ECONOMETRIA

Medicin econmica. Definicin.

Es la herramienta utilizada por economistas, socilogos, mercadlogos e
investigadores en general para respaldar o comprobar modelos matemticos tericos
que relacionan una variable dependiente (o explicada) por una o mas variables
independientes (o explicativas).

En un sentido ms tcnico es una rama de la Teora Econmica que mediante

procedimientos estadsticos y matemticos relaciona series temporales de informacin
o datos numricos, con el objeto de determinar vnculos presentes entre variables, de
manera que se determina las relaciones directas o inversas de las mismas, siempre basado
en un modelo conceptual de teora econmica, por ejemplo la relacin inversa entre los
precios y la demanda (a un mayor precio una menor demanda y viceversa).

En este contexto es necesario plantear el trmino de modelo econmico, y se puede decir

que son simplificaciones tericas de abstracciones de la realidad, expresadas mediante
una relacin funcional de una variable dependiente y una o mas independientes.
Al aplicar mtodos estadsticos, como correlacin y regresin, a un modelo matemtico de
teora econmica, se esta efectuando un anlisis economtrico y por tanto se busca dar
validez a la teora con la tcnica inferencial probabilstica y sus respectivas pruebas de
hiptesis estadsticas, que den la aproximacin numrica de la certeza del modelo.
La principal utilidad de esta tcnica se encuentra por dos vas:
A) Por un lado se comprueba los supuestos tericos-matemticos de un modelo basado en
una realidad

B) Y por otro se genera la posibilidad de realizar proyecciones para eventos futuros y por lo
tanto se tiene informacin adecuada para la toma de decisiones y diseo de polticas o
acciones preventivas o correctivas segn sea el caso, siempre y cuando, el modelo posea
validez estadstica, probabilstica y sobre todo terica.
La aplicacin de esta tcnica econmica se origin a partir de la dificultad de asignar
valores numricos a las relaciones tericas de las funciones matemticas generadas para
cada modelo econmico, el cual adems se basa en ciertos supuestos que restringen la
influencia de variables exgenos.
A continuacin se muestran las herramientas estadsticas necesarias, su definicin y
utilidad, con el fin de determinar un estudio economtrico, en tal sentido se plantea la
correlacin, regresin, metodologa, as como algunos casos de expresiones funcionales, los
supuestos que debe cumplir un modelo economtrico y finalmente se presenta elementos de
anlisis de significancia estadstica e interpretacin de coeficientes.
CORRELACIN
La correlacin o coeficiente de correlacin r2 mide la proporcin de variacin en la
variable dependiente explicada por la variacin en la o las variables independientes, es
decir mide el grado de intensidad lineal de vinculacin de las variables, a partir de las
variaciones observadas de los valores proyectados y de los valores reales comparadas con
la media aritmtica.

Este coeficiente es til por cuanto permite establecer el grado de intensidad en que una
variable dependiente se encuentra explicada por la o las variables independientes dentro de
un modelo.
Tambin facilita el estudio de variables cuantitativas en la medida que podemos explicar un
fenmeno por el grado en que una variable influye en otra, es decir nos permite efectuar
afirmaciones de carcter social, econmico y fsico.

Esta herramienta estadstica se mide por un coeficiente que puede tomar un valor que
puede oscilar entre -1 y 1, si el valor es cercano a 1 se dice que existe una relacin directa
entre las variables estudiadas, una mayor cantidad en una implica que la otra aumentara
tambin, en la medida que se acerca a 0 se dice que el nivel de correlacin es mnimo o
simplemente no existe correlacin y por lo tanto la variacin de una variable no explica el
comportamiento de otra, finalmente si es cercano a -1 la relacin es inversa, si aumenta la
variable independiente, disminuye el valor de la dependiente.
La siguiente grfica muestra las posibles formas de correlacin, vinculando el valor del
coeficiente con su expresin grfica.

La correlacin puede clasificarse en dos tipos dependiendo de la cantidad de variables

analizadas y por el tipo de relacin lineal, en el primer caso estamos haciendo referencia a:
1. Correlacin simple: se estudia la dependencia nicamente entre dos
variables
2. Correlacin mltiple: se estudia la dependencia entre mas de 2 variables
3. Correlacin parcial: cuando se incluye la influencia de variables exgenas
no consideradas en el clculo de los coeficientes.
Dependiendo del tipo de relacin lineal el coeficiente relaciona:
1. Relacin directa entre las variables: un aumento en la variable independiente
implica un aumento en la variable dependiente.
2. Relacin inversa entre las variables: un aumento en la variable
independiente implica una disminucin en la variable dependiente.
A partir de ello la ecuacin puede mejorar su correlacin si se hace pruebas para determinar
si se ajusta mas a una recta, una curva exponencial o parablica.
REGRESIN

Mientras que la correlacin mide el grado de vinculacin entre variables, la regresin se

encarga de calcular, a partir de las observaciones, el valor real de los coeficientes que
explican una relacin funcional matemtica.
Si dicho valor es calculado a partir de la serie u observaciones de una poblacin completa
se esta hablando de una ecuacin de regresin poblacional, y esa es una ecuacin
completamente confiable, sin embargo sabemos que en la mayora de los casos es
imposible realizar este tipo de estudios ya sea por la cantidad de unidades observacionales,
o por la dispersin de la poblacin o sobre todo por el valor econmico asociado a un
estudio de tal magnitud.
Por tal motivo se utilizan mecanismos que facilitan estos estudios llegando a una
aproximacin de los datos poblacinales a partir de porciones o muestras representativas,
utilizando para su seleccin mtodos estadsticos de modo que se explique a cabalidad los
fenmenos sociales con cierto margen de error tolerable.
Partiendo de esa premisa es lgico pensar que podemos calcular una funcin de regresin a
partir de una muestra y el valor encontrado se dice que estima los valores o
coeficientes poblacionales y de esta forma se esta contando con una ecuacin muestral que
es confiable en la medida que la recoleccin de datos cumple con una metodologa que
garantice la representatividad de la informacin.
La funcin de regresin se representa tal como una ecuacin de la
forma
Y(X) =b+aX;
En el clculo se estima los coeficiente a y b, donde a es el intercepto y b es una
elasticidad. Para su clculo se utiliza el mtodo de Mnimos Cuadrados Ordinarios, el
cual se explicar ms adelante.
SECUENCIA DE PASOS
Para la realizacin efectiva de un anlisis economtrico es necesario efectuar una secuencia
de pasos de manera que se construya un modelo adecuado de prediccin, dicha secuencia
esta ligada a la experiencia y a las preferencias de los investigadores, en ningn momento
representa una receta que se tenga que seguir al pie de la letra, ademas es posible
simultanear algunas actividades:
Secuencia de pasos en econometra
1. Planteamiento terico del modelo economtrico (formulacin de hiptesis; o
relaciones funcionales)
2. Supuestos del modelo y formulacin de hiptesis.
3. Construccin de la forma matemtica del modelo terico e identificacin de
las principales variables y relaciones funcionales de las mismas.

