SlideShare une entreprise Scribd logo
1  sur  49
Télécharger pour lire hors ligne
UNIVERSIDAD NACIONALUNIVERSIDAD NACIONAL
“SANTIAGO ANTUNEZ DE MAYOLO”“SANTIAGO ANTUNEZ DE MAYOLO”
FACULTAD DE ECONOMIA Y CONTABILIDADFACULTAD DE ECONOMIA Y CONTABILIDAD
CURSO DE ACTUALIZACION ENCURSO DE ACTUALIZACION EN
ECONOMETRIA BASICA PARAECONOMETRIA BASICA PARA
DOCENTES DE LA FACULTAD DEDOCENTES DE LA FACULTAD DE
ECONOMIA Y CONTABILIDADECONOMIA Y CONTABILIDAD
Expositor: Mag. JORGE T. MANRIQUE CACERESExpositor: Mag. JORGE T. MANRIQUE CACERES
Huaraz, 04 y 05 de Agosto del 2008Huaraz, 04 y 05 de Agosto del 2008
Definición del ECONOMETRIADefinición del ECONOMETRIA
Significa “medición económica”.Significa “medición económica”.
1.1. ““La econometría puede ser definida como la cienciaLa econometría puede ser definida como la ciencia
social en la cual las herramientas de la teoríasocial en la cual las herramientas de la teoría
económica, las matemáticas y la inferencia estadísticaeconómica, las matemáticas y la inferencia estadística
son aplicadas al análisis de los fenómenos económicos”son aplicadas al análisis de los fenómenos económicos”
2. “La econometría tiene que ver con la determinación2. “La econometría tiene que ver con la determinación
empírica de las leyes económicas”empírica de las leyes económicas”
El problema a investigar
El estado actual de
conocimientos
Marco institucional y
hechos estilizados
La teoría y el modelo
de la teoría
Las predicciones
(hipótesis)
Modelo econométrico
y el método de
verificación de las
predicciones
Las predicciones
versus la evidencia
Implicancias para la
política económica
Se presenta el problema a investigar.Se presenta el problema a investigar.
Facilita la tarea de la investigación cuandoFacilita la tarea de la investigación cuando
el problema económico se plantea bajo lael problema económico se plantea bajo la
forma de una relación probable (forma de una relación probable (hipótesishipótesis
de causalidad preliminarde causalidad preliminar) entre el) entre el
comportamiento de una o más variablescomportamiento de una o más variables
explicativas (las variables exógenas) y elexplicativas (las variables exógenas) y el
comportamiento de una o más variables acomportamiento de una o más variables a
explicar (las variables endógenas)explicar (las variables endógenas)
Por motivos pedagógicos, llamaremosPor motivos pedagógicos, llamaremos YY
a las variables endógenas, lasa las variables endógenas, las
variables a explicar o variablesvariables a explicar o variables
dependientes, y X a las variablesdependientes, y X a las variables
exógenas, las variables explicativas oexógenas, las variables explicativas o
variables independientes.variables independientes.
Las teorías o los modelos teóricos,Las teorías o los modelos teóricos,
deberán tratar sobre el tema de ladeberán tratar sobre el tema de la
investigación; esto es, deberán ser,investigación; esto es, deberán ser,
en sentido estricto, modelos oen sentido estricto, modelos o
teorías que incorporen la vinculaciónteorías que incorporen la vinculación
entre las variables endógenas yentre las variables endógenas y
exógenas presentadas en laexógenas presentadas en la
introducción .introducción .
Metodología de la EconometríaMetodología de la Econometría
Planteamiento de la teoría o de la HipótesisPlanteamiento de la teoría o de la Hipótesis
La ley sicológica fundamental…...consiste en que los hombres…..comoLa ley sicológica fundamental…...consiste en que los hombres…..como
regla general y en promedio, están dispuestos a incrementar su consumo aregla general y en promedio, están dispuestos a incrementar su consumo a
medida que su ingreso aumenta, pero no en la misma cuantía del aumentomedida que su ingreso aumenta, pero no en la misma cuantía del aumento
del ingreso….”del ingreso….”
Especificación del modelo matemático de la teoríaEspecificación del modelo matemático de la teoría
Y =Y = ββo +o + ββ1 X1 X11 Donde 0 <Donde 0 < ββ11 < 1< 1
Donde: Y=Ingreso; X=Gastos de consumo y donde β1 y β2, sonDonde: Y=Ingreso; X=Gastos de consumo y donde β1 y β2, son
conocidos como parámetros del modelo son conocidos como Intercepto yconocidos como parámetros del modelo son conocidos como Intercepto y
PendientePendiente..
Especificación del modelo econométricoEspecificación del modelo econométrico
Y =Y = ββo +o + ββ1 X11 X1++ μμ
Donde: µ = término de perturbación. Variable aleatoriaDonde: µ = término de perturbación. Variable aleatoria
Obtención de datosObtención de datos
Información sobre Ingreso y Consumo: 1991-2006 (En millones de soles)Información sobre Ingreso y Consumo: 1991-2006 (En millones de soles)
A precios constantes de 1994A precios constantes de 1994
Años Y=Gastos de consumo X= PBI
1991 62990.1 83759.6
1992 62787.8 86400.5
1993 64934.7 87374.5
1994 71306.3 98577.4
1995 78223.2 107063.8
1996 80.635.4 109759.9
1997 84.265.7 117293.9
1998 83502.3 116522.2
1999 83163.6 117587.4
2000 86202.07 121056.9
2001 87456.35 121317.0
2002 91769.37 127407.4
2003 94860.3 132544.8
2004 98312.5 139319.6
2005 101.856.7 148716.4
2006 109282.7 159954.7
A través de cuadros o gráficos, o de análisis de correlaciónA través de cuadros o gráficos, o de análisis de correlación
básicos, se exponen algunas regularidades empíricas obásicos, se exponen algunas regularidades empíricas o
hechos estilizados sobre el comportamiento de las variableshechos estilizados sobre el comportamiento de las variables
exógenas y endógenas, o de las variables que se presumaexógenas y endógenas, o de las variables que se presuma
conectan a las variables anteriores. Este ejercicio permiteconectan a las variables anteriores. Este ejercicio permite
mostrar algunas regularidades que nos indican lamostrar algunas regularidades que nos indican la
pertinencia de las hipótesis planteadas en la introducciónpertinencia de las hipótesis planteadas en la introducción
de la investigación.de la investigación.
Así mismo, estas relaciones entre variables, pueden sugerirAsí mismo, estas relaciones entre variables, pueden sugerir
algunos mecanismos de transmisión entre las variablesalgunos mecanismos de transmisión entre las variables
endógenas y exógenas, que podrían servir para laendógenas y exógenas, que podrían servir para la
construcción de las ecuaciones estructurales del modeloconstrucción de las ecuaciones estructurales del modelo
que se desarrollará en la sección siguiente.que se desarrollará en la sección siguiente.
Las teorías son muy genéricas y requieren de una mayor concreción para serLas teorías son muy genéricas y requieren de una mayor concreción para ser
operativas; es decir, contrastables con la realidad: hay que construir eloperativas; es decir, contrastables con la realidad: hay que construir el
modelo de la teoría.modelo de la teoría.
Y = f (X1, X2, X3……)Y = f (X1, X2, X3……)
Clases de ModelosClases de Modelos
Lineales:Lineales: Yi =Yi = ββo +o + ββ1 Xi +1 Xi + μμ
LogaritmicosLogaritmicos Ln Yi =Ln Yi = ββo +o + ββ1 ln Xi +1 ln Xi + μμ
Exponenciales Yi =Exponenciales Yi = ββo +o + ββ11 eeXiXi
++ μμ
CuadraticosCuadraticos Yi =Yi = ββo +o + ββ1 Xi +1 Xi + ββ2 X2 X22
++ μμ
InversosInversos Yi =Yi = ββo +o + ββ1 1/Xi +1 1/Xi + μμ
El investigador puede adoptar alguno de los modelos teóricos presentados,El investigador puede adoptar alguno de los modelos teóricos presentados,
adaptar alguno de ellos a las circunstancias particulares de la economía oadaptar alguno de ellos a las circunstancias particulares de la economía o
construir uno propio si los modelos existentes no son adecuados para elconstruir uno propio si los modelos existentes no son adecuados para el
estudio de la realidad elegida.estudio de la realidad elegida.
LOS MODELOS ECONOMETRICOS
LA TEORÍA Y EL MODELO DE LA TEORÍALA TEORÍA Y EL MODELO DE LA TEORÍA
En el modelo debe observarse con claridadEn el modelo debe observarse con claridad
el tipo de relación lógica que existe entreel tipo de relación lógica que existe entre
las variables exógenas y endógenas ; eslas variables exógenas y endógenas ; es
decir, los mecanismos de transmisióndecir, los mecanismos de transmisión
entre dichas variables. La presentación delentre dichas variables. La presentación del
modelo en su forma estructural contribuyemodelo en su forma estructural contribuye
a hacer más transparente estosa hacer más transparente estos
mecanismos de transmisión y lamecanismos de transmisión y la
presentación del modelo en su formapresentación del modelo en su forma
reducida facilita la deducción matemáticareducida facilita la deducción matemática
de las hipótesis.de las hipótesis.
EL MODELO ECONOMÉTRICO Y EL MÉTODOEL MODELO ECONOMÉTRICO Y EL MÉTODO
DE VERIFICACIÓN DE LAS HIPÓTESISDE VERIFICACIÓN DE LAS HIPÓTESIS
El nivel de abstracción del modeloEl nivel de abstracción del modelo
económico, incluso en su forma reducida,económico, incluso en su forma reducida,
no permite confrontarlo directamente conno permite confrontarlo directamente con
los hechos. El modelo económico debe serlos hechos. El modelo económico debe ser
especificado, para ser contrastado con losespecificado, para ser contrastado con los
datos de la realidad. En consecuencia, haydatos de la realidad. En consecuencia, hay
que crear un canal adicional deque crear un canal adicional de
transmisión entre el modelo económico ytransmisión entre el modelo económico y
los hechos, transformando el modelolos hechos, transformando el modelo
teórico en un modelo econométrico.teórico en un modelo econométrico.
EL MODELO ECONOMÉTRICO Y EL MÉTODOEL MODELO ECONOMÉTRICO Y EL MÉTODO
DE VERIFICACIÓN DE LAS HIPÓTESISDE VERIFICACIÓN DE LAS HIPÓTESIS
Los criterios de selección de un modeloLos criterios de selección de un modelo
econométrico dependen del objetivo queeconométrico dependen del objetivo que
se propone la investigación, que puede serse propone la investigación, que puede ser
de carácter exploratorio o definitivo, delde carácter exploratorio o definitivo, del
tipo de información disponible (de seriestipo de información disponible (de series
de tiempo cuantitativa o cualitativa, dede tiempo cuantitativa o cualitativa, de
corte transversal o información de panel ocorte transversal o información de panel o
longitudinal) y también de la naturaleza delongitudinal) y también de la naturaleza de
las variables especificadas respecto a sulas variables especificadas respecto a su
escala de medición u observabilidad.escala de medición u observabilidad.
EL MODELO ECONOMÉTRICO Y EL MÉTODOEL MODELO ECONOMÉTRICO Y EL MÉTODO
DE VERIFICACIÓN DE LAS HIPÓTESISDE VERIFICACIÓN DE LAS HIPÓTESIS
SiSi la información es de:la información es de:
1.1. Series de tiempo, deben utilizarseSeries de tiempo, deben utilizarse
algunos modelos de la familia del métodoalgunos modelos de la familia del método
autorregresivo integrado de media móvilautorregresivo integrado de media móvil
(ARIMA), para modelos uni-ecuacionales,(ARIMA), para modelos uni-ecuacionales,
o modelos estructurales dinámicos oo modelos estructurales dinámicos o
Vectores Autoregresivos (VAR) paraVectores Autoregresivos (VAR) para
multiecuaciones que incluyen el test demultiecuaciones que incluyen el test de
raíz unitaria.raíz unitaria.
EL MODELO ECONOMÉTRICO Y EL MÉTODOEL MODELO ECONOMÉTRICO Y EL MÉTODO
DE VERIFICACIÓN DE LAS HIPÓTESISDE VERIFICACIÓN DE LAS HIPÓTESIS
Si los datos son de corte transversal, losSi los datos son de corte transversal, los
modelos que deben utilizarse son losmodelos que deben utilizarse son los
modelos Probit, Logit, Tobit, Modelos demodelos Probit, Logit, Tobit, Modelos de
frecuencia, Regresión Múltiple con o sinfrecuencia, Regresión Múltiple con o sin
variables ficticias y Regresiones devariables ficticias y Regresiones de
Multinivel si las unidades de observaciónMultinivel si las unidades de observación
están a varios niveles (modelosestán a varios niveles (modelos
jerárquicos). Y si la información esjerárquicos). Y si la información es
combinada, pueden utilizarse los modeloscombinada, pueden utilizarse los modelos
de datos de panel en sus versiones dede datos de panel en sus versiones de
coeficientes fijos o aleatorios.coeficientes fijos o aleatorios.
CONCLUSIONES E IMPLICANCIASCONCLUSIONES E IMPLICANCIAS
PARA LA POLÍTICA ECONÓMICAPARA LA POLÍTICA ECONÓMICA
La política económica es el producto finalLa política económica es el producto final
de la investigación en Economía. Si elde la investigación en Economía. Si el
trabajo de investigación no concluye contrabajo de investigación no concluye con
propuestas de política económica; esto es,propuestas de política económica; esto es,
con propuestas que alteren el valor de loscon propuestas que alteren el valor de los
instrumentosinstrumentos de política para alcanzar losde política para alcanzar los
objetivos deseados, la investigación enobjetivos deseados, la investigación en
Economía es estéril.Economía es estéril.
EL ANALISIS DE REGRESIONEL ANALISIS DE REGRESION
El análisis de regresión trata del estudio de la dependencia de la variableEl análisis de regresión trata del estudio de la dependencia de la variable
dependiente, en una o más variables; las variables explicativas, con el objetivodependiente, en una o más variables; las variables explicativas, con el objetivo
de estimar y/o predecir la media o valor promedio poblacional de la primera ende 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 lastérminos de los valores conocidos o fijos (en muestras repetidas) de las
últimas.últimas.
X →
Ingreso Familiar
80 100 120 140 160 180 200 220 240 260
Y ↓
Gastos de
Consumo
familiar
55 65 79 80 102 110 120 135 137 150
60 70 84 93 107 115 136 137 145 152
65 74 90 95 110 120 140 140 155 175
70 80 94 103 116 130 144 152 165 178
75 85 98 108 118 135 145 157 175 180
- 88 113 125 140 - 160 189 185
- - - 115 - - - 162 - 191
)()/( iXfXYE =
iXXYE 21)/( ββ +=
)/( iii XYEY −=µ
iii XYEY µ+= )/(
iii XY µββ ++= 21
LA FUNCION DE REGRESION POBLACIONAL
Donde β1
y β2
son parámetros no conocidos pero fijos,
denominándose coeficientes de regresión.
Especificación estocástica de la FRP
LA FUNCION DE REGRESION MUESTRALLA FUNCION DE REGRESION MUESTRAL
Y X
70 80
65 100
90 120
95 140
110 160
115 180
120 200
140 220
155 240
150 260
Y X
55 80
88 100
90 120
80 140
118 160
120 180
145 200
135 220
145 240
175 260
iXY 21
∧∧∧
+= ββ
∧
Y
∧
Y
1
∧
β
=
∧
2β
iii XY
∧∧∧
++= µββ 21
iii Y
∧∧
+= µ
Donde:
se lee “Y sombrero”
= estimador de E(Y/Xi
)
= Estimador de β1
Estimador de β2
Especificación estocástica de la FRM
iii YY
∧∧
+= µ
ii YY
∧∧
−=µ
ii XY 21
∧∧∧
−−= ββµ
∑ ∑
∧∧
−= 2
2
)( iii YYµ
∑ ∑
∧∧∧
−−= 2
21
2
)( iii XY ββµ
ESTIMACION DE UN MODELO DE REGRESION CON DOS
VARIABLES
A partir de:
El criterio de los Mínimos Cuadrados
SUPUESTOS DEL MODELO DE LOSSUPUESTOS DEL MODELO DE LOS
MINIMOS CUADRADOS:MINIMOS CUADRADOS:
Supuesto 1Supuesto 1: El Modelo de Regresión es lineal en los: El Modelo de Regresión es lineal en los
ParámetrosParámetros
Supuesto 2Supuesto 2: Los valores de X son fijos en muestras: Los valores de X son fijos en muestras
repetidasrepetidas
Supuesto 3Supuesto 3: El valor medio de la perturbación: El valor medio de la perturbación μiμi es iguales igual
a cero.a cero.
E(E(μiμi /Xi) = 0/Xi) = 0
Supuesto 4Supuesto 4: Homoscedasticidad o igual varianza de: Homoscedasticidad o igual varianza de μiμi
Supuesto 5:Supuesto 5: No autocorrelación entre las perturbacionesNo autocorrelación entre las perturbaciones
Supuesto 6:Supuesto 6: La covarianza entreLa covarianza entre μiμi y Xi es ceroy Xi es cero
SUPUESTOS DEL MODELO DE LOSSUPUESTOS DEL MODELO DE LOS
MINIMOS CUADRADOSMINIMOS CUADRADOS
Supuesto 7:Supuesto 7: El número de observaciones n debe serEl número de observaciones n debe ser
mayor que el número de parámetros por estimar.mayor que el número de parámetros por estimar.
Supuesto 8:Supuesto 8: Variabilidad en los valores de X, la var(Xi)Variabilidad en los valores de X, la var(Xi)
debe ser un número finito.debe ser un número finito.
Supuesto 9:Supuesto 9: El modelo de regresión está correctamenteEl modelo de regresión está correctamente
especificado. No hay sesgo de especificación.especificado. No hay sesgo de especificación.
Supuesto 10:Supuesto 10: No hay multicolinealidad perfecta.No hay multicolinealidad perfecta.
Teorema de Gauss MarkovTeorema de Gauss Markov
Dados los supuestos del modelo clásico deDados los supuestos del modelo clásico de
regresión lineal, los estimadores mínimosregresión lineal, los estimadores mínimos
cuadráticos, dentro de la clase decuadráticos, dentro de la clase de
estimadores lineales insesgados, tienenestimadores lineales insesgados, tienen
varianza mínima, es decir son MELI.varianza mínima, es decir son MELI.
Insesgado:Insesgado:
Consistente:Consistente:
Eficientes: Varianza MínimaEficientes: Varianza Mínima
iE i ββ =


