Академический Документы
Профессиональный Документы
Культура Документы
INGENIERIA COMERCIAL
QUINTO SEMESTRE
SYLLABUS DE LA ASIGNATURA
ECONOMETRIA
U N I V
R S
I D A
D E
Q U I N O
1
O L I V
I A
UDABOL
UNIVERSIDAD DE AQUINO BOLIVIA
Acreditada como PLENA Mediante R.M. 288/01
VISIN DE LA UNIVERSIDAD:
Ser la Universidad lder en calidad educativa.
MISION DE LA UNIVERSIDAD
Desarrollar la Educacin Superior Universitaria con Calidad y competitividad
al servicio de la sociedad.
U N I V
R S
I D A
D E
Q U I N O
2
O L I V
I A
SYLLABUS
Asignatura:
Cdigo:
ECONOMETRIA
EFE 326
EFE 223 MAT 111C
EFE 222
100 Horas
10
Requisito:
Carga Horaria:
Crditos:
I.
Desarrollar mtodos economtricos para la investigacin numrica de los parmetros que definen las
relaciones que existen entre las diversas variables econmicas de mayor inters y comprobar las diversas
hiptesis que se pueden postular a cerca de dichos parmetros.
Desarrollar prcticas para que los estudiantes manejen y comprendan la importancia de la relacin entre
las matemticas, la estadstica, la economa y las ciencias empresariales en general.
II.
Introduccin
Origen y Evolucin de la econometra
Concepto de econometra
La econometra como disciplina
Metodologa de la econometra
Tipos de econometra
Introduccin
Mtodo de Mnimos Cuadrados Ordinarios MCO
Supuestos del mtodo MCO
Varianza y errores Standard de los estimadores
Propiedad de los estimadores teorema de Gauss - Markov
Medidas de bondad del ajuste
Ejercicios
U N I V
R S
I D A
D E
Q U I N O
3
O L I V
I A
Introduccin
Violacin de los supuestos del mtodo clsico
Naturaleza de la multicolineallidad
Consecuencias de la multicolinealidad
Mtodo de deteccin de la multicolinealidad
Medidas remediables
Ejercicios
Introduccin
Naturaleza de la autocorrelacin
Autocorrelacin y estimacin en MCO
Mtodos de deteccin de la autocorrelacin
Medidas remediables
Ejercicios
Introduccin
Naturaleza de la heterocedasticidad
Posibles causas de la heterocedasticidad
Contrastes de heterocedasticidad
Ejercicios
U N I V
R S
I D A
D E
Q U I N O
4
O L I V
I A
III.
Desarrollar sus prcticas Pre. profesionales en condiciones reales tutorados por sus
docentes, con procesos acadmicos de enseanza aprendizaje en verdadera aula abierta.
Trabajar en equipos, habitundose a ser parte integral de un todo que funciona como un
sistema, desarrollando un lenguaje comn criterios y opiniones comunes, y plantendose
metas y objetivos comunes para dar soluciones en comn a los problemas.
nuestra realidad
Actividades propuestas:
Temas con los que
se relaciona
Tareas Propuestas
Recopilacin y sistematizacin
de datos de empresas e
instituciones
representativas
del Departamento.
Prcticas sobre datos reales
para la aplicacin, manejo y
comprensin
de
las
herramientas economtricas.
U N I V
R S
I D A
D E
Lugar de accin
Fecha
Prevista
Temas 3 y 4
CAINCO
Semana del 23 al
28 de abril
Temas 5, 6, 7 y 8
CAINCO
Semana del 4 al
13 de junio
Q U I N O
5
O L I V
I A
PROCESUAL O FORMATIVA
DAMODAR Gujarati. Econometra, Editorial Mc. Graw Hill Santa Fe Colombia. CODIGO Biblioteca 330.015
195 G94
Estadstica para Administracin y economa, Berenson, Mark, 1998 CODIGO Biblioteca 519.5 B45.
BIBLIOGRAFIA COMPLEMETARIA
U N I V
R S
I D A
D E
Q U I N O
6
O L I V
I A
SEMANA
ACTIVIDADES ACADMICAS
OBSERVACIONES
1ra.
Avance de materia
TEMA I
2da.
Avance de materia
TEMA I
3ra.
Avance de materia
TEMA II
4ta.
Avance de materia
TEMA II
5ta.
Avance de materia
TEMA III
6ta.
Avance de materia
TEMA III
7ma.
Avance de materia
TEMA III
Primera Evaluacin
8va.
Avance de materia
TEMA IV
Primera Evaluacin
9na.
Avance de materia
TEMA IV
10ma.
Avance de materia
TEMA V
11ra.
Avance de materia
TEMA V
12da.
Avance de materia
TEMA VI
13ra.
Avance de materia
TEMA VI
14ta.
Avance de materia
TEMA VII
Segunda Evaluacin
15ta.
Avance de materia
TEMA VII
Segunda Evaluacin
16ma.
TEMA VIII
Avance de materia
17va.
TEMA VIII
Avance de materia
18na.
TEMA IX
Avance de materia
19na
TEMA IX
Avance de materia
20va
Evaluacin final
21va
Evaluacin final
Presentacin de
Notas
Presentacin de
Notas
R S
I D A
D E
Q U I N O
7
O L I V
I A
WORK PAPER # 1
UNIDAD O TEMA: INTRODUCCION A LA ECONOMETRIA
FECHA DE ENTREGA: Segunda Semana de Clases
Desde el punto de vista de la estadstica definir los siguientes conceptos, citando la fuente
bibliogrfica utilizada.
