ALBERTO MUOZ CABANES

(Profesor Asociado Economa Aplicada. UNED)

FRANCISCO PARRA RODRGUEZ
(Jefe de Servicio. Estadsticas Econmicas y Sociodemogrficas. ICANE)
ECONOMETRA
APLICADA
EDICIONES ACADMICAS,
Reservados todos los derechos.
Ni la totalidad ni parte de este libro puede reproducirse o transmitirse por
ningn procedimiento electrnico o mecnico, incluyendo fotocopia, gra-
bacin magntica, o cualquier almacenamiento de informacin y sistema
de recuperacin, sin permiso escrito de Ediciones Acadmicas, S. A.
Alberto Muoz Cabanes y Francisco Parra Rodrguez
EDICIONES ACADMICAS, S. A.
Bascuuelos, 13 - P - 28021 Madrid
ISBN: 978-84-96062-94-8
Depsito legal: M-46384-2009
Impreso por: Campillo Nevado S. A.
Antonio Gonzlez Porras 35-37. 28019 (Madrid)
Impreso en Espaa - Printed in Spain
13
13
17
19
21
21
22
23
25
25
25
30
34
34
37
38
40
43
43
44
46
53
57
57
NDICE
Captulo 1. LA ECONOMETRA: HISTORIA Y METODOLOGA ...............................
1.1. Los orgenes de la econometra .........................................
1.2. Los modelos economtricos ...............................................
1.3. La metodologa economtrica ............................................
1.4. Algunos modelos economtricos de inters .......................
1.4.1. Modelo Wharton-UAM .........................................
1.4.2. Modelo Moisees ....................................................
1.4.3. Otros modelos macroeconomtricos .....................
Captulo 2. EL MODELO LINEAL GENERAL ........................................................
2.1. Introduccin .......................................................................
2.2. Regresin lineal simple. El mtodo de los mnimos cua-
drados ordinarios ................................................................
2.3. Regresin lineal mltiple ...................................................
2.4. Coeficientes de determinacin y correlacin parcial .........
2.4.1. Coeficiente de determinacin ................................
2.4.2. Coeficiente de correlacin parcial .........................
2.5. Inferencia acerca de los estimadores .................................
2.5.1. Intervalos de confianza .........................................
2.5.2. Contrastes de hiptesis ..........................................
2.6. Prediccin en el modelo de regresin ................................
2.7. Estimacin de un modelo de modelos no lineales por mi-
nimos cuadrados ordinarios ...............................................
2.8. Estimacin de un modelo de regresin lineal con Excel ...
2.9. Problemas ...........................................................................
Captulo 3. EXTENSIONES AL MODELO DE REGRESIN LINEAL ...........................
3.1. Introduccin .......................................................................
8 NDICE
59
59
60
62
63
63
66
68
69
70
71
71
73
79
85
85
86
86
87
89
90
93
95
95
103
108
109
111
115
118
123
123
3.2. Heteroscedasticidad ...........................................................
3.2.1. Test de Bartlett ......................................................
3.2.2. Contraste de Goldfeld-Quant ................................
3.2.3. Contraste de White ................................................
3.3 Autocorrelacin .................................................................
3.3.1 Contraste de Durbin-Watson .................................
3.4. Deficiencias muestrales: multicolinealidad .......................
3.5. Errores de especificacin ...................................................
3.5.1. Omisin de una variable relevante ........................
3.5.2. Inclusin de una variable innecesaria ...................
3.5.3. Especificacin funcional incorrecta ......................
3.5.4. Contraste de errores de especificacin ..................
3.6. Mnimos cuadrados generalizados .....................................
3.7. Problemas ...........................................................................
Captulo 4. MODELOS CON ERRORES EN LAS VARIABLES ...................................
4.1. Introduccin .......................................................................
4.2. Tipos de errores de medida ................................................
4.2.1. Errores de medida en la variable endgena ..........
4.2.2. Errores de medida en la variable exgena .............
4.3. Estimacin de modelos con errores en las variables ..........
4.4. Aplicacin prctica ............................................................
4.5. Problemas ...........................................................................
Captulo 5. MODELOS CON VARIABLES CUALITATIVAS .......................................
5.1. Modelos con variables cuantitativas y cualitativas como
regresores ...........................................................................
5.2. El empleo de variables cualitativas para el tratamiento de la
estacionalidad .....................................................................
5.3. Aplicaciones de las variables cualitativas a la regresin por
tramos .................................................................................
5.4. El modelo probabilstico lineal ..........................................
5.5. El modelo Logit .................................................................
5.6. El modelo Probit ................................................................
5.7. Problemas ...........................................................................
Captulo 6. MODELOS CON DATOS DE PANEL ....................................................
6.1. Introduccin .......................................................................
NDICE 9
124
126
128
130
131
132
137
139
139
140
143
148
150
153
155
155
155
157
160
162
165
167
170
175
177
180
186
6.2. Especificacin general de un modelo de datos de panel ....
6.3. Ventajas y desventajas de los modelos de datos de panel ..
6.4. Modelo de efectos fijos ......................................................
6.5. Modelo de efectos aleatorios .............................................
6.6. Eleccin de modelo de efectos o efectos aleatorios ...........
6.7. Ejemplo prctico ................................................................
6.8. Problemas ...........................................................................
Captulo 7. MODELOS DE ECUACIONES SIMULTNEAS .......................................