 ∧
ii ββ →
∧
PRECISION DELOS ESTIMADORESPRECISION DELOS ESTIMADORES
∑
=
∧
2
2
2 )var(
ix
σ
β
∑
=
∧
2
2 )(
ix
ee
σ
β
2
2
2
1 )var( σβ
∑
∑=
∧
i
i
xn
X
σβ
∑
∑=
∧
2
2
1 )(
i
i
xn
X
ee
2
2
2
−
=
∑
∧
n
i
µ
σ
Varianza del Estimador
Error estándar del estimador
Varianza del estimador
Error estándar del estimador
Donde: σ2 es la varianza Homoscedastica, calculada
mediante la formula:
2
2
−
=
∑
∧
n
i
µ
σ es error estándar del valor estimado
El Coeficiente de Determinación r2El Coeficiente de Determinación r2
STC
SRC
STC
SEC
+=1
∑
∑
−
−
=
∧
2
_
2
_
2
)(
)(
YY
YY
r
i
i
Es una medida de resumen que nos indica que tan bien se
ajusta la línea de regresión muestral los datos.
STC =SEC + SRC
Propiedades:
1.Es una cantidad no negativa
2.Sus límites son entre 0 y 1
El coeficiente de Correlación rEl coeficiente de Correlación r
Es una medida del grado de asociación entre dos variables.
[ ][ ]∑ ∑∑ ∑
∑ ∑ ∑
−−
−
=
2222
)()( iiii
iiii
YYnXXn
YXYXn
r
Propiedades:
1. Puede tener signo positivo o negativo
2. Cae entre los límites de -1 y +1
3. Es simétrico por naturaleza
4. Es independiente del origen
Regresión con dos variables:Regresión con dos variables:
Estimación de intervalosEstimación de intervalos
estimadordelestimadoestándarerror
parámetroestimador
ee
t
i
ii −
=
−
= ∧
∧
)(β
ββ
αδββδβ −=+≤≤−
∧∧
1)Pr( iii
ααα −=≤≤− 1)Pr( 2/2/ ttt
Donde: 1-α = Coeficiente de confianza; α = nivel de significancia
•La ecuación nos indica que la probabilidad de que β2
se encuentra
entre los límites dados es 1-α.
•El intervalo es aleatorio, es decir variará de una muestra a otra.
Intervalo de confianza para β2
Regresión con dos variables:Regresión con dos variables:
Estimación de intervalosEstimación de intervalos
De manera análoga, para β1
αβββββ αα −=



