Econometría

Documento académico basado en Wikipedia (CC BY-SA 4.0)

Imagen de Wikipedia
Índice
1. Introducción
2. Definiciones de econometría
3. Descripción somera de la econometría
4. Concepto de modelo econométrico
5. Métodos de la econometría
6. El método de mínimos cuadrados (estimación MCO)
7. Problemas del método de los mínimos cuadrados
8. Software econométrico
9. Véase también
10. Referencias
11. Bibliografía
12. Enlaces externos
13. Anexos y detalles
1. Introducción
La econometría (del griego ο■κον■µος oikonómos 'regla para la administración doméstica' y µετρ■α
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.
Introducción
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 data, los métodos
estadísticos y econométricos tradicionales deben complementarse con métodos y herramientas de la
ciencia de datos■ y el aprendizaje automático
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 económicos 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 datos■ y el aprendizaje automático■.
Definiciones de econometría
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 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.'
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'.
Descripción somera de la econometría
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
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.

Puntos clave:
• La econometría (del griego ο■κον■µος oikonómos 'regla para la administración doméstica' y µετρ■α
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.
• 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 data, los métodos
estadísticos y econométricos tradicionales deben complementarse con métodos y herramientas de la
ciencia de datos■ y el aprendizaje automático
• 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 económicos 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 datos■ y el aprendizaje automático■.
• 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 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'.
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
2. Definiciones de econometría
La cuarta etapa consiste en la aplicación del modelo conforme al objetivo del mismo. En general los
modelos econométricos son útiles para:
Análisis estructural y entender cómo funciona la economía.
Predicción de los valores futuros de las variables económicas.
Simular con fines de planificación distintas posibilidades de las variables exógenas.
Simular con fines de control valores óptimos de variables instrumentales de política económica y de
empresa.
Métodos de la econometría
El método de mínimos cuadrados (estimación MCO)
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:
Y
=
α
+
β
1
X
1
+
β
2
X
2
+

Puntos clave:
• La cuarta etapa consiste en la aplicación del modelo conforme al objetivo del mismo. En general los
modelos econométricos son útiles para:
• Predicción de los valores futuros de las variables económicas.
• Simular con fines de planificación distintas posibilidades de las variables exógenas.
• Simular con fines de control valores óptimos de variables instrumentales de política económica y de
empresa.
• 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:
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
3. Descripción somera de la econometría
β
3
X
3
+
.
.
.
+
β
n
X
n
{\displaystyle Y=\alpha +\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...+\beta _{n}X_{n}\ }
o bien:
α
+
∑
i
=
1
n
β

Puntos clave:
• {\displaystyle Y=\alpha +\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...+\beta _{n}X_{n}\ }
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
4. Concepto de modelo econométrico
i
X
i
=
Y
{\displaystyle \alpha +\sum _{i=1}^{n}\beta _{i}X_{i}=Y}
"Y" es la variable endógena, cuyo valor es determinado por las exógenas,
X
1
{\displaystyle X_{1}}
hasta
X
n
{\displaystyle X_{n}}
. 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
α
{\displaystyle \alpha }
hasta
β
n
{\displaystyle \beta _{n}}
. 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:
Y

Puntos clave:
• "Y" es la variable endógena, cuyo valor es determinado por las exógenas,
• . 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
• . 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:
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
5. Métodos de la econometría
=
β
0
+
β
1
X
1
+
β
2
X
2
+
β
3
X
3
+
.
.
.
+
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
6. El método de mínimos cuadrados (estimación MCO)
β
n
X
n
{\displaystyle Y=\beta _{0}+\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...+\beta _{n}X_{n}\ }
.
o bien:
β
0
+
∑
i
=
1
n
β
i
X
i
=
Y
{\displaystyle \beta _{0}+\sum _{i=1}^{n}\beta _{i}X_{i}=Y}
En el que

Puntos clave:
• {\displaystyle Y=\beta _{0}+\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...+\beta _{n}X_{n}\ }
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
7. Problemas del método de los mínimos cuadrados
β
0
{\displaystyle \beta _{0}}
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:
Y
=
β
0
+
β
1
X
1
+
β
2
X
2
+
β
3
X

Puntos clave:
• 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:
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
8. Software econométrico
3
+
.
.
.
+
β
n
X
n
+
µ
{\displaystyle Y=\beta _{0}+\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...+\beta _{n}X_{n}+\mu \ }
o bien:
β
0
+
(
∑
i
=
1
n