7.1. Introduccin .......................................................................
7.2. Forma estructural y reducida .............................................
7.3. Deteccin de la simultaneidad. Prueba de Hausman .........
7.4. Identificacin del sistema ..................................................
7.4.1. Condiciones de orden y rango en la identificacin ..
7.5. Problemas ...........................................................................
Captulo 8. MTODOS DE ESTIMACIN DE MODELOS DE ECUACIONES SIMUL-
TNEAS .........................................................................................
8.1. Introduccin .......................................................................
8.2. Mnimos cuadrados indirectos (MCI) ................................
8.2.1. Estimacin de curvas de oferta y demanda por
MCI .......................................................................
8.2.2. Estimacin de Haavelmo de la propensin margi-
nal al consumo por MCI ........................................
8.3. Variables instrumentales (VI) ............................................
8.3.1. Estimacin una funcin keynesiana de consumo
por VI ....................................................................
8.4. Mnimos cuadrados en dos etapas (MC2E) .......................
8.4.1. Estimacin de un modelo de gastos e ingresos por
MC2E ....................................................................
8.5. Modelos recursivos ............................................................
8.5.1. Estimacin de un modelo recursivo de determina-
cin de precios y salarios ......................................
8.6. Ejemplo prctico: estimacin de un modelo exactamente
identificado por MCI, VI y MC2E .....................................
8.7. Problemas ...........................................................................
10 NDICE
189
189
189
190
190
191
195
195
196
196
198
200
202
202
204
205
206
207
208
211
211
221
221
223
224
227
229
229
236
248
Captulo 9. ANLISIS UNIVARIANTE DE SERIES TEMPORALES .............................
9.1. Introduccin .......................................................................
9.2. Definiciones .......................................................................
9.2.1. Serie temporal .......................................................
9.2.2. Proceso estocstico ...............................................
9.2.3. Proceso estacionario ..............................................
9.2.4. Operador de retardos y operador diferencia ..........
9.3. Modelizacin univariante de series temporales .................
9.3.1. Modelos autorregresivos (AR( p)) .........................
9.3.1.1. Modelos autorregresivos de primer or-
den AR(1) ..............................................
9.3.1.2. Modelos autorregresivos de segundo or-
den AR(2) ..............................................
9.3.1.3. Modelos autorregresivos de orden p,
AR( p) .....................................................
9.3.2. Procesos de media mvil (MA(q)) ........................
9.3.2.1. Modelos de medias mviles de primer
orden MA(1) ..........................................
9.3.2.2. Modelos de medias mviles de segundo
orden MA(2) ..........................................
9.3.2.3. Modelos de medias mviles de orden q,
MA(q) ....................................................
9.3.2.4. Relacin entre procesos AR y MA ........
9.3.3. Procesos ARMA(p, q) ...........................................
9.3.3.1. Modelos arma(1, 1) ...............................
9.3.3.2. Modelos arima .......................................
9.3.4. Procesos estacionales ............................................
9.4. Fases para la elaboracin de modelos univariantes ...........
9.4.1. Fase de identificacin ............................................
9.4.2. Fase de estimacin ................................................
9.4.3. Fase de validacin .................................................
9.4.4. Fase de prediccin .................................................
9.5. Ejemplos prcticos .............................................................
9.5.1. Ejemplo 1: nmero de usuarios conectados a ser-
vidor de Internet por minuto .................................
9.5.2. Ejemplo 2: pasajeros de lneas areas ...................
9.6. Problemas ...........................................................................
NDICE 11
255
255
256
256
259
260
264
267
269
269
270
271
274
276
281
283
295
303
Captulo 10. MODELOS VAR
10.1. Introduccin .....................................................................
10.2. Modelos VAR ..................................................................
10.2.1. Definicin .........................................................
10.2.2. Estimacin ........................................................
10.2.3. Prediccin y funcin de respuesta al impulso ...
10.3. VAR estructural ................................................................
10.4. Problemas .........................................................................
Captulo 11. MTODOS DE ESTIMACIN NO LINEALES .........................................
11.1. Introduccin .....................................................................
11.2. Mnimos cuadrados no lineales ........................................
11.2.1. Algoritmo de Newton-Raphson ........................
11.3. El estimador de mxima verosimilitud ............................
11.4. Aproximacin lineal de Taylor ........................................
11.5. Problemas .........................................................................
Anexo II. NOCIONES DE LGEBRA MATRICIAL ....................................................
Anexo II. TABLAS ESTADSTICAS .......................................................................
BIBLIOGRAFA .....................................................................................................
Captulo 1
LA ECONOMETRA: HISTORIA Y METODOLOGA
1.1. LOS ORGENES DE LA ECONOMETRIA
La Econometra es una disciplina independiente de la Estadstica mediante la que
se trata de contrastar la validez emprica de la teora econmica mediante modelos ma-
temticos y estadsticos. Para lograr este objetivo se utiliza como instrumento bsico
el modelo economtrico, el cual trata de ser una representacin simplificada del
mundo real mediante la que es posible reproducir el comportamiento y las interrela-
ciones que se dan entre diversas variables econmicas.
El trmino 'econometra' fue utilizado por primera vez por Pawel Ciompa en
1910, siendo rescatado por Frisch en su artculo de 1936 titulado Note on term
Econometrics; este autor, socio fundador de la Econometric Society, le asigna el
significado que atribuimos en la actualidad a este trmino. Dicho significado queda re-
cogido en el primer artculo de los estatutos de la citada sociedad, y en el mismo se
menciona la necesidad del progreso de la teora econmica mediante la utilizacin del
anlisis estadstico y matemtico.