4. Elaboracin funcional del modelo economtrico.

5. Identificar la informacin necesaria para realizar el modelo economtrico.
6. Recoleccin de datos de la serie y comparacin grfica de las observaciones.
7. Estimacin de los coeficientes del modelo economtrico.
8. Validez del modelo mediante la aplicacin de pruebas estadsticas.
9. Pronstico.
10. Toma de decisiones y diseo de polticas o acciones preventivas o
correctivas, basadas en el modelo.
Paso 1
Planteamiento terico del modelo economtrico
La primera etapa consiste en seleccionar un modelo econmico, para ello es necesario
adoptar un enfoque de teora econmica, por ejemplo bajo los supuestos de la teora clsica,
neoclsica, keynesiana o estructuralista, etc, todo depende del modelo que se estudie, esto
con el objeto de facilitar la identificacin de las relaciones de las variables y el
establecimiento de los supuestos, y de igual manera sirve como base para explicar las
proyecciones y justificar la toma de decisiones y polticas derivadas de los resultados del
modelo economtrico.
Esta primer parte no es ms que tomar una hiptesis de teora econmica que relacione una
variable dependiente a una o ms variables independientes.
Ejemplo: en la medida que se aumenta el precio de un bien y/o servicio determinado y
manteniendo todo lo dems constante, las cantidades demandadas de las mismas sern
menores

Paso 2
Supuestos del modelo y formulacin de hiptesis
A partir de esa seleccin se procede a conocer todos los lmites o alcances del modelo y por
lo tanto se determinan los supuestos con los que el modelo adquiere validez terica.
Ejemplo:se trata de un bien normal, en un mercado de competencia perfecta y no se tiene
sustituto.
En cualquier caso se parte de una hiptesis de teora econmica, la cual se busca demostrar
mediante procedimientos estadstico, indistintamente que modelo se desee comprobar se
parte de una afirmacin de relacin entre variables representada mediante una ecuacin
matemtica.
Este punto es importante por cuanto la hiptesis ser la referencia con la que se busca
demostrar la investigacin, en caso que se encuentre informacin confiable que mediante la
ecuacin de regresin calculada se compruebe la relacin de las variables, se esta en

posicin de avalar o aceptar la hiptesis y por tanto el estudio se vuelve una herramienta de
anlisis que facilita la explicacin de un fenmeno.

Paso 3
Construccin de la forma matemtica del modelo terico e identificacin de las
principales variables y relaciones funcionales de las mismas.
Conociendo con exactitud las relaciones funcionales de la teora, los supuestos en los que el
modelo tiene validez se pasa a determinar la forma matemtica de dicho modelo
Ejemplo D=a-bP
Donde:
D:
Cantidades demandas (variable dependiente)
a:
Demanda Autnoma ( Intercepto)
b:
Elasticidad precio de la demanda (Pendiente de la recta)
P:
Precio (variable independiente)
Es posible que el investigador determine que existen otras variables como gustos y
preferencias, edad, etnia, etc. Sin embargo el modelo se puede ajustar a esas variables
siempre y cuando se posea la informacin para determinar la relacin y sobre todo de
registros estadsticos numricos que permitan el clculo del modelo economtrico.
Paso 4
Elaboracin funcional del modelo economtrico
A partir de ello se puede trabajar con esa ecuacin para adecuarla a su forma regresiva, es
decir a plantearlo de manera que los datos se adecuen de manera natural a un promedio y se
Ajusten a una tendencia, para ello se requiere expresar el modelo en trminos funcionales
de Mnimos Cuadrados Ordenados, dicho mtodo se plantear ms adelante.

Paso 5
Identificar la informacin necesaria para realizar el modelo economtrico.
Cuando se esta seguro del modelo y se tiene la forma economtrica, se pasa a considerar el
lugar donde se puede obtener la informacin, cual es la ms til y la facilidad de
recoleccin de la misma.
Este paso consiste en verificar la existencia y registro de las variables, en muchos de los
casos, no se cuenta con una variable del modelo como tal, por ejemplo para la ecuacin de
produccin el nivel de capital fsico de la economa, que no en todas las economas se
calcula , no obstante por tratarse de anlisis de tendencia, se puede sustituir el nivel de

capital por una representativa de su variacin, que en este caso, puede ser perfectamente el
nivel de inversin, la idea central reside en adecuar la variable del modelo a los datos ms
cercanos con que se cuentan .
Es necesario considerar en ente punto cual de toda la informacin de serie estadstica que
representa mejor a la o las variables estudiadas.
A nivel general se esperara obtener al menos 31 observaciones de cada variable, debido
principalmente a que a partir de ese nmero de observaciones una serie de registros se
adecua al Teorema del Lmite Central, lo que significa que es una serie con curva normal,
el cual es un requisito dentro de la econometra para dar validez estadstica al modelo.
No obstante se sabe que los registros obtenidos de una unidad observacional poblacional
tienden a cumplir los supuestos de la curva normal es decir que se adecua a una curva de
probabilidad de forma de campana que es simtrica alrededor de su valor medio,
aproximadamente el 68% del rea bajo la curva normal se posiciona entre los valores de su
media () y su varianza ( ), el 95% se ubica entre 2
y alrededor del 99.7% se
encuentra en 3 , tal como muestra la grfica.

