1

Grado en Economía 2022-2023 2

Metodología docente

eCONOMETRÍAI
• Las clases teóricas
• Las clases prácticas
• El alumno dispondrá del material de trabajo elaborado para
cada tema, tanto teórico como práctico, que se publicará en
el aula virtual
Profesor: • Las tutorías
Marko Petrovic • Los trabajos prácticos
Correo electrónico: [email protected]
Despacho: 3C01
Tutorías: miércoles 10.30-12.00
miércoles 16.00-17.30
online

3 4

Evaluación Evaluación
• Prueba de síntesis • El alumno bajo sospecha de intento de copia, plagio o
• Esta prueba conformará el 70% de la nota del estudiante suplantación en la realización de las entregas o del examen
• Evaluación continua del estudiante tendrá una nota final de cero.
• Se organizará en torno a la realización y presentación de
un máximo de 3 entregas
• Esta evaluación continua de carácter no recuperable
conformará el 30% de la nota del estudiante
• Nota Final será la suma ponderada de la prueba de síntesis y
de la evaluación continua
• Para sumar la evaluación continua es imprescindible superar
la prueba de síntesis
 5 6

Introducción a la asignatura Descripción de contenido

• La asignatura Econometría I tiene carácter obligatorio y • Introducción a los modelos econométricos

semestral, con una carga lectiva total de 6 créditos ECTS • Modelo de regresión lineal simple
• La materia Econometría comprende las asignaturas • Modelo de regresión lineal múltiple
Econometría I y Econometría II, impartiéndose la primera en • Hipótesis básicas y propiedades del modelo de regresión
el primer semestre del curso y la segunda en el segundo lineal
semestre del curso • Contraste de hipótesis
• El objetivo de la materia es proporcionar a los estudiantes • Análisis de regresión con información cualitativa
los conocimientos básicos de la disciplina de Econometría • Relajación de hipótesis básicas en el modelo de regresión
• Perturbaciones no esféricas. La heteroscedasticidad

7 8

Referencias Referencias

• Básicas • Complementarias
• Wooldridge, J (2016). Introducción a la econometría. 5 • Stock J.H. y Watson M.M. (2019) Introduction to
ed. Cengage Learning. Econometrics, 4th Edition. Pearson.
• Wooldridge, J (2020). Introductory Econometrics A • Stock J.H. y Watson M.M. (2012) Introducción a la
Modern Approach. 7ed. Cengage Learning. Econometría. (3ª Ed.)
• Uriel E. (2019) Introducción a la Econometria. Libro • Gujarati, D. y Porter D.C. (2010) Econometría (5ª
electrónico. Universitat de València. (Castellano, Edición). McGraw-Hill.
Valencià, english) https://www.uv.es/uriel/libroin.htm • Greene, W. (2018). Econometric analysis (8th ed).
• Contreras, D. y Belaire, J. (2000). Introducció a Pearson
lEconometria. Universitat de Valencia. • Greene, W. (1999). Análisis Econométrico (3 edición).
Prentice-Hall. Madrid
 Tema 1: Introducción a los modelos econométricos 9 Tema 1: Introducción a los modelos econométricos 10

1.1. Concepto de Econometría 1.1. Concepto de Econometría.

1.2. Modelos económicos y econométricos
1.3. Etapas en la elaboración de un modelo econométrico • ¿Qué es la econometría?
1.4. Información estadística. Datos económicos

Tema 1: Introducción a los modelos econométricos 11 Tema 1: Introducción a los modelos econométricos 12

1.1. Concepto de Econometría. 1.1. Concepto de Econometría.

• Definición etimológica: Medición de la Economía

MATEMÁTICA
ECONOMIA
• La ciencia para la contrastación de teorías económicas
• Es el conjunto de herramientas utilizadas para predicción de valores Economía
futuros de variables económicas Matemática
• Es el proceso de ajuste de modelos económicos matemáticos a los datos
del mundo real
• La ciencia y el arte de utilizar los datos históricos para realizar
recomendaciones numéricas, o cuantitativas, sobre las políticas ECONOMETRIA
• Métodos cuantitativos para el análisis económico
• Métodos estadísticos para el análisis económico Inferencia
Estadística Matemática
Desde un punto de vista amplio:
Económica
• La econometría es la ciencia y el arte de utilizar la teoría económica y las
técnicas estadísticas para analizar los datos económicos.

