Universidad Nacional de Huancavelica-Econometra II

Ensayo sobre Tcnicas Economtricas: Mnimos Cuadrados; y su importancia para la planificacin

Felix Jhonatan Gonzales Flores

Introduccin.

En el presente ensayo se llevara a cabo un estudio, lo ms completo posible, acerca de las diversas
tcnicas del modelo de mnimos cuadrados, los cuales son utilizados como mtodos de estimacin
en la vida cotidiana, ya sea en empresas privadas o a nivel gubernamental. Para ello, hemos
intentado recopilar toda la informacin posible de mnimos cuadrados y hemos tratado de
interpretar sus parmetros y a su vez exponer los mtodos de estimacin oportunos y las
implicaciones de su anlisis inferencial.

Segn William Petty, la Econometra es una rama de la Economa que aglutina a la Teora
Econmica, las Matemticas, la Estadstica y la Informtica para estudiar y analizar fenmenos
econmicos. Puede decirse que constituye en s misma una disciplina dentro de la Economa y a
la vez una potente herramienta que tanto los economistas como otros muchos investigadores
sociales utilizan para el estudio de sus problemas concretos, he de aqu la importancia del uso de
los diversos mtodos de estimacin.

Como ya sabemos uno de los puntos determinantes en la econometra se basa en el procesamiento

estadstico y para ello los mtodos de Mnimos Cuadrados permite encontrar los Mejores
Estimadores Insesgados, estos mtodos presentan muchas ventajas en cuanto a lo fcil de su uso
y por lo adecuado del planteamiento estadstico matemtico que permite adecuarse a los supuestos
para los modelos economtricos.
Los progresos de la ciencia econmica han producido un notable desarrollo de las tcnicas
economtricas y de su uso en el anlisis econmico. La econometra se ha convertido en una
herramienta de aplicacin generalizada para la toma de decisiones. Entonces surge una
interrogante, La necesidad de contar con estimaciones radica en su importancia para la
planificacin de diferentes actividades de un pas?, hasta qu punto los modelos economtricos
ayudan a explicar o interpretar determinado problema o fenmeno econmico?

Puntos Crticos:

Como mencionan Gujarati y Porter, el problema de estimacin es ms bien complejo porque hay
una diversidad de tcnicas de estimacin con propiedades estadsticas diversas. Estos mtodos
surgen a partir de la bsqueda de soluciones alternativas cuando se viola el supuesto de no
aleatoriedad en las variables explicativas y, a su vez, de la no existencia de correlacin igual a cero
entre ellas y las perturbaciones.

Ahora bien, al igual que Gujarati y Porter solo haremos mencin a los mtodos de estimacin
uniecuacionales o de informacin limitada. En estos mtodos, se estima cada ecuacin
separadamente, utilizando slo la informacin sobre los coeficientes contenida en dicha ecuacin.
Dentro de los mtodos uniecuacionales tenemos diversos mtodos de mnimos cuadrados.

En cuanto a los Mnimos Cuadrados Ordinarios (MCO), los estimadores que surgen de aplicar el
mtodo no son estables. Sin embargo, este mtodo es ms firme frente a los errores de explicacin
que otros mtodos, y adems las predicciones de modelos estimados por l pueden ser mejores
que las correspondientes a modelos estimados por mtodos de ecuaciones simultneas, por lo que
puede resultar conveniente presentar estimaciones MCO de las ecuaciones estructurales junto a las
de otros mtodos como referencia o norma de comparacin.

Igualmente, los Mnimos Cuadrados Indirectos (MCI), consisten en estimar por MCO los
coeficientes de la forma reducida y luego recuperar los estimadores de los parmetros de la forma
estructural va un sistema de ecuaciones. Slo es aplicable cuando las ecuaciones del modelo estn
exactamente identificadas, ya que slo en ste caso se puede obtener valores nicos para los
coeficientes de la forma reducida. Los estimadores de los parmetros as obtenidos heredan todas
las propiedades asintticas de los estimadores de la forma reducida, asegurndonos as de que sean
consistentes.

Por ltimo, los Mnimos Cuadrados en Dos Etapas (MC2E), Son tiles para modelos cuyas
ecuaciones estn sobre identificadas, ya que presenta una forma de ponderar las soluciones
mltiples. La idea bsica que subyace en el mtodo es la de reemplazar las variables endgenas,
que estn correlacionadas con las perturbaciones, por funciones lineales de variables exgenas; as,
ya que estas variables no presentan correlacin con dichas perturbaciones, las estimaciones de los
parmetros que conseguiremos sern consistentes. Se elige cada funcin lineal de manera que est
lo ms altamente correlacionada posible con la variable endgena que reemplaza. Entonces, se
puede decir que, ste mtodo es una aplicacin particular del mtodo de las variables
instrumentales que busca reemplazar los represores por variables altamente correlacionados con
ellos y escasamente con los trminos de perturbacin.

La necesidad de contar con estimaciones radica en su importancia para la planificacin de

diferentes actividades de un pas? En los ltimos tiempos, la planificacin econmica ha tenido
un notable progreso. La necesidad de lograr un crecimiento armnico en los pases
econmicamente atrasados (Como es el caso del Per) es universalmente aceptada, y se han hecho
y se hacen esfuerzos para desarrollar tcnicas que permitan planificar el proceso y seguir su
desenvolvimiento. El desarrollo econmico puede tener lugar ms rpidamente y con ms
eficiencia, si se emplean las tcnicas adecuadas como son los mnimos cuadrados. La econometra
y los modelos economtricos, al combinar los mtodos matemticos, la estadstica y la teora
econmica, permiten desarrollar tcnicas de anlisis y prediccin que pueden ser utilizadas como
notable ayuda para las decisiones a tomarse dentro del proceso de planificacin. Hasta qu punto
los modelos economtricos ayudan a explicar o interpretar determinado problema o fenmeno
econmico? La respuesta a esta pregunta tiene que ver con el grado de sofisticacin que los
modelos econmicos y economtricos han ido adquiriendo en las ltimas dcadas, ya que como
ya se mencion, los progresos de la ciencia econmica han producido un notable desarrollo de las
tcnicas economtricas, es por ello que hoy en da, se cuenta con una variedad de tcnicas, dentro
de las ms populares, los ya mencionados Mnimos Cuadrados.
Conclusin

El presente trabajo ha pretendido ofrecer una visin, ms o menos, amplia acerca de las diversas
formas funcionales que pueden adoptar los modelos de regresin, destacando la importancia de
los modelos de mnimos cuadrados, tan presentes en la Economa. As mismo, se ha hecho
necesario el anlisis de la importancia de dichas tcnicas para planificar el proceso del desarrollo
de un pas.

En este trabajo se han descrito diferentes tcnicas que se engloban dentro del mtodo Mnimos
Cuadrados. El anlisis predictivo de datos es muy til para estudiar y ajustar de manera eficiente el
comportamiento de un sistema dinmico a partir de las medidas discretas de sus variables. Por
tanto, el objetivo principal de un modelo de regresin generado a partir de un anlisis predictivo
es obtener una ecuacin matemtica que nos permita "predecir" con el mnimo error posible el
valor de una variable dependiente. Dicha ecuacin servir como modelo o funcin de
aproximacin para la prediccin de futuras observaciones.

Referencias bibliogrficas.

WOOLDRIDGE, J. Econometrics Analisis Of Cross Sections and Pnale Data. 2002. The
MIT Press.
GUJARATI, Damodar : Econometra-Quinta Edicin. Ed. McGraw-Hill. 1991.