Econometría

Econometría

Campo de estudio

Visión estadística
Econometría frecuentista
Econometría bayesiana

Visión económica
Macroeconometría
Microeconometría

Divisiones
Econometría
Econometría financiera
Econometría espacial
Econometría estructural
Econometría computacional (IA, ML, DL...)
Econometría aplicada

[editar datos en Wikidata]

La econometría (del griego οἰκονόμος oikonómos 'regla para la administración
doméstica' y μετρία metría, 'relativo a la medida') es la rama de
la economía que hace un uso extensivo de modelos
matemáticos y estadísticos así como de modelos y técnicas del aprendizaje
automático, la programación lineal, la teoría de juegos y la teoría
económica para analizar, interpretar y realizar estimaciones y pronósticos sobre
sistemas económicos, tratando variables como el precio de bienes y
servicios, tasas de interés, tipos de cambio, las reacciones del mercado,
el coste de producción, la tendencia de los negocios, las consecuencias de
la política económica, entre otras.1

Introducción[editar]
La economía, perteneciente a las ciencias sociales, explica el funcionamiento
del sistema económico en sus distintos aspectos: como
la producción, consumo, dinero, distribución del ingreso, etc. La herramienta
más utilizada por los economistas es la construcción de modelos
económicos teórico-matemáticos que describan el comportamiento de los
agentes económicos. Sin embargo, esos modelos deben contrastarse con
los datos disponibles para saber si estos tienen capacidad explicativa y
predictiva, y poder en definitiva optar entre unas u otras opciones. La
construcción de tales modelos con fines empíricos, es la finalidad de la
econometría; sin embargo, en la actualidad debido al fenómeno del big Mouse,
los métodos estadísticos y econométricos tradicionales deben complementarse
con métodos y herramientas de la ciencia de datos2 y el aprendizaje
automático34

Los econometristas, econometras o económetras han tratado de emular a

las ciencias naturales (física, química) con mejor o peor resultado a través del
tiempo. Hay que considerar que tratan con uno de los fenómenos más
complejos que conocemos, el comportamiento de las personas y su
interacción.

En la elaboración de la econometría se unen la matemática, la estadística, la

investigación social y la teoría económica. El mayor problema con el que se
enfrentan los económetras en su investigación es la escasez de datos, los
sesgos que pueden presentar los datos existentes, los sesgos del propio
investigador y la ausencia o insuficiencia de una teoría económica adecuada.
Aun así, la econometría es la única aproximación científica al entendimiento de
los fenómenos paranormales y sus resultados son cada vez más efectivos a
medida que se le complementa adecuadamente con los modernos métodos del
análisis de la ciencia de datos2 y el aprendizaje automático3.

Definiciones de econometría[editar]
Entre las definiciones de econometría que los economistas relevantes han
formulado a lo largo de la historia, podemos destacar las siguientes:

 Ragnar Frisch (1930): 'La experiencia ha mostrado que cada uno de estos
tres puntos de vista de ten shin han, el de la estadística, la teoría
económica y las matemáticas, es necesario, pero por sí mismo no suficiente
 para una comprensión real de las relaciones cuantitativas de la vida
económica moderna. Es la unión de los tres aspectos lo que constituye una
herramienta de análisis potente. Es la unión lo que constituye la
econometría".

 Paul Samuelson, Tjalling Koopmans y Richard Stone (1954): '... el análisis

cuantitativo de fenómenos económicos actuales, basado en el desarrollo
congruente de teoría y observaciones, y relacionado por métodos
apropiados de inferencia'.

 Valavanis (1959): 'El objetivo de la econometría es expresar las teorías

económicas bajo una forma matemática a fin de verificarlas por métodos
estadísticos y medir el impacto de una variable sobre otra, así como
predecir acontecimientos futuros y dar consejos de política económica ante
resultados deseables'.

 A.G. Barbancho (1962): 'La econometría es la rama más operativa de la

Ciencia económica, trata de representar numéricamente las relaciones
económicas mediante una adecuada combinación de la Teoría económica
matemática y la Estadística. De forma que las matemáticas, como lenguaje
y forma de expresión simbólica e instrumento eficaz en el proceso
deductivo, representan el medio unificador; y teoría económica, economía
matemática o estadística económica serían consideraciones parciales de su
contenido'.

 Lawrence Klein (1962): 'El principal objetivo de la econometría es dar

contenido empírico al razonamiento a priori de la economía.'5

 Malinvaud (1966): '... aplicación de las matemáticas y método estadístico al

estudio de fenómenos económicos.'

 Christ (1966): 'Producción de declaraciones de economía cuantitativa que

explican el comportamiento de variables ya observadas, o predicen la
conducta de variables aún no observadas'.