+≤≤−
∧∧∧∧
1)()(Pr 12/1112/1 eeteet
αβββββ αα −=



+≤≤−
∧∧∧∧
1)()(Pr 22/2222/2 eeteet αβββββ αα −=



+≤≤−
∧∧∧∧
1)()(Pr 22/2222/2 eeteet
αβββββ αα −=



+≤≤−
∧∧∧∧
1)()(Pr 22/2222/2 eeteet
Prueba de Hipótesis
estimadordelestimadoestándarerror
parámetroestimador
ee
t
−
=
−
= ∧
∧
)( 2
22
β
ββ
α
β
ββ
αα −=








≤
−
≤− ∧
∗∧
1
)(
Pr 2/
2
22
2/ t
ee
t
0:
0:
20
2
≠
=
∗
∗
β
β
H
Ho
Enfoque de la Prueba de significancia
Violación de los supuestos delViolación de los supuestos del
Modelo ClásicoModelo Clásico
MulticolinealidadMulticolinealidad
Definición:Definición: Significó la existencia de una «perfecta» o exacta entre algunas oSignificó la existencia de una «perfecta» o exacta entre algunas o
todas las variables explicativas de un modelo de regresión. Para unatodas las variables explicativas de un modelo de regresión. Para una
regresión conregresión con kk variables, que incluye X1, X2, X3,…….Xk, se dice quevariables, que incluye X1, X2, X3,…….Xk, se dice que
existe una relación lineal perfecta, si:existe una relación lineal perfecta, si:
λλ1X1i +1X1i + λλ2X2i +2X2i + λλ3X3i +…….3X3i +……. λλkXki = 0kXki = 0
λλ1X1i +1X1i + λλ2X2i +2X2i + λλ3X3i +…….3X3i +……. λλkXki +kXki + vivi = 0= 0
Consecuencias:Consecuencias:
Aun cuando los estimadores son MELI, estos presentan varianzas yAun cuando los estimadores son MELI, estos presentan varianzas y
covarianzas grandes.covarianzas grandes.
Los intervalos de confianza tienden a ser mas amplios, conduciendo a laLos intervalos de confianza tienden a ser mas amplios, conduciendo a la
posibilidad de aceptar Hipótesis nula de cero.posibilidad de aceptar Hipótesis nula de cero.
La razón deLa razón de tt de uno o más coeficientes tiende a ser estadísticamente node uno o más coeficientes tiende a ser estadísticamente no
significativa.significativa.
Aún cuando la razón deAún cuando la razón de tt de uno o más coeficientes sea estadísticamentede uno o más coeficientes sea estadísticamente
no significativa, el Rno significativa, el R22
, puede ser muy alto., puede ser muy alto.
MulticolinealidadMulticolinealidad
Detección de la MulticolinealidadDetección de la Multicolinealidad
Un RUn R22
elevado pocas razoneselevado pocas razones tt significativas.significativas.
Altas correlaciones entre parejas de regresoresAltas correlaciones entre parejas de regresores
..
Examen de correlaciones parcialesExamen de correlaciones parciales
Regresiones auxiliaresRegresiones auxiliares
Medidas remedialesMedidas remediales
Información a prioriInformación a priori
Combinación de información de corte transversal y de series deCombinación de información de corte transversal y de series de
tiempotiempo
Eliminación de una(s) variable(s) y sesgo de especificación.Eliminación de una(s) variable(s) y sesgo de especificación.
HeteroscedasticidadHeteroscedasticidad
22
)( σµ =iE
22
)( iiE σµ =
i = 1,2,…..n Supuesto de Homoscedasticidad
i = 1,2,…..n Existencia de Heteroscedasticidad
Consecuencias
• Los estimadores dejan de ser MELI, peor ya no tienen
varianza mínima, son insesgados
• Los intervalos de confianza tienden a ser mas
amplios, conduciendo a la posibilidad de aceptar
Hipótesis nula de cero.
• La razón de t de uno o más coeficientes tiende a ser
estadísticamente no significativa.
HeteroscedasticidadHeteroscedasticidad
( )22
22
)var(
∑
∑=
∧
i
ii
x
x σ
β
( )22
2
)var(
∑
=
∧
ix
σ
β
Varianza en presencia de Heteroscedasticidad
Varianza Homoscedastica
EL METODO DELOS MINIMOS CUADRADOS GENERALIZADOS






+





+





=
i
i
i
i
i
oi
i
i XXY
σ
µ
σ
β
σ
β
σ
21
**
2
**
1
*
iioii XXY µββ ++=
HeteroscedasticidadHeteroscedasticidad
METODOS PARA DETECTAR LA HETEROSCEDASTICIDAD
Método Gráfico
Métodos Formales
• Prueba de Park
• Prueba de Glejser
• Prueba de correlación de Spearman
• Prueba de Goldfeld-Quant
• Prueba de Heteroscedasticidad de White
MEDIDAS REMEDIALES
Cuando σ2
Es conocida ( Mínimos Cuadrados Generalizados
Cuando σ2
No es conocida ( Suponer Comportamientos )
Ejemplo:
222
)( ii XE σµ =
AUTOCORRELACIONAUTOCORRELACION
( ) 0=jiE µµ No Autocorrelación
Autocorrelación( ) jiE ji ≠≠0µµ
CONSECUENCIAS
• Los estimadores dejan de ser MELI, Son insesgados y
consistentes, pero ya no eficientes.
• Es probable que σ2 estimada subestime a la verdadera varianza
σ2
• R2 puede resultar sobreestimado
• Los intervalos de confianza tienden a ser mas amplios,
conduciendo a la posibilidad de aceptar Hipótesis nula de cero.
• La razón de t de uno o más coeficientes tiende a ser
estadísticamente no significativa
AUTOCORRELACIONAUTOCORRELACION
La prueba de Durbin-Watson
Ho : No autocorrelación positiva
Ho*: No autocorrelación negativa
DETECCION DE LA AUTOCORRELACION
El Correlograma de residuos
No se rechace Ho
o Ho
*
o ambas
Zona de
indecisión
Zona de
indecisión
Rechacese Ho*
Evidencia de
autocorrelación
Negativa
Rechacese Ho
Evidencia de
autocorrelación
positiva
0 dL dV 2 4-dV 4-dL 4
AUTOCORRELACIONAUTOCORRELACION
MEDIDAS REMEDIALES
Cuando la autocorrelacion es conocida
( ) ( ) ( )112211 1 −−− −+−+−=− tttttt XXYY ρµµρββρβρ
ttt ερµµ += −1
Cuando la autocorrelacion no es conocida
Método de la primera diferencia
Método de Berenblutt-Webb
Ρ basado en el estadistico de Durbin y Watson
Procedimiento iterativo de cochrane-Orcutt para estimar Ρ
ttt ερµµ += −1
Quiebre EstructuralQuiebre Estructural
Programa Generador de datos PGD1 Programa Generador de datos PGD2
Deteccion
Pruebas Estructurales
( )
( )knkF
kn
SCRSCR
k
SCRSCRSCR
Fcal
SS
SSR
2,
2
21
21
−


















