El objeto bsico de la Econometra consiste en.

especificar y estimar un modelo de relacin entre las

variables econmicas .
Utilizar informacin muestral acerca de los valores
tomados por dichas variables, con el objeto de cuantificar
la magnitud de la dependencia entre ellas.

 Evaluar crticamente la validez de hiptesis propuestas

por la Teora Econmica acerca de las relaciones

estimadas y, en algunos casos,
Efectuar un ejercicio de seguimiento coyuntural y de

previsin de las variables analizadas.

Debemos iniciar especificando muy claramente cul es el

centro de atencin de nuestro trabajo emprico; luego
identificaremos los determinantes que explican la evolucin
de esta variable; escoger cuidadosamente la informacin
estadstica relevante para cuantificar tal relacin, y debe
proceder, finalmente, a su cuantificacin.

 Finalmente se utilizar el modelo de relacin estimado, ya

sea a efectos de contrastacin de un supuesto terico, o

como elemento de anlisis y seguimiento de la variable
cuyo comportamiento escogi explicar.
Es decir un modelo de relacin de variables econmicas,
que denotamos genricamente.

 Con el objeto de analizar empricamente, es decir,

utilizando datos reales, recogemos informacin muestral,

que consiste en una lista ordenada de valores numricos
de las variables y, x1, x2,, xk.

Nuestro curso ser tratado con relaciones de dependencia

lineal, es decir:

Que denominaremos modelo de regresin lineal mltiple,

modelo lineal general.

Caractersticas del Modelo

El modelo economtrico es estocstico.
La presencia del trmino de error u hace que la relacin
entre la variable endgena y las explicativas sea
estocstica, como contraposicin a la posibilidad de que y
hubiese dependido del vector x de modo determinista, es
decir, a travs de una relacin funcional exacta, como en:
1.

La relacin es estocstica por las siguientes razones:

a) Porque el modelo de regresin es slo una aproximacin
al verdadero modelo de relacin entre y y el vector x, que
es mucho mas complejo y de difcil especificacin.
b) Porque gran parte de las variables econmicas de inters
estn sujetas a errores de medida, en muchos casos por
inferirse su valor a partir de muestras finitas y, en otros
casos, por no ajustarse exactamente al concepto
econmico que el investigador querra incorporar en su
modelo econ.

c) Porque reconocemos la posible existencia de otros

factores determinantes del comportamientos de y que no
hemos incluido en el modelo, bien por desconocimiento de
dichos factores o porque no dispongamos de
observaciones numricas de los mismos.

Suponemos que la esperanza matemtica del termino de

error ui del modelo es cero; si, por el contrario, tuvisemos
E(ui)= a 0, este sera un efecto constante y, por ello,
determinista sobre yi, y debera incluirse como parte de la
constante 1. Este supuesto propone una esperanza
matemtica nula para cada una de dichas variables
aleatorias, ya correspondan a las distintas observaciones
de seccin cruzada o a periodos diferentes de tiempo,

de modo que podemos recoger todos ellos formulando

E(u)=0N, E(u)=0T
Una situacin en que este supuesto no se cumplira es
cuando el investigador, por error, omite del modelo una
variable explicativa relevante.

Ejemplo:

Se especifica el modelo
En cuyo caso el trmino de error vt sera igual a
Que ser distinta de cero en general.

La matriz de covarianzas del termino de error

Var(u), tiene por elemento genrico

, es simtrica, definida positiva, de dimensin NxN (TxT)
en el caso de datos de series temporales.

Suponemos que la matriz de covarianzas tiene estructura:

Donde hemos recogido dos hiptesis.

a) Suponemos que los elementos de fuera de la diagonal
de la matriz son iguales a cero. Estos elementos son las
covarianzas entre los trminos de error correspondientes a
observaciones distintas.

Al suponer que sus covarianzas son iguales a cero,

estamos afirmando que dichos trminos estn
incorrelacionados entre s.
b) Decimos que la matriz es escalar, es decir, la diagonal
principal es constante. Los elementos de dicha diagonal
son las varianzas de los trminos de error de las distintas
observaciones.

2. El modelo economtrico es lineal

El modelo que relaciona variables endgena y explicativas
es lineal en los coeficientes .
Algunas relaciones no lineales entre variables deben
transformarse en lineales, como ocurre cuando se toman
logaritmos en la funcin de produccin Cobb Douglas.