1.Poblacin.
2.Muestra.
3.Parmetro.
4.Estimador.
5.Error estndar.
6.Variables independientes y dependientes.
7.Fuentes primarias y secundarias de informacin.
8.Diagrama de dispersin
9.Prueba de Hiptesis.
10.
Intervalos de confianza.
U N I V
R S
I D A
D E
Q U I N O
8
O L I V
I A
WORK PAPER # 2
UNIDAD O TEMA: REGRESION LINEAL SIMPLE
FECHA DE ENTREGA: Quinta Semana de Clases
Variable X
8
12
10
11
8
7
6.5
a)
b)
c)
d)
2.- Dada la siguiente informacin sobre consumo e ingreso de 5 familias de estratos medios:
Consumo
Mensual en
Dlares
Americanos
70
65
90
95
110
a)
U N I V
Ingreso
Mensual en
Dlares
Americanos
80
100
120
140
160
R S
I D A
D E
Q U I N O
9
O L I V
I A
b)
c)
d)
3. El consumo de energa elctrica per capita , en Kwh. y la renta per capita expresada en dlares , para
los pases de la CEE en 1985 fueron los siguientes:
Pas
Consumo
(Ci)
5730
4920
4960
2680
4510
2400
3050
2760
10450
4250
1720
4280
Alemania
Blgica
Dinamarca
Espaa
Francia
Grecia
Italia
Irlanda
Luxemburgo
Pases bajos
Portugal
Reino unido
Renta
(Ri)
11090
8430
11290
4470
9860
3740
6440
4950
13650
9430
1970
8530
Dado el modelo:
Ci = a + bRi + ui
Donde C y R son respectivamente, el consumo de energa elctrica per capita y la renta
per capita:
a)
b)
U N I V
R S
I D A
D E
Q U I N O
10
O L I V
I A
WORK PAPER # 3
UNIDAD O TEMA: REGRESION SIMPLE
FECHA DE ENTREGA: Sptima Semana de Clases
1. Los datos que se encuentran en la siguiente tabla representan las calificaciones promedio de 15
recin graduados y sus correspondientes salarios iniciales, expresados en miles de dlares:
CP
Salario
inicial
18.5
20.0
21.1
22.4
21.2
15.0
18.0
18.8
15.7
14.4
15.5
17.2
19.0
17.2
16.8
2.95
3.20
3.40
3.60
3.20
2.85
3.10
2.85
3.05
2.70
2.75
3.10
3.15
2.95
2.75
El modelo a ajustar es del tipo:
Yi = Bo + B1 Xi + ui
b)
c)
R S
I D A
Consumo
D E
Q U I N O
11
Riqueza
B
O L I V
I A
Mensual en
Dlares
Americanos
850
1000
1200
1400
1600
Mensual en
Dlares
Americanos
700
650
900
950
1100
acumulada
en Dlares
Americanos
8100
10090
12730
14250
16330
a. Hallar la ecuacin de regresin del consumo mensual respecto del ingreso y la riqueza.
b. Interpretar los coeficientes de regresin.
c. Hallar los coeficientes de correlacin y determinacin.
d. Hallar el error estndar de los coeficientes de regresin.
WORK PAPER # 4
UNIDAD O TEMA: REGRESION E INFERENCIA ESTADISTICA
FECHA DE ENTREGA: Dcima Semana de Clases
1. Teniendo en cuenta datos de las variables publicidad (x) y ventas (y) se obtuvo la siguiente
informacin.
Y = 33,75 + 3,25 X
n = 16
a)
b)
c)
d)
e)
U N I V
R S
I D A
D E
Q U I N O
12
O L I V
I A
WORK PAPER # 5
UNIDAD O TEMA: REGRESION E INFERENCIA ESTADISTICA
FECHA DE ENTREGA: Dcimo Cuarta Semana de Clases
a) Un economista desea saber si existe relacin entre las ventas de las empresas de un
determinado sector, el precio por unidad de producto y el volumen de recursos que destinan a
publicidad. La siguiente tabla recoge la informacin disponible para las variables VENTAS,
medida en unidades vendidas, PRECIO, medida en miles de dlares y PUBLIC, medida en
millones de dlares todas ellas relativa a 20 empresas del sector. La informacin se detalla a
continuacin:
#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
VENTAS
5.124
5.045
4.905
5.030
4.612
4.531
3.273
4.227
4.608
4.490
4.386
4.213
4.040
3.875
3.124
2.890
2.757
2.220
2.780
2.364
PRECIO
60
64
65
63
66
70
80
76
70
74
75
76
78
82
83
83.5
86
88
90
91
PUBLIC
21.5
16.58
12.01
8.9
8.02
9.58
13.2
18
22.79
26.41
27.97
27.09
23.98
19.41
14.49
10.43
8.22
8
10.94
8.5
Se pide:
a) Estimar el modelo que explica las ventas en funcin del precio y de los gastos en publicidad.
b) Expresa las variables monetarias en euros y realiza la estimacin del modelo. Compara los
resultados con los del apartado anterior.
c) Realiza la estimacin expresando en euros solo la variable PUBLIC.
d) Realiza un cambio de escala en todas las variables dividiendo entre diez los valores
originales. Estima el modelo y compra los resultados con los del modelo del apartado a) haz
lo mismo realizando el cambio de escala. Primero solo en variable VENTAS y a continuacin
en las variables VENTAS y PRECIO.