En un sentido ms formal, se han propuesto a lo largo de la historia diferentes de-
finiciones que apuntan en la misma direccin e integran los mismos elementos (ma-
temticas, estadstica y datos econmicos). Samuelson, Koopmans y Stone (1954) de-
finen la Econometra como el anlisis cuantitativo de fenmenos econmicos
actuales, basado en el desarrollo congruente de teora y observaciones, y relaciona-
do por mtodos apropiados de inferencia; Intriligator (1978) seala que es la rama
de la economa relacionada con la estimacin emprica de las relaciones econmi-
cas. Chow (1983) la define como el arte y ciencia de usar mtodos para la medida
de relaciones econmicas. Stewart y Wallis (1984) consideran que la Econometra es
aquella ciencia que se ocupa de la medicin de las relaciones entre las variables eco-
nmicas y de la confrontacin de la teora con la evidencia emprica. Finalmente,
Greene (1993) seala que es el campo de la Economa que se refiere a sta como
aplicacin de la Estadstica Matemtica y los instrumentos de la Estadstica
Inferencial a la medicin emprica de las relaciones postuladas por la Teora Eco-
nmica.
Si bien el trmino econometra fue reconocido en 1936, se considera a Henry
Moore (1914, 1917) el primer autor en efectuar una estimacin de relaciones econ-
micas de demanda a partir de estadsticas econmicas. Las regresiones lineales de Mo-
ore crearon escuela y entre sus seguidores cabe destacar a Henry Schultz, Holbrook
Working y Paul Douglas, entre otros. Working (1927) plante la estimacin de mer-
cados en equilibrio, descubri en sus trabajos los problemas asociados a los errores en
las variables y plante inicialmente la importancia de las expectativas. Schultz (1938)
public un libro ntegramente dedicado a la teora y anlisis de la demanda en Estados
Unidos, demostrando una preocupacin permanente por la unin entre teora y
medida.
La otra rea de estudio con inters para los pioneros del anlisis estadstico eco-
nmico, la constituan los ciclos econmicos. Si bien en los trabajos iniciales de Sir
William Petty se dejaba constancia de los ciclos, no ser hasta el siglo XIX cuando re-
nacer la curiosidad por su estudio. As, el fsico francs Clement Juglar (1819-
1905) es el primero en utilizar las series histricas para el estudio del ciclo en los ne-
gocios, descubriendo un ciclo para la inversin de 7 a 11 aos de duracin. A este
trabajo le siguen los de Kitchin, Kuznets y Kondratieff, identificando un ciclo de los
inventarios de 3 a 5 aos, un ciclo de la construccin de 15 a 25 aos y un ciclo largo
de actividades de 45 a 60 aos.
En general estos estudios de los ciclos y los emprendidos posteriormente por Mit-
chell (1927) y Burns y Mitchell (1947) en el National Bureau of Economic Research,
fueron de tipo morfolgico y descriptivo, por lo que las relaciones entre variables
constituan un segundo plano de inters. No servirn, por tanto, de ayuda para el em-
puje del anlisis economtrico ya que sus objetivos y metodologa son diferentes.
Por el contrario, los trabajos de Wright (1915, 1928), Working (1927), Tinbergen
(1930) y Frisch (1933) sobre anlisis de la demanda, planteando el problema de la
identificacin en las relaciones estructurales entre variables econmicas, sientan las
bases para el desarrollo economtrico que culminara en la creacin de la Econometric
Society en 1930, de la mano de Fisher, Frisch y Roos. Dicha sociedad, junto con los
trabajos de la Cowles Commission, sentaran las bases de la Econometra actual.
La importancia asignada a la creacin de la Econometric Society se debe a que en
sta confluyeron un conjunto de economistas con preocupaciones de tipo cuantitativo,
con un instrumento de expresin de los mismos mediante la revista Economtrica. En
ese momento la Econometra deja de ser una actividad dispersa, facilitndose el in-
tercambio de informacin entre investigadores, convirtindose as en un movimiento
organizado con un medio para el intercambio de ideas y resultados.
Una vez creada la Econometric Society era importante disponer de una institucin
donde localizar y centralizar las investigaciones sobre la nueva disciplina; ste ser el
papel a desempear por la Cowles Commission. La Cowles Commission for Research
in Economics, era una institucin sin fines lucrativos fundada por Alfred Cowles
III, presidente de una sociedad de inversores. Su objetivo era la aplicacin de las ma-
temticas a la economa con el fin de obtener buenas predicciones de las cotizaciones
en Bolsa.
Sin embargo, no tardarn en aparecer las primeras crticas a los mtodos utilizados
por los primeros econmetras, As, podemos encontrar la del propio Keynes juzgan-
do a la econometra como prxima a la alquimia y sin resultados fiables al considerar
el contexto econmico difcilmente modelizable por relaciones matemticas, o la de
Milton Friedman dudando del mtodo de Tinbergen para seleccionar una teora eco-
nmica entre varias estimadas empricamente. Asimismo, un alumno de Frisch, Tryg-
ve Haavelmo (1943,1944) demuestra la inconsistencia de la estimacin por Mnimos
Cuadrados Ordinarios (MCO) y la simultaneidad en los sistemas macroeconmicos,
14 ECONOMETRA APLICADA
poniendo de manifiesto la necesidad de cuestionar los procedimientos basados en
MCO. Haavelmo propone la introduccin del modelo probabilstico para sustentar la
base de la metodologa economtrica, modelo que ser adoptado inicialmente por la
Cowles Commission para realizar estimacin e inferencia.
