¡Descarga modelos básicos econometria y más Apuntes en PDF de Econometría solo en Docsity!
INTRODUCCIÓN AL CONCEPTO Y A LA TAREA DE
ESPECIFICACIÓN
DE UN MODELO ECONOMÉTRICO
ESQUEMA DE IDEAS BÁSICAS: (Este esquema es un documento propio, del profesor, para orientar las 2-3 primeras clases de presentación de la asignatura. No es sistemático ni está redactado para su lectura, por eso NO resulta fácil usarlo como texto por parte del alumno. Sin embargo, lo pongo a disposición del alumno en ausencia de un texto más elaborado porque creo que, al menos, sintetiza algunas de las ideas fundamentales).
- SOBRE LA DEFINICIÓN DE MODELO ECONOMÉTRICO
1..aDebe destacarse que la Econometría que formara parte del programa no engloba toda la econo – metría, sino que se centra en el desarrollo de los Modelos de Regresión como instrumento de análisis cuantitativo especialmente indicado para:
1..b Abordar análisis de causalidad (o relación) 1..c En presencia de variables cuantitativas medidas en escala de razón o intervalo 1..d Y especialmente cuando los diseños experimentales no son viables
Para ello será necesario entender:
i. Que existen diferentes objetivos analíticos (no sólo el análisis de la causalidad o relación) ii. Que existen diferentes “escalas” de medida (materia prima) que condicionan las técnicas disponibles (presentar esquema de clasificación escala – técnica para el análisis de causalidad).
.a Un segundo asunto de interés es la definición del modelo econométrico en oposición al modelo económico. En este sentido, deben destacarse:
Modelo Económico Modelo Econométrico
- Intención de validez general (en todo momento espacio, temporal). Las hipótesis ideales que incluyen (ver última fila de esta misma tabla) suavizan las diferencias específicas de cada contexto permitiendo formulaciones de orden general. - Validez extremadamente especifica. Es la característica principal de un M. Econométrico, de hecho su misión fundamental es la de “probar el funcionamiento de una propuesta teórica “sobre el terreno” de un marco temporal- especial concreto.
- No requiere un nivel de expresión – formulación cuantitativo : puede formularse con argumentos total o parcialmente cualitativos (aunque en ocasiones las propuestas teóricas incluyan cierto grado de formalización técnica) - Es de naturaleza esencialmente empírico y por tanto, utiliza argumentos y expresiones esencialmente cuantitativas. Por ello, requiere utilizar datos (observacionales ó experimentales).
- Los argumentos rara vez dejan margen a la aleatoriedad : sus formulaciones suelen tener un claro sesgo determinista. Esto se logra utilizando pre-requisitos ideales que evitan las “interferencias” tipo: competencia perfecta, comportamiento racional, maximización de utilidad, mercado con un único bien homogéneo. - Contemplan la aleatoriedad como una parte importante en la lógica interna de las relaciones (causalidad). Esto deriva a su vez de la extrema especificidad que impide utilizar hipótesis ideales para describir las relaciones de causalidad y validar los resultados.
.b (^) De la tabla anterior se deducen las habilidades básicas de un “económetra” :
.c (^) Del carácter esencialmente empírico se deriva la necesidad del :
.d (^) El conocimiento de las fuentes de datos o de la metodología del diseño experimental .e (^) El “ dominio” de la estadística matemática (preparación e interpretación univariante de datos antes de las técnicas multivarantes) .f (^) El “ dominio” de las matemáticas
.g (^) Del carácter semi - aleatorio del ejercicio empírico:
1..eUn conocimiento suficiente de la estadística (teórica pero, sobre todo, inferencial), como mecanismo de control de los componentes aleatorios.
.h (^) Por tratarse siempre de ejercicios de medición “económica”:
.h..1 (^) Un conocimiento suficiente (propio o apoyado por expertos) del marco teórico (modelos económicos) a analizar.
- (^) SOBRE LA ESPECIFICACIÓN
1..f (^) La especificación debe situarse en el marco de un proceso de construcción de un Modelo Econométrico formado al menos por las siguientes fases :
frecuencia a elegir (fenómenos de dinámica a corto plazo exigirán muestras de frecuencia alta y viceversa).