−
+
+−
=
TEST DE CHOW
Ho: Los parámetros son estables
H1: Los parámetros no son estables
Pruebas recursivas
•Prueba CUSUM
•Prueba CUSUM CUADRADO
MODELOS AUTOREGRESIVOS Y DE REZAGOSMODELOS AUTOREGRESIVOS Y DE REZAGOS
DISTRIBUIDOSDISTRIBUIDOS
tktktttoi XXXXY µββββα +++++= −−− .........2211
MODELOS DE REZAGOS DISTRIBUIDOS
tttt YXY µγβα +++= −1
MODELOS DE AUTOREGRESIVOS
La estimación de estos modelos por el MCO no puede
realizarse directamente, por la presencia de variables
explicativas estocásticas y la posibilidad de correlación serial.
Los estimadores no solo serían insesgados, sino también resultarían
no consistentes.
Los estimadores no se aproximarían a sus valores poblacionales.
Se sugiere la Introducción de VARIABLES INSTRUMENTALES, como
posible solución a este problema
VARIABLES DUMMY O VARIABLES DICOTOMASVARIABLES DUMMY O VARIABLES DICOTOMAS
µβδα ++= iiY
INCLUSION DE VARIABLES CUALITATIVAS EN UN MODELO ECONOMETRICO
Donde:
Y = Salario de un profesor universitario
δi = 1 = Si es Hombre
0 = Si es Mujer
Salario de Un Profesor: ( ) βα +== )1ii DYE
Salario de Una profesora: ( ) α== )0ii DYE
iii XY µβαα +++= 21
MODELO GENERAL
MODELOS MLP, LOGITMODELOS MLP, LOGIT
iii XY µββ ++= 21
MODELO LINEAL DE PROBABILIDAD
Donde:
X=Ingreso familiar
Y= 1 Si la familia tiene una casa
0 Si la familia no tiene una casa
MODELO LOGIT
( ) ( )iXiXYEYi 21
1
1
1 ββ
ε +−
+
===
Función de distribución logistica (acumulaltiva)
SERIES DE TIEMPOSERIES DE TIEMPO
PROCESO ESTACIONARIO ESTOCASTICO
( )
( ) ( )
( )( )[ ]µµγ
σµ
µ
−−=
=−=
=
+kttk
tt
t
YYE
YEY
YE
22
var
PRUEBA DE ESTACIONARIDAD
Basado en el correlograma
ianza
krezagoalarianzak
k
var
cov
0
==
γ
γ
ρ Función de autocorrelación
0
∧
∧
∧
=
γ
γ
ρ k
k Función de autocorrelación muestral
SERIES DE TIEMPOSERIES DE TIEMPO
Prueba de Raiz Unitaria sobre estacionaridad
ttt YY µ+= −1
ttt YY µρ += −1
μ Término de error ruido blanco
Si ρ=1 Yi tiene raiz unitaria: caminata aleatoria
( ) tttt YYYY µρ +−=−=∆ −− 11 1
ttY µδ += −1
ttt YYY µ+−=∆ −1
La primera diferencia de una serie de tiempo de caminata aleatoria es estacionaria
COINTEGRACIONCOINTEGRACION
Definición: Dos series de tiempo o dos procesos
estocásticos no estacionarios o caminatas aleatorias. La
combinación lineal de estas dos series pueden ser
estacionarias. Así: Si una serie Y es I(1) y otra serie X es
(1). Ellas pueden estar cointegradas:
En General Y es (d) y X es (d), estas series pueden estar
cointegradas
ttt XY 21 ββµ −−=
MODELOS ARIMAMODELOS ARIMA
( ) ( ) tti YY µδαδ +−=− −11
PROCESO AUTOREGRESIVO
AR(1)
( ) ( ) ( ) ( ) tttti YYYY µδαδαδαδ −++−+−=− −−− 222211 ........ AR(k)
PROCESO DE MEDIA MOVIL
110 −++= ttiY µβµβµ
11110 .......... −− ++++= tttiY µβµβµβµ
MA(1)
MA(k)
PROCESO AUTOREGRESIVO Y DE MEDIA MOVIL
11011 −− +++= ttti YY µβµβαθ ARIMA(p,q)
EL ENFOQUE DE BOX-JENKINSEL ENFOQUE DE BOX-JENKINS
Paso 1: Encontrar los valores adecuados de p y q
Paso 2: Estimar los parámetros autoregresivos y de
media movil
Paso3: Verificación del diagnostico
Paso4: Predicción
GRACIAS

Contenu connexe

Tendances (20)

Heteroskedasticity
HeteroskedasticityHeteroskedasticity
Heteroskedasticity
 
Ols by hiron
Ols by hironOls by hiron
Ols by hiron
 
Teoría de regresión y correlación lineal
Teoría de regresión y correlación linealTeoría de regresión y correlación lineal
Teoría de regresión y correlación lineal
 
Principles of Econometrics
Principles of Econometrics Principles of Econometrics
Principles of Econometrics
 
Modelacion ARIMA
Modelacion ARIMAModelacion ARIMA
Modelacion ARIMA
 
Introduction to Econometrics
Introduction to EconometricsIntroduction to Econometrics
Introduction to Econometrics
 
Correlograma
CorrelogramaCorrelograma
Correlograma
 
Distribuciones muestrales.ppt
Distribuciones muestrales.pptDistribuciones muestrales.ppt
Distribuciones muestrales.ppt
 
Multicollinearity PPT
Multicollinearity PPTMulticollinearity PPT
Multicollinearity PPT
 
Regresion y Correlacion
Regresion y CorrelacionRegresion y Correlacion
Regresion y Correlacion
 
Econometrics- lecture 10 and 11
Econometrics- lecture 10 and 11Econometrics- lecture 10 and 11
Econometrics- lecture 10 and 11
 
Distribución muéstrales y estimación
Distribución muéstrales y estimaciónDistribución muéstrales y estimación
Distribución muéstrales y estimación
 
Linear Models and Econometrics Chapter 4 Econometrics.ppt
Linear Models and Econometrics Chapter 4 Econometrics.pptLinear Models and Econometrics Chapter 4 Econometrics.ppt
Linear Models and Econometrics Chapter 4 Econometrics.ppt
 
Econometría módulo 1
Econometría módulo 1Econometría módulo 1
Econometría módulo 1
 
Basic concepts of_econometrics
Basic concepts of_econometricsBasic concepts of_econometrics
Basic concepts of_econometrics
 
Dummyvariable1
Dummyvariable1Dummyvariable1
Dummyvariable1
 
Manual de uso de eviews vf
Manual de uso de eviews vfManual de uso de eviews vf
Manual de uso de eviews vf
 
5. regresión lineal multiple
5.  regresión lineal multiple5.  regresión lineal multiple
5. regresión lineal multiple
 
MModule 1 ppt.pptx
MModule 1 ppt.pptxMModule 1 ppt.pptx
MModule 1 ppt.pptx
 
Econometrics lecture 1st
Econometrics lecture 1stEconometrics lecture 1st
Econometrics lecture 1st
 

Similaire à Curso de actualizacion en econometria 1

Diapositivas Curso De Metodologia Cies
Diapositivas Curso De Metodologia CiesDiapositivas Curso De Metodologia Cies
Diapositivas Curso De Metodologia CiesUSAT
 
Cap3. violacion modelo-regresión multiple-2011
Cap3. violacion modelo-regresión multiple-2011Cap3. violacion modelo-regresión multiple-2011
Cap3. violacion modelo-regresión multiple-2011Noemi Zapata
 
Regresion Logitica (7).pptx
Regresion Logitica (7).pptxRegresion Logitica (7).pptx
Regresion Logitica (7).pptxvicentetoledo5
 
Presentacion terminos basicos de la estadistica
Presentacion terminos basicos de la estadisticaPresentacion terminos basicos de la estadistica
Presentacion terminos basicos de la estadisticaisrajrl
 
Expocap5tablas bidimengresion upg-110916181018-phpapp01
Expocap5tablas bidimengresion upg-110916181018-phpapp01Expocap5tablas bidimengresion upg-110916181018-phpapp01
Expocap5tablas bidimengresion upg-110916181018-phpapp01Edgar López
 
Simulación del modelo keynesiano usando ithink
Simulación del modelo keynesiano usando ithinkSimulación del modelo keynesiano usando ithink
Simulación del modelo keynesiano usando ithinkgenovegneco
 
Presentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upgPresentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upgEdgar López
 
Presentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upgPresentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upgEdgar López
 
Presentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upgPresentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upgEdgar López
 
Regresión lineal,ajuste de curva,tipos de regresión lineal
Regresión lineal,ajuste de curva,tipos de regresión linealRegresión lineal,ajuste de curva,tipos de regresión lineal
Regresión lineal,ajuste de curva,tipos de regresión linealmiguelescobarrivero
 
1° clase microeconomia
1° clase microeconomia1° clase microeconomia
1° clase microeconomiaISAACCITOMATOS
 

Similaire à Curso de actualizacion en econometria 1 (20)

Estadistica aplicada a la educación superior
Estadistica aplicada a la educación superiorEstadistica aplicada a la educación superior
Estadistica aplicada a la educación superior
 
Diapositivas Curso De Metodologia Cies
Diapositivas Curso De Metodologia CiesDiapositivas Curso De Metodologia Cies
Diapositivas Curso De Metodologia Cies
 
Introduccion a la econometria
Introduccion a la econometriaIntroduccion a la econometria
Introduccion a la econometria
 
Cap3. violacion modelo-regresión multiple-2011
Cap3. violacion modelo-regresión multiple-2011Cap3. violacion modelo-regresión multiple-2011
Cap3. violacion modelo-regresión multiple-2011
 
Regresion Logitica (7).pptx
Regresion Logitica (7).pptxRegresion Logitica (7).pptx
Regresion Logitica (7).pptx
 
Presentación regreción lineal
Presentación regreción linealPresentación regreción lineal
Presentación regreción lineal
 
Presentación regreción lineal
Presentación regreción linealPresentación regreción lineal
Presentación regreción lineal
 
