UNIVERSIDADNACIONALAUTNOMADEMXICO

FACULTADDEESTUDIOSSUPERIORESARAGN

LICENCIATURADEECONOMA

ApuntesdeEconometra

JaimeEspinosaRodrguez

Apuntes de Econometra

INDICE
Presentacin.............................................................................................................................................3
1. Fundamentosdeeconometra..........................................................................................................4
1.1.
Definicineimportancia..........................................................................................................4

2.

1.2.

Relacinconotrasciencias:.....................................................................................................4

1.3.

UtilizacindemodelosenEconometra:..................................................................................5

1.4.

Metodologadelaeconometra...............................................................................................5

1.5.

Utilizacindedatoseneconometra........................................................................................6

RepasodeConceptosEstadsticos....................................................................................................9
2.1.
Definicionesimportantes.........................................................................................................9
ValorEsperadoyVarianzadeunavariable.......................................................................................9
2.2.

Estimadoresysuspropiedades..............................................................................................10

2.3.

Distribucionesdeprobabilidad..............................................................................................10

OtrasFuncionesdeDistribucinderivadasdeladistribucinNormal............................................11
3.
1)

ModelosdeRegresindeunasolaecuacin..................................................................................13
Regresinlinealsimple:mtododelosmnimoscuadradosordinarios(MCO).........................13

2)

ElModeloderegresinlinealmltiple.......................................................................................16
Estimacindelosparmetrosdelmodelo......................................................................................17
Descomposicindelasumadecuadrados.....................................................................................18

3)

Inferenciaacercadelosestimadores.........................................................................................22
Anlisisdelavarianza.....................................................................................................................25

4.

4)

Prediccinenelmodeloderegresin........................................................................................25

5)

Pruebasdediagnostico..............................................................................................................27

6)

Formasfuncionalesdelosmodelosderegresinmltiple.........................................................29

Modelosdinmicos........................................................................................................................40
4.1.
Elpapeldeltiempoeneconoma...........................................................................................40
4.2.

ModelosdeRezagosdistribuidos...........................................................................................40

4.3.

Modelosautorregresivos.......................................................................................................42

GeneralizacindeHendry..............................................................................................................42
ApendiceA..............................................................................................................................................44
BIBLIOGRAFA.........................................................................................................................................47

