Download
1 / 14
140 likes | 365 Views
Econometra. Se pueden distinguir dos tipos de modelos: Clsicos: una serie de variables exgenas son utilizadas para explicar el comportamiento de una variable llamada endgena. Como perfeccionamiento de estos modelos se utilizan los M.C.E. Modelos de Series Temporales: utilizan como variable exp
E N D
1. Econometría
2. Econometría Se pueden distinguir dos tipos de modelos:
Clásicos: una serie de variables exógenas son utilizadas para explicar el comportamiento de una variable llamada endógena. Como perfeccionamiento de estos modelos se utilizan los M.C.E.
Modelos de Series Temporales: utilizan como variable explicativa el pasado de la serie en estudio. Los modelos multivariantes unen causalidad y el análisis puro del pasado de la serie.
3. Origen y Evolución de la Econometría En 1926 Ragnar Frisch introdujo el término Econometría para denominar a esta nueva disciplina que surge en el campo de la ciencia económica. Se constituye de estudios de la teoría económica, la estadística y la matemática.
La etapa pre-econométrica se inicia en el siglo XVII con W. Petty. Se considera como aquella en la que la estadística y la economía evolucionaron al sentar las bases de soporte de la econometría. En esta época se descatan: K.Gauss, William S. Gosset, Irving Fisher, entre otros.
4. Etapas de aportaciones básicas: se caracteriza por el estudio de los principales problemas econométricos, tales como la identificación y estimación de ecuaciones simultáneas, autocorrelación de las perturbaciones y la multicolinealidad de los regresores. En la década de 1960 se efectúan aplicaciones prácticas a modelos de demanda, producción e inversión, y se desarrollan los principales modelos macroeconométricos de enfoque keynesiano. En 1970, se incorpora la metodología ARIMA. En 1980 y 1990 se destacan las contribuciones metodológicas relativas a los contrastes de especificación y evaluación de los modelos, avances en la metodología de los modelos dinámicos, entre otros.
5. Econometría Concepto: la econometría se puede definir como una disciplina científica que tiene por objeto la explicación y la predicción de los fenómenos económicos, mediante el uso de modelos expresados en forma matemática y la utilización de métodos estadísticos de estimación y contraste.
6. Econometría Las faces de elaboración de un modelo econométrico difieren según se trate de un modelo causal o de un modelo de predicción univariante. Sin embargo, ambas clases de modelo comprenden una primera fase de estimación de varias especificaciones alternativas, una segunda fase en la que se efectúan una serie de contrastes estadísticos con objeto de seleccionar la más apropiada, y una tercera fase de aplicación del modelo seleccionado para la predicción y/o contraste de hipótesis económicas.
7. Econometría Si el objeto de un estudio econométrico es conocer las causas que determinan la evolución de una variable, se expresará una relación matemática entre la variable explicada por el modelo y las variables que podrían explicar su comportamiento. Luego se recopilan datos estadísticos de las variables. Por medio de los métodos econométricos se estimarán los valores desconocidos de los parámetros y se efectuarán los contrastes respecto a la validez del modelo, lo que permitirá seleccionar las variables explicativas que manifiestan una mayor incidencia sobre la variable explicada. Una vez estimado el modelo apropiado, se podrá utilizar para predecir el comportamiento futuro de la variable cuya evolución estamos analizando.
8. Herramienta Fundamental de la Econometría La herramienta fundamental de la econometría es el análisis de regresión matemática. Sus orígenes se remontan a 1886 con las investigaciones de Francis Garton.
Según Gujarati: el análisis de regresión está relacionado con el estudio de la dependencia de una variable, llamada variable dependiente, con una o más variables adicionales, llamadas independientes, con la perspectiva de estimar el valor medio o promedio de la primera en términos conocidos de las segundas.
9. Dado que es improbable establecer la totalidad de las variables independientes, así como de especificar en forma perfecta la relación entre ambas, se debe agregar e esa relación un término que exprese esa deficiencia, el que recibe el nombre de término de perturbación o término de error estocástico.
La relación se expresa:
Y = f(X) + e Ecuación de regresión de Y sobre X
10. Análisis de Regresión Matemática Consideraciones especiales:
La relación causa-efecto debe tener su origen en la teoría económica, si no es así, y se cumple la relación de dependencia, ello no es válido para asumir una relación de causalidad.
El análisis de regresión no se debe confundir con el de correlación, el que mide el grado de relación lineal entre las variables, en cambio, el de regresión, mide relaciones de causalidad. El análisis de correlación supone que todas las variables son aleatorias, en cambio, cuando se regresiona, se supone que las variables explicativas son fijas en muestreos repetidos.
11. Análisis de Regresión Matemática Para determinar la ecuación de regresión que nos permita expresar la función anteriormente expuesta, existen varias técnicas matemáticas-estadísticas como: Método de mínimos cuadrados ordinarios (MCO), Método de máxima verosimilitud (MVS), entre otros.
12. Econometría La econometría ha experimentado un gran desarrollo en las últimas décadas, tanto en su metodología como en sus aplicaciones. Algunos factores son:
Aumento de la disponibilidad de datos estadísticos
Generalización del uso de ordenadores y avances en programas informáticos destinados a problemas econométricos
La internacionalización e innovaciones, aumentan la competitividad, impulsando a las empresas a basar sus decisiones en estudios cuantitativos.
13. Modelos Econométricos Tratan de explicar el comportamiento de una o más variables en función de la evolución de otras variables que se consideran explicativas.
Variables endógenas: variables explicadas por el modelo.
Variables predeterminadas: variables explicativas del modelo. Se dividen en dos:
Variables endógenas retardadas: no son explicadas por el modelo en el momento t, pero han sido explicadas anteriormente.
Variables exógenas: no son explicadas por el modelo en ningún momento del tiempo.
15. Modelos Econométricos y Relaciones Causales La existencia de una relación causal importante entre dos variables implica la existencia de un elevado grado de correlación entre ellas, pero lo recíproco no es cierto, ya que puede existir una elevada correlación estadística debida a la casualidad, o porque existe un nexo entre ambas variables, a través de una tercera variable con la que ambas están relacionadas, sin que necesariamente exista una relación causal entre ellas. Si la relación existente entre dos variables no se debe a la casualidad ni a la relación con una tercera variable, entonces existe una relación causa. El análisis de causalidad es complicado, ya que es difícil precisar el sentido de la causalidad.