En 1950 la Cowles Commission public la obra Statistical Inference in Dynamic
Economic Models, obra elaborada por un equipo de prestigiosos investigadores del
que formaron parte Marschak, Tjalling, Koopmans, Hurwicz, Rubin, Klein y Ander-
son, que recoga todos los trabajos y avances realizados en aos anteriores y estable-
ce las normas bsicas de la investigacin economtrica.
Todo el conocimiento acumulado en los aos treinta y cuarenta conduce un es-
pectacular desarrollo de la Econometra durante los aos cincuenta; de entre los
avances que se producen en la poca cabe destacar los siguientes:
A mediados de los aos cincuenta aparece el mtodo de estimacin por Mni-
mos Cuadrados en 2 Etapas (MC2E), desarrollado por Theil (1954, 1958) y
Bassmann (1957), el cual debido a su sencillez y facilidad de clculo gozar de
una gran aceptacin como mtodo de estimacin de modelos de ecuaciones si-
multneas frente a los mtodos de Mxima Verosimilitud con Informacin
Completa (MVIC), propuesto por Koopmans (1950), y con Informacin Limi-
tada (MVIL), propuesto por Anderson y Rubin (1949); posteriormente, a fina-
les de esta dcada, aparecer el mtodo de las Variables Instrumentales (VI)
propuesto por Sargan (1958).
Klein y Goldberger (1955) desarrollan y perfeccionan su trabajo anterior, dan-
do lugar a uno de los modelos ms populares entre los econmetras: el modelo
Klein-Goldberger, el cual incorpora novedades a las especificaciones de los mo-
delos macroeconmicos precedentes, determinando el consumo no solamente a
travs de la renta, sino tambin a travs de los efectos riqueza e impuestos, e in-
corporando por primera vez funciones de produccin.
Otro acontecimiento de importancia capital en el desarrollo de la econometra
y los grandes modelos estructurales se produce en 1958, cuando los editores de
Econometrica promueven un Congreso bajo el ttulo de Estimacin de ecua-
ciones simultneas: Alguna sentencia? y con el que se pretenda establecer un
debate sobre el mtodo propuesto por la Cowles Commission. Como era de es-
perar, en dicho Congreso hubo diferentes posiciones, destacando las de Liu
(1960), Hildreth (1960), Christ (1960) y Klein (1960).
Sin embargo, el esplendor de que goz la Econometra en los aos cincuenta
pronto se vera eclipsado por la crisis que se produjo a comienzos de los aos setenta
a causa de la elevacin de los precios energticos, hecho que no pudo ser previsto por
ningn modelo economtrico. Ello afect directamente al pensamiento econmico ge-
neral y al desarrollo posterior de la Econometra.
Una de las primeras crticas que se lanz en contra de los modelos economtricos
era que se haban dejado de lado los planteamientos microeconmicos, por lo que los
modelos economtricos que slo utilizaban agregados macroeconmicos no podan re-
presentar de forma consistente la conducta racional y optimizadora de los agentes eco-
nmicos. Esta crtica propici la incorporacin de datos y relaciones microeconmi-
LA ECONOMETRA: HISTORIA Y METODOLOGA 15
cas, dando lugar a la rama conocida como Microeconometra. Entre los principales de-
sarrollos alcanzados en esta rea cabe destacar los siguientes:
Por un lado, los Modelos con Variable Dependiente Cualitativa, en los que se
considera que la variable dependiente admite un conjunto acotado de valores
discretos, generalmente 0 1, mediante los que es posible representar cualida-
des de los individuos. Entre los trabajos pioneros en este campo estn los de
McFadden (1974, 1976) y Amemiya (1978), en los que se considera una apro-
ximacin logstica en la estimacin de estos modelos (modelo Logit), mientras
que en Albright, Lerman y Manski (1977) se estudia la aproximacin median-
te una distribucin Normal (modelo Probit).
Por otro lado, los Modelos de Datos de Panel en los que se incluye informacin
de una muestra de agentes econmicos (individuos, empresas, bancos, ciudades,
pases, etc.) durante un determinado perodo de tiempo, combinando as la di-
mensin temporal y la dimensin estructural de los datos. Entre los trabajos
ms notables de esta lnea, cabe mencionar a Kuh (1959), Balestra y Nerlove
(1966), Rosenberg (1973) y Swamy y Mentha (1977).
Mencin aparte merece el espectacular desarrollo que se produce en esta dcada
del anlisis economtrico de series temporales, tanto de tipo multivariante como, es-
pecialmente, univariante.
Los modelos univariantes de series temporales giran, de forma mayoritaria, en tor-
no a la metodologa desarrollada por Box y Jenkins (1970). Dichos autores proponen
la construccin de modelos sobre una variable temporal, tratndola como un meca-
nismo autnomo, cuya gran ventaja es la mejora de las predicciones a corto plazo. La
metodologa Box-Jenkins supone una ruptura con la econometra clsica y con el pen-
samiento econmico en general al no existir una relacin con la teora econmica, por
lo que no pueden ser considerados como una alternativa a los modelos estructurales
multiecuacionales.
