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.
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.
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
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:
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
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
585.475
= -0.913497088
0.9012 X- 0.9135
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
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
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
= 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
Y(x)
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.
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
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.
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
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
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
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
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:
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
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
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.
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.
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
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