Introduccin

IntroduccinaalalaEconometra
Econometra
33dedeEconoma
Economa
Curso
2006-2007
Curso 2008-2009

Begoa lvarez Garca

Begoa lvarez Garca
Despacho 337
Despacho 337
Material del curso:
Material del curso:
http://webs.uvigo.es/alvarez
Plataforma TEMA http://faitic.uvigo.es

Science is Measurement
(William Thomson, Lord Kelvin)

1. Qu es la Econometra?
La Teora Econmica sugiere relaciones entre variables que, normalmente, tienen
implicaciones importantes en el diseo de polticas; pero rara vez sugiere cul es
la magnitud de los efectos causales entre esas variables.
Por ejemplo:
Cul es la elasticidad-precio de los cigarrillos?
Cul es el efecto de reducir el tamao de la clase en las notas de los
estudiantes?
Cul es el rendimiento, en trminos de salario, de un ao adicional de
educacin?
Si aumenta el tipo de inters en un 2% cunto variar la tasa de crecimiento del
PIB?
3

1. Qu es la Econometra?

La Teora Econmica trata de responder al POR QU?

La Econometra trata de dar respuestas a CUNTO?
Mensurabilidad es la palabra clave en la Econometra.

1. Qu es la Econometra?

La Econometra, como disciplina, surge en el 1 Encuentro de la

Econometric Society en Cleveland, Ohio (USA) en 1930, como una
iniciativa de economistas, matemticos y estadsticos muy relevantes:
Fisher, Schumpeter, Wiener, Frisch, etc.

Uno de los resultados de este encuentro fue la publicacin de la revista

Econometrica (1933) una de las ms (o la ms) prestigiosa en
investigacin econmica. En su primera edicin public algunas
definiciones para la Econometra:
studies that aim at a unification of theoretical-quantitative and the empiricalquantitative approach to economic problems [based on] rigorous thinking similar to
that which has come to dominate in the natural sciences

Pero , econometrics is by no means the same as economic statistics, [n]or general

economic theory, [n]or the application of mathematics to economics. It is the
unification of all three
5

1. Qu es la Econometra?

La Econometra consiste en la combinacin de mtodos estadsticos,

econmicos y datos para responder a preguntas sobre cuestiones
econmicas empricas.

Existen diferentes tipos de cuestiones empricas (y por tanto de

aplicaciones de Econometra). Algunos ejemplos son:

Estimacin de relaciones causales: funciones de demanda,

funciones de produccin, ecuaciones de salarios, etc.
Contraste de teoras econmicas: hiptesis de los modelos de
capital humano (relacin entre educacin e ingreso; salud e ingreso,
etc.).
Evaluacin de polticas gubernamentales: efecto sobre el empleo
de un aumento en el salario mnimo interprofesional;
Prediccin: predecir variables macroeconmicas como la inflacin, el
PIB, etc.
6

2. Para qu sirve?
PREDICCIN:

2. Para qu sirve?
ESTIMACIN DE RELACIONES CAUSALES:
Los impuestos sobre el consumo de alcohol salvan vidas?
Cook, Ostermann, and Sloan, NBER WP 11138, Febrero 2005
DATOS: Utilizan datos americanos estatales sobre tasas de mortalidad entre
1970-2000, consumo de alcohol agregado, tasas de impuestos sobre el alcohol,
etc.
RESULTADOS DEL ANLISIS ECONOMTRICO:
Duplicar el consumo de alcohol aumenta la mortalidad en un
23%

Eso implica que se pasara de 2.4 milliones de muertes por

ao a 2.9 millones.
Duplicar los impuestos sobre el alcohol reducira la mortalidad en
un 0.7%

Es decir, en USA, se salvaran 16.000 vidas por ao.

8

2. Para qu sirve?
CONTRASTE DE TEORAS ECONMICAS:
Efectos de la educacin: modelo de capital humano
Estimating the macroeconomic returns to education
A large body of empirical research has confirmed a positive link between education and
productivity. Better educated employees are generally more productive, and may raise
the productivity of coworkers..
Studies of the macroeconomic returns to education are methodologically diverse and
based on two broad theoretical approaches. The first, a neo-classical approach, models
the relationship between the stock of education and the long-run level of GDP. Most
studies follow this tradition. A second approach derives from new-growth theory and
models the relationship between the stock of education and the rate of growth of GDP.
Whether increases in the stock of education primarily affect the level of output, or its
growth rate, is still unclear. Concerning the magnitude of the returns, the available
studies indicate that in the neo-classical

models a one-year increase

in average education raises the level of output per capita by

between 3 and 6%. Studies of the new-growth variety find
that the same increase in average education raises the rate of
growth of output by around 1%.