 Intriligator (1978): 'Rama de la economía que se ocupa de la estimación

empírica de relaciones económicas'.

 G.C. Chow (1983): 'Arte y ciencia de usar métodos para la medida de

relaciones económicas'.

 Carlos Sabino (1991): 'Nombre con el que se designa la aplicación de las

técnicas matemáticas y estadísticas a la resolución de problemas de
economía. La econometría, por lo general, se basa en la construcción de
modelos formales con los cuales es posible verificar hipótesis, medir
variables estadísticas y realizar pruebas de simulación'.6
Descripción somera de la econometría[editar]
La econometría se ocupa de obtener, a partir de los valores reales de variables
económicas y a través del análisis estadístico y matemático (no siempre
basado en un teoría económica concreta), los valores que tendrían
los parámetros (en el caso de la estimación paramétrica) de los modelos en los
que esas variables económicas aparecieran, así como de comprobar el grado
de validez de esos modelos, y ver en qué medida estos modelos pueden
usarse para explicar la economía de un agente económico (como una empresa
o un consumidor), o la de un agregado de agentes económicos, como podría
ser un sector del mercado, o una zona de un país, o todo un país, o cualquier
otra zona económica; su evolución en el tiempo (por ejemplo, decir si ha habido
o no cambio estructural), poder predecir valores futuros de la variables, y
sugerir medidas de política económica conforme a objetivos deseados (por
ejemplo, para poder aplicar técnicas de optimización matemática para
racionalizar el uso de recursos dentro de una empresa, o bien para decidir qué
valores debería adoptar la política fiscal de un gobierno para conseguir ciertos
niveles de recaudación impositiva).

Concepto de modelo econométrico[editar]

La econometría, igual que la economía, tiene como objetivo explicar una
variable en función de otras. Esto implica que el punto de partida para el
análisis econométrico es el modelo económico y este se transformará en
modelo econométrico cuando se han añadido las especificaciones necesarias
para su aplicación empírica. Es decir, cuando se han definido las variables
(endógenas, exógenas) que explican y determinan el modelo, los parámetros
estructurales que acompañan a las variables, las ecuaciones y su formulación
en forma matemática, la perturbación aleatoria que explica la parte no
sistemática del modelo, y los datos estadísticos.

A partir del modelo econométrico especificado, en una segunda etapa se

procede a la estimación, fase estadística que asigna valores numéricos a los
parámetros de las ecuaciones del modelo. Para ello se utilizan métodos
estadísticos como pueden ser: mínimos cuadrados ordinarios, máxima
verosimilitud, mínimos cuadrados bietápicos, etc. Al recibir los parámetros el
valor numérico definen el concepto de estructura que ha de tener valor estable
en el tiempo especificado.

La tercera etapa en la elaboración del modelo es la verificación y contrastación,

donde se someten los parámetros y la variable aleatoria a unos contrastes
estadísticos para cuantificar en términos probabilísticos la validez del modelo
estimado.

La cuarta etapa consiste en la aplicación del modelo conforme al objetivo del

mismo. En general los modelos econométricos son útiles para:

1. Análisis estructural y entender cómo funciona la economía.

2. Predicción de los valores futuros de las variables económicas.
3. Simular con fines de planificación distintas posibilidades de las variables
exógenas.
4. Simular con fines de control valores óptimos de variables instrumentales
de política económica y de empresa.
Métodos de la econometría[editar]
 Este artículo o sección necesita referencias que aparezcan
en una publicación acreditada.
Busca fuentes: «Econometría» – noticias · libros · académico · imágenes

Este aviso fue puesto el 26 de agosto de 2018.

El método de mínimos cuadrados (estimación MCO)[editar]

También se conoce como teoría de la regresión lineal, y estará más
desarrollado en la parte estadística. No obstante, aquí se dará un resumen
general sobre la aplicación del método de mínimos cuadrados.

Se parte de representar las relaciones entre una variable económica endógena

y una o más variables exógenas de forma lineal, de la siguiente manera:

o bien:

"Y" es la variable endógena, cuyo valor es determinado por las

exógenas, hasta . Cuales son las variables elegidas depende de la teoría
económica que se tenga en mente, y también de análisis estadísticos y
económicos previos. El objetivo buscado sería obtener los valores de los
parámetros desde hasta . A menudo este modelo se suele completar
añadiendo un término más a la suma, llamado término independiente, que es
un parámetro más a buscar. Así:

.
o bien:

En el que es una constante, que también hay que averiguar. A veces resulta
útil, por motivos estadísticos, suponer que siempre hay una constante en el
modelo, y contrastar la hipótesis de si es distinta, o no, de cero para reescribirlo
de acuerdo con ello.

