UCA Econometra I Unidad I Introduccin a la

“UCA” Econometría I Unidad I Introducción a la Econometría Naturaleza de los Datos Económicos Managua, Nicaragua 2016 ”El principal objetivo de la econometría es dar contenido empírico al razonamiento a priori de la economía” (Klein, 1962).

2 Conceptos y definiciones (I) ECONOMÍA Latín Oeconomía y del Griego Oikonomía, Oiko: Hogar Namein: Administración. Es la ciencia que se encarga del estudio de los recursos escasos y cómo se distribuyen en la sociedad ante las necesidades de los individuos las cuales son ilimitadas ( Problema de Asignación). ECONOMETRÍA Griego Oikonomía y Metrón: Medida. En términos sencillos Econometría significa Medición Económica.

3 Conceptos y definiciones (II) Otras Definiciones Modernas Ragnar Frisch (1930): “La experiencia ha mostrado que cada uno de estos tres puntos de vista, 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" Samuelson, Koopmans y 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”.

4 Conceptos y definiciones (III) Otras Definiciones Modernas Malinvaud (1966): “aplicación de las matemáticas y métodos estadístico al estudio de fenómenos económicos”. 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”.

5 Conceptos y definiciones (IV) La importancia de la Econometría para la Ciencias Económica es tan relevante que varios economistas han sido galardonados con el Premio Nobel en Economía (Premio del Banco de Suecia en honor a Alfred Nobel) por sus aportes y contribuciones a la Econometría. Ragnar Frisch (1969). Lawrence Klein (1980). Trygve Haavelmo (1989). James Heckman & Daniel Mc. Fadden (2000). Robert Engle & Clive Granger (2003).

6 Conceptos y definiciones (V) Teoría Económica Matemática Estadística Econometría: “Es la aplicación de la estadística matemática a la información económica para dar soporte empírico por los modelos construidos por la economía matemática, lo que permite obtener resultados cuantitativos” (Tintner, 1968).

Breve historia (I) 7 Breve Historia de la Econometría Etapa pre-econométrica En el Siglo XVII y. XVIII Se sientan las bases con el desarrollo de la estadística y la economía. Nacimiento de la econometría (1900 -1930) Primeras investigaciones sobre demanda y ciclos económicos (grandes líneas de investigación posteriores) , se funda Econometric Society, Econometrica y la Cowles Commission for Research in Economics. Se establecen los fundamentos y objetivos de la econometría. Etapa de aportaciones básicas(1930 -1945) Se avanza en la fundamentación metodológica, se desarrollan los modelos de ecuaciones simultáneas.

8 Breve historia (II) Etapa de desarrollo de la Econometría moderna (1945 -1975) Profundización teórica en los problemas econométricos y proliferación de la econometría aplicada (abandono de los SEM). Crisis de los setenta y aportaciones recientes a la Econometría Luego de la crisis de los modelos de gran escala, los económetras avanzaron en el análisis de series de tiempo y se desarrolla la microeconométria (gracias a la disponibilidad de microdatos). La informática comienza a jugar un papel clave.

9 Tipos de Econometría Clásica Teórica Bayesiana Econometría Clásica Aplicada Bayesiana (Gujarati, 2010)

Enfoques metodológicos (I) 10 Antigua Metodología (Intriligator, 1978) Moderna Metodología (Maddala, 1996)

Enfoques metodológicos (II) 11 Metodología Clásica de la Econometría (Gujarati, 2010)

Enfoques metodológicos (III) 12 Critiquemos cada uno de los enfoques o métodos de la Econometría Antigua Clásica Moderna

Proceso tradicional de estimación y selección (Sd. T)

13 Los Datos Económicos (I) Los Datos Económicos Corte Transversal: Son datos de una o más variables recopilados en el mismo punto de tiempo. Son típicos de esta naturaleza los datos de las encuestas de hogares, censos, etc… (Gujarati, 2010). Series de Tiempo: Conjunto de observaciones sobre los valores de una variable en diferentes momentos. Esta información se recopila o debe recopilarse de manera regular (tiempo o periodicidad), es decir; diaria, semanal, mensual, Bimensual, Trimestral, Semestral, Anual, etc. (Gujarati, 2010). Datos Panel: Los datos panel reúnen elementos característicos de series temporales y de corte transversal (Gujarati, 2010).