Presentación regreción lineal
Presentación regreción linealPresentación regreción lineal
Presentación regreción lineal
 
Presentacion terminos basicos de la estadistica
Presentacion terminos basicos de la estadisticaPresentacion terminos basicos de la estadistica
Presentacion terminos basicos de la estadistica
 
REPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdfREPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdf
 
REPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdfREPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdf
 
Expocap5tablas bidimengresion upg-110916181018-phpapp01
Expocap5tablas bidimengresion upg-110916181018-phpapp01Expocap5tablas bidimengresion upg-110916181018-phpapp01
Expocap5tablas bidimengresion upg-110916181018-phpapp01
 
Simulación del modelo keynesiano usando ithink
Simulación del modelo keynesiano usando ithinkSimulación del modelo keynesiano usando ithink
Simulación del modelo keynesiano usando ithink
 
Estadistica 1
Estadistica 1Estadistica 1
Estadistica 1
 
Presentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upgPresentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upg
 
Presentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upgPresentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upg
 
Presentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upgPresentacion 5 diapost_regresion-upg
Presentacion 5 diapost_regresion-upg
 
Diseño metodológico
Diseño metodológicoDiseño metodológico
Diseño metodológico
 
Regresión lineal,ajuste de curva,tipos de regresión lineal
Regresión lineal,ajuste de curva,tipos de regresión linealRegresión lineal,ajuste de curva,tipos de regresión lineal
Regresión lineal,ajuste de curva,tipos de regresión lineal
 
1° clase microeconomia
1° clase microeconomia1° clase microeconomia
1° clase microeconomia
 

Dernier

CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTOCIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTOCEIP TIERRA DE PINARES
 
Tecnología educativa en la era actual .pptx
Tecnología educativa en la era actual .pptxTecnología educativa en la era actual .pptx
Tecnología educativa en la era actual .pptxJulioSantin2
 
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLAEL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
Escrito administrativo técnico y comerciales
Escrito administrativo técnico y comercialesEscrito administrativo técnico y comerciales
Escrito administrativo técnico y comercialesmelanieteresacontrer
 
Los escritos administrativos, técnicos y comerciales
Los escritos administrativos, técnicos y comercialesLos escritos administrativos, técnicos y comerciales
Los escritos administrativos, técnicos y comercialeshanda210618
 
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didácticaLa poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didácticaIGNACIO BALLESTER PARDO
 
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacionUNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacionCarolVigo1
 
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..La Gatera de la Villa
 
ficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primariaficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primariamichel carlos Capillo Dominguez
 
explicacionsobrelasemanasanta-190411100653.ppt
explicacionsobrelasemanasanta-190411100653.pptexplicacionsobrelasemanasanta-190411100653.ppt
explicacionsobrelasemanasanta-190411100653.pptjosemanuelcremades
 
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdfAnna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdfSaraGabrielaPrezPonc
 
U2_EA2_descargable TICS PRESENCIAL 2.pdf
U2_EA2_descargable TICS PRESENCIAL 2.pdfU2_EA2_descargable TICS PRESENCIAL 2.pdf
U2_EA2_descargable TICS PRESENCIAL 2.pdfJavier Correa
 
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdfceeabarcia
 
sociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercerosociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre terceroCEIP TIERRA DE PINARES
 
PPT Protocolo de desregulación emocional.pptx
PPT Protocolo de desregulación emocional.pptxPPT Protocolo de desregulación emocional.pptx
PPT Protocolo de desregulación emocional.pptxKarenSepulveda23
 
Programación Anual 2024 - CIENCIAS SOCIALES.docx
Programación Anual 2024  - CIENCIAS SOCIALES.docxProgramación Anual 2024  - CIENCIAS SOCIALES.docx
Programación Anual 2024 - CIENCIAS SOCIALES.docxJhordanBenitesSanche1
 

Dernier (20)

CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTOCIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
 
Tecnología educativa en la era actual .pptx
Tecnología educativa en la era actual .pptxTecnología educativa en la era actual .pptx
Tecnología educativa en la era actual .pptx
 
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLAEL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
 
Escrito administrativo técnico y comerciales
Escrito administrativo técnico y comercialesEscrito administrativo técnico y comerciales
Escrito administrativo técnico y comerciales
 
Los escritos administrativos, técnicos y comerciales
Los escritos administrativos, técnicos y comercialesLos escritos administrativos, técnicos y comerciales
Los escritos administrativos, técnicos y comerciales
 
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didácticaLa poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
 
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacionUNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
 
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
 
Tema 6.- La identidad visual corporativa y el naming.pdf
Tema 6.- La identidad visual corporativa y el naming.pdfTema 6.- La identidad visual corporativa y el naming.pdf
Tema 6.- La identidad visual corporativa y el naming.pdf
 
ficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primariaficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primaria
 
Sesión de clase ES: Adoración sin fin...
Sesión de clase ES: Adoración sin fin...Sesión de clase ES: Adoración sin fin...
Sesión de clase ES: Adoración sin fin...
 
explicacionsobrelasemanasanta-190411100653.ppt
explicacionsobrelasemanasanta-190411100653.pptexplicacionsobrelasemanasanta-190411100653.ppt
explicacionsobrelasemanasanta-190411100653.ppt
 
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdfAnna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
 
Tema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdf
Tema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdfTema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdf
Tema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdf
 
U2_EA2_descargable TICS PRESENCIAL 2.pdf
U2_EA2_descargable TICS PRESENCIAL 2.pdfU2_EA2_descargable TICS PRESENCIAL 2.pdf
U2_EA2_descargable TICS PRESENCIAL 2.pdf
 
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
 
sociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercerosociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercero
 
Conducta ética en investigación científica.pdf
Conducta ética en investigación científica.pdfConducta ética en investigación científica.pdf
Conducta ética en investigación científica.pdf
 
PPT Protocolo de desregulación emocional.pptx
PPT Protocolo de desregulación emocional.pptxPPT Protocolo de desregulación emocional.pptx
PPT Protocolo de desregulación emocional.pptx
 
Programación Anual 2024 - CIENCIAS SOCIALES.docx
Programación Anual 2024  - CIENCIAS SOCIALES.docxProgramación Anual 2024  - CIENCIAS SOCIALES.docx
Programación Anual 2024 - CIENCIAS SOCIALES.docx
 