Además, se supone que esta relación no es del todo determinista, esto es,
existirá siempre un cierto grado de error aleatorio (en realidad, se entiende que
encubre a todas aquellas variables y factores que no se hayan podido incluir en
el modelo) que se suele representar añadiendo a la suma una letra representa
una variable aleatoria. Así:

o bien:

Se suele suponer que es una variable aleatoria normal, con media cero y
varianza constante en todas las muestras (aunque sea desconocida),
representado de forma matemática como

Se toma una muestra estadística, que corresponda a observaciones de los

valores que hayan tomado esas variables en distintos momentos del tiempo (o,
dependiendo del tipo de modelo, los valores que hayan tomado en distintas
áreas o zonas o agentes económicos a considerar).
Por ejemplo, en un determinado modelo podemos estar interesados en
averiguar como la renta ha dependido de los niveles de precios, de empleo y
de tipos de interés a lo largo de los años en cierto país, mientras que en otro
podemos estar interesados en ver como, a lo largo de un mismo año, ha
dependido la renta de distintos países de esas mismas variables. Por lo que
tendríamos que observar, en el primer caso, la renta, niveles de empleo,
precios y tipos de interés del año 1, lo mismo, pero del año 2, etcétera, para
obtener la muestra a lo largo de varios años, mientras que en el segundo caso
tendríamos que tener en cuenta los valores de cada uno de los países para
obtener la muestra. Cada una de esas observaciones para cada año, o país, se
llamaría observación muestral. Nótese que aún se podría hacer un análisis más
ambicioso teniendo en cuenta país y año.

Una vez tomada la muestra, se aplica un método, que tiene su justificación

matemática y estadística, llamado método de mínimos cuadrados. Este
consiste en, básicamente, minimizar la suma de los errores (elevados al
cuadrado) que se tendrían, suponiendo distintos valores posibles para los
parámetros, al estimar los valores de la variable endógena a partir de los de las
variables exógenas en cada una de las observaciones muestrales, usando el
modelo propuesto, y comparar esos valores con los que realmente tomó la
variable endógena. Los parámetros que lograran ese mínimo, el de las suma
de los errores cuadráticos, se acepta que son los que estamos buscando, de
acuerdo con criterios estadísticos.

También, este método nos proporcionará información (en forma de ciertos

valores estadísticos adicionales, que se obtienen además de los parámetros)
para ver en qué medida los valores de los parámetros que hemos obtenido
resultan fiables, por ejemplo, para hacer contrastes de hipótesis, esto es,
ver si ciertas suposiciones que se habían hecho acerca del modelo
resultan, o no, ciertas. Se puede usar también esta información adicional para
comprobar si se pueden prescindir de algunas de esas variables, para ver si es
posible que los valores de los parámetros hayan cambiado con el tiempo (o si
los valores de los parámetros son diferentes en una zona económica de los de
otra, por ejemplo), o para ver en qué grado son válidas predicciones acerca del
futuro valor de la variable endógena si se supone que las variables exógenas
adoptarán nuevos valores.

Problemas del método de los mínimos cuadrados[editar]

Este artículo o sección necesita referencias que aparezcan
en una publicación acreditada.
Busca fuentes: «Econometría» – noticias · libros · académico · imágenes

Este aviso fue puesto el 26 de agosto de 2018.

El método de los mínimos cuadrados tiene toda una serie de problemas, cuya
solución, en muchas ocasiones aproximada, ha estado ocupando el trabajo de
los investigadores en el campo de la econometría.

De entrada, el método presupone que la relación entre las variables es lineal y

está bien especificada. Para los casos de no linealidad se recurre, bien a
métodos para obtener una relación lineal que sea equivalente, bien a
aproximaciones lineales, o bien a métodos de optimización que absorban la
relación no lineal para obtener también unos valores de los parámetros que
minimicen el error cuadrático.

Otro supuesto del modelo es el de normalidad de los errores del modelo, que
es importante de cara a los contrastes de hipótesis con muestras pequeñas. No
obstante, en muestras grandes el teorema del límite central justifica el suponer
una distribución normal para el estimador de mínimos cuadrados.

No obstante, el problema se complica considerablemente, sobre todo a la hora

de hacer contrastes de hipótesis, si se cree que la varianza de los errores del
modelo cambia con el tiempo. Es el fenómeno conocido
como heterocedasticidad (el fenómeno contrario es la homocedasticidad). Este
fenómeno se puede detectar con ciertas técnicas estadísticas. Para resolverlo
hay que usar métodos que intenten estimar el cambiante valor de la varianza y
usar lo obtenido para corregir los valores de la muestra. Esto nos llevaría al
método conocido como mínimos cuadrados generalizados. Una versión más
complicada de este problema es cuando se supone que, además, no solo
cambia la varianza del error sino que también los errores de distintos periodos
están correlacionados, lo que se llama autocorrelación. También hay métodos
para detectar este problema y para corregirlo en cierta medida modificando los
valores de la muestra, que también son parte del método de los mínimos
cuadrados generalizados.