Jaime Espinosa Rodriguez

Apuntes de Econometra

PRESENTACIN
El inicio de la econometra moderna puede ubicarse prximo a la fundacin de la Sociedad de
Econometra en 1930 y posteriormente a los trabajos pioneros de la fundacin Cowles. El continuo
desarrollodelaeconometraenlosaoscuarentasycincuentasdelsiglopasadosevioaceleradoenlos
sesentas, gracias en parte al desarrollo de nuevas tcnicas, y al inicio del uso intensivo de las
computadoras.Sinembargo,apartirdelossetentas,seobservouncrecienteescepticismoyunafalta
de credibilidad en los resultados economtricos que se tradujo finalmente en un desencanto,
especialmenteparapropsitosdepolticaeconmica(Hendry,1993yLeamer,1983).Comorespuestaa
esta situacin se han desarrollado recientemente diversas metodologas alternativas en donde vale
destacarlosmodelosdevectoresautorregresivos(VAR),deseriesdetiempo(Sims,1980),elanlisisde
lasrestriccionesnolinealesenmodelosVAR(Pagan1987,ySpanos1990),lametodologadelogeneral
aloespecfico(Davinson,Hendry,SrbayYeo,1978)yelusodelaestadsticabayesiana(Leamer,1983).1
Debemos ser realistas y contar con las limitaciones de nuestros mtodos de estimacin e inferencia,
desarrolladosparagrandesmuestrasquenuncadisponemos,laimportantegeneralidaddelaciencia
econmicaylasdificultadesexistentesparadisponerdedatossuficientesydecalidadapropiada.Pero
tomando todo ello en consideracin y aunque no nos sea posible rechazar teoras, si ser factible
aprendermediantelamodelacineconomtricadelasrelacionesrelevantesentreagenteseconmicos.
Utilizar los modelos no refutados, que si bien nunca nos permitirn verificar una teora, son el
instrumentomsvlidoparalaprediccinyelanlisiseconmico.EnpalabrasdePesaran(1990)'...el
hecho de que la modelacin economtrica est inevitablemente sujeta a problemas de bsqueda de
especificacin, no significa que toda su actividad sea anodina. Los modelos economtricos son un
importante instrumento de previsin y anlisis de polticas y es improbable que se descarten en el
futuro. El desafo es reconocer sus limitaciones, y trabajar para convertirlos en instrumentos ms
segurosyefectivos.'
Laeconometrahasufridoataquesimportantesperohasabidoincorporarlosaspectosmsvlidosde
suscrticas.Hadesarrolladolamicroeconometra,haincorporadoelanlisisdeseries,lasexpectativas
de los agentes, ha proporcionado mtodos de estimacin, de validacin de modelos, y sigue
considerndose como el instrumento ms eficaz para lasimulacin yla previsinamediano y a largo
plazo. En lugar de disminuir en desarrollo y aplicaciones, observamos un proceso contrario y la
econometraseexpandeacampostandiversoscomolahistoriaeconmica,elmarketing,lasfinanzaso
inclusoadisciplinastandisparescomolageografaolamedicina.Estasituacinpropiciaqueexistala
necesidaddeactualizarconstantementelaenseanzaylosmtodosqueseaplicanenlaconstruccin
demodeloseconomtricos.
Elobjetivodeestasnotasdeclasesespresentarlosprincipaleselementosadiscutirduranteelcurso.
Estedocumentonotienecomofinelincluirelmaterialdetalladoycompletopresentadoenlasclases.
Es deber del alumno el complementar la lectura de este documento con la bibliografa adicional
presenteenelprogramadelcurso.

Tomado de Galindo, L.M.P. (1995,p.4)

3

Jaime Espinosa Rodriguez

Apuntes de Econometra

1. FUNDAMENTOSDEECONOMETRA.
1.1. DEFINICINEIMPORTANCIA
Empezaremospordefinirqueeslaeconometra,paraestoacontinuacinsepresentamoslasdiversas
formasenquealgunosautoreshandefinidoalaeconometra:

Literalmente:medicineconmica

... el anlisis cuantitativo de fenmenos econmicos actuales, basado en el desarrollo

2

congruentedeteorayobservaciones,yrelacionadopormtodosapropiadosdeinferencia.

La econometra est interesada en el estudio sistemtico de los fenmenos econmicos

utilizandodatosobservados.3

Laeconometraseencargabsicamentedemedirrelacioneseconmicas;ademsutiliza(la)
teora econmica, incorporada en un modelo economtrico; hechos sintetizados por la
informacin relevante, y teora estadstica refinada en tcnicas economtricas para medir y
probar en la prctica ciertas relaciones entre variables econmicas, dndole con ello un
contenidoprcticoalrazonamientoeconmico.4

Arteycienciadeusarmtodosparalamedidaderelacioneseconmicas.5

Debe destacarse enlas diferentes definicionesmostradas quelaeconometra tiene comoobjetivo los

anlisiscuantitativosdefenmenoseconmicosrealessobrelabasedeldesarrollosimultneodeteora
econmicayobservacinrealizadosconmtodosapropiadosdeinferenciaestadstica.Enestesentido
puede decirse que la econometra no plantea el problema de la dicotoma lgica entre deduccin
induccin, sino que por el contrario aboga por el enfoque sinttico de aunar los conocimientos
derivados del enfoque deductivo (teora), con los derivados de la observacin e induccin (datos). Y
desde esta perspectiva la modelizacin economtrica es el nico camino existente para el estudio
riguroso delos problemas econmicos,bajo elabanico sinttico de teora y realidad, al combinar dos
corrientesquedifcilmentepuedensobrevivireficazmentedeformaaislada:
a.