Sin embargo, la principal crtica realizada durante los aos setenta de los mtodos
economtricos se centra en la identificacin y estimacin de modelos multiecuacio-
nales. Partiendo del trabajo de Muth (1961), Lucas (1972, 1973), Sargent (1973) y
Sargent y Wallace (1975), abanderados de la escuela de las expectativas racionales,
plantean la duda sobre la permanencia a lo largo del tiempo de los parmetros es-
tructurales incluidos en los modelos macroeconmicos, ante cambios en la poltica
econmica del gobierno. Es decir, no existe nada que nos garantice que la estructura
de las reglas de decisin de los agentes econmicos quedar inalterada al modificar las
reglas de poltica econmica; y dado que esta estructura es la que representa el mo-
delo, no hay razn para pensar que los parmetros del mismo sean fijos. Por tanto, si
no separamos los parmetros de las decisiones polticas de los de las relaciones
econmicas, los modelos que estimemos no podrn ser utilizados en la toma de deci-
siones.
La solucin adoptada para resolver este problema ha sido la inclusin del proce-
so de formacin de las expectativas racionales en los modelos economtricos, asegu-
rando la coexistencia entre expectativas y simulaciones mediante la imposicin de res-
tricciones paramtricas entre ecuaciones.
16 ECONOMETRA APLICADA
El desarrollo multivariante de series temporales surge a raz de su crtica a la eco-
nometra clsica planteada por Sims (1980, 1982) a comienzos de los aos ochenta. La
idea central de Sims es que no es necesaria la existencia de una teora econmica a
priori para establecer las restricciones que hagan posible la identificacin de modelos
estructurales, ya que no es necesario para la previsin y simulacin. Sims propone una
nueva clase de modelos como alternativa a los modelos de ecuaciones simultneas, los
Vectores Autorregresivos (VAR), en los que no es necesario clasificar las variables en
endgenas y exgenas.
Sin embargo, el desconocimiento que los modelos VAR conllevan sobre las rela-
ciones de tipo estructural (variables endgenas, exgenas, forma estructural) les im-
pide realizar una aproximacin a los efectos producidos por cambios en la poltica
econmica, con lo que su campo de aplicacin se limita a la simple previsin.
Por ltimo, cabe destacar a Granger y Newbold (1974) que advirtieron sobre el
peligro que supone especificar relaciones espreas, es decir, relaciones no de causa-
lidad sino de casualidad. Sus estudios aumentaron el inters por la modelizacin di-
nmica y las propiedades a largo plazo de los modelos economtricos. Su contribucin
ha dado lugar a los conceptos de cointegracin (Granger, 1981), el test de raiz unita-
ria (Dickey y Fuller, 1979) y los modelos de correccin de error (Sargent, 1984).
1.2. LOS MODELOS ECONOMTRICOS
El mtodo cientfico en las Ciencias Sociales se basa tanto en la deduccin como
en el conocimiento emprico. La deduccin es el proceso de razonamiento lgico que
conduce a unas conclusiones partiendo de unas premisas o informaciones iniciales. El
conocimiento emprico objetiva el conocimiento a travs de la experiencia, de los he-
chos y de la Historia.
El punto de partida del investigador es la realidad, los hechos econmicos tal y
como se producen en la sociedad. La lectura de esos datos y el conocimiento general de
la realidad sugerirn al investigador alguna hiptesis explicativa de las razones por las
que los datos ofrecen una determinada magnitud o evolucin. Esas hiptesis son las que
permiten organizar los datos y dan lugar a la formulacin de leyes, teoras y modelos.
Las leyes expresan las regularidades encontradas en las series de datos. Las teoras
son una forma de organizar las hipotticas leyes y facilitan la comprensin del fun-
cionamiento de la economa. Finalmente, los modelos son construcciones intelectua-
les basadas en las teoras que permiten realizar estimaciones de los efectos que pueden
derivarse de cambios en los datos reales. Los modelos constituyen por tanto un puen-
te entre la teora pura y el mundo real, pudiendo contrastarse si una determinada teo-
ra es una buena representacin de los hechos que trata de explicar o no.
En el caso de la ciencia econmica, los modelos estn basados generalmente en
supuestos simplificadores de la realidad y estn formados generalmente por ecuacio-
nes matemticas que relacionan distintas variables. Dichas variables pueden dividirse
en variables exgenas, que son aquellas cuyos valores deben ser tomados de la reali-
dad; y variables endgenas, que son aquellas cuyo valor es deducido al operar con las
ecuaciones del modelo. Ambos tipos de variables se relacionan mediante un conjun-
to de parmetros, los cuales deben ser estimados.
LA ECONOMETRA: HISTORIA Y METODOLOGA 17
Los modelos permiten realizar predicciones econmicas susceptibles de ser con-
trastadas con la realidad. Dichas predicciones son probabilsticas y no deterministas;
es decir, que con los modelos econmicos no es posible predecir con precisin cul
ser, por ejemplo, el consumo exacto que realizar un determinado individuo, pero s
se puede prever el comportamiento de grandes agregados de consumidores estable-
ciendo unos mrgenes de error entre los que estar comprendido, o lo que es lo mis-
mo, estimando la probabilidad de que esa prediccin se cumpla.