El supuesto que se trabaja con un modelo en que sus variables se comportan de manera
normal permite garantizar:
1. Una distribucin normal de las perturbaciones estocsticas.
2. Que los estimadores son insesgados o que no estn influenciados por
variables externas.
3. Tienen una varianza mnima lo que significa una media altamente
representativa.
4. Consistencia, en la media que se aumenta el valor de la muestra o de
observaciones para estimar, los valores proyectados se acercan o igualan los
valores poblacionales reales.

5. Los coeficientes estimados tiene varianza mnima por lo que los parmetros
encontrados por Mnimos cuadrados Ordinarios son los Mejores
Estimadores Insesgados lineal

Paso 6
Recoleccin de datos de la serie y comparacin grfica de las observaciones.
Al tener la certeza de poseer las observaciones necesarias y se cuenta con respaldo y
validez en la recoleccin de las mismas, se pasa a efectuar una comparacin grfica (en el
caso que se plante una variable dependiente y una independiente), utilizando un plano
cartesiano y se observa la existencia de alguna tendencia en el comportamiento de las
observaciones tal como lo muestran las siguientes grficas, los puntos reflejan las
observaciones de una serie de datos, mientras que la lnea que se encuentra al centro es su
tendencia.

En la anterior imagen se aprecia que no existe relacin lineal

Un coeficiente de correlacin cercano a 0

Paso 7
Estimacin de los coeficientes del modelo economtrico.
Habiendo establecido las relaciones de manera grfica con una serie estadstica suficiente y
con la viabilidad matemtica y terica del modelo se procede a la estimacin de los
coeficientes para ello se utiliza el mtodo de Mnimos Cuadrados Ordinarios MCO por
medio del cual se obtienen los mejores coeficientes que permiten determinar el
comportamiento de una funcin de economtrica, para un rango determinado, estimando de
esta manera los valores reales a partir de la muestra.
El principal objetivo de una ecuacin de regresin obtenida por Mnimos Cuadrados
Ordinarios es que las desviaciones de los valores observados respecto a los estimados sea el
mnimo posible, es decir, se espera que se encuentren los coeficientes que sean (F(x)
observado F(x)estimado)2 un mnimo, en otras palabras que la sumatoria de las
diferencias del valor real menos el proyectado elevado al cuadrado tienda a cero, de ah el
nombre que el mtodo se le denomine Mnimo Cuadrado Ordinario.

Paso 8
Validez del modelo mediante la aplicacin de pruebas estadsticas.
Para determinar la validez del modelo se debe haber pasado una serie de pruebas de
hiptesis que hacen que el modelo se comporte de cierta manera o que se encuentre en
ciertos parmetros donde existe suficiente probabilidad de ser fiables o buenos estimadores
de los valores reales (dichas pruebas se presentaran ms adelante).
Paso 9
Pronstico.
El pronstico consiste en utilizar la ecuacin para establecer con certeza el posible
comportamiento de la variable el cual puede darse en dos tiempos.
1. Dentro del domino o rango de informacin con la que se obtuvieron los
coeficientes
2. Fuera del rango, para observaciones posteriores o anteriores a los del
domino o rango de informacin.
En el primer caso no es necesario ms que sustituir en la ecuacin la o las variables
independientes, por que los coeficientes explican el comportamiento dentro del rango con
que se cuenta la informacin; en este caso se esta tratando de una ecuacin que se puede
llamar de Largo Plazo, para el segundo caso es necesario transformar la ecuacin en un
modelo predictivo de corto plazo en el que se puede con alguna certeza aproximarse a los
valores futuros y para ello se trabaja la serie estadstica en diferencias para obtener de esas
variables los nuevos coeficientes, para el alcance de este curso se tomara la primer forma de
preedicin.
Paso 10
Toma de decisiones y diseo de polticas o acciones preventivas o correctivas, basadas
en el modelo.
Al haber establecido los coeficientes que dan validez al modelo se esta en la posibilidad de
efectuar toma de decisiones y diseo de polticas o acciones preventivas o correctivas,
basadas en el modelo, lo que supone que es una herramienta que facilita la toma de
actividades y acciones, pero a pesar de ese valor estadstico en ningn momento se esta en
la posibilidad de sustituir la experiencia o el conocimiento del comportamiento humano que
es en algunos casos ms confiable que cualquier herramienta estadstica.
CONDICIONES DE LOS MODELOS
Los modelos economtricos suponen que la ecuacin estimada se comporta bajo ciertas
condiciones o requisitos y bajo ciertos parmetros, uno de los principales tiene que ver con
que los en cada punto observacional utilizado se ajusta al teorema del lmite central y por

tanto se ajusta a la curva normal, de igual manera, la serie estadstica necesaria para
estimar los coeficientes debe estar apoyada en este supuesto y por tanto requiere un
mnimo de 31 datos (este es un valor numrico aproximado en el que una variable
comienza a ajustarse a la curva normal).
Esa es una premisa no obstante se tiene que tomar en cuenta una serie de supuestos que son
necesarios para estimar una ecuacin economtrica con validez estadstica, muchos de ellos
se logran por el simple hecho de efectuar los clculos mediante el mtodo de Mnimos
Cuadrados Ordinarios, los supuestos se mencionan a continuacin.
SUPUESTOS
1. El modelo economtrico es lineal en sus parmetros es decir en sus
coeficientes y en sus variables incluyendo su valor de error estocstico Yi =
1+ 2Xi + i
Esto significa en trminos sencillos que la potencia de cada factor de la ecuacin es igual a
1.
2. Los valores que toma la variable X en un ejercicio de muestreo se mantienen
constantes, es un valor no estocstico o no aleatorio, por ejemplo si consideramos lo niveles
de educacin en grados escolares de la Poblacin Ocupada se tiene que el valor que puede
tomar el nivel de educacin de una persona puede variar desde 0 hasta el nivel mximo 13
o 14 para un ao determinado manteniendo el valor de X que es un promedio inalterable, lo
que importa es el valor medio que toma la variable Y a partir de la X pero el valor de
esta ltima es independiente de ese promedio en Y.
Lo que implica en trminos concretos que los coeficientes estimados estn condicionados al
valor de la o de las variables dependientes.
3. El valor promedio de las variaciones estocsticas i es cero, que significa
que la variacin del valor observado con el estimado a partir de la ecuacin
de regresin es cercano a cero para cada punto utilizado en la proyeccin.
En trminos sencillos lo que pretende este supuesto es que el valor de las variaciones
estocsticas es cero y por lo tanto la ecuacin economtrica se puede representar as:
Yi = 1+ 2Xi + i
Yi = 1+ 2Xi + 0
Yi = 1+ 2Xi