U N I V
R S
I D A
D E
Q U I N O
13
O L I V
I A
e) Realiza un cambio de origen sumando 100 unidades a todas las variables del modelo.
Estima el modelo y compara los resultados con los del modelo apartados a) haz lo mismo
realizando el cambio de origen primero solo en la variable VENTAS y a continuacin a las
variables VENTAS y PRECIO.
f)
Se desea conocer el grado de relacin existente entre los gastos de alimentacin mensual
de sus familias y sus ingresos mensuales y tamao. Para ello se selecciona una muestra al
azar de 15 familias obtenindose los datos recogidos en la siguiente tabla y donde las
variables GASTOS e INGRESOS vienen medidas en euros y TAM en nmeros de miembros
de la familia:
Periodo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
GASTOS
259
187
193
277
753
265
313
175
777
211
211
470
259
283
229
INGRESOS
1.265
663
542
964
3.735
1.386
1.084
602
5.361
1.446
723
2.831
2.108
1.747
843
TAM
3
4
5
4
4
3
6
5
3
2
4
3
2
3
4
U N I V
R S
I D A
D E
Q U I N O
14
O L I V
I A
WORK PAPER # 6
UNIDAD O TEMA: REGRESION E INFERENCIA ESTADISTICA
FECHA DE ENTREGA: Dcimo Quinta Semana de Clases
Se llev a cabo un estudio para determinar la relacin entre el nmero de aos de experiencia (x) y el
salario mensual, en miles de bolivianos (y) entre los informticos de una regin boliviana. Para ello, se
tom una muestra aleatoria de 17 informticos y se obtuvieron los siguientes datos.
Exper. Salario
13
16
30
2
8
6
26'1
33'2
36'1
16'5
26'4
19'1
Exper.
Salario
Exper.
Salario
31
19
20
1
4
10
36'4
33'8
36'5
16'9
19'8
24'6
27
25
7
15
13
36'0
36'5
21'4
31'0
31'4
Estimar y calcular un intervalo de confianza al 90% y 95% para la prediccin del salario de un
informtico que tiene 8 aos de experiencia.
WORK PAPER # 7
UNIDAD O TEMA: REGRESION E INFERENCIA ESTADISTICA
FECHA DE ENTREGA: Dcima Semana de Clases
Una empresa desea contrastar si el lunes es el da de la semana en que se presentan ms bajas por
enfermedad comn. Para ello, en base a los datos de cinco aos, se eligen al azar 10 lunes, 10
martes, 10 mircoles, 10 jueves y 10 viernes, anotando el nmero de bajas durante tales das. Los
resultados obtenidos son los de la tabla adjunta
Muestreo 1
Da
U N I V
R S
D E
Q U I N O
15
O L I V
I A
Lunes
26 37 22 55 23 38 46 25 25 23
Martes
35 20 28 12 17 17 57 42 25 63
Mircoles
25 40 63 18 62 30 38 23 37 26
Jueves
51 20 30 13 42 28 17 73 25 22
Viernes
30 62 40 15 26 37 52 12 16 25
Un segundo estudio se realiz en base a los mismos datos pero cambiando el esquema del muestreo,
ahora se eligieron al azar diez semanas completas de los cinco aos y los resultados que se
obtuvieron son los siguientes:
Muestreo 2
Semana (nmero de bajas por da)
Da
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10
Lunes
40 32 56 65 18 43 30 51 46 38
Martes
32 51 34 35 23 22 45 35 32 58
Mircoles
42 30 29 30 15 30 42 51 31 26
Jueves
20 32 30 40 21 28 46 36 36 22
Viernes
26 27 27 17 23 37 53 22 15 22
U N I V
R S
I D A
D E
Q U I N O
16
O L I V
I A
WORK PAPER # 8
UNIDAD O TEMA: REGRESION MULTIPLE
FECHA DE ENTREGA: Dcimo Octava Semana de Clases
PERIODO
1996:12
1997:01
1997:02
1997:03
1997:04
1997:05
1997:06
1997:07
1997:08
1997:09
1997:10
1997:11
1997:12
1998:01
1998:02
1998:03
1998:04
1198:05
1998:06
1998:07
1998:08
1998:09
1998:10
1998:11
1998:12
FABNAC
36696
30284
30850
42361
39712
39179
42074
40608
24385
26274
36137
29556
38440
29314
36636
47777
39718
42231
49101
56397
25663
27130
40921
37406
30217
IMPORT
54958
43332
48114
60913
56264
55061
57996
75884
40148
43235
59493
54805
65833
49159
57465
72130
68339
64571
75107
90317
46283
52234
69580
72954
60530
PRIVADO
78945
65013
63763
75430
79649
73967
82636
110144
59694
63470
87922
76592
93374
72996
82674
92699
89643
88307
103694
126546
66475
73321
100041
100888
81245
a. Realizarla estimacin por MCO del nmero de vehculos importados en funcin del nmero
de vehculos matriculados para uso privado. Analiza sus resultados.
b. Suponiendo que no disponemos de otros datos sobre las variables, vamos a considerar que
el nmero de matriculaciones privadas en 1999 fuese un 10 % superior al dato del
correspondiente mes del ao anterior. Realiza a partir del modelo estimado del apartado
U N I V
R S
I D A
D E
Q U I N O
17
O L I V
I A
anterior, la prediccin del IMPORT para el ao 1999 y evala su capacidad predictiva para el
periodo 1998:7 a 1998:12.
c.
d. Realizar la prediccin con este nuevo modelo, suponiendo que para el ao 1999, la variable
FABNAC ha aumentado un 5% sobre el valor del mismo mes del ao anterior. Analiza as
mismo, la capacidad predictiva del mismo periodo del apartado b).