La teora sin contrastacin emprica, como causa del conocimiento lgico deductivo, poco
puedeaportarenfrentadaalosproblemaseconmicosexistentesenlaactualidad.Seconvierte
en un hermoso castillo de naipes que no resistir la mirada pragmtica de un conjunto de
decisionesyenconsecuenciaprovocarunolvidodeladisciplinaalaquepertenece.

b.

Porotrolado,elexclusivoenfoqueinductivonopuedegeneralizarporsisloelconocimiento
del sistema econmico y la correcta toma de decisiones. El anlisis aislado de los datos y la
bsqueda de relaciones y regularidades sin ninguna orientacin previa, no slo puede
convertirseenuntrabajocomplejo,sinoqueinclusopuedeconduciraconclusionesfalsas.La
medicinsinteoraenunainterpretacincontinuadeobservacionesestadsticas,normalmente
aportarpocoenlaexplicacindecmoyporqueactanlosagenteseconmicos.

1.2. RELACINCONOTRASCIENCIAS:
LaeconometraesunaamalgamadeTeoraEconmica,economamatemtica,estadsticaeconmicay
estadsticamatemtica,lascualesserelacionandelasiguienteforma:

Laeconometradacontenidoempricoagranpartedelateoraeconmica,lacualslohace
afirmacionescualitativas.

Samuelson, P.A.; Koopmans, T.C.;Stone, J. (1954)

Spanos A. (1991: 3)
4 Intrilligator M. D. (1990:15)
5 Chow (1983)
2
3

Jaime Espinosa Rodriguez

Apuntes de Econometra

Laeconomamatemticatieneporobjetoexpresarmatemticamentelateora,aunquenosea
capaz de verificarse. En econometra se convierten las ecuaciones matemticas en
economtricas.

Laestadsticaeconmicasededicaalarecoleccinyordenamientodedatosquesegeneranen
laeconoma.Conesosdatoseleconometristaverificaorefutalasteoras.

Finalmente, se requieren mtodos adicionales a la estadstica matemtica para analizar los

datos generados en la economa, los cuales no son obtenidos mediante experimentos
controlados.

1.3. UTILIZACINDEMODELOSENECONOMETRA:
Unmodeloescualquierrepresentacindeunfenmenorealconlaintencindeexplicarlo,predecirloy
controlarlo.Existendiferentestiposdemodelo:verbaleslgicos,fsicos,geomtricos,algebraicos,etc.
Entrminosdeloamateriaeltipodemodeloquemsnosinteresaeselalgebraico,yaquerepresenta
el funcionamiento de un sistema real a travs de un sistema de ecuaciones, que al ser resueltas
permiten explicar el comportamiento del fenmeno en estudio. En esencia, puede decirse que el
modelo algebraico determina los resultados de ciertas variables llamadas endgenas o dependientes
cuyosresultadosestnenfuncindelasrelacionesqueseestablezcandentrodelmodeloentreestas
variables y otras denominadas exgenas las cuales no dependen del modelo para determinar sus
valores y al suceder esto se obtiene un acercamiento al funcionamiento de un sistema (fenmeno)
real y en consecuencia el modelo cumplir con su funcin de explicar, predecir y/o controlar a dicho
fenmeno.
Un modelo economtrico es un tipo especial de modelo algebraico, ya que es estocstico, es decir
incluye una o ms variables aleatorias, generalmente el modelo economtrico incluye un trmino de
perturbacinestocstica,elcualconstituyeelcomponentealeatorio.
Un modelo economtrico puede ser lineal o no lineal, en el primer caso la linealidad se da en los
parmetros(coeficientesdelasvariablesexgenas).
Losmodelospuedensermultiecuacionalesouniecuacionales,enfuncindelnmerodeecuacionesque
seutilicenparaespecificarelsistemaqueseestestudiando.

