estas FRM no
necesariamente son iguales.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Un estimador, conocido también como estadístico (muestral), es
una regla, fórmula o método que dice cómo estimar el parámetro
poblacional a partir de la información suministrada por la muestra
disponible. Un valor numérico particular obtenido por el estimador
en una aplicación es conocido como estimado
Se puede expresar la FRM de la siguiente manera:

El objetivo principal en el análisis de regresión es estimar la FRP:

con base en la FRM: porque son más frecuentes los casos en que
el análisis está basado en una muestra tomada de una población.
Pero debido a fluctuaciones muestrales el estimado de la FRP es,
en el mejor de los casos una aproximación.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Para X = Xi , se tiene una observación (muestral) Y = Yi. En
términos de la FRM, la Yi observada puede ser expresada
como:

Y en términos de la FRP, puede ser expresada como:

Ahora, Y estimada sobreestima la verdadera E(Y|X) para

una X dada. De la misma manera, para cualquier X, a la
izquierda del punto A, la FRM subestimará la verdadera
FRP. Esta sobreestimación y subestimación del modelo
poblacional es inevitable debido a las fluctuaciones
muestrales.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
La pregunta crítica es ahora: dado que la FRM es
apenas una aproximación de la FRP ¿se puede
diseñar una regla o método que haga que esta
aproximación sea lo más “ajustada” posible?
En otras palabras, ¿cómo se debe construir la FRM
para que β1 y β2 estimadas estén tan cerca de los
verdaderos β1 y β2 como sea posible aun cuando
nunca se llegue a conocer los verdaderos β1 y β2?
Esto se puede hacer con varios métodos aun cuando
realmente nunca se llegue a determinar la propia FRP.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Trabajo a realizar
Índice
INTRODUCCIÓN
- Tema seleccionado
- Justificación de la selección
- Metodología empelada en el estudio (aplicación de un modelo
econométrico)
ESPECIFICACIÓN DEL MODELO
+ Planteamiento de la teoría o de la hipótesis
+ Especificación del modelo matemático de la teoría
+ Especificación del modelo econométrico o estadístico de la teoría
✱ Explicar y determinar el modelo
✱ Definición de las variables
✱ Explicar los parámetros estructurales que acompañan a las variables
✱ Las ecuaciones y su formulación matemática
✱ Perturbación aleatoria
✱ Datos Estadísticos
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Estimadores MCO
Los estimadores obtenidos se conocen como estimadores
de mínimos cuadrados, ya que éstos se derivan del
principio de mínimos cuadrados.
Los estimadores obtenidos por método MCO presenta
propiedades numéricas y propiedades estadísticas:
Propiedades numéricas son aquellas que se mantienen
como consecuencia del uso de mínimos cuadrados
ordinarios, sin considerar la forma como se generaron los
datos.
Las propiedades estadísticas de los estimadores MCO,
son las "que se mantienen sólo bajo ciertos supuestos sobre
la forma como se generaron los datos".
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
+ Los estimadores MCO están expresados únicamente
en términos de las cantidades observables. Por
consiguiente, pueden ser fácilmente calculados.
+ Son estimadores puntuales, esto es, dada la muestra,
cada estimador proporcionará un solo valor (puntual)
del parámetro poblacional relevante.
+ Una vez obtenidos los estimadores de MCO de la
información muestral, la recta de regresión muestral
puede obtenerse fácilmente. La recta de regresión así
obtenida tiene las siguientes propiedades:
✱ Pasa a través de las medias muéstrales de Y y X.
✱ El valor promedio o medio del y estimado es igual al
valor medio del Y real.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Método de los Mínimos Cuadrados
Ordinarios
El método de mínimos cuadrados ordinarios se
atribuye a Carl Friedrich Gauss, un matemático
alemán. Bajo ciertos supuestos, el método de
mínimos cuadrados tiene algunas propiedades
estadísticas muy atractivas que lo han
convertido en uno de los más eficaces y
populares del análisis de regresión.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Ecuaciones Normales
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Pruebas de Significancia:
- Global