i aproximado a cero

4. Las varianzas de cada error estocstico i deben ser idnticas o en

trminos estadsticas cumplir con el criterio de Homocedasticidad (homo o
igual y cedastico o dispersin), es decir que la varianza de i es igual para
cada punto en todas las observaciones.

Si este supuesto se cumple se esta asegurando que el nivel de varianza de las observaciones
es el mismo.
5.No existe correlacin entre los errores estocsticos, lo que significa que al
aplicar un modelo de regresin para perturbaciones i de distintos puntos
observados, se obtiene un r2 cercano a cero, lo que se busca es que la
estimacin de Y no dependa de la variacin sistemtica de los errores
estndar la siguiente grafica muestran la condicin descrita de los errores
estocsticos:

Correlacin serial Negativa, el valor de -i es correspondido con un valor +i y viceversa

Correlacin serial Positiva, el valor de +i es correspondido con un valor +i y viceversa

Correlacin cero de perturbaciones

1. No existe correlacin entre los valores estocsticos y la variable

independiente, en otras palabras que no existe Covarianza entre i y X o
que su covarianza es cero, al correr la variable independiente y el valor de la
perturbacin se debera esperar que es cero, principalmente por que el valor
de X es no aleatorio y se asume fijo para muestras repetidas.
2. El nmero de observaciones debe ser mayor al nmero de parmetros a
estimar, no obstante no se debe olvidar que debemos contar con una serie de
al menos 31 datos para ajustarse al teorema de lmite central, no obstante
este criterio varia de investigador a investigador, muchos economistas
apuntan que ms de 20 valores estadsticos son suficientes, tambin es
necesario considerar el tipo de variables que se desean estimar.
3. Debe existir variabilidad en las variables independientes, es lgico pensar
este supuesto ya que la funcin de regresin estimada se logra a partir de las
desviaciones entre el valor de X y el de Y, determinando de esta manera un
estimado de los parmetros, de no encontrar variabilidad, se estara
esperando una no relacin lineal entre las variables.
4. Debe el modelo debe estar especificado correctamente, es decir que lo que
se plante matemticamente debe estar respaldado por supuestos del modelo
econmico y que la forma funcional sea la que ms se ajusta, finalmente se
deben incluir todas las variables involucradas que inciden en la explicacin
de un fenmeno, para ello se pueden correr muchos modelos y aquellos que
demuestren un mejor nivel de correlacin y de pruebas estadsticas son los
que clasifican para hacer estimaciones o demostraciones de relaciones
funcionales.
El grado de cumplimiento de cada una de los supuestos anteriores puede variar segn el
criterio del investigador, algunas pruebas que se mencionan son determinadas
automticamente por programas computacionales, adems para hacer proyecciones a futuro
se analiza la estacionariedad de la serie, el sentido de estas pruebas esta vinculado con la
variabilidad de las perturbaciones, en este curso se presenta la prueba de significancia
estadstica.
Tipos de modelo
Los modelos economtricos pueden incluir hbridos o combinaciones, generalmente se trata
con modelos lineales, en la mayora de los casos encontraremos que con dificultad se logra
una serie con tendencia lineal debido a la variabilidad de las observaciones y por tanto no
siguen una tendencia visible en primera impresin.
Por tal motivo el uso de los logaritmos es una herramienta que facilita ajustar una serie a
una tendencia, en la medida que se tiene una serie con mucha dispersin, se aplica a todas

las variables o a una parte de ellas los logaritmos con el objetivo de suavizar el efecto
distorsionador.
Por tato tenemos los siguientes tipos de modelos
1. Lineales en sus variables (lineales en sus variables y parmetros)
2. Modelos log-lineales, se ajusta una o todas las variables que no tiene
compartimiento lineal
1. Log-log
2. Log lineales o semi logartmicos
En los modelos lineales al graficar podemos apreciar su tendencia y estimar sin mayor
cambio utilizando el mtodo de MCO.
Para los modelos doble log o log-log se aplica a ambos lados de la ecuacin los logaritmos,
este es el caso de las funciones exponenciales y de potencia.
En los semi-logartmicos aplicamos a la variable dependiente un valor en logaritmo para
suavizar la tendencia y de esta manera obtener un mejor estimador.
FUNCIN LINEAL
Cuando se han recolectado los datos y si estos cumplen con el teorema de lmite central
(informacin que se ajusta a una curva normal) se procede a presentar la informacin bajo
un esquema bidimensional que no es ms que plantearla en trminos del plano cartesiano.

Que bien puede representar la funcin de oferta, donde Y seria la cantidad de productos
ofertados, a el intercepto y b la elasticidad precio de la oferta; ahora la siguiente tabla
muestra que la cantidad de kilos de carne de cerdo ofrecidas a los precios de mercado
Cantidades Y 2 2,5 3 4 3.5 3.5 4.5 5 5.5 5.5 6 7 7.5 9
Precio X
3.3 4.4 3.3 5.5 4.4 5.5 6.6 6.6 7.2 7.7 7.7 8.8 8.8 11

8.5
9.9

La forma grfica queda entonces

El grafico anterior muestra una relacin directa, como la funcin de oferta se supone es
lineal su forma funcional as se expresa, no obstante esta puede ser una curva semejante a
una parbola o a una exponencial (todo depende el caso) y por lo tanto se puede optar por la
mejor forma, en este caso para efectos de simplificacin se muestra una lineal.
DESARROLLO
La ecuacin de la lnea recta es Y(x) = a+ bXi ,
donde
a es el intercepto o el valor que adquiere Y cuando X es igual a cero,
b representa la pendiente o elasticidad de la ecuacin (por el cambio en una unidad
adicional de x el valor total de Y cambia en la proporcin de b).

