ECONOMETRIA

G. S. Maddala
Universidad de Florida

Traducción
Javier Contreras García
Profesor ayudante de Econometria
Departamento de Econometria
Facultad de Ciencias Económicas y Empresariales
Universidad Autónoma de Madrid

Revisión técnica:
Vicente Lozano López
Catedrático de Econometria y Métodos Estadísticos
Departamento de Econometria
Facultad de Ciencias Económicas y Empresariales
Universidad Autónoma de Madrid

Antonio García Ferrer

Catedrático de Econometria y Métodos Estadísticos
Departamento de Econometria
Facultad de Ciencias Económicas y Empresariales
Universidad Autónoma de Madrid

McGraw-Hill
MADRID • BOGOTA • BUENOS AIRES • GUATEMALA • LISBOA • MEXICO
NUEVA YORK • PANAMA • SAN JUAN • SANTIAGO • SAO PAULO
AUCKLAND • HAMBURGO • JOHANNESBURGO • LONDRES • MONTREAL» NUEVA DELHI
PARIS • SAN FRANCISCO • SINGAPUR • ST. LOUIS ^SJPNEY • TOKIO • TORpNTQ,
 CONTENIDO

PREFACIO xi

PARTE PRIMERA. INTRODUCCION

■f

Capítulo 1 Datos, variables ymodelos 3

1.1 Datos 3
1.2 Relaciones 4
1.3 Variables 5
1.4 Formas funcionales 6

PARTE SEGUNDA. INTRODUCCION A LA PROBABILIDAD

Y LA INFERENCIA ESTADISTICA

Capítulo 2 Probabilidad 13
2.1 Definición de probabilidad 13
2.2 Probabilidad conjunta, probabilidad condicional
e independencia 14
2.3 Probabilidad subjetiva 15
2.4 Teorema de Bayes 17

Capítulo 3 Variables aleatorias y distribuciones de probabilidad 21

3.1 Variables aleatorias 21
3.2 Distribución de probabilidad 21
3.3 Función de distribución acumulada 23
3.4 Función de densidad de probabilidad conjunta 24
3.5 Propiedades de las distribuciones de probabilidad 25
3.6 Momentos 27
3.7 Esperanza y varianza condicionadas 27
3.8 Momentos de la distribución conjunta 28
3.9 Algunas distribuciones de probabilidad de uso común 28

v
VI CONTENIDO

Capítulo 4 Inferencia estadística clásica 37

4.1 Introducción 37
4.2 Propiedades de los estimadores 38
4.3 Métodos de estimación puntual 40
4.4 Estimación por intervalos 42
4.5 Tests de hipótesis 43
4.6 Insesgadez, consistencia y eficiencia de los tests 44
4.7 El test de la razón de verosimilitud 45
4.8 Relación entre los procedimientos de intervalos de confianza
y los tests de hipótesis 46
4.9 Algunos comentarios sobre nivel de significación 47
4.10 Tests de la bondad de ajuste 48
4.11 Tests de independencia en tablas de contingencia 48
4.12 Tests de independencia combinados 49

Capítulo 5 Inferencia bayesiana y teoría de la decisión 52

5.1 Introducción a la inferencia bayesiana 52
5.2 Teoría estadística de la decisión 55
5.3 Ilustración del uso de funciones de pérdida 58
5.4 Ilustración del uso de funciones de riesgo 59

PARTE TERCERA. INTRODUCCION A LOS METODOS

ECONOMETRICOS

Capítulo 6 Medidas descriptivas 65

6.1 Medidas de tendencia central y dispersión 65
6.2 Peligros en la inferencia a partir de datos agrupados 69
6.3 Coeficiente de correlación 70

Capítulo 7 Regresión lineal simple 76

7.1 Introducción 76
7.2 Inferencia estadística en el modelo de regresión lineal 81
7.3 Predicción 84
7.4 Los métodos mínimo cuadrático y de la máxima
verosimilitud 85
7.5 Análisis de los residuos 87
7.6 Modificaciones del método simple de los mínimos cuadrados
ordinarios 92
7.7 Análisis de cambios estructurales 97
7.8 Interpretaciones alternativas a la regresión 98
7.9 Predicción de x dado y en la regresión de mínimos
cuadrados: método de Fieller 105

Capítulo 8 Regresión múltiple 108

8.1 Introducción 108
8.2 Regresión sin término constante 111
8.3 Correlaciones parciales y correlación múltiple 112
8.4 Relación entre coeficientes de correlación simple, 113
parcial y múltiple
 CONTENIDO Vil

8.5 Inferencia estadística en el modelo de regresión múltiple 114

8.6 Ejemplos 117
8.7 Coeficientes beta 123
8.8 Predicción 124
8.9 Grados de libertad y R2 124
8.10 Relaciones entre los cocientes t y F en el análisis 126
de regresión
8.11 Selección de variables en la regresión múltiple 129
8.12 Una nota sobre la presentación de resultados 132

Capítulo 9 Variables ficticias, variables retardadas

y no linealidades en la regresión múltiple 137
9.1 Introducción 137
9.2 Variables ficticias 137
9.3 Variables dependientes retardadas 146
9.4 Variables explicativas estocásticas 154
9.5 Omisión de variables relevantes e inclusión de irrelevantes 162
9.6 Variables proxy 164
9.7 Variables dependientes limitadas y ficticias 169
9.8 Métodos de optimización no lineal 178
9.9 Mínimos cuadrados no lineales 182
9.10 La aproximación de máxima verosimilitud 184