- Individual
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Significancia Global
Se puede demostrar la capacidad de las variables X para explicar
el comportamiento de Y. Es decir: ¿Es posible estimar la variable
dependiente sin basarse en las variables independientes?.
Validamos si todas las X tomadas en conjunto explican
significativamente la variabilidad observada de Y.
Mediante esta prueba se investiga si es posible que todas las
variables independientes tengan coeficientes de regresión (los
parámetros) cero.
Para probar la hipótesis de que todos los coeficientes son cero se
usa la distribución F.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Nivel de significancia α
Rechazar o no una hipótesis nula depende del
nivel de significancia que se la conoce como la
probabilidad de cometer error tipo I (la
probabilidad de rechazar la hipótesis cuando es
verdadera) o error tipo II (la probabilidad de
aceptar la hipótesis cuando es falsa). Los niveles
de significancia más usados son 1%, 5% y 10%.
El problema de la selección de α se evita al
emplear el valor p del estadístico de prueba.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
La regla de decisión de esta prueba será:
Rechazar H0 sí y solo sí el valor F calculado es mayor al valor F de
tabla.
Esta prueba de significancia también se la puede hacer usando el
valor p (p value), este valor representa la probabilidad que el valor
de los coeficientes esté tan lejos de cero como el valor observado
obtenido de la regresión, este valor se compara con el nivel de
significancia utilizado (0,05 ó 5%).
La regla de decisión será:
Rechazar H0 sí y solo sí el valor p del estadístico F es menor al
nivel de significancia (α)
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Significancia Individual
A menudo nos preguntaremos ¿en realidad Y depende
de X?. Con frecuencia esta pregunta se plantea como:
¿Es X una variable explicativa significativa de Y?
Si B ≠ 0 entonces, Y depende de X (es decir Y varía
cuando X varía) y no depende de X si B = 0.
Para esta prueba se utiliza el estadístico t de Student
con n – (k + 1) grados de libertad, siendo n el número
de observaciones y k el número de variables
independientes y de acuerdo al nivel de significancia
escogido.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
La regla de decisión de esta prueba será:
Rechazar H0 sí y solo sí el valor t calculado del coeficiente
es mayor al valor t de tabla.
Esta prueba de significancia también se la puede hacer
usando el valor p (p value), este valor representa la
probabilidad que el valor de b esté tan lejos de cero como el
valor observado obtenido de la regresión, este valor se
compara con el nivel de significancia utilizado (0,05 ó 5%).
La regla de decisión será:
Rechazar H0 sí y solo sí el valor p del coeficiente es menor
al nivel de significancia (α)
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Errores Estándar de la Estimación
Es evidente que los mínimos cuadrados estimados son función de los
datos muestrales. Se requiere alguna medida de "confiabilidad" o precisión
de los estimadores. En estadística la precisión de un valor estimado es
medida por su error estándar (ee). Los errores estándar de los MCO
estimados pueden obtenerse de la siguiente manera:
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
2
Coeficiente de determinación r
El coeficiente de determinación múltiple. Al estudiar el análisis de
correlación simple, medimos la fuerza de la relación entre dos variables,
utilizando el coeficiente de determinación de la muestra, r2. Este
coeficiente de determinación es la fracción de la variación total de la
variable dependiente Y que se explica con la ecuación de estimación.
Similarmente, en la correlación múltiple mediremos la fuerza de la
relación entre tres variables utilizando el coeficiente de determinación
múltiple, R2, o su raíz cuadrada, R (el coeficiente de correlación múltiple).
Este coeficiente de determinación múltiple es también la fracción que
representa la porción de la variación total de Y que “explica” el plano de
regresión.
Esto nos dice que las variables independientes explican un tanto por
ciento de la variación total de Y.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Coeficiente de determinación r2
Se considera la bondad del ajuste de la recta de regresión
ajustada a un conjunto de datos; es decir, demuestra qué tan
"bien" se ajusta la recta de regresión a los datos. Si todas las
observaciones fueran a caer en la recta de regresión, se
obtendría un ajuste "perfecto", pero raramente se presenta
este caso.
Generalmente, hay algunas μi positivas y algunas μi negativas.
Se tiene la esperanza de que estos residuos alrededor de la
recta de regresión sean lo más pequeños posibles.
El coeficiente de determinación r2 (caso de dos variables) o
R2 (regresión múltiple) tiene valores entre 0 y 1.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Cálculo de r2
Primero debemos definir las sumas de cuadrados.
❖ Variación total de los valores reales de Y con respecto a la
media muestral, son llamados suma total de cuadrados
(STC).
❖ La variación de los valores Y estimados alrededor de su
media, la suma de los cuadrados debida a la regresión [es
decir, debida a la(s) variable(s) explicativa(s)], o explicada
por ésta, o la suma explicada (de la regresión) de
cuadrados (SEC) .
❖ La variación residual o no explicada de los valores de Y
alrededor de la recta de regresión, o la suma de residuos
al cuadrado (SRC) .
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA

SCR

SC
T

El r2 así definido se conoce como el coeficiente

de determinación (muestral) y es la medida más
frecuentemente utilizada de la bondad del ajuste
de una recta de regresión. Verbalmente, r2 mide la
proporción o el porcentaje de la variación toral en
Y explicada por el modelo de regresión.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Propiedades del Coeficiente de Determinación
Pueden anotarse dos propiedades de r2:
❖ Es una cantidad no negativa.
❖ Sus límites son 0 < r2 < 1. Un r2 de 1 significa un
ajuste perfecto, es decir, Y estimada = Y
verdadera para cada observación. Por otra
parte, un r2 de cero significa que no hay relación
alguna entre la variable dependiente y la
variable explicativa (es decir, ß2= 0).
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Propiedades del Coeficiente de Correlación
1) Puede tener signo positivo o negativo, dependiendo del signo del
término en el numerador el cual mide la covariación muestral de dos
variables.
2) Cae entre los límites de -1 y +1; es decir, -1 < r < 1.
3) Es simétrico por naturaleza; es decir, el coeficiente de correlación entre
X y Y es el mismo que entre Y y X.
4) Es independiente del origen y de la escala.
5) Si X y Y son estadísticamente independientes, el coeficiente de
correlación entre ellos es cero.
6) Es una medida de asociación lineal o dependencia lineal solamente; su
uso en la descripción de relaciones no lineales no tiene significado. Así
en ecuación Y = X2 es una relación exacta y aún r es cero.
7) Aunque es una medida de asociación lineal entre dos variables, esto
no implica necesariamente alguna relación causa-efecto.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuestos básicos de los Mínimos Cuadrados
Ordinarios
Los supuestos hechos sobre la(s) variable(s) Xi y
el término de error son muy críticos para lograr
una interpretación válida de los valores estimados
de la regresión.
El modelo de Gauss, modelo clásico o estándar de
regresión lineal, (MCRL), el cual es el cimiento de
la mayor parte de la teoría econométrica, plantea
10 supuestos.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 1: Modelo de regresión lineal.
El modelo de regresión es lineal en los
parámetros,
Puesto que los modelos de regresión lineal en
parámetros son el punto de partida del MCRL, se
mantendrá este supuesto a lo largo de nuestro
estudio.
Es de recordar que la variable dependiente Y y el
regresor X pueden no ser lineales en sí mismos.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 2: Los valores de X son fijos en
muestreo repetido.
Los valores que toma el regresor X son
considerados fijos en muestreo repetido. Más
técnicamente. X se supone no estocástica.
Es muy importante entender el concepto de
"valores fijos en muestreo repetido".
El análisis de regresión es un análisis de
regresión condicional, esto es, condicionado a
los valores dados del (los) regresor(es) X.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 3: El valor medio de la
perturbación u, es igual a cero.
Dado el valor de Xi, la media, o el valor
esperado del término aleatorio de perturbación
ui, es cero.
Técnicamente, el valor de la media condicional
de ui, es cero.
Simbólicamente, se tiene E(ui|Xi) = 0
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 4: Homoscedasticidad o igual
varianza de ui.
Dado el valor de X, la varianza de ui es la misma
para todas las observaciones. Esto es, las
varianzas condicionales de ui son idénticas.
Simbólicamente, se tiene que:

= E(u2 |Xi)
= σ2
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 5: No existe autocorrelación entre
las perturbaciones.
Dados dos valores cualquiera de X1 Xi y Xj (i≠j), la
correlación entre dos μi, μj cualquiera (i ≠ j) es
cero. Simbólicamente:

=0
Donde i y j son dos observaciones diferentes
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 6: La covarianza entre μi y Xi es cero, o
E(μiXi) = 0.
Formalmente,
cov(μi , Xi) = E[μi- E(μi))[Xi – E(Xi)]
= E[μi(Xi - E(Xi))], puesto que
E(μi) = 0
= E(μiXi) - E(Xi)E(μi), puesto que E(Xi)
es
no estocástica
= E(μiXi), puesto que
E(μi) = 0
= 0.
La perturbación μi y la variable explicativa Xi no están
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 7: El número de observaciones n
debe ser mayor que el número de
parámetros por estimar.
Alternativamente, el número de observaciones
n debe ser mayor que el número de variables
explicativas.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 8: Variabilidad en los valores de
X.
No todos los valores de X en una muestra
dada deben ser iguales. Técnicamente, Var(X)
debe ser un número positivo finito.
Si todos los valores de X son idénticos,
entonces Xi = X media, haciendo esto que la
estimación de β2 y, por consiguiente, de β1
sea imposible.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 9: El modelo de regresión está
correctamente especificado.
Alternativamente, no hay un sesgo de
especificación o error en el modelo utilizado
en el análisis empírico.
La metodología econométrica clásica supone
implícitamente, cuando no lo hace explícito,
que el modelo utilizado para verificar una
teoría económica está "especificado
correctamente".
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Supuesto 10: No hay multicolinealidad
perfecta.
Es decir, no hay relaciones perfectamente
lineales entre las variables explicativas.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Qué tan reales son los supuestos?
La "realidad de los supuestos" es una pregunta que
desde hace muchos años ha sido planteada en la
filosofía de las ciencias. Algunos argumentan que no
interesa si los supuestos son realistas. Lo que interesa
son las predicciones basadas en esos supuestos.
Entre quienes apoyan la "tesis de la irrelevancia de los
supuestos" sobresale Milton Friedman. Para él, la
irrealidad de los supuestos es una ventaja positiva:
"para que una hipótesis sea importante... debe ser
descriptivamente falsa en sus supuestos".
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Propiedades de los estimadores MCO
Las propiedades estadísticas de los MCO están
basadas en los supuestos del MCRL y están avaladas
por el famoso teorema Gauss-Markov.
Dados los supuestos del modelo clásico de regresión
lineal, los valores estimados de mínimos cuadrados
poseen algunas propiedades ideales u óptimas. Estas
propiedades están contenidas en el muy conocido
teorema Gauss-Markov.
Para entender este teorema se necesita considerar la
propiedad del mejor estimador lineal insesgado.
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Se dice que un estimador, es decir, el estimador MCO β2, es
el mejor estimador lineal insesgado (MELI) de β2 si se
cumple lo siguiente:
Es lineal, es decir, función lineal de una variable aleatoria,
tal como la variable dependiente Y en el modelo de
regresión.
Es insesgado, es decir, su valor promedio o esperado,
E(β2), es igual al valor verdadero β2.
Tiene varianza mínima dentro de la clase de todos los
estimadores lineales insesgados; un estimador insesgado
con varianza mínima es conocido como un estimador
eficiente.
Consistente: a medida que se aumenta el tamaño de la
muestra se acerca más al verdadero valor
 UNIVERSIDAD DE
GUAYAQUIL
FACULTAD DE ECONOMÍA
Teorema Gauss-Markov
Dados los supuestos del modelo clásico de
regresión lineal, los estimadores de mínimos
cuadrados, dentro de la clase de estimadores
lineales insesgados, tienen varianza mínima, es
decir, son MELI.
Las propiedades estadísticas que se acaban de
exponer se conocen como propiedades de
muestra finita: estas propiedades se mantienen
sin importar el tamaño de la muestra sobre la cual
estén basados los estimadores.