3. Los coeficientes del modelo 1,2, . k son

constantes en el tiempo
Para que el problema de estimacin sea menos complejo
mantenemos el supuesto, por lo que el problema de
estimacin consiste en utilizar la informacin muestral para
asociar valores numricos a estos k coeficientes.

4. Existe una relacin causal desde las variables explicativas hacia la

variable endgena
Cuando

especificamos un modelo economtrico,

entendemos que la teora econmica subyacente aporta
suficientes elementos como para sugerir que las variables
explicativas x influyen sobre la variable y, y no al revs.
Las variables x son denominadas exgenas, es decir, sus
valores se toman como dados, ya que no reciben
influencia alguna de la variable que se pretende explicar y
que, por contraposicin recibe en nombre de endgena.

5. Las variables x no son linealmente

dependientes
Es una de las caractersticas mas estrictas que se
describen, pues excluye la posibilidad de que alguna de las
variables explicativas del modelo economtrico pueda
escribirse como combinacin lineal exacta de las dems.
Todas las variables econmicas muestran algn grado de
correlacin entre s, y ellos no nos produce excesivas
dificultades, excepto cuando se llega a una situacin de
dependencia total.

6. Las variables x son deterministas

Significa que si tuvisemos la oportunidad de obtener otra
muestra, adems de la ya disponible, los valores de las
variables explicativas seras los mismos que los ya
observados en la muestra que en ese momento tenemos.

El primer objetivo del anlisis economtrico es el de

obtener estimaciones de los parmetros desconocidos del
modelo. Estos son los coeficientes de las variables
explicativas y, por otro, los que entran en la matriz de
covarianzas del trmino de error.

Una vez estimados los coeficientes , se puede calcular

para cada instante t:

En el que las estimaciones i, 1i k han sustituido a los
verdaderos valores, desconocidos.
Esta ecuacin representa la estimacin de acuerdo con el
modelo economtrico, del valor que deba haber tomado la
variable endgena yt

Habr siempre una discrepancia entre el valor realmente

observado de yt y la estimacin anterior, a la que

denominamos residuo correspondiente a dicho periodo
De este modo podemos generar una serie de T residuos
que representados en forma matricial, con un vector T x1,
son:


El
estimador de mnimos cuadrados utiliza como

criterio la minimizacin de la norma eucldea del

vector u, es decir, de la suma , que denominamos
suma residual.
La suma residual puede expresarse en notacin
matricial como , siendo u el vector Tx1 de residuos.

residual es una funcin de :

a) Las observaciones muestrales
b)

las estimaciones

Cuando la variable explicativa es una constante, es decir,

X1t=1 para todo t, la primera fila ( y la primera columna) de

la matriz XX se convierte en y la primera ordenada del
vector XY pasa a ser

 Es importante tomar nota que el estimador de MCO est

definido de modo nico siempre y cuando la matriz XX

sea invertible.
1. Las k columnas de la matriz X son linealmente
independientes, es decir, siempre que las k variables
explicativas del modelo no sean linealmente
dependientes entre s.
2. Se disponga de al menos tantas observaciones como
variables explicativas, es decir: T k

Propiedades del estimador de mnimos cuadrados

ordinarios
1.

El estimador MCO es un vector aleatorio, pues,

dependiendo del vector de observaciones de la variable
endgena y, depende tambin del vector del trmino
aleatorio de error u.

Nos preguntamos acerca de su esperanza matemtica y

su matriz de covarianzas.

Significado de las propiedades de MCO

La primera de ella, garantiza que bajo nuestros
supuestos, el estimador MCO es insesgado
2. La obtencin del
provienen de una nica muestra,
entonces debemos tratar de minimizar la distancia
entre la nica realizacin muestral y su esperanza
matemtica, pero esta distancia viene medida por la
matriz de covarianzas de ,que nos interesa que sea tan
pequea como sea posible.
1.

Teorema de Gauss markov

El estimador MCO es el estimador insesgado ptimo, en

el sentido que cualquier otro estimador lineal e insesgado

tiene una matriz de covarianzas mayor que la del
estimador MCO

Coeficiente de determinacin