IX. DIFS
DIFs # 1
UNIDAD O TEMA: INTRODUCCIN A LA ECONOMETRA
FECHA DE ENTREGA: Segunda Semana de clases
El concepto de "MODELO" debe ser entendido como una representacin, necesariamente simplificada, de
cualquier fenmeno, proceso, institucin y, en general, de cualquier "SISTEMA".
En general, denominaremos "SISTEMA" al ente representado por un modelo, y entenderemos como tal a
todo conjunto de elementos o componentes vinculados entre s por ciertas relaciones.
videntemente, y dada la generalidad de estas dos definiciones, el concepto de sistema y de modelo
sobrepasa los limites de la economa e incluso de las ciencias sociales.
Utilizando el lenguaje matemtico que nos proporciona la teora de conjuntos podemos formalizar la nocin
de sistemas:
Sean a1,a2,...an los elementos del sistema "S" y ao su entorno, anotando como rij la relacin existente entre ai
y aj, el sistema "S" puede representarse como:
S = {A,R}
Siendo:
A el conjunto de elementos primarios o universo del sistema (excluyendo el entorno)
R el conjunto de relaciones entre sus elementos incluyendo el entorno o caractersticas del sistema.
U N I V
R S
I D A
D E
Q U I N O
18
O L I V
I A
Por ejemplo, una maqueta de una ciudad es un modelo, siendo, claro est la ciudad el sistema
representado. Su universo son los barrios, edificios, parques, bancos, establecimientos comerciales e
individuos y sus caractersticas las relaciones que los unen, por ejemplo las distancias entre barrios,
entidades financieras etc...
Ahora bien, un mismo sistema puede tener diferentes "niveles de resolucin" segn el grado de detalle con
el que se intente analizar. As, un nivel de resolucin bajo del sistema ciudad exigir un conocimiento
detallado por individuos, locales, medios de transporte, alcantarillado, etc... Un nivel ms elevado puede
conformarse con considerar la poblacin por barrios y el ms alto considerar la ciudad de forma global.
Evidentemente a cada nivel de resolucin le corresponder un modelo con un grado de desagregacin
diferente.
En trminos de economa, supongamos que el sistema a analizar es el comportamiento econmico de un
pas. Sus elementos o universo sern las macromagnitudes econmicas que lo definen y las caractersticas
o relaciones las razones o causas que explican su comportamiento econmico. Evidentemente, en este
sistema como en todos, existen diferentes niveles de resolucin o detalle, as podramos conformarnos con
analizar la produccin global o PIB que se corresponde con un nivel de resolucin muy alto, descomponer el
sistema en sus componentes (consumo, inversin, gasto pblico, exportacin e importacin) que supondr
un nivel de detalle medio o profundizar en cada uno de estos componentes por categoras (consumo de
bienes duraderos o no, inversin en construccin o en capital, exportacin e importacin por productos etc..)
Como el sistema resulta demasiado complejo para conseguir una reproduccin completa de todos sus
elementos y relaciones, se introduce un elemento subjetivo en la aparente objetividad de los modelos. Se
trata de la incorporacin del elemento decisin del constructor del modelo, l es el que determina que
elementos son los ms importantes y que relaciones son las ms representativas, surgiendo as distintos
modelos de un mismo sistema aun cuando se utilice un mismo nivel de resolucin.
Los modelos mentales, en tanto que son no explicitados, no constituyen un soporte adecuado para el
pensamiento cientfico.
Los modelos verbales podran constituir conocimiento cientfico siempre que la ambigedad del lenguaje
ordinario quede reducida por la incorporacin de conceptos propios y por la aplicacin de criterios de
formalizacin.
Los modelos fsicos no tienen prcticamente ninguna aplicacin en las ciencias sociales.
U N I V
R S
I D A
D E
Q U I N O
19
O L I V
I A
Los modelos matemticos constituyen la forma ms estricta de conocimiento cientfico de una realidad,
sin que ello deba suponer el que su utilizacin indiscriminada asfixie toda elaboracin terica no
directamente matematizable o encubra bajo un procedimiento estrictamente planteado un conocimiento
falso de la realidad.
Es decir, admitido que los modelos matemticos son la mejor forma de representacin de la ciencia en
general y de la economa en particular, siempre hay un lmite a lo que podemos hacer con nmeros y a lo
que no podemos hacer sin ellos. En otras palabras, existen condicionantes que admiten la existencia de
medicin sin teora y teora sin medicin.
En relacin a la medicin sin teora debe quedar claro que el anlisis de series de datos nos permitir
detectar regularidades de los hechos que permitirn a lo sumo describir superficialmente el pasado, pero
jamas permitir conocer las causas profundas de los cambios acaecidos, ni dar seguridad alguna sobre la
constancia de una estructura bsica del fenmeno, de las leyes que rigen los acontecimientos.
En este sentido y siendo muy exagerados, baste con recordar un ejercicio simple que relaciona los puestos
de castaas ambulantes con el nmero de nacimientos. Si, para el caso de Espaa y para el perodo 19601994 hicisemos un anlisis de regresin encontraramos una relacin muy elevada, que un estudioso
insensato interpretara como de positiva, cuando nicamente ha detectado una regularidad de forma
emprica, sin llegar a conocer ninguna relacin causa efecto entre ambos acontecimientos.