ESTADÍSTICA
 Tema 1: Introducción a los modelos econométricos 13 Tema 1: Introducción a los modelos econométricos 14

1.2. Modelos económicos y econométricos.

1.1. Concepto de Econometría.
• ¿Qué es un modelo?
Objetivos de la econometría
• El conocimiento de la economía (cómo funciona el mundo)
real
• Predicción
• Simulación de políticas económicas • Un modelo es una representación simplificada de un fenómeno
• Un modelo económico es una representación simplificada de un
fenómeno económico
• Un modelo econométrico es un modelo económico con elementos
estocásticos

Tema 1: Introducción a los modelos econométricos 15 Tema 1: Introducción a los modelos econométricos 16

1.2. Modelos económicos y econométricos.

1.2. Modelos económicos y econométricos.
• Keynes plantea:
METODOLOGÍA DE LA ECONOMETRÍA. … los hombres como regla general y en promedio, están dispuestos a
incrementar su consumo a medida que su ingreso aumenta, pero no en la
misma cuantía del aumento en su ingreso.
Metodología tradicional o clásica. ˃(John Maynard Keynes. The general theory of employment, interest and money.)
1. Planteamiento de la teoría o de la hipótesis. • En otras palabras, Keynes postula que la propensión marginal a
2. Especificación del modelo matemático de la teoría. consumir, PMC (el incremento en el consumo generado por un euro
3. Especificación del modelo econométrico de la teoría. adicional de renta), toma un valor que oscila entre 0 y 1.
4. Obtención de datos.
¿Cuánto aumentará el consumo si las políticas de demanda favorecen un
5. Estimación de los parámetros del modelo econométrico. aumento del ingreso?
6. Prueba de hipótesis.
7. Pronóstico o predicción. Para responder a la pregunta habrá que cuantificar 2 . ¿Cómo?
• Por simplicidad, asumiremos que consumo y renta se relacionan
8. Utilización del modelo para fines de control o de política. linealmente
Para ilustrar los pasos anteriores, se considera la conocida teoría keynesiana c = 1 +  2 y, 0   2  1
de consumo. donde, c = gasto en consumo, y = ingresos y 1, 2 son parámetros del
modelo. En concreto 2 es la PMC (Dc/Dy = 2)
Tema 1: Introducción a los modelos econométricos 17 Tema 1: Introducción a los modelos econométricos 18

1.2. Modelos económicos y econométricos. 1.2. Modelos económicos y econométricos.

• Este modelo es una representación simplificada de la realidad, donde • Pero, en la realidad, la relación entre el consumo y el ingreso no es exacta.
finalmente se considera que, básicamente, puede establecerse una Si tomamos datos del INE para la economía española a lo largo del tiempo:
relación causal entre el ingreso y el consumo que matemáticamente
c
adopta la ecuación de una recta. Se trata de una relación determinista:

c = 1 +  2 y, 0  2  1

y
• Las relaciones entre variables económicas no suelen ser exactas.
• La inexactitud se deriva de múltiples factores, como por ejemplo, que el
consumo depende de otros factores no incluidos en el modelo como: estilo de
vida, expectativas, etc. Asimismo, el azar o la aleatoriedad de los hechos puede
influir en las relaciones entre las variables haciendo que para una determinada
Así, queremos cuantificar la pendiente de la recta ...
observación, el comportamiento de las variables se desvíe del modelo
establecido.