OCDE, 2004.

2. Para qu sirve?
EVALUACIN DE POLTICAS
Evaluacin del Programa Hogares Comunitarios en Colombia
Attanasio, O. and M. Vera-Hernndez, IFS 2006
DATOS: Analizan el efecto que tiene sobre la altura y peso del nio y sobre la
participacin laboral de las madres la asistencia a hogares comunitarios (madres
de la comunidad que cuidan a nios y adems les dan un suplemento nutritivo).
RESULTADOS DEL ANLISIS ECONOMTRICO:

La asistencia a un hogar comunitario aumenta la altura del

nio en 2cm, si el resto de factores que explican la altura se
mantiene constante.
La asistencia al Hogar Comunitario aumenta la oferta laboral
de las madres en 71.7 horas por mes.
10

2. Para qu sirve?

La Econometra es importante en prcticamente todas las ramas de la

economa aplicada: laboral, salud, industrial, macroeconoma, desarrollo,
internacional, marketing, finanzas, etc.

Hay dos caractersticas que distinguen la Econometra de lo que sera la

estadstica aplicada a la economa

Los datos econmicos son no experimentales.

No podemos clasificar a los individuos o las empresas como si fueran
grupos experimentales y grupos de control. Los individuos son
libres y se auto-seleccionan en grupos (nivel educativo, ocupacin,
etc. ). Precisamente la Econometra tiene en cuenta esta circunstancia,
es decir tiene en cuenta el comportamiento del individuo, sus
decisiones.
Los modelos econmicos (simples o sofisticados) son cruciales para
interpretar los resultados estadsticos en las aplicaciones
economtricas.
11

3. Qu aprenderis?
En los cursos de Econometra de la licenciatura:
Aprenderis mtodos para estimar efectos causales a partir de datos
observacionales
Aprenderis herramientas que pueden ser utilizadas para otros objetivos,
como la prediccin.
Pondremos especial nfasis en las aplicaciones, pero la teora es necesaria
para entender el porqu de los mtodos.
Aprenderis a producir (hacer los anlisis economtricos) y a consumir
(evaluar el trabajo de otros).

12

There are two things you are better off not watching in the
making: sausages and econometric estimates.
-Edward Leamer

If you torture the data long enough, Nature will confess.

-Ronald Coase

The four golden rules of econometrics:

1.Think brilliantly,
2.Be infinitely creative,
3.Be outstandingly lucky,
4.Otherwise, stick to being a theorist
-David Hendry-

13

4. Etapas del anlisis economtrico

Es importante tener en cuenta que el proceso de investigacin en

econometra aplicada no es lineal sino que sigue bucles. Es decir, la
pregunta orginal y el modelo, e incluso la recogida de datos (ejemplo:
bsqueda de informacin o variables adicionales) puede modificarse
despus de una visin preliminar de los resultados economtricos.

Una vez que tenemos esto en cuenta, podemos describir las siguientes
etapas en la investigacin economtrica:
1.
2.
3.
4.
5.

Formulacin de la pregunta que queremos responder

Construccin del modelo econmico que la responde.
Especificacin del modelo economtrico: qu datos necesitamos?
Recogida o bsqueda de datos.
Estimacin, validacin, contrastes de hiptesis y prediccin.
14

Ejemplo: Un modelo econmico del crimen

1. Pregunta emprica
Qu tipo de polticas son ms eficaces para reducir un tipo de crimen
particular: las que aumentan la probabilidad de capturar al criminal o las
que aumentan el castigo?
2. Modelo econmico del comportamiento criminal
Necesitamos un modelo que explique cules son los factores/variables
principales que determinan la decisin de un individuo de involucrarse en
una actividad criminal.

Becker (JPE, 1968) modela el comportamiento criminal como si fuera una

eleccin de ocupacin. De manera que las variables que afectan a las a las
ganancias netas (ingresos menos costes) en las ocupaciones criminales y no
criminales son variables explicativas relevantes.