Series de Tiempo 14 PIB Real y PIB Nominal IPC 350 000, 00 Canasta Básica Inflación Ene-15 187. 4 300 000, 00 Feb-15 188. 7 0. 72 12, 184. 69 250 000, 00 Mar-15 189. 4 0. 38 12, 126. 95 Abr-15 189. 8 0. 20 12, 126. 26 May-15 190. 8 0. 51 12, 239. 96 Jun-15 190. 8 -0. 02 12, 277. 74 Jul-15 190. 4 -0. 21 12, 333. 02 Ago-15 190. 4 -0. 01 12, 320. 44 Sept-15 190. 2 -0. 08 12, 223. 23 Oct-15 191. 0 0. 43 12, 344. 46 Nov-15 191. 7 0. 36 12, 355. 75 Dic-15 193. 6 0. 98 12, 364. 45 Crecimiento Económico 200 000, 00 150 000, 00 6, 2 100 000, 00 5, 3 50 000, 00 5, 3 4, 3 0, 00 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 PIB Real 5, 1 4, 2 4, 5 4, 7 3, 2 2, 9 PIB Nóminal 12, 267. 48 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 PIB Real Crecimiento PIB Nóminal Económico PIB Per Cápita INFLACIÓN -2, 8 1, 2 2004 109, 780. 60 5. 3 92, 323. 40 14. 8 1, 076. 60 2005 114, 481. 80 4. 3 105, 776. 80 14. 6 1, 135. 10 2006 119, 235. 20 4. 2 119, 235. 20 12. 7 1, 203. 70 2007 125, 540. 10 5. 3 137, 590. 80 15. 4 1, 306. 60 0, 6 2008 129, 120. 10 2. 9 164, 494. 30 19. 6 1, 469. 40 0, 4 2009 125, 557. 40 -2. 8 170, 459. 90 3. 6 1, 432. 50 0, 2 2010 129, 564. 30 3. 2 186, 683. 00 9. 5 1, 475. 80 0 2011 137, 638. 30 6. 2 218, 762. 90 17. 2 1, 626. 90 2012 144, 701. 60 5. 1 246, 306. 50 12. 6 1, 723. 10 2013 151, 228. 40 4. 5 268, 260. 50 8. 9 1, 768. 90 2014 158, 340. 30 4. 7 306, 461. 50 14. 2 1, 904. 70 1 0, 8 0, 72 0, 51 0, 43 0, 38 0, 36 0, 2 -0, 01 -0, 02 -0, 21 -0, 08 ев м 15 ар ап 15 рм 15 ай ию 15 нию 15 л 1 ав 5 г 1 се 5 н 1 ок 5 тно 15 я 1 де 5 к 15 -0, 2 0, 98 ф -0, 4

15 Corte Transversal

15 Datos Panel (Panel data)

16 La Teoría en las Ciencias Sociales y los Modelos Estadísticos (I) Los modelos como declaraciones formales de relaciones de causalidad en el comportamiento humano. Las funciones del trabajo empírico Refutar modelos Estimar las magnitudes de relaciones previstas Hanushek & Jackson (1977)

LA FUNCIÓN CONSUMO KEYNESIANA Función de consumo más usada en modelos macroeconómicos sencillos: Donde: § C es el consumo autónomo (subsistencia, básico o mínimo). § T son los impuestos, que suelen representarse como una proporción del ingreso T = τY. § El término Y-T es el ingreso disponible (TR=0). § c es la propensión marginal a consumir. El principal determinante de Ct es Ydt

LA FUNCIÓN CONSUMO KEYNESIANA ¿Qué representa PMg. C? Cuánto aumenta el consumo si el Ingreso disponible aumenta marginalmente en 1 unidad. Ingreso no consumido = ahorro hogares s = 1 – c proporción marginal al ahorro Con impuestos proporcionales al ingreso la PMg. Y será c(1 - τ) y la PMg. S será (1 -c)(1 - τ).

LA FUNCIÓN CONSUMO KEYNESIANA

LA FUNCIÓN CONSUMO KEYNESIANA Propensión media a Consumir, fracción del Ingreso disponible usada para consumir. Función consumo Keynesiana contiene errores de predicción en períodos breves (corto plazo), ante cambios bruscos y períodos de estabilización: Estimaciones que varían de 3% + del consumo efectivo Consumo efectivo es mas “suave” que el estimado Podría existir asimetría en la respuesta de C a Y. Bicausalidad o no? ? Proyección o estimación? ?