Tema 1: Introducción a los modelos econométricos 19 Tema 1: Introducción a los modelos econométricos 20

1.2. Modelos económicos y econométricos. 1.2. Modelos económicos y econométricos.

Para incluir en el modelo estas consideraciones, incluimos un término • La aplicación de la técnica estadística de regresión lineal permite estimar
aleatorio u, llamado error o término de perturbación, que no es observable, los dos parámetros del modelo (las betas) y calcular que:
y representa aquellos factores que afectan al consumo y no están recogidos ĉ = -17.381+ 0, 737y
en la parte determinista del modelo.
• El acento circunflejo encima de ‘c’ indica que los valores que se obtengan
con esta expresión son estimaciones o aproximaciones.
c = 1 +  2 y + u , 0  2  1
• Podemos concluir que en el periodo de análisis cada euro adicional
ingresado genera un aumento del consumo de 74 céntimos en media.
• El término de error o perturbación, u, es uno de los componentes más
importantes del análisis econométrico. • Toca ahora contrastar si la hipótesis de Keynes es avalada por los datos.
• Como no es observable, asumir ciertas condiciones sobre sus Recordemos, la PMC es positiva, pero menor que 1.
• La PMC estimada es 0,74 que es menor que uno. Pero es la PMC estimada para un conjunto de datos
propiedades estadísticas es clave para garantizar las buenas propiedades reducido, de un periodo determinado y obtenidos con determinada metodología.
de los estimadores de los parámetros de interés. • La cuestión que tenemos que resolver es si es suficientemente menor que uno para tener garantía de
• Con ciertos límites, podemos comprobar si se cumplen estas hipótesis que aunque el periodo variara o la metodología de recogida de datos lo hiciera la estimación seguiría
siendo menor que uno. En otras palabras, ¿0,74 es estadísticamente menor que uno?
en torno al término de perturbación. Asimismo, su interpretación
económica (que factores estaría incluyendo esa perturbación aleatoria) • Otras preguntas relevantes son:
• ¿Realmente podemos interpretar el valor de la pendiente? ¿La relación estimada está cercana a la
es muy relevante para el análisis. real?
• ¿Podemos utilizar la relación estimada para predecir el consumo futuro?
 Tema 1: Introducción a los modelos econométricos 21 Tema 1: Introducción a los modelos econométricos 22

1.2. Modelos económicos y econométricos. 1.2. Modelos económicos y econométricos.

Así, los elementos fundamentales para construir un

modelo econométrico son: Clasificación de los modelos econométricos:

a) Las variables que intervienen en el análisis, sugeridas por la teoría a) Según la forma funcional: lineales (o linealizables) vs no lineales en
económica y referidas al mismo período de referencia o individuo sus parámetros.
observado.
Según su valor: Cuantitativas, cualitativas y ordinales.
b) Según el número de regresores: simple o múltiple.
Según su papel en el modelo: regresando o explicada (endógena) y
regresores o explicativas (exógenas y predeterminadas).
c) Según el tipo de datos: de serie temporal, de corte transversal
b) Las ecuaciones o relaciones matemáticas con la forma funcional que (sección cruzada), datos de panel y datos transversales agrupados.
establece dicha relación
d) Según el número de ecuaciones: uniecuacional o multiecuacional
c) Los parámetros a estimar para cuantificar la relación estudiada. entre otros.

d) Las hipótesis establecidas alrededor de los componentes del modelo.

Tema 1: Introducción a los modelos econométricos 23 Tema 1: Introducción a los modelos econométricos 24

1.3. Etapas en la elaboración de un modelo econométrico. 1.4. Información estadística. Datos económicos.
En Economía lo más habitual es utilizar tres tipos de datos.
• Datos de serie temporal: Observaciones de una misma variable en diferentes
Modelo económico momentos del tiempo. Pueden ser en tiempo real o instantáneos, diarios, semanales,
mensuales, trimestrales, anuales …
Ejemplos: Evolución del PIB, evolución del consumo, ventas de una empresa …
Selección de Modelo econométrico: Búsqueda y • Datos de sección cruzada (corte transversal): Observaciones de una misma variable
variables Especificación recopilación de observada por diferentes unidades económicas observadas en un momento del
datos tiempo concreto.
Ejemplos: El PIB de las provincias españolas en 2010, el gasto familiar en 2005 …
Estimación La investigación en • Datos de panel: Combina la información recogida en los otros dos tipos de
econometría aplicada información estadística: Observaciones de una misma variable para los mismos
no es unidireccional, agentes económicos o individuos a lo largo del tiempo.
sino que es un proceso Ejemplos: El PIB de las provincias españolas para el periodo 1996-2010…
Validación
iterativo que puede • Datos transversales agrupados: Combina la información recogida en los primeros dos
modificarse en tipos de información estadística: Observaciones de una misma variable para
cualquiera de sus diferentes agentes económicos o individuos a lo largo del tiempo.
Utilización del modelo estimado etapas. Ejemplos: La nota media de los estudiantes del primer curso 2000-2022…
para responder al objetivo que El conjunto de observaciones recogidas constituirá nuestra información muestral. Los
motiva el análisis individuos y/o períodos de referencia constituirán la muestra para el análisis.
 Tema 1: Introducción a los modelos econométricos 25 Tema 1: Introducción a los modelos econométricos 26