En relacin a la teora sin medicin, debemos considerar que es un camino errneo de perfeccionamiento
cientfico, ya que las teoras no sometidas a contrastacin pueden llegar a tener un carcter especulativo. As
y mal que nos pese los economistas tenemos que someternos a la afirmacin de eso ser en teora, pero en
la realidad.... y admitir que hay algo de cierto en esa afirmacin.
Las razones por las que no ha existido una contrastacin emprica al nivel del correspondiente desarrollo
terico son mltiples y podran destacarse como especialmente relevantes las siguientes:
- Ausencia de una informacin estadstica suficiente
A pesar de los avances en las tcnicas de obtencin y depuracin de los datos y la continua aparicin de
nuevas estadsticas, estn siendo explotadas de forma mnima. La confidencialidad de los datos, el retraso
en la publicacin, los cambios e interrupciones en las series, la ausencia de criterios de utilizacin en la
explotacin de los datos... son ente otros los problemas que deben an solucionarse.
- Inadecuacin de la teora econmica
U N I V
R S
I D A
D E
Q U I N O
20
O L I V
I A
La tendencia a una exposicin literaria de las teoras econmicas hace muy difcil su contrastacin. Pero
incluso una teora expuesta en trminos matemticos debe ser suficientemente especificada para que pueda
plantearse su contrastacin emprica y en la ciencia econmica, hasta fechas muy recientes, no han
predominado la elaboracin de modelos econmicos en que se especifique la forma funcional, la definicin
emprica de las variables implicadas, el contexto institucional, etc... quizs porque se intentaba crear teoras
aspticas al tiempo y al espacio donde eran creadas pensando que as tenan validez general.
- Limitacin de las tcnicas cuantitativas disponibles
De nuevo la relativa novedad de las tcnicas cuantitativas han puesto un lmite a la contrastacin de las
teoras. La estadstica, se ha visto obligada a dar un gran paso para poder convertirse en una ciencia
operativa que cubriese las necesidades de contrastacin que la economa demandaba de forma urgente.
Por ltimo y para no sacar conclusiones errneas al planteamiento de la teora sin medicin, es decir para no
olvidar la gran importancia que tienen los desarrollos tericos, proponemos el esquema de Koutsoyiannis,
aunque manifestamos las razones por las que este esquema simple pierde su automatismo en la realidad.
TEORA
U N I V
R S
I D A
D E
Q U I N O
21
O L I V
I A
Aceptacin teora si es
Rechazo de la teora si es
Revisin de la teora si es
Confrontacin con
nuevos datos
Entre las razones que aparecen como ms importantes para no admitir de forma especifica este esquema
de trabajo se encuentran las siguientes:
a) Las teoras pueden exigir una adaptacin previa a su contraste.
b) Las teoras econmicas no son leyes universales, es decir, la contrastacin de una teora econmica
queda limitada al marco de referencia para el que ha sido concebida.
c) La confrontacin con los datos puede realizarse con diferentes modelos economtricos.
d) La confrontacin con los datos puede y debe realizarse con datos espacial y temporalmente diferentes.
e) Los resultados del contraste sern siempre en trminos de probabilidad.
f) La evidencia emprica permite refutar pero no verificar de forma lgica.
g) El proceso elaboracin teora-contraste de resultados debe ser iterativo y no terminal.
U N I V
R S
I D A
D E
Q U I N O
22
O L I V
I A
En definitiva, los modelos economtricos no pueden, por s solos, ni crear teora econmica ni tan siquiera
confirmarla o refutarla definitivamente, su ya importante misin se limita a sealar ciertos caminos de
investigacin que parecen, en ese momento, ms seguros.
TAREA DEL DIFs:
El equipo deber analizar el ejercicio y a travs de una discusin grupal debe realizar los respectivos
clculos para dar respuesta a lo siguiente:
DIFs # 2
UNIDAD O TEMA: INTRODUCCIN A LA ECONOMETRA
FECHA DE ENTREGA: Segunda Semana de clases
MODELO ECONMICO VERSUS MODELO ECONOMTRICO
El proceso cientfico parte de unos axiomas o "hiptesis" cientficas que, cuando son confirmadas y se
suponen que reflejan un esquema objetivo, pasan a la categora de "leyes" y stas se unifican y sistematizan
en teoras.
Las teoras se refieren a un sistema que tratan de explicar y contienen modelos que son representaciones
simplificadas de esa realidad.
Evidentemente las diferencias entre teora y modelo son muy sutiles y por ello son numerosas las ocasiones
en las que ambos conceptos se identifican. Sin embargo, una teora sobre el funcionamiento de un sistema,
lleva estrechamente conectados uno o varios modelos que intentan reflejar las principales relaciones del
sistema que se consideran relevantes en el contexto de esa teora.
Refirindonos en concreto a la ciencia econmica, podemos decir que existen diversas teoras (por ejemplo
la teora neoclsica de la inversin), que han permitido explicitar ciertos modelos en forma matemtica (como
el modelo de keynes o el de Jorgenson). Ahora bien, las teoras y modelos de las ciencias formales (lgica y
U N I V
R S
I D A
D E
Q U I N O
23
O L I V
I A
matemticas) son absolutamente vlidas por no referirse a nada que se encuentre en la realidad. Las
ciencias referidas a fenmenos naturales (fsica, qumica, biologa..) no estn condicionadas por el momento
del tiempo en que se apliquen y sin embargo, las ciencias sociales tienen en su enmarcacin espacial y
temporal uno de sus condicionantes bsicos.