Función de Consumo Keynesiana Estimada para Centroamérica

RESTRICCIÓN PRESUPUESTARIA INTERTEMPORAL La teoría de Keynes es estática. En la vida real la gente “planifica el consumo” (deuda, consumo, ingreso). La pieza fundamental de la teoría del consumo es entender la RESTRICCIÓN PRESUPUESTARIA INTERTEMPORAL y como las restricciones entre cada período se relacionan entre si. Qué sucede en el futuro si se ahorra mucho hoy? ? Las personas determinan su consumo de forma de obtener la mayor utilidad posible, dados los recursos que posee. ¿Cuándo ahorrar?

La Teoría en las Ciencias Sociales y los Modelos Estadísticos (II) 16

Regresión Lineal Simple 17 Origen Francis Galton acuñó el término regresión y creo la ley de regresión universal de Galton y así también la frase “regresión a la mediocridad”. Actualidad El análisis de regresión trata del estudio de la dependencia de una variable (variable dependiente) respecto de una o más variables (variables explicativas) con el objetivo de estimar o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las segundas.

Regresión Lineal Simple 18 Curva de Phillips Tenencia de Dinero e Inflación

Relaciones Estadísticas versus Relaciones Estocásticas 19 El análisis de regresión lo que busca es una dependencia estadística no así una dependencia funcional o determinística (propia de las ciencias como la física, la química, etc…). Al analizar relaciones estadísticas entre variables se analizan en esencia variables aleatorias o estocásticas, es decir; variables con distribuciones de probabilidad.

Regresión y Causalidad 20 A pesar de que el análisis de regresión tiene que ver con la dependencia de una variable respecto de otras variables, esto no implica causalidad necesariamente. En palabras de Kendall y Stuart: “Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión causal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”. La noción de causalidad implica que en la relación entre dos variables, variaciones en la variable independiente originan cambios en la variable dependientes, tal que sin dichos cambios la variables dependiente no hubiese variado.

Regresión y Causalidad 21 Noción de Ceteris Paribus: Todo lo demás (relevante) constante. Equivale al cumplimiento en estadística de ��(����)=0 Medía condicional igual a 0. Si se logra cumplir dicha condición nos aproximamos a la causalidad (Cuidado con el SOBRECONTROL como violación de supuesto). Riesgos de la causalidad: Falacias a. Falacia de la composición. b. Falacia post-hoc. c. Confusión causa-efecto, efecto-causa. d. Se omite la necesidad de un tercer factor común (Regresión espuria). e. Falta de abstracción por el contexto del econometrista. f. Creencia en que todo puede llegar a un equilibrio combinando teorías. g. Restringir las opciones a un número determinado de factores. h. Las buenas descripciones no implican causalidad. i. Confusión de supuestos conclusiones. j. Buscar modelos perfectos (La importancia de la robustez). k. Alejarse del verdadero hecho a explicar.

Regresión y Correlación 22 El análisis de correlación se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes. En el análisis de correlación, el objetivo principal es medir la fuerza o el grado de asociación lineal entre dos variables. El coeficiente de correlación, mide esta fuerza de asociación (lineal). Diferencias En el análisis de regresión hay una asimetría en el tratamiento a las variables dependientes y explicativas. Se supone que la variable dependiente es estadística, aleatoria o estocástica, es decir, que tiene una distribución de probabilidad. Por otra parte, se asume que las variables explicativas tienen valores fijos (en muestras repetidas), lo cual es explícito en la definición de regresión. En el análisis de correlación, por otra parte, se tratan dos variables cualesquiera en forma simétrica; no hay distinción entre las variables dependiente y explicativa. Además, las dos variables se consideran aleatorias. La mayor parte de la teoría de correlación parte del supuesto de aleatoriedad de las variables, mientras que la mayor parte de la teoría de regresión está condicionada al supuesto de que la variable dependiente es estocástica y que las variables explicativas son fijas o no estocásticas.

24 Consideraciones Finales La idea fundamental del análisis de regresión es la dependencia estadística de una variable, la dependiente, respecto de otra o más variables, las explicativas. El objetivo de tal análisis es estimar o predecir la media o el valor promedio de la variable dependiente con base en los valores conocidos o fijos de las explicativas. En la práctica, un buen análisis de regresión depende de la disponibilidad de datos apropiados. En toda investigación se debe señalar con claridad las fuentes de los datos para el análisis, sus definiciones, sus métodos de recolección y cualquier laguna u omisión en ellos, así como toda revisión que se les haya aplicado.