1.4. Información estadística. Datos económicos. 1.4. Información estadística. Datos económicos.
De acuerdo con el carácter de la variable, podemos encontrar cuatro tipos:
Datos de serie temporal Datos de sección cruzada Datos de panel » Variables métricas o cuantitativas (o escala de proporción): Una variable X es métrica cuando la
Contabilidad Nacional Trimestral de Contabilidad Regional de España. Base 2000. proporción entre dos valores (X1/X2) y la diferencia (X1-X2) tienen sentido y existe una ordenación
Contabilidad Regional de España. Base 2000
España. Base 2000
Producto Interior bruto a precios de
Resultados por Comunidades Autónomas
natural de la variable.
mercado Resultados por Comunidades Autónomas
Unidades:miles de euros. 2006 Unidades:miles de euros. ˃ Ejemplo: PIB, Ventas, consumo.
PIB pm. Demanda (Precios corrientes) Impuestos corrientes Renta Impuestos
Unidades:Millones de euros y tasas sobre la renta, patrimonio, disponible
corrientes sobre
etc. bruta ccaa year Renta disponible bruta
la renta,
Producto
ANDALUCIA
interior
bruto a
Gasto en consumo ARAGON
8577082
2325994
89727229
19768036 ANDALUCIA 2000
patrimonio, etc.
4,534,111 58,853,880
» Escala de intervalo: Variables que pueden establecer intervalos iguales entre sus valores.
final
˃ Ejemplos de este tipo de variables son la fecha, la temperatura, las puntuaciones de una prueba,
precios de ASTURIAS (Ppdo. de) 1666305 15485948 2001 5,087,878 63,142,303
mercado BALEARS (Illes) 2002 5,748,797 67,053,909
1631274 15456696
2003 6,080,096 72,097,347
2000TI 151,549 116,647
CANARIAS
CANTABRIA
2182012
902928
24840283
8362727
2004 6,553,676 77,187,560 la escala de actitudes, las puntuaciones de IQ, conjuntos de años, entre otros.
2000TII 158,657 121,512 2005 7,400,534 83,694,067
2000TIII 152,859 118,926
CASTILLA Y LEON 3367691 36361005 2006 8,577,082 89,727,229
2000TIV 167,198 127,274 CASTILLA-LA MANCHA 2118582 22497020 ARAGON 2000 1,406,060 13,258,669
2001TI CATALUÑA
2001TII
163,783
171,855
125,426
131,143 CEUTA
15010046
58241
111640114
1011525
2001
2002
1,507,215
1,625,535
14,066,706
15,151,468 » Escala ordinal: Una variable X pertenece a una escala ordinal cuando únicamente se puede establecer
2001TIII
2001TIV
165,799
179,241
126,872
135,043
COMUNITAT VALENCIANA
ESPAÑA
6921850
72765000
60424368
625396000
2003
2004
1,692,214
1,752,487
16,044,765
17,004,823 un ordenamiento natural de la variable (Se pueden hacer comparaciones como "mayor que", "menor
2002TI
2002TII
175,002
184,589
131,551
138,789
EXTREMADURA
GALICIA
923645 11897665
2005
2006
1,981,975
2,325,994
18,277,961
19,768,036 que", además de las comparaciones de igualdad o diferencia) pero las operaciones aritméticas
3239547 35155788 ASTURIAS
2002TIII
2002TIV
177,018
192,597
135,106
145,044
MADRID (Com. de) 16264933 101966363 (Ppdo. de) 2000 1,091,088 10,217,809 (adición, sustracción) no tienen sentido. (no tienen unidades de medida).
MELILLA 49943 953662 2001 1,198,852 10,916,931
˃ Ejemplo:
2003TI 188,474 140,749
2003TII 197,781 146,237
MURCIA (Región de) 1618986 15468721 2002
2003
1,269,482
1,287,337
11,615,665
12,261,151
Sistemas de calificaciones: suspenso, aprobado, notable, sobresaliente.
2003TIII 189,581 144,627 NAVARRA (C. Foral de) 1103370 10581418
2003TIV 207,093 155,514 PAIS VASCO
RIOJA (La)
4039584 38815243
2004
2005
1,320,774
1,448,640
13,076,918
14,197,881
Niveles de renta: alto, medio-alto, medio, medio-bajo, bajo.
518393 4691171
2006 1,666,305 15,485,948
Preferencias, prejuicio, nivel socioeconómico, orden de llegada de los corredores …
» Escala nominal: Una variable X que pertenece a esta categoría no cumple ninguna de las
Fuente: Instituto Nacional de Estadística (www.ine.es) características de las variables métricas. Simplemente es una codificación de las categorías.
˃ Ejemplo: Variables como el género (masculino o femenino), estado civil, provincia de nacimiento,
etc.

