Вы находитесь на странице: 1из 14

INTRODUCCIÓN AL

ANÁLISIS ECONOMÉTRICO
Licenciatura en Derecho y
Administración de Empresas (DADE)

Eva Medina Moral


Profesora Ec. Aplicada
Universidad Autónoma de Madrid
eva.medina@uam.es

Febrero 2011
1. OBJETIVO DE LA ECONOMETRÍA

OBJETIVO: CUANTIFICAR RELACIONES

METODOLOGÍA: ANÁLISIS MULTIVARIANTE: Interpretación del parámetro


estimado bajo la condición “ceteris paribus”

EJEMPLO 1: estoy interesado en analizar un fenómeno


• Definición de la variable
• Causa vs. Correlación
• Dirección
• Forma funcional
• Necesidad de datos
• Necesidad de más variables explicativas

EJEMPLO 2: estoy interesado en analizar la relación sólo entre dos


variables

La ventaja del análisis de regresión múltiple es que nos deja hacer en los medios
no experimentales lo que los científicos naturales hacen en los entornos
controlados de laboratorio: conservar fijos otros factores (Wooldridge, pág. 75)
2. HERRAMIENTA DE LA ECONOMETRÍA

HERRAMIENTA: MODELO ECONOMÉTRICO

¿CÓMO SURGE?:

MODELO MODELO MODELO


ECONÓMICO MATEMÁTICO ECONOMÉTRICO
Perturbación aleatoria

DIFERENCIAS
CARÁCTER CARÁCTER
GENERALISTA ESPECÍFICO
2. HERRAMIENTA DE LA ECONOMETRÍA

HERRAMIENTA: MODELO ECONOMÉTRICO

¿CÓMO SURGE?:

MODELO MODELO MODELO


ECONÓMICO MATEMÁTICO ECONOMÉTRICO
Perturbación aleatoria

DIFERENCIAS

- Especificidad de las variables


CARÁCTER CARÁCTER
GENERALISTA - Más variables ESPECÍFICO
- Forma funcional
- Componente aleatorio
3. EL MODELO BÁSICO DE REGRESIÓN LINEAL
(MBRL): Expresión

MBRL (n datos y k variables explicativas)

Yi  1 * X 1i   2 * X 2i  ...   k * X ki  ui - Perturbación aleatoria

- Subíndices
Y1  1 * X 11   2 * X 21  ...   k * X k1  u1
- Parámetro:
Y2  1 * X 12   2 * X 22  ...   k * X k 2  u2 Interpretación:
Constante
... Signo
1 * X 1n   2 * X 2 n  ...   k * X kn  un
Cuantía
Yn  Constancia de los parámetros
4. ETAPAS EN LA CONSTRUCCIÓN DE UN MODELO
ECONOMÉTRICO
• Forma funcional
• Observaciones muestrales: temporal, transversal, panel
ESPECIFICACIÓN • Frecuencia de datos
• Variable a modelizar
• Variables causas explicativas: elección preliminar

• Obtención de la información estadística


ESTIMACIÓN
• Estimación de los parámetros

• Búsqueda de especificación correcta


VALIDACIÓN
• Realización de pruebas
• Interpretación inter-relacionada entre las pruebas

• Análisis estructural / Contrastación de hipótesis teóricas


UTILIZACIÓN
• Simulación / Predicción

La calidad de los resultados no es sólo una cuestión de la máquina


sino de quien la “pilota” y de cómo la “pilota”
4. ETAPAS: Obtención de información estadística

• Problemática en el proceso de búsqueda de información


estadística: desagregación, homogeneidad, actualidad, cantidad,
calidad, etc.