CLCULO
Para obtener los valores de los coeficientes se tiene en primer lugar efectuar los productos
encontrar sus sumatorias y luego simultanear la ecuacin y despejando en cada caso el
valor que se requiera:
Precio X
3.3
4.4
3.3
5.5
4.4
5.5
6.6
6.6
7.15

Cantidades Y
2
2.5
3
4
3.5
3.5
4.5
5
5.5

(X)(Y)
6.6
11
9.9
22
15.4
19.25
29.7
33
39.325

10.89
19.36
10.89
30.25
19.36
30.25
43.56
43.56
51.1225

TOTAL

7.7
7.7
8.8
8.8
11
9.9
100.65

5.5
6
7
7.5
9
8.5
77

42.35
46.2
61.6
66
99
84.15
585.475

59.29
59.29
77.44
77.44
121
98.01
751.7125

Con el coeficiente encontrado se procede a sustituir en cualquiera de las dos funciones

originales para despejar el valor de a por lo que se obtiene
585.475

= (a) 100.65+ (b) 751.7125

585.475

= (a) 100.65+ 0.901166978) 751.7125

585.475-667.7418482 = (a) 100.65

-91.94348195/100.65= a
a

= -0.913497088

De manera tal que la ecuacin queda:

Y(X)

0.9012 X- 0.9135

A un precio de 0, segn esa ecuacin, la produccin seria -0.91 unidades, la elasticidad

precio de la oferta como es de esperarse es positiva en la medida que cambie el precio de la
produccin este tendr un impacto en el cambio de oferta a un mayor precio se ofrecer
una mayor cantidad de producto.
Para efectos simplificadores se puede usar de manera general

FUNCIN CUADRTICA
La forma funcional de cada modelo economtrico depende en alguna parte por su forma
grfica, es decir que al reflejar en un esquema bidimensional se puede apreciar la forma y
hacerse una idea de la ecuacin que se ajusta de mejor manera al modelo que se busca.
Para el caso tomaremos un ejemplo hipottico en el que se toma el esquema de una funcin
de costos totales, donde se sabe que hasta cierto punto en el que la produccin aumenta los
costos caen dado un nivel de tecnologa llegando a un mnimo y a partir de ah existe un
incremento progresivo por cada unidad adicional por tanto se espera una forma parablica.
La siguiente tabla muestra el valor del costo total Y que se obtiene con un nivel de
produccin especfico X.

x 200 240 300 400 500 540 600 640 700 800 900 1000 1040 1100 1200
y 3910 3680 2990 2070 2070 1380 1610 1380 1725 1495 2070 1840 2530 2990 4025
Y su forma grfica es:

El grfico anterior muestra claramente que la tendencia no se ajusta a una recta, esta se
plantea como una curva en forma de u, siendo una parbola la ecuacin que ms se ajusta
es cuadrtica.
En este caso estamos tratando con una ecuacin de la forma

lo que indica que tiene un valor mximo o en su defecto un mnimo.

DESARROLLO
Para el caso de la funcin cuadrtica es necesario aclara que es un caso espacial que se ve
en muchos ejemplos econmicos, su aplicacin es til para determinar mximos y mnimos.
El procedimiento es el mismo que en el anterior se encuentra

mnimo, se deriva respecto a los coeficientes a, b y c y luego se igualan a cero, para

posteriormente simultanearlas, las ecuaciones quedan entonces:

CLCULO
El siguiente paso a realizar consiste en obtener los productos y sumatorias indicadas en las
tres ecuaciones
X
200
240
300
400
500
540
600
640
700
800
900
1,000
1,040
1,100
1,200
10,160

Y
3,910
3,680
2,990
2,070
2,070
1,380
1,610
1,380
1,725
1,495
2,070
1,840
2,530
2,990
4,025
35,765

XY
X2Y
X2
782,000 156,400,000 40,000
883,200 211,968,000 57,600
897,000 269,100,000 90,000
828,000 331,200,000 160,000
1,035,000 517,500,000 250,000
745,200 402,408,000 291,600
966,000 579,600,000 360,000
883,200 565,248,000 409,600
1,207,500 845,250,000 490,000
1,196,000 956,800,000 640,000
1,863,000 1,676,700,000 810,000
1,840,000 1,840,000,000 1,000,000
2,631,200 2,736,448,000 1,081,600
3,289,000 3,617,900,000 1,210,000
4,830,000 5,796,000,000 1,440,000
23,876,300 20,502,522,000 8,330,400

Con 15 observaciones se tiene un n de 15

X3
X4
8,000,000
1,600,000,000
13,824,000 3,317,760,000
27,000,000 8,100,000,000
64,000,000 25,600,000,000
125,000,000 62,500,000,000
157,464,000 85,030,560,000
216,000,000 129,600,000,000
262,144,000 167,772,160,000
343,000,000 240,100,000,000
512,000,000 409,600,000,000
729,000,000 656,100,000,000
1,000,000,000 1,000,000,000,000
1,124,864,000 1,169,858,560,000
1,331,000,000 1,464,100,000,000
1,728,000,000 2,073,600,000,000
7,641,296,000 7,496,879,040,000

Siguiendo el esquema anterior se procede a simultanear las ecuaciones, comenzaremos

con (1) y (2)

Simultaneando (1) y (3)

Multiplicando -8.330.400 por la (1) y 15 por la (3)