Puntos clave:
• {\displaystyle Y=\beta _{0}+\beta _{1}X_{1}+\beta _{2}X_{2}+\beta _{3}X_{3}+...+\beta _{n}X_{n}+\mu \ }
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
9. Véase también
β
i
X
i
)
+
µ
=
Y
{\displaystyle \beta _{0}+\left(\sum _{i=1}^{n}\beta _{i}X_{i}\right)+\mu =Y}
Se suele suponer que
µ
{\displaystyle \mu }
es una variable aleatoria normal, con media cero y varianza constante en todas las muestras (aunque sea
desconocida), representado de forma matemática como
µ
∼
N
(
0
,
σ
2
)

Puntos clave:
• {\displaystyle \beta _{0}+\left(\sum _{i=1}^{n}\beta _{i}X_{i}\right)+\mu =Y}
• es una variable aleatoria normal, con media cero y varianza constante en todas las muestras (aunque
sea desconocida), representado de forma matemática como
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
10. Referencias
{\displaystyle \mu \sim N(0,\sigma ^{2})}
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
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
Entre las aplicaciones informáticas más empleadas para hacer econometría aplicada se encuentran, entre
otros, Stata, R, SAS, SPSS, EViews, Gauss, Gretl o Matlab.
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.■ 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
µ
{\displaystyle \mu }
es una variable aleatoria normal (
µ
∼

Puntos clave:
• 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.
• 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.
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
11. Bibliografía
N
(
0
,
σ
2
)
{\displaystyle \mu \sim N(0,\sigma ^{2})}
). 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.
Véase también
Economía
Economista
Ciencia de datos
Microeconomía
Macroeconomía
Referencias
Bibliografía
Fernández García, José; Adalid Díaz de Urdanivia, Claramartha. Para una breve historia de la
econometría Política y Cultura, n.º 13, 2000, pp. 7-32. Universidad Autónoma Metropolitana Unidad
Xochimilco, Distrito Federal, México. Handbook of Econometrics Elsevier. Links to volume
chapter-preview links:
Zvi Griliches and Michael D. Intriligator, ed. (1983). v. 1; (1984),v. 2; (1986), description, v. 3; (1994),
description, v. 4
Robert F. Engle and Daniel L. McFadden, ed. (2001).Description, v. 5
James J. Heckman and Edward E. Leamer, ed. (2007). Description, v. 6A & v. 6B