1
Grado en Economía 2022-2023 2

eCONOMETRÍAI Práctica 1
- Introducción a Gretl-
Profesor:
Marko Petrovic
Correo electrónico: [email protected]
Despacho: 3C01
Tutorías: miércoles 10.30-12.00
miércoles 16.00-17.30
online
 3 4

Introducción Gestión de datos I

• Gretl es una aplicación diseñada para el análisis estadístico • Antes de empezar a trabajar con el Gretl, debemos
y la estimación de modelos econométricos. Es la introducir nuestros datos en el programa. Gretl posee un
herramienta fundamental de análisis empírico en la formato propio para almacenar datos. Los archivos nativos
asignatura y puede descargarse gratuitamente desde: (en formato propio) de Gretl tienen extensión .gdt, y se
http://gretl.sourceforge.net/ abren directamente mediante la secuencia Archivo/Abrir
• En el menú Ayuda de la barra de herramientas de Gretl se Datos/Archivo de muestra.
encuentra la Guía del Usuario en formato.pdf. • Además, Gretl puede importar archivos de distintos
• Los datos de varios libros se pueden descargar formatos como Stata, ASCII, Excel y Eviews , entre otros.
gratuitamente desde: Para abrir cualquiera de estos tipos de archivos con Gretl,
http://gretl.sourceforge.net/gretl_data.html hay que seguirla secuencia Archivo/Abrir Datos/Archivo de
usuario en la barra de herramientas.

5 6

Gestión de datos II Crear variables desde las variables originales

• Una vez que los datos han sido introducidos o importados, • Para trabajar con transformaciones de las variables
las variables incluidas en la base de datos aparecerán en la originales, desde el menú Añadir podemos generar, entre
pantalla del cuadro de dialogo principal. otras; logaritmos, cuadrados, retardos y primeras
• Cuando trabajamos con datos ASCII o Excel conviene diferencias de las variables que hayamos seleccionado
informar a Gretl de si éstos son de sección cruzada o de previamente.
series temporales. • Estas variables generadas aparecerán en el cuadro de
• Para ello, hay que seguir la secuencia Datos/Estructura de diálogo principal y podremos trabajar con ellas del mismo
datos/de sección cruzada o Datos/Estructura de datos/Serie modo que con las originales.
Temporal en la barra de herramientas, según proceda. • Además, Gretl incluirá una etiqueta descriptiva para que
recordemos cómo se generó nuestra nueva variable.
 7 8

Estadística descriptiva Ejercicio 1

El fichero hprice1.gdt del libro de Wooldridge contiene
• A través de Gretl podemos obtener información estadística información sobre las casas vendidas en Andover,
acerca de los datos. Esta información, que será presentada Massachusetts, en 1988. Los datos de este fichero recogen,
en forma de ventana puede ser imprimida, copiada o entre otras, las siguientes variables: precio de venta en miles
guardada en diferentes formatos (Word, Latex, ASCII). de dólares (price), tamaño de la casa en pies cuadrados (sqrft)
y número de habitaciones (bdrms).
• Estadísticos univariantes: seleccionamos una única variable
• Estadísticos multivariantes: seleccionamos un conjunto de
variables.