An admitiendo, por tanto, la relatividad de las leyes econmicas, como ciencia social que es, una gran parte
de los esfuerzos de los economistas ha consistido en elaborar modelos genricos que sean aplicables con
validez general a diversos sistemas concretos. A ste tipo de modelos, expuestos de forma matemtica, los
denominaremos en lo sucesivo "modelos econmicos".
Un modelo econmico resultar habitualmente -de acuerdo con el estado actual de desarrollo de la ciencia
econmica- demasiado simplificado y excesivamente general como para recoger todos los aspectos de los
sistemas generales. Precisamente por ello, la economa ha desarrollado modelos especficos para su
aplicacin a sistemas reales concretos: los modelos economtricos.
Los modelos economtricos debern basarse necesariamente en un modelo econmico ms o menos
formalizado y completarse con los aspectos particulares propios del sistema en estudio. Este tributo, dar
como consecuencia, la prdida de generalidad de las conclusiones a que pueda llegarse mediante su
aplicacin, que tendr una validez limitada por el sistema de referencia y por el perodo temporal en que tal
modelo tiene vigencia.
En definitiva, los modelos econmicos y los modelos economtricos se diferencian, bsicamente en:
1. El modelo economtrico exige una especificacin estadstica ms precisa de las variables que lo
componen. Por ejemplo el nivel de produccin de un modelo terico deber ser concretada en, por
ejemplo, PIB a precios de mercado, pesetas constantes, o Produccin efectiva, o Producto Nacional
Bruto a Coste de los factores...
2. Un modelo economtrico siempre exige una forma funcional definida, mientras que el econmico puede
eludir este aspecto o slo imponerle ciertos requisitos (derivabilidad, concavidad, existencia de un
mximo...)
3. La dinmica propia de los sistema reales obliga a considerar explcitamente el tiempo en la mayora de
los modelos economtricos, mientras que tal especificacin puede ser omitida en los modelos
econmicos. Por ejemplo, el tipo de inters desplazado tres perodos para explicar la inversin en el
momento actual.
U N I V
R S
I D A
D E
Q U I N O
24
O L I V
I A
Olvido en el modelo terico de variables concretas de situaciones determinadas (crisis del petrleo,
inestabilidad poltica, reglamentacin)
La posible constancia de variables tericas que, por consiguiente, no inciden en la explicacin de los
cambios en el sistema real. Por ejemplo en la modelizacin del turismo, parece claro que las
condiciones climatolgicas y la oferta de superficie son variables claves. Ahora bien, las condiciones
climatolgicas pueden aproximarse por los metros cbicos por metro cados de lluvia y la oferta de
superficie por los Km de playas, pero estas variables han permanecido muy estables a lo largo del
tiempo.
TAREA DEL DIFs:
Los estudiantes en equipo debern leer el artculo y realizar un breve resumen de los tpicos y
conceptos mas relevantes.
DIFs # 3
UNIDAD O TEMA: NATURALEZA DEL ANALISIS DE REGRESION Y
CORRELACION
FECHA DE ENTREGA: Tercer Semana de clases
U N I V
R S
I D A
D E
Q U I N O
25
O L I V
I A
As, ante los ms diversos problemas de economa general y de direccin de empresas, es posible realizar
un planteamiento economtrico eficaz para la comprensin, anlisis y resolucin de los mismos.
Para ello es preciso realizar tres fases especficas:
Especificacin del modelo, es decir, eleccin de las variables implicadas en el anlisis. En esta
primera etapa, no es suficiente con determinar una lista de variables diferenciando cual actan como
endgenas y cuales como explicativas, sino que es preciso explicitar su cuantificacin precisa, el perodo
temporal de anlisis, la propia naturaleza de los datos y el tratamiento al que han de ser sometidos, ya que
en numerosas ocasiones la informacin primaria o de base ha de tratarse previamente (procesos de
agregacin, homogeneizacin, deflacin...).
Es preciso que establezcamos, desde este momento, que la garanta de creacin de un buen modelo, o al
menos de una valoracin correcta del mismo necesita como primer requisito un volumen de informacin
suficiente o mnimo que suele delimitarse en 20 observaciones.
En general, en la variable endgena queda cuantificado el sistema que queremos someter al estudio, por
ejemplo: consumo, ventas, produccin, empleo, paro, dficit exterior, precios.... y la determinacin de las
variables explicativas son el fruto de un doble proceso:
1.- Modelo econmico de base (variables claves que recogen los modelos tericos del sistema sometido al
anlisis)
2.- Estudio de los antecedentes, estructura, normativa... del sistema concreto analizado que, se basan en el
conocimiento pormenorizado del rea de investigacin.
2.- Estimacin del modelo, es decir, clculo del valor de los parmetros del modelo a partir de N
datos muestrales.
El proceso de estimacin, su contrastacin y valoracin son el contenido de una gran parte del modulo II del
programa de la asignatura, por ello, slo sealaremos aqu el triple objetivo que puede lograrse con el
computo de tales coeficientes y no se aborda la forma de llegar a su conocimiento.