Sustituyendo este valor en 4 y despejando b tenemos

b= (-5,227,900 29,982,576,000(0.009954675))/ 21,730,400
b= -13.97556819
Para encontrar el coeficiente c hay que sustituir en cualquiera de (1), (2) (3), tomando la
ecuacin primera se tiene:
35,765
35,765
35,765
a
a

= 15 a + 10,160 b + 8,330,400 c
= 15 a + 10,160 (-13.97556819) + 8,330,400 (0.009954675)
= 15 a -141991.7728 + 82926.42106
= (35,765+141991.7728- 82926.42106)/15
= 6322.023448

En consecuencia la ecuacin queda

Y(x)

0.009954675 X2 - 13.97556819 X + 6322.023448

Funcin exponencial
El caso de una ecuacin exponencial requiere de un tratamiento especial, el crecimiento
exponencial se le aplica en la mayora de variables poblacionales, la explicacin se debe
entre otras, adems de la relacin grfica, a que el crecimiento en un tramo es lento y a
partir de cierto punto, este se incrementa en mayor cantidad, tal como muestra la siguiente
grfica.

La forma de la funcin estimada es

Los coeficientes a y b se calculan a partir de un sistema de ecuaciones que a

continuacin se explicara, el primer paso a realizar es linealizar la funcin para ello se
aplican logaritmos base 10.
Teniendo el siguiente cuadro que relaciona tiempo y niveles Poblacin ocupada, se puede
observar una tendencia no lineal, una curvatura en la secuencia de datos, la forma grfica
muestra que el modelo de regresin mas adecuado es la exponencial.

Es necesario aclarar que cuando se relaciona el tiempo y otra variable, se considera al

tiempo como la variable independiente.

1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
N= 25

escolaridad
2.890
2.740
3.230
3.400
3.123
3.365
3.563
3.735
3.960
3.560
3.573
3.662
3.842
3.523
3.760
3.990
4.126
4.356
4.653
5.236
5.136
5.313
5.459
5.609
5.763

Desarrollo
El procedimiento para determinar los coeficientes entonces es:

Al igual que en los casos anteriores se busca que la desviaciones de los valores observados
respecto a los estimados sea el mnimo posible, por lo que se debe derivar respecto a los
coeficientes a y b para luego igualar los resultados a cero.
Para el caso se debe sustituir la funcin exponencial linealizada en la expresin sumatoria a
minimizar por lo que:

CLCULO
Tomando como base la tabla presentada anteriormente y para simplificar los clculos, se
sustituyen los valores de aos por un equivalente numrico que no afecta el resultado (este
mtodo se utiliza principalmente en aos o en variables de tiempo que poseen un
incremento unitario).
En consecuencia tenemos la siguiente grfica que relaciona el tiempo y la cantidad de
poblacin ocupada en millones de personas:

Aos
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002

X
-12
-11
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11

Y
2.890
2.740
3.230
3.400
3.123
3.365
3.468
3.684
3.860
3.560
3.573
3.662
3.842
3.900
3.760
3.990
4.126
4.356
4.653
5.236
5.018
5.190
5.333
5.479

Log Y
0.46089784
0.43775056
0.50920252
0.53147892
0.49457198
0.52698507
0.54007909
0.56631962
0.5865873
0.55149767
0.55301164
0.56367494
0.58450797
0.59106461
0.57518784
0.6009729
0.61548712
0.63908787
0.66773305
0.71899964
0.70049474
0.715185
0.72695922
0.73873907

X*log Y
-5.53077411
-4.81525619
-5.09202522
-4.78331025
-3.95657587
-3.68889548
-3.24047453
-2.83159811
-2.34634922
-1.654493
-1.10602328
-0.56367494
0
0.59106461
1.15037569
1.80291869
2.46194847
3.19543936
4.00639832
5.03299747
5.6039579
6.43666501
7.26959218
8.12612979

X2
144
121
100
81
64
49
36
25
16
9
4
1
0
1
4
9
16
25
36
49
64
81
100
121

2003

12
0

5.630
101.067229

0.7505158
14.946992

9.00618959
15.0742268

144
1300

En este caso no habr necesidad de simultanear debido a que la sumatoria de X es igual a

cero y por lo tanto el valor de a y b se obtienen de manera ms rpida
En consecuencia el valor de a se obtiene:

Para este caso se debe sustituir valores comprendidos entre -12 y 12, para que de como
resultado el valor en su equivalente en aos.
Funcin de potencia.
A esta funcin se le conoce como curva geomtrica de la forma
, al igual que
los casos anteriores es necesario linealizar la ecuacin, como se puede esperar basta aplicar
logaritmo a la ecuacin de igual manera que el en caso exponencial para obtener una
ecuacin de la tendencia buscada y se procede a derivar respecto a a y b .
En este caso utilizamos la relacin ingreso y consumo

Ingreso
3.01
3.26
3.69
3.98
3.654
4.024
3.89
4.2
4.36
4.56
4.268
4.689
4.93
5.3
5.21
5.36

consumo
1.904236782
2.389395036
2.93138203
3.321130844
2.884343721
3.074481512
3.198127393
3.629445223
3.860393932
4.156912734
3.726912485
3.957023376
4.727987654
5.327630566
5.179181854
4.934102133

n=16

DESARROLLO
La secuencia de pasos es similar a la exponencial se tiene que minimizar la expresin,
sustituir el valor equivalente de Y estimado y derivar.