1.4. METODOLOGADELAECONOMETRA.
Como se ha sealado lneas arriba la econometra estudia fenmenos econmicos a travs de la
utilizacin de diversos enfoques tericos: econmicos, estadsticos, matemticos, etc., los cuales son
aplicadosalosdatoscuantitativosconlafinalidaddeexplicar,predecirocontrolaradichosfenmenos.
Enresumen,lamaneraqueoperalaeconometra(esdecirsumetodologa)puedeplantearsetantoen
laformaqueseobservaenlosenunciadoscomoeneldiagrama:6
1.

Planteamientodelateoraohiptesis.

2.

Establecerelmodelomatemtico.

3.

Establecerelmodeloeconomtrico.

4.

Obtenerlosdatos.

5.

Estimacindelosparmetros.

6.

Realizacindepruebasdehiptesis.

7.

Pronsticooprediccin

8.

Utilizacindelmodeloparafinesdecontrolodepoltica.

El diagrama es una adaptacin del que aparece en Intrilligator (1990:16).

5

Jaime Espinosa Rodriguez

Apuntes de Econometra

Proceso de construccin de un Modelo Economtrico

Se intenta explicar a
travs de una conexin
entre:

Problema
econmico

Teora

Hechos

Teora
estadstica

Modelo
econmico

Datos

Mtodos
economtricos

Modelo
economtrico,

Datos
depurados

Estimacin del modelo economtrico, revisin y ajuste de la hiptesis

de trabajo, reelaboracin en su caso

Anlisis
Estructural

Evaluacin de
Polticas

Previsin

Posibles usos del modelo

economtrico

1.5. UTILIZACINDEDATOSENECONOMETRA.
Como se observa del diagrama anterior la informacin recopilada es el insumo principal del modelo
economtrico, por esta razn debemos detenernos en revisar el tipo de datos que se utilizan en los
modeloseconomtricos,yaquesegneltipoycalidaddelosdatossepuedeafectarelresultadodela
regresin.
Los datos que se utilizan en econometra pueden ser cuantitativos (PIB, ndices de precios, tasa de
desempleo, etc.) o cualitativos (variables dummy que captan aspectos no cuantificables como sexo,
niveldeinstruccin,etc.).
Segnlatemporalidaddelosdatospuedenclasificarsedelasiguientemanera:
1) Cortetransversaloseccincruzada
Consisteendatosreferidosaindividuos,hogares,empresas,ciudadesqueseobservanenmomentode
tiempodado.
a) Normalmentesuponemosqueesosdatosseobtienenpormuestreoaleatorio.
b) En ocasiones, la muestra no es aleatoria: problemas de seleccin, correlacin espacial,
muestrasestratificadas,etc.

Jaime Espinosa Rodriguez

Apuntes de Econometra

Ejemplo de datos deCorte transversal:EncuestaNacionalde Ingresosygastos de los Hogares 2010

(ENIGH,2010)

2) Seriestemporales
Unaserietemporalconsisteenobservacionesdeunavariableodevariasvariablesalolargodevarios
periodosdetiempo(das,semanas,meses,aos).
a)

Unadelascaractersticasfundamentalesdelasseriestemporalesesqueestncorrelacionadas
alolargodeltiempo.Esdecir,noconstituyenunamuestraaleatoria.
b) Esta correlacin condiciona mucho el tipo de estimacin y de contrastes economtricos que
puedenrealizarse.
Ejemplo de datos de Series de tiempo: Demanda final de bienes y servicios 1993:01 2005:04 a
preciosconstantesde1993.