As, dado un modelo econmico (terico), donde Y representa a la variable endgena y X es la nica
variable explicativa:
Y f (X , Z)
y aadiendo la variable "Z" como fruto de la investigacin sobre la evolucin concreta de la variable
endgena, podemos especificar el modelo economtrico siguiente:
Yn = 0 + 1 Xn + 2 Zn + un
donde "uN" denominada perturbacin aleatoria, es como su nombre indica una variable aleatoria, sin
contenido econmico, que recoge los efectos que sobre la variable endgena tienen un conjunto de
U N I V
R S
I D A
D E
Q U I N O
26
O L I V
I A
variables que no han sido incorporadas como variables explicativas de forma explcita en la especificacin
del modelo. Este elemento, imprime a los modelos economtricos su carcter no determinista.
A partir de las N observaciones o datos (N=1....N) el proceso de estimacin nos permite conocer el valor
estimado o cuantificado de los coeficientes:
Yestn = a + b1 Xn + b2 Zn
El conocimiento de "a", "b1" y "b2" nos permitir realizar:
A.- Anlisis estructural, es decir, una cuantificacin de la relacin que durante el perodo de estimacin o
perodo de anlisis ha existido entre las variables implicadas. Se puede as comprobar como ha incidido
sobre YNest las variaciones ocurridas en X N y en ZN. El conocimiento del valor y del signo de los parmetros
del modelo, suministra una base importante de comprensin del fenmeno estudiado.
B.- Prediccin o establecimiento de los valores futuros de la variable Y Nest, cuyo comportamiento se quiere
explicar, dadas unas hipotticos valores futuros a las variables que los condicionan. As para unos valores
R S
I D A
D E
Q U I N O
27
O L I V
I A
mltiples aplicaciones en un rea determinada permite disponer de una base para juzgar sobre la idoneidad
para los N datos muestrales de una cierta teora econmica.
En definitiva, la construccin de modelos economtricos es una buena forma de comprensin y anlisis de
los fenmenos que puede y debe aplicarse a distintos campos del conocimiento cientfico y en especial a la
ciencia econmica como herramienta perfectamente vlida para llevar a cabo un proceso de decisin
racional. Ahora bien, existen otros mtodos menos formalizados de toma de decisiones, en los que la etapa
de prediccin se cubre con tcnicas cientficas menos depuradas, por lo que solo un anlisis comparativo
entre los beneficios de la reduccin del riesgo de la decisin y el coste del proceso, puede darnos una
medida de eficacia relativa de esquemas alternativos de prediccin.
TAREA DEL DIFs:
Los estudiantes en equipo debern leer el artculo y realizar un breve resumen de los tpicos y conceptos
ms relevantes.
DIFs # 4
UNIDAD O TEMA: NATURALEZA DEL ANALISIS DE REGRESION Y
CORRELACION
FECHA DE ENTREGA: Tercer Semana de clases
U N I V
R S
I D A
D E
Q U I N O
28
O L I V
I A
Aunque este enfoque recurre al sentido comn y es valido para clculos a simple vista es deficiente ya
que es arbitrario. Es decir, a menos que los puntos definan una lnea recta perfecta (en cuyo caso la
interpolacin seria apropiada), cada analista trazara rectas diferentes.
La manera de quitar esta subjetividad es considerar un criterio que cuantifique la suficiencia del ajuste.
Una forma de hacerlo es obtener una curva que minimice la diferencia entre los datos y la curva y el
mtodo para llevar a cabo este objetivo es al que se le llama regresin con mnimos cuadrados.
Regresin Lineal
El ejemplo mas simple de una aproximacin por mnimos cuadrados es el ajuste de una lnea recta a un
conjunto de parejas de datos observadas: (x1,y1), (x2,y2), ...,(xn,yn). La expresin matemtica de una
lnea recta es:
y a 0 a1 x E
(1)
en donde a0 y a1 son coeficientes que representan la interseccin con el eje de las abscisas y la
pendiente, respectivamente y E es el error o residuo entre el modelo y las observaciones, que se puede
representar reordenando la ecuacin (1) como:
E y a 0 a1 x
(2)
Por lo tanto, el error o residuo es la diferencia entre el valor real de y y el valor aproximado, a0+a1x,
predicho por la ecuacin lineal.
Criterio para un mejor ajuste
Una estrategia que obtiene la mejor lnea a travs de los puntos debe minimizar la suma de los errores
residuales, como en:
n
i 1
i 1
Ei ( yi a0 a1 xi )
Otro criterio seria minimizar la suma de los valores absolutos de las diferencias, esto es:
n
E
i 1
y i a 0 a1 xi
i 1
Una tercera estrategia en el ajuste de una lnea optima es el criterio de mnimas. En este mtodo, la lnea
se escoge de tal manera que minimice la distancia mxima a la que se encuentra un punto de la lnea
U N I V
R S
I D A
D E
Q U I N O
29
O L I V
I A
recta. Esta estrategia esta mal condicionada para regresin ya que influye de manera indebida sobre un
punto externo, aislado, cuyo error es muy grande. Se debe notar que el criterio mnimas algunas veces
esta bien condicionado para ajustar una funcin simple a una funcin complicada.
Una estrategia que ignora las restricciones anteriores es la de minimizar la suma de los cuadrados de los
residuos, Sr, de la siguiente manera:
n
S r E i y i a0 a1 xi
2
i 1
(3)
i 1
Este criterio tiene muchas ventajas, incluyendo el que ajusta una lnea nica a un conjunto dado de
datos. Antes de analizar estas propiedades, se muestra un mtodo que determina los valores de a 0 y a1
que minimizan la ecuacin (3).