Aplicando propiedades de logaritmos

Igualando a cero y derivando respecto a los coeficientes a y b se llega a las siguientes

expresiones

CLCULO
Con la informacin anterior se construye los cuadros respectivos que permitirn determinar
los valores de los coeficientes:

Y (Consumo)
1.904
2.389
2.931
3.321
2.884
3.074
3.198
3.629
3.860
4.157

X (Ingreso)
3.010
3.260
3.690
3.980
3.654
4.024
3.890
4.200
4.360
4.560

Log X
0.479
0.513
0.567
0.600
0.563
0.605
0.590
0.623
0.639
0.659

Log Y
0.280
0.378
0.467
0.521
0.460
0.488
0.505
0.560
0.587
0.619

Log X* Log Y (Log X) 2

0.134
0.229
0.194
0.263
0.265
0.322
0.313
0.360
0.259
0.317
0.295
0.366
0.298
0.348
0.349
0.388
0.375
0.409
0.408
0.434

3.727
3.957
4.728
5.328
5.179
4.934
Sumatoria
n=16

4.268
4.689
4.930
5.300
5.210
5.360

0.630
0.671
0.693
0.724
0.717
0.729

0.571
0.597
0.675
0.727
0.714
0.693

0.360
0.401
0.467
0.526
0.512
0.505

0.397
0.450
0.480
0.525
0.514
0.532

10.002

8.842

5.661

6.333

En consecuencia la ecuacin queda

Y(X) = aXb
Y(X) = 3.57 X70.32
COEFICIENTE DE CORRELACIN INTERPRETACIN ESTADSTICA
Como ya se ha planteado el grado de correlacin mide la intensidad de relacin lineal, ya
sea directa, inversa o inexistente entre dos variables, se dice que es directa si tiene signo
positivo, inversa de signo negativo y nula cuando el valor sea aproximadamente igual a
cero.
Existen diferentes mtodos para calcular el grado de correlacin en este curso explicaremos
el mtodo en trminos de variaciones y simplificado de Kart Pearson.
El mtodo de variaciones consiste en comparar el grado de desviacin que se presenta entre
los valores observados, los proyectados y la media aritmtica; el de Kart Pearson lo resume
en una ecuacin determinada.

La idea central radica en que si existe relacin entre los valores de Y observados con los
valores de X, el grado de variacin de la media aritmtica respecto a los Y estimados y
los observados es mnima.
En trminos concretos se compara el porcentaje de la variacin explicada (que se origina
entre los valores proyectados y la media), y la variacin total (la variacin observada y la
variacin explicada) en cuyo caso refleja un coeficiente que se encuentra entre el valor de 1 y 1.
De manera funcional se mide:
Variacin total = variacin no explicada + variacin explicada
(Y observada -media de Y) = (Y observada - Y estimada) + (Y estimada - media de Y)
La siguiente grfica muestra las desviaciones a las que se hace referencia, el valor de la
media se representa por la variable y se obtiene de la suma del valor observado dividido
entre el total de observaciones,
= Y / n.

Para evitar valores negativos se debe llevar al cuadrado cada expresin, para totalizar ese
clculo se realiza para cada uno de los puntos y luego se procede a la suma en consecuencia

Como el coeficiente de correlacin es un porcentaje que explica el comportamiento de la

relacin entre lo variacin explicada y la variacin total se calcula mediante

Con esta ecuacin se puede apreciar que en la medida que el valor de observado sea igual al
valor proyectado, el nivel de variacin con la media ser el mismo, es decir que Y
observado = Y estimado, si eso se cumple para cada uno de los puntos las variaciones son
inexistentes y por lo tanto

El mtodo de Pearson no es ms que aplicar la siguiente ecuacin

DESVIACIN ESTNDAR
La desviacin estndar de la funcin de regresin indica el grado de dispersin entre las
variaciones de los valores observados Y respecto a los estimados con ese valor se puede

determinar con cierta certeza si un modelo es confiable, en la medida que dicho coeficiente
sea mayor se puede apreciar que la estimacin de los coeficientes no es lo suficientemente
confiables. Y(X) , la frmula queda:

CLCULO DE LA DESVIACIN ESTNDAR .

De acuerdo con los datos recopilados se puede decir que la desviacin es

Por el segundo mtodo

La diferencia se debe a los decimales utilizados

PRUEBAS DE VALIDEZ ECONOMTRICAS
Significancia Estadstica
Para determinar la significancia estadstica es necesario calcular la varible t student, la cual
es una distribucin que tiene una fuerte vinculacin con la curva o distribucin normal,
puesto que en la medida que se tengan mayor cantidad de observaciones en el calculo del t
student la curva se va ajustando a la normal.
Para iniciar este tipo de evaluacin hay que considerar los grados de libertad de la serie los
cuales no son ms que el nmero de observaciones n menos el nmero de variables
utilizadas para la proyeccin.
La formula entonces queda

Donde la variable es un parmetro encontrado en la ecuacin, el gorrito o el ^ significa

que el valor encontrado mediante los MCO y el valor por si solo es el real o el
poblacional no estimado y
es el error estndar del parmetro.
El valor t debe evaluarse para un nivel de significancia o probabilidad que no debe ser
mayor al 15% y se puede evaluar para una o para dos colas, esto se estima el valor
mediante una tabla que se encuentra en la mayora de libros de estadstica para estudios
superiores.
Para establecer si los coeficientes son significativos en trminos estadsticos, se observa si
el valor de t, se encuentra fuera de la zona crtica y en este caso se dice que los coeficientes
son estadsticamente significativos. De caer dentro de los intervalos de las colas, es decir
entre ellas, se dice que no son estadsticamente significativos, dependiendo del tipo de
modelo tambin se puede elegir la prueba utilizando un lado de la cola.
En primer lugar se debe determinar el valor crtico y para ello se analiza los grados de
libertad y la probabilidad con la que se desea trabajar, utilizando los valores de la funcin
lineal tenemos:

Como el valor de b es 0.90 y para una probabilidad del 5% con 15-2 grados de libertad se
tiene un valor de 2.160, como el valor t es 60.92 podemos asegurar que la t student queda
fuera del rango en que no existe significancia estadstica

