CURSO DE ECONOMETRIA BASICA

curso-de-econometria-basica.pdf

Licencia de Creative Commons
CURSO DE ECONOMETRIA BASICA by Francisco Parra Rodríguez is licensed under a Creative Commons Reconocimiento-NoComercial 3.0 Unported License.

About these ads

9 thoughts on “CURSO DE ECONOMETRIA BASICA

  1. Gujarati en su libro, menciona los supuestos de homocedasticidad. multicolinealidad y autocorelacion…pueden ayudarme solo con la trascripcion del modelo y los supuestos. Gracias

    • En primer lugar hay que entender los tres supuestos, ya que violan los supuestos sobre los que funciona el MCO y determinan que sus estimadores no sean aceptables.
      El primero, es que la varianza de los residuos del MCO no sea constante, esto es por ejemplo que si estoy estimando las ventas de una empresas a través del empleo, encuento que una vez realizado el MCO los errores de estimación (positivos o negativos) son mas bajos en las empresas pequeñas y más altos en las empresas grandes, como ves la varianza del error acaba dependiendo del tamaño de la empresa, y por lo tanto hay que replantear el modelo y reducir ese riesgo, utilizar logaritmos, dividir ambas variables por un factor o variable de escala (por ejemplo el inmobilizado de la empresa) que aisle el efecto de tamaño de empresa en las variables originales, serían soluciones para resolver el problema de la falta de regularidad en los residuos. Aunque los libros acaban presentando modelos, que llevan a soluciones de Minimos cuadrados ponderados o generalizados, hay que entenderlos con la lógica que tiene el problema, es decir lo que se hace es utilizar una variable, que puede estar incluida en el modelo que elimine el problema de la escala. Hay transformaciones matemáticas de datos que también logran el proposito. La mejor forma de detectalo, representar los residuos y el sentido común.
      El segundo problema, el de la multicolinealidad, este es un problema puramente matemático. En la solución del MCO con varias variables dependientes hay que invertir la matriz (X’X), la de productos cruzados de las variables dependientes, y si hay combinancion lineal entre las variables dependientes, es decir una depende de otra (por ejemplo, x1=0,5*x2), esta matriz no se puede invertir y el MCO no se puede solucionar. No obstante, hay que ver la lógica de todo esto, si trato de explicar las ventas de una empresa por el empleo y los salarios, lo normal es que entre empleo y salarios exista una clara depenedencia funcional, esto es a efectos practicos la multicolinealidad, lo que quiere decir que una de ellas sobra, si tu planteas un MCO, lo que te va a ocurrir es que el coeficiente de regresión obtenido en una de las dos sea significativamente cero es decir, el valor de coeficiente que obtienes tenga una t de student no significativa, o lo que es lo mismo una variaza muy alta.
      El problema de la autocorrelación es que los residuos dependan unos de otros, date cuenta que el problema de la homocedasticidad es un problema comun a datos de “cross section”, es decir a estimaciones donde el “i” son empresas, individuos, territorios, etc… que es donde tiene sentido el factor de escala, el problema de la autocorrelación tiene lugar donde los datos son temporales “t”, años, trimestres, meses, etc… . En estas bases de datos, los registros no se pueden ordenar, ya que la ordenación viene determinada por el tiempo en que los datos han ocurrido. Dicho esto, si cuando hago MCO y represento los residuos y veo que a uno positivo, se sucede otro positivo aunque menor, y a este otro tambien positivo y menor, es decir encuentro un conjunto de residuos positivos que se dan en las mismas fechas, y otros conjunto de residuos negativos en las mismas fechas, y uno residuos que alternan datos positivos y negativos, tengo un eviende problema de estimación, ya que los residuos no son impredecibles, en el sentido de que con toda seguridad puedo afirnar que si obtengo un residuo positivo (o negativo) es siguiente tambien lo va a ser (aunque lo sea de menor tamaño). La prodicción que puedo hacer con el modelo es por tanto incompleta, este problema de dependencia de un residuo del anterior es lo que se llama autocorrelación, y su solución es completar el modelo buscando un coeficiente que se relaciones con el residuo que el modelo ha producido en el periodo anterior. Aunque a efectos academicos se plantean varias soluciones en minimos cuadrados generalizados, lo más practico es hacer la regresión MCO, obtener el residuo, y utilizarlo como nueva variable en el modelo pero adelantado un peridodo, y desechando el primer año, para el que logicamente no tengo información del residuo, en el segundo año, pongo el error obtenido en el modelo MCO del primer año, etc… con estos datos hago una nueva regresión y generalmente queda resuelto el problema, si no queda resuelto es porque el modelo residual es más complicado (las dependencias no son solo con el residuo anterior sino con este y el que le antecede; e(t)=a+b*e(t-1)+c*e(t-2); y por tanto hay que plantear la estimación en un contexto de modelos ARIMA, los programas econometricos permiten este tipo de soluciones.

      Un saludo

    • Te recomiendo:
      ECONOMETRIA
      de GUJARATI, DAMODAR
      MCGRAW-HILL
      Es sencillo de seguir, tiene bastantes ejemplos y ejercicios, y es el más recomendado en las universidades españolas.

      Un saludo

  2. Estoy interesado en la version digital de Econometria aplicada” de Parra & Muñoz, me gustaria mucho si alguien lo tiene disponible, puede ser en Espanhol, portuguez o ingles

  3. Deseo aplicar metodos econometricos em series de tiempo de productividade y produccion agricola, relacionandola com factores de imacto ambiental nos ecosistemas, algun libro aconsejable, ademas del anterior en version digital?

    • Siento no poderte ayudar, no conozco ningún libro de econometría que trate estos temas, en general están orientados a la macro y micro economía. Aunque te animaría a buscar referencias sobre el tema en la web de la FAO o de la CEPAL.

Deja un comentario

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s