Este puede ser un tipo de modelo apropiado para ciertos tipos de crmenes,
pero no para otros
15

Ejemplo: Un modelo econmico del crimen

De acuerdo con este modelo, la cantidad de tiempo dedicado a la actividad

criminal es una funcin de las siguientes variables
h = f(wage, wcrime, inc, pcaught, pconv, esent, age)

donde:
h
wage
wcrime
inc
pcaught
pconv
esent
age

= horas dedicadas a la actividad criminal

= salario por hora en el mercado de trabajo
= salario por hora en el sector criminal
= renta no salarial
= probabilidad de ser capturado
= probabilidad de ser declarado culpable si es capturado
= pena esperada en caso de ser declarado culpable
= edad
16

Ejemplo: Un modelo econmico del crimen

3. Especificacin del modelo economtrico

Qu tipo de datos? individuales, agregados a nivel de provincia, CCAA,

pas? corte transversal, series temporales, panel?
Qu variables podemos observar y cules no?
Cul es la forma funcional de f(.)?

hc = 0 + 1 wagec + 2 incc + 3 freqac + 4 freqcc + 5 avgsc + uc

Supongamos que tenemos datos para un ao correspondientes a ciudades
espaolas. El subndice c denota la ciudad: Madrid es c=1, Barcelona es c=2,
Sevilla es c=3, etc.
Los s son parmetros que debemos estimar. Suponemos una relacin lineal.
u representa variables inobservables para el econmetra, ej.: el salario por hora
en el sector criminal, entre otras.

17

Ejemplo: Un modelo econmico del crimen

3. Especificacin del modelo economtrico (continuacin)

El componente inobservable (o trmino de error o perturbacin) u, es uno de los

componentes ms importantes del anlisis economtrico.

Imponer ciertas condiciones sobre las propiedades estadsticas del trmino de

error es crucial para garantizar las buenas propiedades de los estimadores de
nuestros parmetros de inters.

Con ciertas limitaciones, podremos contrastar si se cumplen esas condiciones.

Sin embargo, la interpretacin econmica del trmino de error (es decir, de
cules son los factores que lo componen) es muy importante para interpretar los
resultados de nuestra estimacin.

Dado nuestro modelo economtrico, podemos tambin contrastar diversas

hiptesis y cuestiones empricas relacionadas con el valor de los parmetros
desconocidos. Por ejemplo:

3 < 0 , 4 < 0 , 3 < 4

18

5. Tipos de datos

Existen diferentes tipos de datos. Cada uno tiene sus ventajas, sus
inconvenientes y sus caractersticas particulares.
Algunos mtodos economtricos pueden ser vlidos con unos tipos de
datos, pero con otros no.

19

5. Tipos de datos
5. 1 Corte transversal o seccin cruzada
Consiste en datos referidos a individuos, hogares, empresas, ciudades
. que se observan en momento de tiempo dado.
Normalmente suponemos que esos datos se obtienen por muestreo
aleatorio.
En ocasiones, la muestra no es aleatoria: problemas de seleccin,
correlacin espacial, muestras estratificadas, etc.

20

5. Tipos de datos
Ejemplo de datos de corte transversal:
obsno

wage

educ

exper

female

married

3,10

11

3.24

12

22

3.00

11

499

11.56

16

500

3.50

14

0
21

5. Tipos de datos
5.2 Series temporales
Una serie temporal consiste en observaciones de una variable o de
varias variables a lo largo de varios periodos de tiempo (das, semanas,
meses, aos)
Una de las caractersticas fundamentales de las series temporales es que
estn correlacionadas a lo largo del tiempo. Es decir, no constituyen una
muestra aleatoria.
Esta correlacin condiciona mucho el tipo de estimacin y de contrastes
economtricos que pueden realizarse.

22

5. Tipos de datos
Ejemplo de series temporales:
obsno

year

month

Exchange
rate

Interest
rate

1990

1.32

7.35

1990

1.30

7.30

1990

1.29

7.32

191

2005

11

1.11

4.26

192

2005

12

1.10

4.31
23

5. Tipos de datos
5.3 Datos fusionados de secciones cruzadas (pooled cross-sections)

Suponed que tenemos una secuencia de datos de corte transversal, con

las mismas variables pero correspondientes a poblaciones entrevistadas
en diferentes aos 1990, 1991, 1992, y 2005. A esto se le denomina
datos fusionados de secciones cruzadas.

Estos datos son tiles si queremos analizar la evolucin a lo largo del

tiempo de la distribucin de ciertas variables como los salarios, la renta
de los hogares, etc.