Puntos clave:
• ). 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.
• Fernández García, José; Adalid Díaz de Urdanivia, Claramartha. Para una breve historia de la
econometría Política y Cultura, n.º 13, 2000, pp. 7-32. Universidad Autónoma Metropolitana Unidad
Xochimilco, Distrito Federal, México. Handbook of Econometrics Elsevier. Links to volume
chapter-preview links:
• Zvi Griliches and Michael D. Intriligator, ed. (1983). v. 1; (1984),v. 2; (1986), description, v. 3; (1994),
description, v. 4
• Robert F. Engle and Daniel L. McFadden, ed. (2001).Description, v. 5
• James J. Heckman and Edward E. Leamer, ed. (2007). Description, v. 6A & v. 6B
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
12. Enlaces externos
Handbook of Statistics, v. 11, Econometrics (1993), Elsevier. Links to first-page chapter previews.
International Encyclopedia of the Social & Behavioral Sciences (2001), Statistics, "Econometrics and Time
Series," links (enlace roto disponible en Internet Archive; véase el historial, la primera versión y la última).
to first-page previews of 21 articles.
Angrist, Joshua & Pischke, Jörn■Steffen (2010). "The Credibility Revolution in Empirical Economics: How
Better Research Design Is Taking the Con out of Econometrics], 24(2), , pp. 3–30. Abstract.
Eatwell, John, et al., eds. (1990). Econometrics: The New Palgrave. Article-preview links (from The New
Palgrave: A Dictionary of Economics, 1987).
Geweke, John; Horowitz, Joel; Pesaran, Hashem (2008). «Econometrics». En Durlauf, Steven N.; Blume,
Lawrence E., eds. The New Palgrave Dictionary of Economics (Palgrave Macmillan).
doi:10.1057/9780230226203.0425.
Greene, William H. (2012, 7th ed.) Econometric Analysis, Prentice Hall.
Hayashi, Fumio. (2000) Econometrics, Princeton University Press. ISBN 0-691-01018-8 Description and
contents links.
Hamilton, James D. (1994) Time Series Analysis, Princeton University Press. Description and preview.
Hughes Hallett, Andrew J (1989). «Econometrics and the Theory of Economic Policy: The Tinbergen-Theil
Contributions 40 Years On». Oxford Economic Papers 41 (1): 189-214.
Kelejian, Harry H., and Wallace E. Oates (1989, 3rd ed.) Introduction to Econometrics.
Kennedy, Peter (2003). A guide to econometrics. Cambridge, Mass: MIT Press. ISBN 978-0-262-61183-1.
Russell Davidson and James G. MacKinnon (2004). Econometric Theory and Methods. New York: Oxford
University Press. Description. Archivado el 17 de octubre de 2012 en Wayback Machine.
Mills, Terence C., and Kerry Patterson, ed. Palgrave Handbook of Econometrics:
(2007) v. 1: Econometric Theoryv. 1. Links to description and contents.
(2009) v. 2, Applied Econometrics. Palgrave Macmillan. ISBN 978-1-4039-1799-7 Links to description and
contents.
Pearl, Judea (2009, 2nd ed.). Causality: Models, Reasoning and Inference, Cambridge University Press,
Description, TOC, and preview, ch. 1-10 and ch. 11. 5 economics-journal reviews, including Kevin D.
Hoover, Economics Journal.
Pindyck, Robert S., and Daniel L. Rubinfeld (1998, 4th ed.). Econometric Methods and Economic
Forecasts, McGraw-Hill.
Santos Silva, J.M.C. and Tenreyro, Silvana (2006), "The Log of Gravity," The Review of Economics and
Statistics, 88(4), pp. 641–658.
Studenmund, A.H. (2011, 6th ed.). Using Econometrics: A Practical Guide. Contents (chapter-preview)
links.
Wooldridge, Jeffrey (2003). Introductory Econometrics: A Modern Approach. Mason: Thomson
South-Western. ISBN 0-324-11364-1 Chapter-preview links in brief and detail.
Enlaces externos
Definición de Econometría (RAE
Econometría de la Evaluación de Impacto (enlace roto disponible en Internet Archive; véase el historial, la
primera versión y la última).

Puntos clave:
• Handbook of Statistics, v. 11, Econometrics (1993), Elsevier. Links to first-page chapter previews.
• International Encyclopedia of the Social & Behavioral Sciences (2001), Statistics, "Econometrics and
Time Series," links (enlace roto disponible en Internet Archive; véase el historial, la primera versión y la
última). to first-page previews of 21 articles.
• Angrist, Joshua & Pischke, Jörn■Steffen (2010). "The Credibility Revolution in Empirical Economics:
How Better Research Design Is Taking the Con out of Econometrics], 24(2), , pp. 3–30. Abstract.
• Eatwell, John, et al., eds. (1990). Econometrics: The New Palgrave. Article-preview links (from The New
Palgrave: A Dictionary of Economics, 1987).
• Geweke, John; Horowitz, Joel; Pesaran, Hashem (2008). «Econometrics». En Durlauf, Steven N.;
Blume, Lawrence E., eds. The New Palgrave Dictionary of Economics (Palgrave Macmillan).
doi:10.1057/9780230226203.0425.
• Greene, William H. (2012, 7th ed.) Econometric Analysis, Prentice Hall.
• Hayashi, Fumio. (2000) Econometrics, Princeton University Press. ISBN 0-691-01018-8 Description and
contents links.
• Hamilton, James D. (1994) Time Series Analysis, Princeton University Press. Description and preview.
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
13. Anexos y detalles
Sociedad Peruana de Econometría y Economía Aplicada
Economía Social
Diapositivas Libro wooldridge
Instituto de Econometría de Lima
Asociación de Econometría Aplicada
Curso de Extensión en Economía Avanzada del Banco Central de Reserva del Perú

Puntos clave:
• Curso de Extensión en Economía Avanzada del Banco Central de Reserva del Perú
Concepto Descripción
Definición Resumen breve del concepto principal.
Aplicación Ejemplo práctico o caso de uso.
Ventajas Beneficios y aportes.
Limitaciones Posibles problemas o riesgos.
Bibliografía y créditos
Wikipedia: https://es.wikipedia.org/wiki/Econometr%C3%ADa
Este documento incorpora contenidos de Wikipedia bajo licencia CC BY-SA 4.0. Puede contener resúmenes o
reorganizaciones del texto original.