Jaime Espinosa Rodriguez

Apuntes de Econometra

3) Datosfusionadosdeseccionescruzadas(pooledcrosssections)
Suponga que tenemos una secuencia de datos de corte transversal, con las mismas variables pero
correspondientesapoblacionesentrevistadasendiferentesaos1990,1991,1992,y2005.Aestose
ledenominadatosfusionadosdeseccionescruzadas.
a)

Estosdatossontilessiqueremosanalizarlaevolucinalolargodeltiempodeladistribucin
deciertasvariablescomolossalarios,larentadeloshogares,etc.
b) Es importante tener en cuenta que en este tipo de datos NO se tiene informacin de los
mismos individuos a lo largo del tiempo. En cada periodo, tenemos una nueva muestra de
individuos.
Ejemplo:LosdatosunificadosdelaENIGHdesde2000hasta2012.
4) Datosdepanelodatoslongitudinales
En este caso, observamos a un grupo de individuos (personas, hogares, empresas) en diferentes
momentosdeltiempo.Esdecir,tenemosseriestemporalesparacadaindividuodelamuestra.
a) Portanto,enestetipodedatosseguimosalosmismosindividuosalolargodeltiempo.
b) Estacaractersticahacequeestetipodedatostengadiversasventajassobrelosotros.
c) Aunquetambinrequiereuntratamientoeconomtricoespecial.
Ejemplo:LaEncuestaNacionaldeOcupacinyEmpleo(ENOE)incluyeunasubmuestradepaneldesde
2005alafechaycambiasolounapartedelasubmuestracada3aos(ojo:laENOEestrimestral).

Jaime Espinosa Rodriguez

Apuntes de Econometra

2. REPASODECONCEPTOSESTADSTICOS
2.1. DEFINICIONESIMPORTANTES
Si definimos a X como el resultado de cierto experimento, diremos que X es una variable aleatoria
cuandosuvalornoesconocidoantesdellevaracaboelexperimento.LaprobabilidaddequeXtomeun
determinadovalorsedefinecomoProb(X=x).Unavariablealeatoriaadicionalmentepodrserdiscreta
ocontinua.SerdiscretacuandoElconjuntoderesultadosesfinitoennmeroocontableinfinitamente.
Sercontinuacuandoelconjuntoderesultadosesinfinitamentedivisible,yporlotanto,incontable.
Unalistadevaloresx,resultantesdeldesarrollodeunexperimentoasociadoalavariablealeatoriaX,y
las respectivas probabilidades asociadas definen la funcin de densidad, f(x). Para el caso de variable
aleatoriadiscretaesposibleplantear
f(x)=Prob(X=x).Adems,sedebencumplirlossiguientesaxiomas:

1. Pr ob( X x) x 1,0
2. Pr ob( X x) xi 1; f ( x)dx 1
i

3. Pr ob( X x) 1 Pr ob( X x)
Para cualquier variable aleatoria X, la probabilidad que esta variable tome valores menores o iguales
que a se define por F(a) (que es la funcin de distribucin acumulada). Para una variable aleatoria
discreta se tendr que F ( x)

xi . La funcin de distribucin acumulada debe cumplir con las

i

siguientespropiedades:
b

1 F ( x) f ( x)dx x, x 1,0
a

2 Si x y, F ( x) F ( y )

VALORESPERADOYVARIANZADEUNAVARIABLE
LamediadelavariablealeatoriaX,llamadatambinvaloresperado,sedefinecomo E ( X )

pi x
i

E(x)(casodiscreto)o E (X )

xfxdx (casocontinuo).Asimismolavarianzadelavariablealeatoria

se define como Var( X )

2

pi X E( X )2 , la varianza es en si misma un valor esperado ya

i

que: Var ( X ) E X E ( X ) .
2

Otramedidadedispersinaplicadaalasvariablesaleatoriasesladesviacinestndar,.Estasedefine
comolarazpositivadelavarianza.
Existentresresultadostilesconcernientesaloperadorvaloresperado:

1. E (aX b) aE ( X ) b; donde a, b son cons tan tes

2. E (aX ) 2 a 2 E ( X 2 )

3. Var (aX b) a Var ( X )

2

Cuando se trata con distribuciones conjuntas de variables aleatorias (las cuales describen las
probabilidadesdeocurrenciatantodelavariablealeatoriaXcomodelavariablealeatoriaY)sepuede
obtener la covarianza de X e Y que es el valor esperado del producto XY cuando ambas son medidas
comodesviacionesalrededordesusmedias:

Jaime Espinosa Rodriguez

Apuntes de Econometra

Cov( X , Y ) E X E ( X ) Y E (Y )
pi , j ( X E ( X ))(Y E (Y ))
i

Enelcasodedistribucionesdeprobabilidadconjuntassetienenlossiguientesresultadosdeloperador
delvaloresperado:

1. E ( X Y ) E ( X ) E (Y )
2. Var ( X Y ) Var ( X ) Var (Y ) 2Cov ( X , Y )
3. E ( XY ) E ( X ) E (Y ); si X , Y son independientes
4. Cov( X , Y ) 0; si X , Y son independientes

Una aplicacin importante de la covarianza se da en el coeficiente de correlacin, el cual mide la

direccinenquesemuevenambasvariables,sufrmulaes:

( x, y )

Cov ( x, y )

x y

2.2. ESTIMADORESYSUSPROPIEDADES
La estimacin es el proceso de utilizar datos muestrales para obtener valores que se aproximen a los
parmetros desconocidos de una poblacin, en particular la media y la varianza, aunque no son los
nicosparmetrosdeinterssisonlosmscomunes.Existendostiposdeestimacionesdepuntoyde
intervalo. Existen cuatro propiedades importantes de los estimadores: Ausencia de sesgo, Eficiencia,
Errorcuadrticomediomnimo,consistencia.
Ausencia de sesgo. Se dice que un estimador es insesgado si su valor esperado es igual a su valor
verdadero,esdecirsisecumpleque:

Sesgo E ( ) 0
Eficiencia Unestimador eseficiente si para un tamao de muestra dado su varianza es menor que la
varianzadecualquierotroestimador.
Errorcuadrticomediomnimo:

ECM ( ) E ( ) 2
Consistencia.Elestimador seconsideraconsistentesiellmitedeprobabilidadde es

2.3. DISTRIBUCIONESDEPROBABILIDAD
FuncindeDistribucinNormal.Suformagenerales

P( X x i )

1
2
exp 2 xi x
2 x2
2 x

donde x y x2 sonlamediayvarianzaasociadasalavariablealeatoriaX.Deestemodo,silavariable
aleatoriaXsigueunadistribucinnormalconmedia x yvarianza x2 ;estoseexpresadelasiguiente
formaX~N( x , x2 ).
Lafigura1muestralaformadelafuncindedensidadnormalestndar

10

Jaime Espinosa Rodriguez

Apuntes de Econometra

LadistribucinNormalesmuyutilizadaporvariasrazonesentrelasquedestacanlassiguientes:

Ladistribucinesdescritaporcompletoporsumediaysuvarianza,porloquenoesnecesario
preocuparseporotraspropiedadescomoelsesgoylakurtosis.

Essimtricayenformadecampana,unaformarazonableparadescribirladistribucindelos
parmetros,comolapendienteyelinterceptoqueseestimanenlaregresinlineal.

A travs del teorema del lmite central podemos aproximar distintas distribuciones de
probabilidadaladistribucinNormal.

Teoremadellmitecentral.SiXtienemediayvarianza2,entoncesladistribucinmuestralde X se
vuelveaproximadamentenormalconmediayvarianza2/NconformeNseincrementa.

OTRASFUNCIONESDEDISTRIBUCINDERIVADASDELADISTRIBUCINNORMAL
La Funcin de Distribucin 2 Chi cuadrada, es til para probar hiptesis que tienen que ver con
varianzasdevariablesaleatorias.Suaplicacinsederivadelsiguienteteorema:
La suma de los cuadrados de N variables aleatorias independientes con distribucin Normal (0,1) se
distribuyecomounaChicuadradaconngradosdelibertad.LaformaexactadelaChicuadradadepende
delnmerodegradosdelibertadquetenga,mientrasmsgradosdelibertadtengamsseaproximaa
unanormal.
La Funcin de Distribucin t de Student, es til cuando no se conoce la varianza poblacional de la
variablealeatoria.Suaplicacinsederivadelsiguienteteorema:
Si X se distribuye normal (0,1) y Z se distribuye como una Chi cuadrada con N grados de libertad.
EntoncessiXyZsonindependientes, X

Z N setieneunadistribucintconNgradosdelibertad.