Segn el objeto de anlisis, podemos distinguir diversos tipos de modelos eco-
nmicos:
Modelos Macroeconmicos, cuando los modelos representan la economa en su
totalidad; se trata de modelos en los que generalmente existe poco detalle sectorial
con los que se pretende cuantificar los resultados de las polticas macroeconmi-
cas, como puede ser un aumento del gasto pblico o de la imposicin directa. La
mayora de los economistas que realizan predicciones utilizan tales modelos.
Modelos Microeconmicos, los cuales analizan la situacin de una cierta in-
dustria, mercado o institucin.
Asimismo, atendiendo al tipo de relaciones que se establecen entre las variables
del modelo podemos distinguir entre:
Modelos Deterministas, en los que las relaciones exactas entre las variables del
modelo son exactas. Se trata generalmente de modelos en los que se parte de
una o varias variables, denominadas inputs, a partir de las cuales se intenta co-
nocer el comportamiento de otras variables, denominadas output, mediante
diversas transformaciones matemticas. Un ejemplo de este tipo de modelos
son las tablas input-output de Leontief.
Modelos Estocsticos, en los que las relaciones entre las variables no son
exactas, ya que existe un componente de carcter aleatorio, denominado tr-
mino de error o perturbacin aleatoria, que forma parte de las ecuaciones del
modelo. Dicho componente aleatorio recoge todos aquellos aspectos que no
quedan especificados en la relacin causal establecida en el modelo tales como
determinadas circunstancias acontecidas de carcter impredecible (shocks) que
influyen en la relacin estudiada y los errores en la medicin, documentacin y
computacin de las variables observables que aproximan las variables tericas
del modelo. En la literatura econmica, la mayor parte de los modelos econo-
mtricos son de este tipo estocstico.
Segn el tipo de datos de las variables utilizadas en el modelo, podemos distinguir
entre:
Modelos de Series Temporales, en los que se utilizan datos recogidos a lo largo
de un determinado periodo de tiempo: das, semanas, meses, trimestres o aos.
Ejemplos de este tipo de variables son las cotizaciones diarias de las acciones,
el ndice de Precios al Consumo, la Encuesta de Poblacin Activa, los datos
anuales y trimestrales del Producto Interior Bruto, etc.
18 ECONOMETRA APLICADA
Modelos de Series de Corte Transversal, en los que se utilizan datos referidos a
diferentes individuos en un mismo momento del tiempo. Ejemplos de datos
transversales seran los productos consumidos por diferentes familias en un de-
terminado ao, las ventas que realizan diversas empresas que forman una de-
terminada industria en un determinado trimestre, el paro registrado en los mu-
nicipios espaoles en una determinada fecha, etc.
Modelos de Datos de Panel, en los que se combinan datos de diversos indivi-
duos recogidos a lo largo del tiempo.
Considerando la existencia o no de retardos de las variables incluidas en el mo-
delo podemos diferenciar entre:
Modelos Estticos, cuando las relaciones entre las variables del modelo tienen
lugar en el mismo instante del tiempo tanto para la variable endgena como
para todas las variables explicativas del modelo.
Modelos Dinmicos, cuando las relaciones entre las variables del modelo estn
referidas a diferentes momentos en el tiempo, de forma que un modelo din-
mico se construye con variables retardadas.
Finalmente, segn el nmero de variables endgenas que deseemos explicar po-
demos distinguir entre:
Modelos Uniecuacionales, que constan de una nica variable endgena.
Modelos Multiecuacionales, que poseen varias variables endgenas, algunas de
las cuales pueden ser a su vez variables explicativas en otras ecuaciones.
1.3. LA METODOLOGA ECONOMTRICA
En trminos generales, la metodologa economtrica tradicional considera los
siguientes pasos en lo referente a la elaboracin de modelos:
1. Planteamiento de la teora o hiptesis: generalmente se utiliza una cons-
truccin terica de la Macroeconoma y/o Microeconoma, como por ejemplo la
funcin keynesiana de consumo, la curva de Phillips, la teora de la demanda del
consumidor, etc.
2. Especificacin: el siguiente paso es establecer la relacin formal entre las va-
riables a que da lugar la teora. Dicha relacin se establece en forma matemtica fun-
cional, mediante una ecuacin o un sistema de ecuaciones. Las variables que reciben
los efectos son las variables endgenas, las cuales figuraran a la izquierda de las
igualdades, mientras que las que producen los efectos, son las denominadas variables
exgenas, las cuales aparecen en el lado derecho de las ecuaciones. Los efectos de
cada variable exgena se cuantifican a travs de una serie de parmetros que debemos
estimar. Asimismo, en cada ecuacin del modelo existir un trmino de error o per-
turbacin que recoge los efectos aleatorios y que tendr unas propiedades probabils-
ticas definidas.
LA ECONOMETRA: HISTORIA Y METODOLOGA 19
Una vez establecida la relacin funcional matemtica, deberemos seleccionar
datos de los que dispongamos nos servirn para representar los valores de las variables
tericas. Por ejemplo, si incluimos en el modelo como variable terica la renta ten-
dremos que elegir los datos que utilizaremos para representar dicha variable de entre
las fuentes estadsticas de que dispongamos: la renta familiar disponible, la renta in-
terior, la renta nacional, etc. En algunas ocasiones, puede ocurrir que no exista una va-
riable estadstica que responda a los requisitos que exijamos, por lo que deberemos
considerar la existencia de un posible error de observacin.
En definitiva, para la especificacin de un modelo completo habr que especificar
claramente lo siguiente:
Variables endgenas tericas (y sus respectivos valores observados).