• Tipos de variables con información estadística


• Variables Cuantitativas
• Variables Cualitativas
• Proxy
• Ficticia:
• Temporal
• Intervalo
• Escalón
• Transversal
• Ordinal
• Nominal

• Tipos de datos
• Observaciones: temporales, transversales y panel
• Tratamiento: eliminación de tendencia, estacionalidad
• Transformaciones: Niveles, tasas de crecimiento y logaritmos
4. ETAPAS: Construcción de la base de datos

Años Individuos Variable 1 Variable 2 Variable 3


1990 1 Datos Datos Datos
1991 2 Datos Datos Datos
... ... Datos Datos Datos
2010 n Datos Datos Datos

ACTUALES
BASE DE
DATOS HOMOGÉNEOS

SUFICIENTES
4. ETAPAS: Estimación de los parámetros (1)

GRÁFICO DE DISPERSIÓN

200

180
Calorías por tercio de litro

160

140

120

100

80

60
2,5 3,5 4,5 5,5 6,5
Porcentaje de Alcohol
4. ETAPAS: Estimación de los parámetros (2)

RECTA DE AJUSTE

200
Calorías por tercio de litro

180
y = 39.543x - 43.332
160

140

120

100

80

60
2.5 3 3.5 4 4.5 5 5.5 6
Porcentaje de Alcohol
4. ETAPAS: Estimación de los parámetros (3)

EL MEJOR AJUSTE Y UN BUEN AJUSTE

200
12
Calorías por tercio de litro

y = 39,543x - 43,332 y = 0,5583x + 2,7297


180
R2 = 0,8502 10 R2 = 0,0133

Precio (Euros 33 cl)


160
8
140
6
120
4
100
2
80
0
60
2,5 3 3,5 4 4,5 5 5,5 6
2,5 3 3,5 4 4,5 5 5,5 6
Porcentaje de Alcohol % de alcohol
4. ETAPAS: Utilización

Salario actual = f (Salario inicial, antigüedad laboral, …)


 Análisis estructural: ¿qué variable es más relevante
para determinar el salario actual, antigüedad laboral o
el salario inicial?
 Contrastación de hipótesis teóricas: ¿la variable
salario inicial sirve para explicar el salario actual? Sí,
ya que el valor de su parámetro estimado siempre es
distinto de cero. ¿Es el salario actual el doble del
inicial?
 Predicción: sabiendo que un sujeto entró en la
empresa con un salario de 1000 euros, ¿cuál será su
salario actual?
 Simulación: ¿Cuál sería el salario actual de un sujeto
que hubiera entrado en la empresa con un salario de
1000 euros? ¿y si fuera de 500 euros?
5. TIPOS DE MODELOS ECONOMÉTRICOS

• Según el tipo de observaciones muestrales:


• Temporales: efecto tendencia
• Transversales: efecto tamaño
• Datos de panel

• Según el número de variables endógenas: uniecuacionales,


multiecuacionales

• Según la transformación de los datos que se realice: niveles,


tasas y logaritmos

• Según la forma funcional utilizada: lineales (modelo de regresión


lineal) y no lineales (modelo de regresión logística)

• Según el componente teórico en la especificación:


multiecuacionales, uniecuacionales, VAR, ARIMA
6. EJEMPLOS DE ESPECIFICACIÓN DE CASOS
REALES
MODELOS LINEALES:
• Una empresa de tasación quiere conocer los factores que determinan el precio
de una vivienda
• La libertad económica ¿favorece el desarrollo? Y en concreto ¿qué factores?
• ¿Hay competencia en el mercado laboral entre inmigrantes y nativos?
• La entrada de población inmigrante en nuestro país ¿ha incrementado la
probabilidad de trabajar de las nativas?
• El director del departamento de econometría quiere saber si la forma de valorar
de los profesores es homogénea.
MODELOS NO LINELAES:
• ¿Existe discriminación en el mercado laboral durante el periodo de crisis actual
según nacionalidad?
• RENFE quiere conocer que factores valora un cliente a la hora de elegir entre
usar el AVE u otro medio de transporte
• En el Ministerio de Educación se quiere valorar la efectividad, en términos de
inserción en el mercado laboral, de los recursos destinados a formación.