9 10

Ejercicio 1 Ejercicio 1
Estadísticos univariantes • La distribución de frecuencias agrupa un conjunto de datos
en categorías o intervalos mutuamente excluyentes y del
• Representa la distribución de frecuencias de la variable mismo grosor para, posteriormente, determinar el número
precio e interpreta su resultado. relativo de observaciones que hay en cada una de dichas
categorías o intervalos. Su representación gráfica es
conocida habitualmente como histograma.

• La distribución de frecuencias muestra las tres propiedades

más importantes de un conjunto de datos relativos a una
variable aleatoria: la posición, la dispersión y la forma de su
distribución. Veamos ahora algunos estadísticos
descriptivos que permiten cuantificar estos conceptos.
 11 12

Ejercicio 1 Ejercicio 1
• Medidas de posición • Medidas de dispersión
• Media (momento de primer orden) • Rango o recorrido: 𝑀𝑎𝑥 − 𝑀𝑖𝑛
• Varianza (momento de segundo orden):

• Mediana. Valor central de la distribución de datos • Desviación típica:

ordenados de forma ascendente o descendente. Si n
fuese par, la mediana tomaría la media de los dos
valores centrales. Ventajas: Menos sensible a valores
extremos

13 14

Ejercicio 1 Ejercicio 1
• Medidas de dispersión • Medidas de forma
• Problema • Coeficiente de asimetría (momento de tercer orden):
El rango, la varianza y la desviación típica dependen de las
unidades de medida de la variable analizada, lo cual
dificulta la comparación de la representatividad de dos
conjuntos de datos expresados en unidades distintas.
• Solución • Si CA = 0 → Datos distribuidos simétricamente alrededor
Coeficiente de variación (CV): de la media 𝑥̅
• Si CA > 0 → La cola derecha de la distribución (asociada
a los valores > 𝑥̅) es más larga que la izquierda.
CV>1 → Elevada dispersión en relación a su nivel medio, la • Si CA < 0 → La cola izquierda de la distribución (asociada
media es poco representativa del conjunto de datos a los valores < 𝑥̅) es más larga que la derecha
CV<1 → Pequeña dispersión en relación a su nivel medio, la
media es representativa del conjunto de datos.
 15 16

Ejercicio 1 Ejercicio 1
• Medidas de forma Estadísticos multivariantes
• Exceso de curtosis (momento de cuarto orden), mide la
mayor o menor concentración de datos alrededor de la • Ver / Gráficos múltiples / Gráficos X-Y (scatters)
media, versus alrededor de las colas. El nivel de • Selecciona variables de interés / click derecho / Matriz de
referencia es 3 = valor de la curtosis en una distribución correlaciones
normal:

• Si EC = 0 → Curtosis normal
• Si EC > 0 → Distribución leptocúrtica, más punteada y
con colas más estrechas que la normal
• Si EC < 0 → Distribución platicúrtica, menor
concentración de datos en torno a la media y colas más
anchas que la normal.

17 18

Ejercicio 1 Ejercicio 1
Estadísticos multivariantes Estadísticos multivariantes

• La covarianza indica el grado de variación conjunta de dos • La covarianza

variables aleatorias. Es el valor fundamental para Problema: La covarianza depende de la escala de medida de
determinar si existe una dependencia entre dos variables. El las variables analizadas.
signo de la covarianza indica la tendencia en la relación Solución: Utilizar coeficiente de correlación como medida de la
lineal entre dos variables. relación lineal entre dos variables aleatorias.
• Covarianza poblacional:

• Covarianza muestral:
 19

Ejercicio 1
Estadísticos multivariantes

• Correlación
• Si 𝑟𝑥𝑦 = 1 → relación lineal positiva perfecta (correlación
positiva) entre x e y. Cuando aumenta (disminuye) x, y
aumenta (disminuye) en proporción constante.
• Si 𝑟𝑥𝑦 = 0 → No relación lineal (atención: puede existir
una relación no lineal) entre x e y.
• Si 𝑟𝑥𝑦 = −1 → relación lineal inversa perfecta (correlación
negativa) entre x e y.