Curso de actualizacion en econometria 1

  • 1. UNIVERSIDAD NACIONALUNIVERSIDAD NACIONAL “SANTIAGO ANTUNEZ DE MAYOLO”“SANTIAGO ANTUNEZ DE MAYOLO” FACULTAD DE ECONOMIA Y CONTABILIDADFACULTAD DE ECONOMIA Y CONTABILIDAD CURSO DE ACTUALIZACION ENCURSO DE ACTUALIZACION EN ECONOMETRIA BASICA PARAECONOMETRIA BASICA PARA DOCENTES DE LA FACULTAD DEDOCENTES DE LA FACULTAD DE ECONOMIA Y CONTABILIDADECONOMIA Y CONTABILIDAD Expositor: Mag. JORGE T. MANRIQUE CACERESExpositor: Mag. JORGE T. MANRIQUE CACERES Huaraz, 04 y 05 de Agosto del 2008Huaraz, 04 y 05 de Agosto del 2008
  • 2. Definición del ECONOMETRIADefinición del ECONOMETRIA Significa “medición económica”.Significa “medición económica”. 1.1. ““La econometría puede ser definida como la cienciaLa econometría puede ser definida como la ciencia social en la cual las herramientas de la teoríasocial en la cual las herramientas de la teoría económica, las matemáticas y la inferencia estadísticaeconómica, las matemáticas y la inferencia estadística son aplicadas al análisis de los fenómenos económicos”son aplicadas al análisis de los fenómenos económicos” 2. “La econometría tiene que ver con la determinación2. “La econometría tiene que ver con la determinación empírica de las leyes económicas”empírica de las leyes económicas”
  • 3. El problema a investigar El estado actual de conocimientos Marco institucional y hechos estilizados La teoría y el modelo de la teoría Las predicciones (hipótesis) Modelo econométrico y el método de verificación de las predicciones Las predicciones versus la evidencia Implicancias para la política económica
  • 4. Se presenta el problema a investigar.Se presenta el problema a investigar. Facilita la tarea de la investigación cuandoFacilita la tarea de la investigación cuando el problema económico se plantea bajo lael problema económico se plantea bajo la forma de una relación probable (forma de una relación probable (hipótesishipótesis de causalidad preliminarde causalidad preliminar) entre el) entre el comportamiento de una o más variablescomportamiento de una o más variables explicativas (las variables exógenas) y elexplicativas (las variables exógenas) y el comportamiento de una o más variables acomportamiento de una o más variables a explicar (las variables endógenas)explicar (las variables endógenas)
  • 5. Por motivos pedagógicos, llamaremosPor motivos pedagógicos, llamaremos YY a las variables endógenas, lasa las variables endógenas, las variables a explicar o variablesvariables a explicar o variables dependientes, y X a las variablesdependientes, y X a las variables exógenas, las variables explicativas oexógenas, las variables explicativas o variables independientes.variables independientes.
  • 6. Las teorías o los modelos teóricos,Las teorías o los modelos teóricos, deberán tratar sobre el tema de ladeberán tratar sobre el tema de la investigación; esto es, deberán ser,investigación; esto es, deberán ser, en sentido estricto, modelos oen sentido estricto, modelos o teorías que incorporen la vinculaciónteorías que incorporen la vinculación entre las variables endógenas yentre las variables endógenas y exógenas presentadas en laexógenas presentadas en la introducción .introducción .
  • 7. Metodología de la EconometríaMetodología de la Econometría Planteamiento de la teoría o de la HipótesisPlanteamiento de la teoría o de la Hipótesis La ley sicológica fundamental…...consiste en que los hombres…..comoLa ley sicológica fundamental…...consiste en que los hombres…..como regla general y en promedio, están dispuestos a incrementar su consumo aregla general y en promedio, están dispuestos a incrementar su consumo a medida que su ingreso aumenta, pero no en la misma cuantía del aumentomedida que su ingreso aumenta, pero no en la misma cuantía del aumento del ingreso….”del ingreso….” Especificación del modelo matemático de la teoríaEspecificación del modelo matemático de la teoría Y =Y = ββo +o + ββ1 X1 X11 Donde 0 <Donde 0 < ββ11 < 1< 1 Donde: Y=Ingreso; X=Gastos de consumo y donde β1 y β2, sonDonde: Y=Ingreso; X=Gastos de consumo y donde β1 y β2, son conocidos como parámetros del modelo son conocidos como Intercepto yconocidos como parámetros del modelo son conocidos como Intercepto y PendientePendiente.. Especificación del modelo econométricoEspecificación del modelo econométrico Y =Y = ββo +o + ββ1 X11 X1++ μμ Donde: µ = término de perturbación. Variable aleatoriaDonde: µ = término de perturbación. Variable aleatoria
  • 8. Obtención de datosObtención de datos Información sobre Ingreso y Consumo: 1991-2006 (En millones de soles)Información sobre Ingreso y Consumo: 1991-2006 (En millones de soles) A precios constantes de 1994A precios constantes de 1994 Años Y=Gastos de consumo X= PBI 1991 62990.1 83759.6 1992 62787.8 86400.5 1993 64934.7 87374.5 1994 71306.3 98577.4 1995 78223.2 107063.8 1996 80.635.4 109759.9 1997 84.265.7 117293.9 1998 83502.3 116522.2 1999 83163.6 117587.4 2000 86202.07 121056.9 2001 87456.35 121317.0 2002 91769.37 127407.4 2003 94860.3 132544.8 2004 98312.5 139319.6 2005 101.856.7 148716.4 2006 109282.7 159954.7
  • 9. A través de cuadros o gráficos, o de análisis de correlaciónA través de cuadros o gráficos, o de análisis de correlación básicos, se exponen algunas regularidades empíricas obásicos, se exponen algunas regularidades empíricas o hechos estilizados sobre el comportamiento de las variableshechos estilizados sobre el comportamiento de las variables exógenas y endógenas, o de las variables que se presumaexógenas y endógenas, o de las variables que se presuma conectan a las variables anteriores. Este ejercicio permiteconectan a las variables anteriores. Este ejercicio permite mostrar algunas regularidades que nos indican lamostrar algunas regularidades que nos indican la pertinencia de las hipótesis planteadas en la introducciónpertinencia de las hipótesis planteadas en la introducción de la investigación.de la investigación. Así mismo, estas relaciones entre variables, pueden sugerirAsí mismo, estas relaciones entre variables, pueden sugerir algunos mecanismos de transmisión entre las variablesalgunos mecanismos de transmisión entre las variables endógenas y exógenas, que podrían servir para laendógenas y exógenas, que podrían servir para la construcción de las ecuaciones estructurales del modeloconstrucción de las ecuaciones estructurales del modelo que se desarrollará en la sección siguiente.que se desarrollará en la sección siguiente.
  • 10. Las teorías son muy genéricas y requieren de una mayor concreción para serLas teorías son muy genéricas y requieren de una mayor concreción para ser operativas; es decir, contrastables con la realidad: hay que construir eloperativas; es decir, contrastables con la realidad: hay que construir el modelo de la teoría.modelo de la teoría. Y = f (X1, X2, X3……)Y = f (X1, X2, X3……) Clases de ModelosClases de Modelos Lineales:Lineales: Yi =Yi = ββo +o + ββ1 Xi +1 Xi + μμ LogaritmicosLogaritmicos Ln Yi =Ln Yi = ββo +o + ββ1 ln Xi +1 ln Xi + μμ Exponenciales Yi =Exponenciales Yi = ββo +o + ββ11 eeXiXi ++ μμ CuadraticosCuadraticos Yi =Yi = ββo +o + ββ1 Xi +1 Xi + ββ2 X2 X22 ++ μμ InversosInversos Yi =Yi = ββo +o + ββ1 1/Xi +1 1/Xi + μμ El investigador puede adoptar alguno de los modelos teóricos presentados,El investigador puede adoptar alguno de los modelos teóricos presentados, adaptar alguno de ellos a las circunstancias particulares de la economía oadaptar alguno de ellos a las circunstancias particulares de la economía o construir uno propio si los modelos existentes no son adecuados para elconstruir uno propio si los modelos existentes no son adecuados para el estudio de la realidad elegida.estudio de la realidad elegida. LOS MODELOS ECONOMETRICOS
  • 11. LA TEORÍA Y EL MODELO DE LA TEORÍALA TEORÍA Y EL MODELO DE LA TEORÍA En el modelo debe observarse con claridadEn el modelo debe observarse con claridad el tipo de relación lógica que existe entreel tipo de relación lógica que existe entre las variables exógenas y endógenas ; eslas variables exógenas y endógenas ; es decir, los mecanismos de transmisióndecir, los mecanismos de transmisión entre dichas variables. La presentación delentre dichas variables. La presentación del modelo en su forma estructural contribuyemodelo en su forma estructural contribuye a hacer más transparente estosa hacer más transparente estos mecanismos de transmisión y lamecanismos de transmisión y la presentación del modelo en su formapresentación del modelo en su forma reducida facilita la deducción matemáticareducida facilita la deducción matemática de las hipótesis.de las hipótesis.
  • 12. EL MODELO ECONOMÉTRICO Y EL MÉTODOEL MODELO ECONOMÉTRICO Y EL MÉTODO DE VERIFICACIÓN DE LAS HIPÓTESISDE VERIFICACIÓN DE LAS HIPÓTESIS El nivel de abstracción del modeloEl nivel de abstracción del modelo económico, incluso en su forma reducida,económico, incluso en su forma reducida, no permite confrontarlo directamente conno permite confrontarlo directamente con los hechos. El modelo económico debe serlos hechos. El modelo económico debe ser especificado, para ser contrastado con losespecificado, para ser contrastado con los datos de la realidad. En consecuencia, haydatos de la realidad. En consecuencia, hay que crear un canal adicional deque crear un canal adicional de transmisión entre el modelo económico ytransmisión entre el modelo económico y los hechos, transformando el modelolos hechos, transformando el modelo teórico en un modelo econométrico.teórico en un modelo econométrico.