Variables exgenas tericas (y sus respectivos valores observados).
Perturbaciones aleatorias (no observables).
Errores de observacin en las variables endgenas.
Errores de observacin en las variables exgenas.
3. Seleccin de datos: una vez hemos especificado el modelo procederemos a la
obtencin de un nmero de suficiente de datos que tengan las siguientes caracters-
ticas:
Suficientes: como mnimo para poder realizar la estimacin, el nmero de ob-
servaciones debe superar al nmero de parmetros que queremos estimar; de lo
contrario, la estimacin obtenida no resultar fiable.
Homogneos: los datos deben estar expresados de una forma homognea; esto
quiere decir que todos deben estar expresados en las mismas magnitudes o va-
lores y tienen que haber sido obtenidos por procedimientos estadsticos seme-
jantes. Asimismo, si fuera necesario, todas las variables debern estar corregi-
das de la misma manera de determinados efectos que se dan en las variables
econmicas como la tendencia o la estacionalidad.
Actuales: la falta de actualidad en los datos es un problema grave, en particular
si el modelo que construimos tiene como finalidad predecir los valores futuros
o realizar simulaciones de poltica econmica.
4. Estimacin: se trata del procedimiento utilizado para obtener el valor de los pa-
rmetros del modelo. Habitualmente la tcnica utilizada es el anlisis de regresin que
incluye diferentes tcnicas: Mnimos Cuadrados Ordinarios (MCO), Mnimos Cua-
drados Indirectos (MCI), Variables Instrumentales (VI), Mnimos Cuadrados en 2 Eta-
pas (MC2E), Mnimos Cuadrados Generalizados (MCG), etc.
Las tcnicas economtricas requieren realizar clculos a veces muy complejos,
por ello es de gran utilidad el auxiliarnos de herramientas como hojas de clculo
(Excel, Open Office, etc.) y programas estadsticos y economtricos (EViews,
Gretl, R., SPSS, SAS, etc.).
5. Validacin: una vez que se han estimado los parmetros del modelo, habr que
verificar que los valores obtenidos concuerdan con los postulados de la teora que se
ha utilizado para la construccin del modelo.
20 ECONOMETRA APLICADA
La validacin del modelo se realiza mediante la tcnica estadstica de inferencia
o contraste de hiptesis, que consiste en analizar mediante pruebas estadsticas la
bondad del ajuste y la significatividad estadstica de los valores estimados, de tal for-
ma que si el modelo no ha dado los resultados esperados deber perfeccionarse
mediante:
Un cambio en la forma matemtica funcional del modelo.
Incluyendo en el modelo alguna variable explicativa que haya sido omitida.
Reemplazando las observaciones utilizadas para representar las variables en-
dgenas y explicativas por otras que posean un menor error de observacin.
6. Utilizacin: una vez validado, el modelo economtrico puede ser utilizado para
diversas tareas tales como:
Anlisis estructural: cuantificar las relaciones que entre las variables endgenas
y exgenas.
Prediccin: dados unos valores de las variables explicativas, podemos obtener
mediante el modelo estimado el valor futuro que tomar la variable endgena.
Simulacin o evaluacin de polticas: efectos que tienen sobre la variable en-
dgena (variable objetivo) las diferentes estrategias que se planteen sobre las
variables explicativas (variables de control).
1.4. ALGUNOS MODELOS ECONOMTRICOS DE INTERS
Finalmente, y para completar este captulo, pasamos a describir las caractersticas
de algunos de los principales modelos economtricos que se utilizan en la actualidad
en Espaa.
1.4.1. Modelo Wharton-UAM
El modelo Wharton-UAM (Universidad Autnoma de Madrid) es un modelo di-
seado por el Centro de Prediccin Econmica (CEPREDE). Se trata del modelo ma-
croeconomtrico ms antiguo y elaborado de la economa espaola; los orgenes de
este modelo se remontan a principios de 1978, llegndose en 1980-1981 a una cola-
boracin formal y continua entre los equipos de investigacin de Wharton Econome-
tric Forecasting Associates (WEFA)
1
de la Universidad de Pennsylvania y la Univer-
sidad Autnoma de Madrid (UAM).
Basndose en este modelo, el CEPREDE ofrece predicciones para la economa es-
paola utilizando datos de un total de 1210 variables, de las cuales 183 son exgenas
y 1027 son endgenas; dentro de stas, 196 se determinan mediante ecuaciones de
comportamiento y el resto mediante identidades de definicin. El modelo Wharton-
UAM est estimado por MCO con un periodo muestral medio de 20 a 25, aos ofre-
LA ECONOMETRA: HISTORIA Y METODOLOGA 21
1
Asociacin presidida por Lawrence R. Klein, Premio Nbel de Economa en 1980.
ciendo predicciones a un horizonte de 5 aos, si bien en algunas ocasiones se han
realizado predicciones hasta 10 y 15 aos.
Asimismo, dentro de este modelo se incluye un Modelo de Aproximacin Tri-
mestral de la Economa Espaola que est compuesto por un total de 227 variables, de
las cuales 41 son exgenas y 216 son endgenas; de stas ltimas, 46 se determinan
mediante ecuaciones de comportamiento y las 170 restantes mediante identidades.
Este modelo esta igualmente estimado por MCO con un periodo muestral en torno a
los 80 trimestres (20 aos), ofreciendo previsiones para el ao en curso y el siguiente.