1..h..iv Resulta muy interesante que observen con un ejemplo (incluso un trabajo optativo) cómo la frecuencia ideal es aquella que mejor ajusta dinámica interna de los procesos y como, en ese sentido, la frecuencia ideal permite aislar de forma óptima las variables de interés analizadas, anulando la influencia de otras variables que operan en otras frecuencias. (El consumo de energía eléctrica, por ejemplo, en relación a la temperatura es un buen ejemplo ilustrativo de esta cuestión). En este sentido, la selección de la frecuencia incide también en la selección de variables relevantes. (Una idea interesante es que, en ese sentido, la selección de muestra y frecuencia es una de las pocas decisiones de “diseño experimental” que existen cuando el analista utiliza datos observacionales y no experimentales).
1..h..v Por último, aunque muestra y frecuencia vienen determinadas por los objetivos, la disponibilidad condiciona la selección ideal, por ello conviene tomar las decisiones sobre muestras y frecuencias teniendo en mete, a priori, qué tipos de datos están accesibles para las variables relevantes.
1..h..vi No se habla aquí de la selección del tamaño muestral (que se aborda en dos temas específicos: muestras pequeñas y cambio estructural). Conviene valorar no obstante si se introduce al menos la idea en este punto.
1..i Determinación de las variables de interés a incluir entre las explicativas
1..i..i Idea muy importante: La regresión es esencialmente una técnica de enfoque multivariante. Aunque nuestro interés analítico se centre en una única variable (por ejemplo la Tª en su relación con el consumo de electricidad), deben identificarse todas las demás variables que condicionan el fenómeno causal analizado (además de la Tª). 1..i..ii La selección no viene sólo orientada por la propuesta teórica de fondo dado que al tratarse un modelo empírico, deberán incluirse variables específicas del tiempo / espacio en el que van a estimarse las relaciones. 1..i..iii Recalcar que, lamentablemente, un modelo econométrico de regresión no siempre será mejor cuantas más variables incluya, de modo que el conjunto optimo de variables relevantes deberá determinarse con cautela examinando cuestiones que se verán más adelante como la precisión de los parámetros obtenidos posteriormente para cada una de ellas, la existencia de multicolinealidad, el riesgo de regresores estocásticos (por utilización de variables proxi), y otros aspectos que se verán más adelante.
1..i..iv En este sentido, debe recalcarse que en este punto, la selección de variables relevantes es sólo PRELIMINAR dado que la selección final será también producto de las tareas de evaluación.
1..j Localización de las fuentes de información estadística disponibles para la medición de las variables
1..j..i Debe recalcarse que se requieren SERIES de datos (a muchos alumnos les cuesta entender que estamos ante un ejercicio de inferencia estadística) 1..j..ii Las fuentes deben ser de calidad y contener los datos para la muestra seleccionada y en la frecuencia escogida (por cierto, recalcar, por si algún alumno no se ha dado cuenta, que para TODAS LAS VARIABLES, se han de tener las mismas muestras y frecuencias).
1..k (1) Selección entre medidas alternativas y (2) Tratamiento (manipulación) de los datos brutos obtenidos para las variables de análisis. (Poner ejemplos que ilustren cómo, aunque se tenga clara la idea de la variable elegida, la selección final de la fuente y el tratamiento de los datos no siempre es una elección fácil). (Poner por ejemplo lo complicado que es medir la temperatura diaria en España).
- SOBRE LA ESTIMACIÓN
.a En este punto no conviene introducir ideas concretas sobre este tema dado que ocupará monográficamente las siguientes clases, pero al menos pueden destacarse un par de ideas básicas. .b La primera es que los alumnos se den cuenta de por qué necesitamos “estimar”, es decir, que entiendan que estamos ante un ejercicio de inferencia estadística (ejemplo equivalente de una encuesta) .c La segunda, en relación plena con lo anterior, es que entiendan que la estimación no es sólo determinar el valor de los parámetros sino también su precisión (recordar que tendremos un componente aleatorio que impedirá la validez determinista de los resultados)
- SOBRE LA EVALUACIÓN
1..l De nuevo no es el momento de entrar en esto, pero si se considera oportuno pueden simplemente apuntarse dos o tres ideas. 1..m Insistir en la idea de que el proceso de evaluación sugiere la idea de que lo que se evalúa es, sobre todo, la especificación (el proceso en ese sentido es “circular” más que lineal) 1..n Insistir en la idea de que la evaluación se realizará respecto a dos o tres líneas de atención básicas (muy interconectadas): 1..n..i el nivel de errores cometido por el modelo (su capacidad de adaptarse a la realidad como (1) representación simplificada