  • 13. EL MODELO ECONOMÉTRICO Y EL MÉTODOEL MODELO ECONOMÉTRICO Y EL MÉTODO DE VERIFICACIÓN DE LAS HIPÓTESISDE VERIFICACIÓN DE LAS HIPÓTESIS Los criterios de selección de un modeloLos criterios de selección de un modelo econométrico dependen del objetivo queeconométrico dependen del objetivo que se propone la investigación, que puede serse propone la investigación, que puede ser de carácter exploratorio o definitivo, delde carácter exploratorio o definitivo, del tipo de información disponible (de seriestipo de información disponible (de series de tiempo cuantitativa o cualitativa, dede tiempo cuantitativa o cualitativa, de corte transversal o información de panel ocorte transversal o información de panel o longitudinal) y también de la naturaleza delongitudinal) y también de la naturaleza de las variables especificadas respecto a sulas variables especificadas respecto a su escala de medición u observabilidad.escala de medición u observabilidad.
  • 14. EL MODELO ECONOMÉTRICO Y EL MÉTODOEL MODELO ECONOMÉTRICO Y EL MÉTODO DE VERIFICACIÓN DE LAS HIPÓTESISDE VERIFICACIÓN DE LAS HIPÓTESIS SiSi la información es de:la información es de: 1.1. Series de tiempo, deben utilizarseSeries de tiempo, deben utilizarse algunos modelos de la familia del métodoalgunos modelos de la familia del método autorregresivo integrado de media móvilautorregresivo integrado de media móvil (ARIMA), para modelos uni-ecuacionales,(ARIMA), para modelos uni-ecuacionales, o modelos estructurales dinámicos oo modelos estructurales dinámicos o Vectores Autoregresivos (VAR) paraVectores Autoregresivos (VAR) para multiecuaciones que incluyen el test demultiecuaciones que incluyen el test de raíz unitaria.raíz unitaria.
  • 15. EL MODELO ECONOMÉTRICO Y EL MÉTODOEL MODELO ECONOMÉTRICO Y EL MÉTODO DE VERIFICACIÓN DE LAS HIPÓTESISDE VERIFICACIÓN DE LAS HIPÓTESIS Si los datos son de corte transversal, losSi los datos son de corte transversal, los modelos que deben utilizarse son losmodelos que deben utilizarse son los modelos Probit, Logit, Tobit, Modelos demodelos Probit, Logit, Tobit, Modelos de frecuencia, Regresión Múltiple con o sinfrecuencia, Regresión Múltiple con o sin variables ficticias y Regresiones devariables ficticias y Regresiones de Multinivel si las unidades de observaciónMultinivel si las unidades de observación están a varios niveles (modelosestán a varios niveles (modelos jerárquicos). Y si la información esjerárquicos). Y si la información es combinada, pueden utilizarse los modeloscombinada, pueden utilizarse los modelos de datos de panel en sus versiones dede datos de panel en sus versiones de coeficientes fijos o aleatorios.coeficientes fijos o aleatorios.
  • 16. CONCLUSIONES E IMPLICANCIASCONCLUSIONES E IMPLICANCIAS PARA LA POLÍTICA ECONÓMICAPARA LA POLÍTICA ECONÓMICA La política económica es el producto finalLa política económica es el producto final de la investigación en Economía. Si elde la investigación en Economía. Si el trabajo de investigación no concluye contrabajo de investigación no concluye con propuestas de política económica; esto es,propuestas de política económica; esto es, con propuestas que alteren el valor de loscon propuestas que alteren el valor de los instrumentosinstrumentos de política para alcanzar losde política para alcanzar los objetivos deseados, la investigación enobjetivos deseados, la investigación en Economía es estéril.Economía es estéril.
  • 17. EL ANALISIS DE REGRESIONEL ANALISIS DE REGRESION El análisis de regresión trata del estudio de la dependencia de la variableEl análisis de regresión trata del estudio de la dependencia de la variable dependiente, en una o más variables; las variables explicativas, con el objetivodependiente, en una o más variables; las variables explicativas, con el objetivo de estimar y/o predecir la media o valor promedio poblacional de la primera ende 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 lastérminos de los valores conocidos o fijos (en muestras repetidas) de las últimas.últimas. X → Ingreso Familiar 80 100 120 140 160 180 200 220 240 260 Y ↓ Gastos de Consumo familiar 55 65 79 80 102 110 120 135 137 150 60 70 84 93 107 115 136 137 145 152 65 74 90 95 110 120 140 140 155 175 70 80 94 103 116 130 144 152 165 178 75 85 98 108 118 135 145 157 175 180 - 88 113 125 140 - 160 189 185 - - - 115 - - - 162 - 191
  • 18. )()/( iXfXYE = iXXYE 21)/( ββ += )/( iii XYEY −=µ iii XYEY µ+= )/( iii XY µββ ++= 21 LA FUNCION DE REGRESION POBLACIONAL Donde β1 y β2 son parámetros no conocidos pero fijos, denominándose coeficientes de regresión. Especificación estocástica de la FRP
  • 19. LA FUNCION DE REGRESION MUESTRALLA FUNCION DE REGRESION MUESTRAL Y X 70 80 65 100 90 120 95 140 110 160 115 180 120 200 140 220 155 240 150 260 Y X 55 80 88 100 90 120 80 140 118 160 120 180 145 200 135 220 145 240 175 260
  • 20. iXY 21 ∧∧∧ += ββ ∧ Y ∧ Y 1 ∧ β = ∧ 2β iii XY ∧∧∧ ++= µββ 21 iii Y ∧∧ += µ Donde: se lee “Y sombrero” = estimador de E(Y/Xi ) = Estimador de β1 Estimador de β2 Especificación estocástica de la FRM
  • 21. iii YY ∧∧ += µ ii YY ∧∧ −=µ ii XY 21 ∧∧∧ −−= ββµ ∑ ∑ ∧∧ −= 2 2 )( iii YYµ ∑ ∑ ∧∧∧ −−= 2 21 2 )( iii XY ββµ ESTIMACION DE UN MODELO DE REGRESION CON DOS VARIABLES A partir de: El criterio de los Mínimos Cuadrados
  • 22. SUPUESTOS DEL MODELO DE LOSSUPUESTOS DEL MODELO DE LOS MINIMOS CUADRADOS:MINIMOS CUADRADOS: Supuesto 1Supuesto 1: El Modelo de Regresión es lineal en los: El Modelo de Regresión es lineal en los ParámetrosParámetros Supuesto 2Supuesto 2: Los valores de X son fijos en muestras: Los valores de X son fijos en muestras repetidasrepetidas Supuesto 3Supuesto 3: El valor medio de la perturbación: El valor medio de la perturbación μiμi es iguales igual a cero.a cero. E(E(μiμi /Xi) = 0/Xi) = 0 Supuesto 4Supuesto 4: Homoscedasticidad o igual varianza de: Homoscedasticidad o igual varianza de μiμi Supuesto 5:Supuesto 5: No autocorrelación entre las perturbacionesNo autocorrelación entre las perturbaciones Supuesto 6:Supuesto 6: La covarianza entreLa covarianza entre μiμi y Xi es ceroy Xi es cero
  • 23. SUPUESTOS DEL MODELO DE LOSSUPUESTOS DEL MODELO DE LOS MINIMOS CUADRADOSMINIMOS CUADRADOS Supuesto 7:Supuesto 7: El número de observaciones n debe serEl número de observaciones n debe ser mayor que el número de parámetros por estimar.mayor que el número de parámetros por estimar. Supuesto 8:Supuesto 8: Variabilidad en los valores de X, la var(Xi)Variabilidad en los valores de X, la var(Xi) debe ser un número finito.debe ser un número finito. Supuesto 9:Supuesto 9: El modelo de regresión está correctamenteEl modelo de regresión está correctamente especificado. No hay sesgo de especificación.especificado. No hay sesgo de especificación. Supuesto 10:Supuesto 10: No hay multicolinealidad perfecta.No hay multicolinealidad perfecta.
  • 24. Teorema de Gauss MarkovTeorema de Gauss Markov Dados los supuestos del modelo clásico deDados los supuestos del modelo clásico de regresión lineal, los estimadores mínimosregresión lineal, los estimadores mínimos cuadráticos, dentro de la clase decuadráticos, dentro de la clase de estimadores lineales insesgados, tienenestimadores lineales insesgados, tienen varianza mínima, es decir son MELI.varianza mínima, es decir son MELI. Insesgado:Insesgado: Consistente:Consistente: Eficientes: Varianza MínimaEficientes: Varianza Mínima iE i ββ =    ∧ ii ββ → ∧
  • 25. PRECISION DELOS ESTIMADORESPRECISION DELOS ESTIMADORES ∑ = ∧ 2 2 2 )var( ix σ β ∑ = ∧ 2 2 )( ix ee σ β 2 2 2 1 )var( σβ ∑ ∑= ∧ i i xn X σβ ∑ ∑= ∧ 2 2 1 )( i i xn X ee 2 2 2 − = ∑ ∧ n i µ σ Varianza del Estimador Error estándar del estimador Varianza del estimador Error estándar del estimador Donde: σ2 es la varianza Homoscedastica, calculada mediante la formula: 2 2 − = ∑ ∧ n i µ σ es error estándar del valor estimado
  • 26. El Coeficiente de Determinación r2El Coeficiente de Determinación r2 STC SRC STC SEC +=1 ∑ ∑ − − = ∧ 2 _ 2 _ 2 )( )( YY YY r i i Es una medida de resumen que nos indica que tan bien se ajusta la línea de regresión muestral los datos. STC =SEC + SRC Propiedades: 1.Es una cantidad no negativa 2.Sus límites son entre 0 y 1
  • 27. El coeficiente de Correlación rEl coeficiente de Correlación r Es una medida del grado de asociación entre dos variables. [ ][ ]∑ ∑∑ ∑ ∑ ∑ ∑ −− − = 2222 )()( iiii iiii YYnXXn YXYXn r Propiedades: 1. Puede tener signo positivo o negativo 2. Cae entre los límites de -1 y +1 3. Es simétrico por naturaleza 4. Es independiente del origen