Si bien, tal y como hemos indicado, el modelo incluye cientos de ecuaciones, con el
propsito de simplificar apuntamos algunos de sus rasgos caractersticos (Pulido, 1983):
Los precios internacionales, junto con la evolucin del tipo de cambio, son con-
sideradas las principales causas exteriores de variacin de los precios interiores.
Por su parte, la poltica de rentas (muy especialmente la presin salarial), la po-
ltica monetaria y la presin fiscal son los condicionantes interiores de la evo-
lucin de los precios.
La evolucin de los diferentes componentes del gasto viene determinada por la
poltica monetaria y de rentas, la inversin pblica y la marcha de la economa
internacional, adems de la evolucin de todo el sistema de precios.
La determinacin de las rentas incide y est influida por los distintos compo-
nentes de la demanda, as como por la propia situacin del mercado de trabajo.
El valor aadido por sectores viene determinado bsicamente por ciertos as-
pectos sectoriales de la poltica monetaria y la propia distribucin de la de-
manda.
Los valores aadidos por sectores son el elemento bsico de determinacin de
la poblacin empleada por sectores. El clculo de la poblacin activa y del de-
sempleo se hace depender tanto de variables demogrficas como de variables de
coste relativo del factor trabajo.
Por ltimo, la financiacin del sector pblico viene determinada, aparte de
por la propia poltica fiscal, por la evolucin de los diferentes componentes ma-
croeconmicos del gasto y de las rentas.
1.4.2. Modelo MOISEES
El Modelo de Investigacin y Simulacin de la Economa Espaola (MOISEES)
es un modelo macroeconomtrico construido por un equipo de tcnicos y profesores
universitarios aglutinados en torno a la Direccin General de Planificacin del Mi-
nisterio de la Economa. Dicho modelo fue desarrollado para valorar los efectos a lar-
go plazo de medidas de poltica fiscal as como para ayudar en la elaboracin de pro-
yecciones macroeconmicas y presupuestarias del Ministerio de Economa.
El aspecto terico ms relevante del modelo MOISEES es que la modelizacin del
lado de la oferta est basada en la macroeconoma del desequilibrio. As, las empresas
siempre tienen una restriccin, bien sea la falta de demanda, la falta de capacidad pro-
ductiva o la falta de mano de obra, que las impide aumentar su produccin y generar
ms empleo.
22 ECONOMETRA APLICADA
Por su parte, la produccin de bienes y servicios y el empleo se obtienen consi-
derando un marco de precios rgidos, en el que la sustitucin de factores productivos
solo es posible a largo plazo. A corto plazo, la proporcin de factores est dada y es
distinta de la ptima; la posibilidad de sustitucin a largo plazo incorporada al modelo
permite que la economa se aproxime progresivamente a la proporcin ptima de fac-
tores productivos.
1.4.3. Otros modelos macroeconomtricos
Finalmente, no queremos terminar sin resear otros modelos macroeconomtricos
de menor difusin pero que pueden resultar de inters para el lector como son los mo-
delos HERMIN, QUEST II y MIDE.
Los modelos HERMIN para Grecia, Espaa, Irlanda y Portugal han sido desa-
rrollados durante los aos 90 con el fin de obtener resultados comparables
entre pases del impacto macroeconmico de los Fondos Estructurales. Cada
modelo nacional est compuesto por tres amplios componentes (uno de oferta,
otro de absorcin y otro de distribucin de la renta) que funcionan como un sis-
tema de ecuaciones integrado. Aunque los mecanismos keynesianos conven-
cionales constituyen el ncleo del modelo, el componente de oferta determina
la produccin tambin en funcin de la competitividad de precios y costes. Los
tipos de inters y los tipos de cambio son exgenos al modelo.
Por su parte, el Modelo QUEST II es un modelo de crecimiento y de ciclo em-
presarial creado por la Comisin Europea para analizar las economas de los
Estados miembros de la Unin Europea y sus interacciones con el resto del
mundo. El modelo QUEST II es de carcter anticipativo, en el sentido de que
basa las ecuaciones de comportamiento en una optimizacin intemporal de
las familias y las empresas. Las familias, cuyo consumo depende en un 40%
aproximadamente de su renta disponible actual y en un 60% de su hiptesis del
ciclo vital, prevn los pagos futuros de impuestos. Al contrario que la mayora
de los restantes modelos que hemos visto, tanto el tipo de inters como el tipo
de cambio reales son endgenos, lo cual permite tener en cuenta eventuales
efectos desplazamiento. El lado de la oferta de la economa est modelizado ex-
plcitamente a travs de una funcin de produccin neoclsica.
Finalmente, el modelo MIDE de la Fundacin Tomillo pertenece a la familia de
modelos INFORUM creada por el profesor C. Almon de la Universidad de Maryland.
Se trata de un modelo desagregado en 43 ramas de actividad que utiliza las identida-
des de Leontief para la determinacin de las producciones y de los precios de las ac-
tividades econmicas. A pesar de estar basado en la metodologa input-output, el mo-
delo MIDE es dinmico ya que las distintas demandas finales se determinan mediante
ecuaciones de comportamiento; asimismo, las especificaciones de las ecuaciones de
comportamiento incorporan variables retardadas en el tiempo, lo que da lugar a que el
modelo simule la generacin de ciclos econmicos.
LA ECONOMETRA: HISTORIA Y METODOLOGA 23