Como la Normal la t es simtrica, y se aproxima a la normal para muestras grandes, aunque es ms

anchaenlosextremos,lafrmulaparacalcularelestadsticotes:

X N

sx

La Funcin deDistribucin F. Es til cuando se busca probar hiptesis conjuntas que implican a dos o
ms parmetros. La distribucin F se caracteriza por utilizar dos parmetros, el primero se encuentra
asociado al nmero de parmetros estimados y el segundo con el nmero de grados de libertad. Su
aplicacinsederivadelsiguienteteorema:
Si X y Z son independientes y se distribuyen como Chi cuadrada con N1 y N2 grados de libertad,
respectivamente entonces (X/N1)/ (Z/N2) se distribuye de acuerdo con una distribucin F con N1 y N2
gradosdelibertad.LafrmulaparacalcularelestadsticoFes:

11

Jaime Espinosa Rodriguez

Apuntes de Econometra

( N1 1) s x2

x2

N1 1

F
( N 2 1) s z2

z2
N2 1
ElestadsticoFsiempresetabulaconelestimadormayordelavarianzaenelnumeradoryelestimador
menordelavarianzaeneldenominador.Entremayoresladiferenciaentrelasdosvarianzas,esmayor
elvalordeF.PorlotantounvalorgrandedeFimplicaqueesimprobablequelasdosvarianzasdelerror
seaniguales.

12

Jaime Espinosa Rodriguez

Apuntes de Econometra

3. MODELOSDEREGRESINDEUNASOLAECUACIN.
1) REGRESINLINEALSIMPLE:MTODODELOSMNIMOSCUADRADOSORDINARIOS(MCO).
Elpropsitodeconstruirrelacionesestadsticases,porlogeneralpredeciroexplicarlosefectosenuna
variableresultantedeloscambiosenunaomsvariablesexplicativas.Enelcasodedosvariablesloque
nos interesa calcular es la funcin de regresin poblacional (FRP), que no es ms que el lugar
geomtricodelasmediascondicionalesoesperanzasdelavariabledependienteparalosvaloresfijosde
7

lasvariablesexplicativas.
DebidoaquelaFRPnopuedeobservarsedirectamenteseutilizaunaaproximacinqueeslafuncinde
regresinmuestral(FRM),lacualnosproducirunaestimacinadecuadadelaFRPyenconsecuencia
podr explicar el comportamiento de una variable dependiente Y en funcin de una o ms variables
explicativas.
UnmtodoparaestimarlaFRMeseldemnimoscuadradosordinarios(MCO)elcualconsisteenelevar
alcuadradolosresiduosdelaecuacin1ydespusdiferenciarlosparaobtenerlosestimadoresmnimos
cuadrticos.

Yi 0 1 X i ui Ecuacin1
A partir de la ecuacin (1) se obtienen los estimadores mnimos cuadrticos, como se observa a
continuacin:

u Y Y
u Y X diferenciando parcialmente respecto a
u
2 Y X 2 u

2
i

2
i

2
i

y 1 :

u 2 Y

2
i

1 X i X i 2 ui X i

igualando a cero y despejando :

Yi n0 1 X i

Y X
i

0 X i 1 X i2

Resolviendo las ecuaciones de manera simultnea:

1
1

n X iYi X i Yi
n X i2 X i

X X
i

X Yi Y

xi yi

2
i

(1)

Gujarati D. N.(1997:33)
13

Jaime Espinosa Rodriguez

Apuntes de Econometra

X i2 Yi X i X iYi
n X i2 X i

0 Y 1 X

(2)

Caractersticasdelosestimadoresmnimocuadrticos:
I. Losestimadoresobtenidos( 0 y 1 )MCOsonlinealesyexpresanlarelacinentreXeY.Son
puntuales(danunsolovalor).
II. La lnea de regresin que se obtiene pasa a travs de las medias muestrales de X e Y lo que
puedeobservarseenelgrfico1(laecuacinpuedeescribirsecomo Y 0 1 X );adems
lamediadeloserroresesceroyloserroresnoestncorrelacionadosconYiniconX.