  • 28. Regresión con dos variables:Regresión con dos variables: Estimación de intervalosEstimación de intervalos estimadordelestimadoestándarerror parámetroestimador ee t i ii − = − = ∧ ∧ )(β ββ αδββδβ −=+≤≤− ∧∧ 1)Pr( iii ααα −=≤≤− 1)Pr( 2/2/ ttt Donde: 1-α = Coeficiente de confianza; α = nivel de significancia •La ecuación nos indica que la probabilidad de que β2 se encuentra entre los límites dados es 1-α. •El intervalo es aleatorio, es decir variará de una muestra a otra. Intervalo de confianza para β2
  • 29. Regresión con dos variables:Regresión con dos variables: Estimación de intervalosEstimación de intervalos De manera análoga, para β1 αβββββ αα −=    +≤≤− ∧∧∧∧ 1)()(Pr 12/1112/1 eeteet αβββββ αα −=    +≤≤− ∧∧∧∧ 1)()(Pr 22/2222/2 eeteet αβββββ αα −=    +≤≤− ∧∧∧∧ 1)()(Pr 22/2222/2 eeteet αβββββ αα −=    +≤≤− ∧∧∧∧ 1)()(Pr 22/2222/2 eeteet
  • 30. Prueba de Hipótesis estimadordelestimadoestándarerror parámetroestimador ee t − = − = ∧ ∧ )( 2 22 β ββ α β ββ αα −=         ≤ − ≤− ∧ ∗∧ 1 )( Pr 2/ 2 22 2/ t ee t 0: 0: 20 2 ≠ = ∗ ∗ β β H Ho Enfoque de la Prueba de significancia
  • 31. Violación de los supuestos delViolación de los supuestos del Modelo ClásicoModelo Clásico
  • 32. MulticolinealidadMulticolinealidad Definición:Definición: Significó la existencia de una «perfecta» o exacta entre algunas oSignificó la existencia de una «perfecta» o exacta entre algunas o todas las variables explicativas de un modelo de regresión. Para unatodas las variables explicativas de un modelo de regresión. Para una regresión conregresión con kk variables, que incluye X1, X2, X3,…….Xk, se dice quevariables, que incluye X1, X2, X3,…….Xk, se dice que existe una relación lineal perfecta, si:existe una relación lineal perfecta, si: λλ1X1i +1X1i + λλ2X2i +2X2i + λλ3X3i +…….3X3i +……. λλkXki = 0kXki = 0 λλ1X1i +1X1i + λλ2X2i +2X2i + λλ3X3i +…….3X3i +……. λλkXki +kXki + vivi = 0= 0 Consecuencias:Consecuencias: Aun cuando los estimadores son MELI, estos presentan varianzas yAun cuando los estimadores son MELI, estos presentan varianzas y covarianzas grandes.covarianzas grandes. Los intervalos de confianza tienden a ser mas amplios, conduciendo a laLos intervalos de confianza tienden a ser mas amplios, conduciendo a la posibilidad de aceptar Hipótesis nula de cero.posibilidad de aceptar Hipótesis nula de cero. La razón deLa razón de tt de uno o más coeficientes tiende a ser estadísticamente node uno o más coeficientes tiende a ser estadísticamente no significativa.significativa. Aún cuando la razón deAún cuando la razón de tt de uno o más coeficientes sea estadísticamentede uno o más coeficientes sea estadísticamente no significativa, el Rno significativa, el R22 , puede ser muy alto., puede ser muy alto.
  • 33. MulticolinealidadMulticolinealidad Detección de la MulticolinealidadDetección de la Multicolinealidad Un RUn R22 elevado pocas razoneselevado pocas razones tt significativas.significativas. Altas correlaciones entre parejas de regresoresAltas correlaciones entre parejas de regresores .. Examen de correlaciones parcialesExamen de correlaciones parciales Regresiones auxiliaresRegresiones auxiliares Medidas remedialesMedidas remediales Información a prioriInformación a priori Combinación de información de corte transversal y de series deCombinación de información de corte transversal y de series de tiempotiempo Eliminación de una(s) variable(s) y sesgo de especificación.Eliminación de una(s) variable(s) y sesgo de especificación.
  • 34. HeteroscedasticidadHeteroscedasticidad 22 )( σµ =iE 22 )( iiE σµ = i = 1,2,…..n Supuesto de Homoscedasticidad i = 1,2,…..n Existencia de Heteroscedasticidad Consecuencias • Los estimadores dejan de ser MELI, peor ya no tienen varianza mínima, son insesgados • Los intervalos de confianza tienden a ser mas amplios, conduciendo a la posibilidad de aceptar Hipótesis nula de cero. • La razón de t de uno o más coeficientes tiende a ser estadísticamente no significativa.
  • 35. HeteroscedasticidadHeteroscedasticidad ( )22 22 )var( ∑ ∑= ∧ i ii x x σ β ( )22 2 )var( ∑ = ∧ ix σ β Varianza en presencia de Heteroscedasticidad Varianza Homoscedastica EL METODO DELOS MINIMOS CUADRADOS GENERALIZADOS       +      +      = i i i i i oi i i XXY σ µ σ β σ β σ 21 ** 2 ** 1 * iioii XXY µββ ++=
  • 36. HeteroscedasticidadHeteroscedasticidad METODOS PARA DETECTAR LA HETEROSCEDASTICIDAD Método Gráfico Métodos Formales • Prueba de Park • Prueba de Glejser • Prueba de correlación de Spearman • Prueba de Goldfeld-Quant • Prueba de Heteroscedasticidad de White MEDIDAS REMEDIALES Cuando σ2 Es conocida ( Mínimos Cuadrados Generalizados Cuando σ2 No es conocida ( Suponer Comportamientos ) Ejemplo: 222 )( ii XE σµ =
  • 37. AUTOCORRELACIONAUTOCORRELACION ( ) 0=jiE µµ No Autocorrelación Autocorrelación( ) jiE ji ≠≠0µµ CONSECUENCIAS • Los estimadores dejan de ser MELI, Son insesgados y consistentes, pero ya no eficientes. • Es probable que σ2 estimada subestime a la verdadera varianza σ2 • R2 puede resultar sobreestimado • Los intervalos de confianza tienden a ser mas amplios, conduciendo a la posibilidad de aceptar Hipótesis nula de cero. • La razón de t de uno o más coeficientes tiende a ser estadísticamente no significativa
  • 38. AUTOCORRELACIONAUTOCORRELACION La prueba de Durbin-Watson Ho : No autocorrelación positiva Ho*: No autocorrelación negativa DETECCION DE LA AUTOCORRELACION El Correlograma de residuos No se rechace Ho o Ho * o ambas Zona de indecisión Zona de indecisión Rechacese Ho* Evidencia de autocorrelación Negativa Rechacese Ho Evidencia de autocorrelación positiva 0 dL dV 2 4-dV 4-dL 4
  • 39. AUTOCORRELACIONAUTOCORRELACION MEDIDAS REMEDIALES Cuando la autocorrelacion es conocida ( ) ( ) ( )112211 1 −−− −+−+−=− tttttt XXYY ρµµρββρβρ ttt ερµµ += −1 Cuando la autocorrelacion no es conocida Método de la primera diferencia Método de Berenblutt-Webb Ρ basado en el estadistico de Durbin y Watson Procedimiento iterativo de cochrane-Orcutt para estimar Ρ ttt ερµµ += −1
  • 40. Quiebre EstructuralQuiebre Estructural Programa Generador de datos PGD1 Programa Generador de datos PGD2 Deteccion Pruebas Estructurales ( ) ( )knkF kn SCRSCR k SCRSCRSCR Fcal SS SSR 2, 2 21 21 −                   − + +− = TEST DE CHOW Ho: Los parámetros son estables H1: Los parámetros no son estables Pruebas recursivas •Prueba CUSUM •Prueba CUSUM CUADRADO
  • 41. MODELOS AUTOREGRESIVOS Y DE REZAGOSMODELOS AUTOREGRESIVOS Y DE REZAGOS DISTRIBUIDOSDISTRIBUIDOS tktktttoi XXXXY µββββα +++++= −−− .........2211 MODELOS DE REZAGOS DISTRIBUIDOS tttt YXY µγβα +++= −1 MODELOS DE AUTOREGRESIVOS La estimación de estos modelos por el MCO no puede realizarse directamente, por la presencia de variables explicativas estocásticas y la posibilidad de correlación serial. Los estimadores no solo serían insesgados, sino también resultarían no consistentes. Los estimadores no se aproximarían a sus valores poblacionales. Se sugiere la Introducción de VARIABLES INSTRUMENTALES, como posible solución a este problema
  • 42. VARIABLES DUMMY O VARIABLES DICOTOMASVARIABLES DUMMY O VARIABLES DICOTOMAS µβδα ++= iiY INCLUSION DE VARIABLES CUALITATIVAS EN UN MODELO ECONOMETRICO Donde: Y = Salario de un profesor universitario δi = 1 = Si es Hombre 0 = Si es Mujer Salario de Un Profesor: ( ) βα +== )1ii DYE Salario de Una profesora: ( ) α== )0ii DYE iii XY µβαα +++= 21 MODELO GENERAL
  • 43. MODELOS MLP, LOGITMODELOS MLP, LOGIT iii XY µββ ++= 21 MODELO LINEAL DE PROBABILIDAD Donde: X=Ingreso familiar Y= 1 Si la familia tiene una casa 0 Si la familia no tiene una casa MODELO LOGIT ( ) ( )iXiXYEYi 21 1 1 1 ββ ε +− + === Función de distribución logistica (acumulaltiva)
  • 44. SERIES DE TIEMPOSERIES DE TIEMPO PROCESO ESTACIONARIO ESTOCASTICO ( ) ( ) ( ) ( )( )[ ]µµγ σµ µ −−= =−= = +kttk tt t YYE YEY YE 22 var PRUEBA DE ESTACIONARIDAD Basado en el correlograma ianza krezagoalarianzak k var cov 0 == γ γ ρ Función de autocorrelación 0 ∧ ∧ ∧ = γ γ ρ k k Función de autocorrelación muestral
  • 45. SERIES DE TIEMPOSERIES DE TIEMPO Prueba de Raiz Unitaria sobre estacionaridad ttt YY µ+= −1 ttt YY µρ += −1 μ Término de error ruido blanco Si ρ=1 Yi tiene raiz unitaria: caminata aleatoria ( ) tttt YYYY µρ +−=−=∆ −− 11 1 ttY µδ += −1 ttt YYY µ+−=∆ −1 La primera diferencia de una serie de tiempo de caminata aleatoria es estacionaria
  • 46. COINTEGRACIONCOINTEGRACION Definición: Dos series de tiempo o dos procesos estocásticos no estacionarios o caminatas aleatorias. La combinación lineal de estas dos series pueden ser estacionarias. Así: Si una serie Y es I(1) y otra serie X es (1). Ellas pueden estar cointegradas: En General Y es (d) y X es (d), estas series pueden estar cointegradas ttt XY 21 ββµ −−=
  • 47. MODELOS ARIMAMODELOS ARIMA ( ) ( ) tti YY µδαδ +−=− −11 PROCESO AUTOREGRESIVO AR(1) ( ) ( ) ( ) ( ) tttti YYYY µδαδαδαδ −++−+−=− −−− 222211 ........ AR(k) PROCESO DE MEDIA MOVIL 110 −++= ttiY µβµβµ 11110 .......... −− ++++= tttiY µβµβµβµ MA(1) MA(k) PROCESO AUTOREGRESIVO Y DE MEDIA MOVIL 11011 −− +++= ttti YY µβµβαθ ARIMA(p,q)
  • 48. EL ENFOQUE DE BOX-JENKINSEL ENFOQUE DE BOX-JENKINS Paso 1: Encontrar los valores adecuados de p y q Paso 2: Estimar los parámetros autoregresivos y de media movil Paso3: Verificación del diagnostico Paso4: Predicción