Es importante tener en cuenta que en este tipo de datos no se tiene

informacin de los mismos individuos a lo largo del tiempo. En cada
periodo, tenemos una nueva muestra de individuos.
24

5. Tipos de datos
5.4 Datos de panel o datos longitudinales
En este caso, observamos a un grupo de individos (personas, hogares,
empresas) en diferentes momentos del tiempo. Es decir, tenemos series
temporales para cada individuo de la muestra.
Por tanto, en este tipo de datos seguimos a los mismos individuos a lo
largo del tiempo.
Esta caracterstica hace que este tipo de datos tenga diversas ventajas
sobre los otros.

25

5. Tipos de datos
Ejemplo de datos de panel: datos de 150 ciudades en 2 aos
obsno

city

Year

murders

population

police

1999

350,000

440

2000

359,200

471

1999

64.300

75

2000

65,100

75

299

150

1999

25

543,000

520

300

150

2000

32

546,200

493
26

Programa de la asignatura

27

Es importante manejar con soltura los conceptos

estadsticos impartidos en las asignaturas Estadstica I y
Estadstica II . Tambin se requieren conocimientos de
Matemticas y Teora Econmica.

28

TEMA 1: INTRODUCCIN
Qu es la Econometra?
Para qu sirve?
Qu aprenderis?
Etapas de la modelizacin.
Tipos de datos.
TEMA 2: REPASO DE CONCEPTOS ESTADSTICOS
Variables aleatorias discretas y continuas.
Distribucin de probabilidad de una variable aleatoria.
Esperanza de una variable aleatoria.
Esperanza de una funcin de variables aleatorias.
Propiedades de la esperanza.
Varianza poblacional y varianza muestral.
Propiedades de la varianza.
Independencia de dos variables aleatorias.
Estimadores y sus propiedades: insesgadez; eficiencia; consistencia.
Coeficiente de correlacin.
29

TEMA 3: MODELO DE REGRESIN LINEAL SIMPLE

Formulacin del modelo.
Hiptesis bsicas.
Estimacin de los coeficientes de regresin.
Propiedades de los coeficientes de regresin.
Teorema de Gauss-Markov.
TEMA 4: MODELO DE REGRESIN LINEAL MLTIPLE
Justificacin del modelo con muchas variables explicativas
Hiptesis del modelo
Funcionamiento e interpretacin de mnimos cuadrados ordinarios.
Coeficiente de determinacin R2
TEMA 5: CONTRASTES SOBRE RESTRICCIONES LINEALES EN EL
MODELO DE REGRESIN MLTIPLE
Contrastes t de hiptesis sobre los parmetros del modelo de regresin.
Contrastes sobre combinaciones lineales de parmetros.
Contraste F de bondad de ajuste.
30

TEMA 6: VARIABLES ARTIFICIALES

Descripcin de las variables artificiales y obtencin de las mismas a partir de
variables continuas.
Variables artificiales para especificar cambios en el trmino constante.
Efectos interactivos de las variables artificiales y otros regresores del modelo.
Interpretacin de los coeficientes en una regresin con variables artificiales.
Contrastes de estabilidad basados en variables artificiales y contraste de Chow.
TEMA 7: PROBLEMAS DE ESPECIFICACIN Y PROBLEMAS CON LOS
DATOS
Problema de variables omitidas.
Problema de variables irrelevantes.
Multicolinealidad.
Datos influyentes.

31

BIBLIOGRAFA BSICA
- Dougherty, C. (2002) Introduction to econometrics (2 ed.). Oxford University
Press. London
- Goldberger, A.S. (2001). Introduccin a la Econometra. Ariel Economa, Madrid.
- Gujarati, D. (2004). Econometra (4 ed.). McGraw-Hill. Mxico.
(**) Wooldridge, J.M. (2006 ). Introduccin a la Econometra: Un enfoque
moderno (2 edicin). Thomson Paraninfo. Madrid.
BIBLIOGRAFA COMPLEMENTARIA
- Carrascal, U., Y. Gonzlez y B. Rodrguez (2001). Anlisis Economtrico con
Eviews, Ra-Ma.
- Pena, J.B. y otros (1999). Cien ejercicios de Econometra. Editorial Pirmide,
- Prez, C. (2006). Problemas resueltos de Econometra. Thomson Paraninfo.
Madrid.
32