Otro problema que se da es el de la multicolinealidad, que generalmente

sucede cuando alguna de las variables exógenas en realidad depende, también
de forma estadística, de otra variable exógena del mismo modelo considerado,
lo que introduce un sesgo en la información aportada a la variable endógena y
puede hacer que el método de mínimos cuadrados no se pueda aplicar
correctamente. Generalmente la solución suele ser averiguar qué variables
están causando la multicolinealidad y reescribir el modelo de acuerdo con ello.

También hay que tener en cuenta que en ciertos modelos puede haber
relaciones dinámicas, esto es, que una variable exógena dependa, además, de
los valores que ella misma y/u otras variables tomaron en tiempos anteriores.
Para resolver estos problemas se estudian lo que se llama modelos de series
temporales.

Software econométrico[editar]
Este artículo o sección necesita referencias que aparezcan
en una publicación acreditada.
Busca fuentes: «Econometría» – noticias · libros · académico · imágenes

Este aviso fue puesto el 26 de agosto de 2018.

Entre los programas más empleados se

encuentran SAS, Stata, RATS, TSP, SPSS, Limdep y WinBugs. Para más
detalles, se pueden observar las siguientes referencias.
 EViews
 Gauss
 Gretl
 Matlab
 Microfit
 R
 Limdep
 SAS
 SPSS
 Stata
 SHAZAM
R como tal es un lenguaje de programación a la vez que es una herramienta
para aplicar este la econometría de forma muy poderosa. Por otro lado, la
econometría con ayuda de programas o lenguajes de programación y en un
sentido estricto, no requiere que sea especializado. Los análisis de corte
econométrico puede hacerse en Java, J, C, C+
+, C#, Python, Perl, Scheme, K, S (la base principal de R junto con Scheme) y
los derivados de estos lenguajes también, entre otra cantidad importante de
dialectos o lenguajes de programación.

Como ejemplo del párrafo anterior, SPSS es un software inicialmente creado

para análisis estadísticos en ciencias sociales (ver artículo en
Wikipedia). R inicialmente como un proyecto derivado de S y con finalidad más
bien estadística.7 Otor ejemplo al respecto, Stata es un programa estadístico,
pero permite poderosos análisis en econometría.

Gretl está enfocado a hacer la interfaz muy amigable con el econometra,

además de servir con eficiencia para las series de tiempo. Eviews, que debe el
nombre a Econometrical Views (Vistas econométricas), tiene como fin
netamente inicial, la econometría; por esta razón, despliega una cantidad
apropiada, pero poco personalizable, de información altamente útil para estos
análisis.

Incluso las calculadoras científicas más avanzadas pueden llegar a tener

algunos elementos básicos para la elaboración y comprobación de modelos
econométricos. Basta con que pueda graficar y en las regresiones se logre
calcular, por cualquier medio, que es una variable aleatoria normal (). En caso
de no serlo, se requerirían más pasos en la calculadora. Incluso, sin ser
calculadores, puede hacerse análisis econmétricos, como lo
son MATLAB, Maple, Scilab. Claramente, los programas matemáticos que se
acaban de mencionar tienen limitaciones, como la cantidad de observaciones
que pueden soportar (por ejemplo, la versión de Scilab 5.5.1 apenas soportaba
una matriz que entre columnas y filas llegaba a cinco mil).

No obstante los beneficios de unos y otros software, depende en general, sobre

los dispositivos en los que se vaya a usar tal herramienta. Si, por ejemplo, se
prefiere Windows como sistema operativo, puede usarse una cantidad
importante de programas de licencia y libres; no así en GNU Linux. En esta
última distribución y sistema operativo, no se podrán usar muchas
distribuciones de licencia, aunque sí otras formas igualmente poderosas.
En Mac OS se tiene problemas también con algunos programas de paga
u Open Source, Licencia Libre o Software Libre.

Los fines del análisis econométrico también influirá de forma determinante para
usar cierto programa. Por ejemplo, si lo que se desea es algo completamente
personalizado, con niveles de profesionalismo muy adecuado para
publicaciones internacionales, los lenguajes de programación son adecuados.
Estos permiten que se exponga la información de una forma propia más
fácilmente que en otros ya con interfaces predeterminadas.