Ajuste de una recta utilizando Mnimos Cuadrados.
Para determinar los valores de las constantes a 0 y a1, se deriva la ecuacin (3) con respecto a cada uno
de los coeficientes:
S r
0
a 0
S r
2 y i a 0 a1 xi 1
a 0
S r
2 y i a 0 a1 xi
a 0
S r
S r
0
2 y i a 0 a1 xi xi
a1
a1
S r
2 y i a 0 a1 xi xi
a1
Ntese que se han simplificado los smbolos de la sumatoria; a menos que otra cosa se indique, todas
las sumatorias van desde i=1 hasta n. Igualando estas derivadas a cero, se genera un mnimo S r. Si se
hace as, las ecuaciones anteriores se expresaran como:
0 y i a 0 a1 xi
0 y i xi a 0 xi a1 xi
U N I V
R S
I D A
D E
Q U I N O
30
O L I V
I A
na 0 a1 xi y i
(4)
xi a1 xi y i xi
2
(5)
A estas ecuaciones se les conoce como ecuaciones normales. Se pueden resolver simultneamente y
obtener:
a1
n xi y i xi y i
n xi xi
2
(6)
Este resultado se puede usar junto con la ecuacin (4) para obtener:
_
(7)
a 0 y a1 x
_
a0
x x y y x
x n x
i
i
2
2
i
(8)
DIFs # 5
UNIDAD O TEMA: REGRESION SIMPLE
FECHA DE ENTREGA: Cuarta Semana de clases
U N I V
R S
I D A
D E
Q U I N O
31
O L I V
I A
Una compaa local de de energa seleccion una residencia tpica para desarrollar un modelo
emprico para el consumo de energa (en Kw. por da) como una funcin de la temperatura
promedio diaria durante los meses de invierno. Se obtuvo la siguiente informacin durante un
periodo de 15 das.
Temperatura
0
8
7.5
Consumo
de
energa
70
57
60
13.5
63
14
57
8.5
66
4.5
67
-11
107
-7.5
96
DIFs # 6
UNIDAD O TEMA: REGRESION SIMPLE
FECHA DE ENTREGA: Sexta Semana de clases
1.De las estadsticas de tiempo de vuelo y consumo de combustible de una compaa area se han
obtenido datos relativos a tiempos de vuelo y consumo de combustible de 24 trayectos distintos
realizados por el avin DC-9. A partir de estos datos se han elaborado los siguientes datos
estadsticos:
U N I V
R S
I D A
D E
Q U I N O
32
O L I V
I A
Yi2 = 219,79
Y i2 = 2396.504
Xi2 = 31,47
Xi2 = 51.075
YiXi = 349.486
Yi = a + bXi + ui
DIFs # 7
UNIDAD O TEMA: REGRESION MULTIPLE
FECHA DE ENTREGA: Octava Semana de clases
X1t
100
200
300
400
500
X2t
10
25
30
35
50
R S
I D A
D E
Q U I N O
33
O L I V
I A
DIFs # 8
UNIDAD O TEMA: REGRESION MULTIPLE
FECHA DE ENTREGA: Dcima Primer Semana de Clases
1. Una empresa desea predecir el coste unitario de fabricacin de uno de sus productos la (Y)
como una funcin de la tasa de produccin (X1) y de los cotos de material y mano de obra (X 2).
La tasa de produccin se midi como un porcentaje de la capacidad total de produccin, y se
utilizo un ndice apropiado para reflejar los costos de material y de mano de obra. Los datos de
las variables mencionadas, que se adjuntan a continuacin se recogieron durante un periodo
continuado de 21 meses comprendido entre enero del 2000 y octubre del 2001.
Periodo
01:00
02:00
03.00
04.00
05.00
06:00
07:00
09:00
10:00
11:00
12:00
01:01
02:01
03:01
04:01
05:01
06:01
07:01
08:01
09:01
U N I V
R S
Y
13.59
15.71
15.97
20.21
24.64
21.25
18.94
15.18
16.3
15.93
16.45
19.02
18.16
18.57
17.01
18.03
19.22
21.12
23.32
22.56
I D A
D E
X1
87
78
81
65
51
62
70
94
100
102
82
74
85
86
90
93
81
72
60
69
Q U I N O
34
O L I V
X2
80
95
106
115
128
128
92
93
111
116
117
127
133
135
136
140
142
148
150
147
I A
10:01
23.9
71
149
El modelo que propone es el que recoge una relacin lineal entre las variables disponibles segn
la siguiente especificacin:
Yt = Bo + B1X1t + B2X2t
b)
En vista de los resultado del apartado anterior, predice el costo unitario de fabricacin
para Noviembre y Diciembre del 2001 teniendo en cuenta que los valores que tomaran las
variables explicativas en esos meses previsiblemente sern:
Periodo
11:01
12:01
X1
73
72
X2
151
150
X. VISITA TECNICA
U N I V
R S
I D A
D E
Q U I N O
35
O L I V
I A
OBJETIVOS DE LA ACTIVIDAD:
OBJETIVOS DE LA ACTIVIDAD:
U N I V
R S
I D A
D E
Q U I N O
36
O L I V
I A
OBJETIVOS DE LA ACTIVIDAD:
U N I V
R S
I D A
D E
Q U I N O
37
O L I V
I A