Capítulo 10 Algunos temas adicionales en la regresión múltiple 192

10.1 Multicolinealidad 192
10.2 Soluciones a la multicolinealidad 199
10.3 Contrastes de restricciones lineales 204
10.4 Falta de observaciones 212
10.5 Agregación 218

Capítulo 11 Introducción a los modelos de ecuaciones simultáneas 231

11.1 Variables conjuntamente dependientes e indentificación 231
11.2 Identificación bajo restricciones lineales homogéneas 236
11.3 Identificación por restricciones en la matriz
de varianzas y covarianzas 238
11.4 Algunos problemas adicionales en la identificación 239
11.5 Métodos de estimación 242
11.6 Métodos de variables instrumentales 245
11.7 Normalización 247
11.8 Un ejemplo ilustrativo: modelo 1 de Klein 249
11.9 Sesgo mínimo cuadrático 254

PARTE CUARTA. TRATAMIENTO ADICIONAL DE TEMAS

SELECCIONADOS

Capítulo 12 Heterocedasticidad y autocorrelación 269

12.1 Introducción 269
12.2 Heterocedasticidad 271
12.3 Heterocedasticidad y el uso de deflactores 277
12.4 Heterocedasticidad y datos agrupados 281
viii CONTENIDO

12.5 Errores autocorrelacionados 287

12.6 Procedimientos de estimación cuando los residuos
son AR(1) 290
12.7 Tests para la correlación serial 297
12.8 Causas de la correlación serial 305

Capítulo 13 Errores en variables y perturbaciones no normales 306

13.1 Errores en variables 306
13.2 Los modelos clásicos 306
13.3 Relación funcional y relación estructural 308
13.4 Métodos de variable instrumental 310
13.5 Otros métodos: observaciones repetidas y ecuaciones
adicionales 314
13.6 Errores correlacionados 316
13.7 Predicción 317
13.8 Errores en variables y variables omitidas 318
13.9 Perturbaciones no normales 320
13.10 Alternativas a los mínimos cuadrados 323
13.11 Transformaciones de los datos 329
13.12 Funciones de producción «frontera»: un ejemplo
de perturbaciones no-normales 333

Capítulo 14 Análisis de la covarianza y combinación de datos

de sección cruzada y series temporales 335
14.1 Análisis de varianza y covarianza 335
14.2 La combinación de datos de sección cruzada y series
temporales 337
14.3 Modelos" de componentes de la varianza 342
14.4 El modelo de regresión aparentemente no relacionada 347
14.5 Modelos de ecuaciones simultáneas 348
14.6 Algunas alternativas a la combinación de datos 349

Capítulo 15 Tendencia, variación estacional y predicción 351

15.1 Tendencia 351
15.2 Métodos de eliminación de la tendencia 352
15.3 Variación estacional 355
15.4 Análisis de regresión con datos estacionales 357
15.5 Predicción 360
15.6 Medición de la fiabilidad de las predicciones 361
15.7 Predicción a partir de valores observados en el pasado 366
15.8 Métodos Box-Jenkins 367

Capítulo 16 Modelos de retardos distribuidos 373

16.1 Distribuciones de retardos finitos 373
16.2 Distribuciones de retardos infinitos 377
16.3 Un ejemplo ilustrativo 388
16.4 Problemas de correlación serial 390
16.5 Estacionalidad en modelos con retardos distribuidos 392
16.6 Agregación en el tiempo en los modelos de retardos
distribuidos 393
 CONTENIDO IX

16.7 Cálculo de retardos medios 396

16.8 Especificaciones paramétricas débiles en retardos
distribuidos 398
16.9 El método deShiller ylos estimadores cresta 402
16.10 Retardos deforma libre 408

Capítulo 17 Modelos de parámetros cambiantes 411

17.1 Caso 1: Las variables explicativas para los cambios
en los parámetros son conocidas 411
17.2 Caso 2: Modelo de Hildreth y Houck 413
17.3 Caso 3: Modelo de regresión cambiante 415
17.4 Caso 4: Modelo de regresión adaptativa 418
17.5 Caso 5: Modelos de parámetros estocásticamente
convergentes 420
17.6 Caso 6: Modelos de filtro de Raiman 422
17.7 Caso 7: Modelos de coeficientes puramente aleatorios 422
17.8 Cuándo y por qué utilizar modelos de parámetros
cambiantes 425

Capítulo 18 Métodos bayesianos en econometría 427

18.1 Algunas distribuciones de probabilidad 428
18.2 Análisis bayesiano del modelo de regresión simple 435
18.3 El caso de las probabilidades a priori difusas 437
18.4 Análisis bayesiano del modelo de regresiónmúltiple 438
18.5 Análisis bayesiano del modelo de regresión con
errores autocorrelacionados 442
18.6 Inferencia bayesiana en sistemas de ecuaciones 444
18.7 Análisis bayesiano de modelos de ecuaciones simultáneas 448
18.8 Otros modelos y observaciones finales 452

Apéndices 459
A Algebra matricial 459
B El modelo lineal en notación matricial 475
C Modelos de ecuaciones simultáneas 497
D Algunos ejercicios 522
E Tablas 533

INDICE 543