INTERPRETACIN DE VARIABLES
Los valores obtenidos como a y b son estimadores de los parmetros reales, porque se
dicen estimadores por que son encontrados a partir de una muestra, su representacin en
econometra son los valores , el caso de a se esta tratando con el intercepto y con b
con la elasticidad, si b esta siendo afectado por un logaritmo ese coeficiente es una tasa
de crecimiento.
En la medida que el valor de r o r2 tienda a uno o a -1 se esta tratando de una fuerte
correlacin, los investigadores prefieren trabajar con un coeficiente de correlacin cercano
a 0.90 y 0.95, si es 0.99 nos encontramos en la posibilidad de presentar auto correlacin
entre las variables y por tanto no aproximarnos a los valores reales.
PROYECCIONES
Las proyecciones de los modelos como se ha planteado son en dos momentos el Corto
Plazo CP y el Largo Plazo LP, este ltimo se utiliza solamente la ecuacin calculada por
mnimos cuadrados ordinarios, en el caso de CP sea hace una regresin utilizando las
desviaciones tpicas de cada valor u observacin para estimar su relacin de variabilidad
con la funcin economtrica a partir de ello se aplica a las observaciones un mtodo de
diferencias para determinar su variacin para cada ao y a partir de los coeficientes que
refleje se puede hacer estimaciones para no mas de 5 o 6 observaciones a futuro, con la
condicin de proyectar las variables independientes .
El mtodo de proyecciones de CP no ser presentado por tratarse de un mtodo que
requiere otros elementos de anlisis como la estacionariedad de la serie y su cointegracin,
as como mtodos de proyeccin y utilizacin de paquetes computacionales; por tal motivo
estamos en la posicin de hacer proyecciones a LP, para ello se toma la ecuacin calculada

y se procede a sustituir valores de la variable independiente que se encuentren dentro del

rango o dominio de la variable X.
Finalmente para efectuar una proyeccin de CP, el modelo debe poseer un coeficiente de
correlacin cercano a 1 o a -1, una mnima desviacin estndar y poseer significanca
estadstica, solo de esta manera una proyeccin es confiable, en la medida que los el r2 sea
cercano a cero o inferior a 0.75, una desviacin grande y con coeficientes no
representativos la estimacin se dice no confiable o espuria.
Para el ejercicio de la funcin lineal tenemos una ecuacin construida para un domino que
va desde 3.3 a 11, el cual representa el precio.
Con esa informacin podemos decir que si el mercado espera en ese periodo un precio de 5
unidades monetarias el valor de la cantidad ofertada ser de Y(X)=0.9012 (5)- 0.9135,
Y(X)= 3.59, en consecuencia los productores ofreceran una 3.6 kilos de carne
aproximadamente, la misma mecnica se aplica para las dems ecuaciones calculadas, la
interpretacin variar dependiendo de las variables utilizadas.
En el caso de utilizar el Excel solo es necesario aplicar la formula tal como se presenta en la
siguiente grafica, el valor variable es la columna de los precios esperados B y por tanto se
deja la ecuacin idntica excepto ese valor que nos sirve para estimar, para encontrar los
valores posteriores simplemente es necesario copiar y hacia abajo

Ntese que el valor de 15 no fue estimado por no encontrarse dentro del rango, lo mismo se
aplica para casos que estn por debajo de 3.3.
ALGUNOS CLCULOS MEDIANTE EXCEL
Como es de esperarse existen diferentes programas que facilitan el anlisis economtrico,
dentro de ellos se puede mencionar SPSS y Econometrics Views, son programas
especializados para ello, no obstante, office de Windows mediante Excel ofrece
herramientas que facilitan ciertos clculos como la estimacin de la educacin y el valor de
r2.

En primer lugar debemos introducir los datos de manera vertical tal como se muestra

Luego marcamos las dos columnas para graficar las relaciones

Ntese que se sealo el grfico de dispersin, se aplica siguiente hasta el punto en que se
solicita la ubicacin, se recomienda que se enve a una hoja aparte, no en la misma hoja.
Se da clic derecho en la lnea de dispersin para seleccionar lnea de tendencia

Como se puede apreciar existen diferentes tendencias, uno mismo puede hacer las pruebas
en que el coeficiente de correlacin y la forma funcional se ajuste ms.

Adems en la vieta de opciones de la misma venta se puede seleccionar que muestre la

ecuacin y el valor de r2.
Quedando de esta manera

Ntese que son los mismos valores calculados para el ejemplo 1 de lnea de regresin lineal
Cuestionario
Introduccin
1. Que es la econometra?
2. Cules son las diferencias entre la correlacin y regresin?
3. Cmo puede vincular los conceptos econometra, correlacin y regresin.?
Metodologa
1. explique brevemente los pasos para la construccin de un modelo
economtrico a partir de los niveles de desempleo e inflacin utilizando la
curva de Phillips y su teora.
CONSIDERACIONES DE LOS MODELOS
1. Qu condicin condiciones indispensable debe contener una serie
estadstica para considerarla apta para aplicar la herramienta de econometra.

2. Cul es la razn de utilizar logaritmos aplicados a una serie estadstica y que

implicaciones tienen en el modelo en cuanto a la interpretacin de los
parmetros o coeficientes.
Mnimos Cuadrados Ordinarios
A continuacin se presenta un caso hipottico en el que se relaciona el tiempo y la variable
Poblacin Ocupada, se pide:
1.
2.
3.
4.

Coeficiente de correlacin.
Desviacin estndar.
Ecuacin de regresin
Cual de las formas de ecuacin se ajusta ms para explicar el
comportamiento de esta serie.
5. Ser que existe una relacin entre el tiempo y la cantidad de Poblacin
Ocupada, comente?
6. Cmo se pueden interpretar los coeficientes encontrados.
Nota: utilice Excel para verificar sus resultados

Ejercicio de aplicacin caso hipottico

Poblacin ocupada
1975
1,236,400
1976
1,269,783
1977
1,304,067
1978
1,336,525
1979
1,440,242
1980
1,437,598
1981
1,392,730
1982
1,307,429
1983
1,484,303
1984
1,393,370
1985
1,371,884
1986
1,484,961
1987
1,532,991
1988
1,740,448
1989
1,633,763
1990
1,854,882
1991
1,781,582
1992
1,753,147
1993
1,802,586
1994
1,950,998
1995
1,973,017
1996
2,056,450
1997
2,066,523

1998
1999
2000
2001
2002
2003
2004
2005

2,227,471
2,274,728
2,322,697
2,451,317
2,412,785
2,520,060
2,526,363
2,607,100