Y
FRM

Yi 0 1Xi

. .
. .
.
.
.
. . .
.
X

FRM:Funcinderegresinmuestral
Grfico1.
Ejemplodelmodeloderegresinlinealdedosvariables.8
ParailustrarelfuncionamientodelmodelolinealdedosvariablesutilizaremoslafuncinKeynesianadel
consumo, para eso utilizamos los datos del cuadro 3.1, los cuales nos sirven para verificar la relacin
entreelconsumoyelingreso.
PERIODO

CON SUMO
(Y)

INGRESO
(X)

1 050

975

1 200
1 500

1 350

1 800

4
5

1 425
1 650

2 100
2 400

6
7

1 725
1 800

2 700
3 000

Cuadro3.1Datoshipotticossobreingresoyconsumo.

Enelcuadro3.2semuestranlosclculosparaobtenerlaregresinpormnimoscuadradosdelosdatos
delcuadro3.1,esimportantedestacarquelosdatossonhipotticos,nicamenteconfinesilustrativos.

8 Ejemplo

adaptado del mostrado por Gujarati (1997:35)

14

Jaime Espinosa Rodriguez

Apuntes de Econometra

y i (Y Y )

xi ( X X )

Y-Ymed

X-Xmed
-1 350
-1 050
-750
-450
-150
150
450
750
1 050
1 350
Suma

-615
-690
-315
-240
-15
60
135
435
660
585

yixi
830 250
724 500
236 250
108 000
2 250
9 000
60 750
326 250
693 000
789 750
3 780 000

xi2
1 822 500
1 102 500
562 500
202 500
22 500
22 500
202 500
562 500
1 102 500
1 822 500
7 425 000

977.73
1 130.45
1 283.18
1 435.91
1 588.64
1 741.36
1 894.09
2 046.82
2 199.55
2 352.27

e
72.2727
-155.4545
66.8182
-10.9091
61.3636
-16.3636
-94.0909
53.1818
125.4545
-102.2727
0

yi

5 223
24 166
4 465
119
3 765
268
8 853
2 828
15 739
10 460
75 886

1 440 000
2 250 000
3 240 000
4 410 000
5 760 000
7 290 000
9 000 000
10 890 000
12 960 000
15 210 000
72 450 000

378 225
476 100
99 225
57 600
225
3 600
18 225
189 225
435 600
342 225
2 000 250

Cuadro3.2Calculodelaregresinparadosvariables.

Basndonosenlosdatosdelcuadro3.2estimamosloscoeficientesderegresin:

Y 1 665
X 2 550

x y
x
i

2
i

3 780 000
7 425 000

1 0.5091

0 Y 1X 1 665 0.5091 2 550

0 366.818
ObtenemoselcoeficientededeterminacinodeBondaddeajusteR2:

u
1
y

2
i

R2

2
i

75 886
2 000 250

R 0.9621
2

Enlagrfica3.1semuestralalneaderegresinestimada,enlacualpuedeobservarsequeelajustees
bastantebueno.
Estimacindemnimoscuadradosdelconsumoprivadoenfuncindelingresodisponible
2500
2000
1500
1000
500
0
1200 1500 1800 2100 2400 2700 3000 3300 3600 3900
ConsumoRealY

ConsumoestimadoYest

15

Jaime Espinosa Rodriguez

Apuntes de Econometra

Grfica3.1.EstimacindemnimoscuadradosdelConsumoprivadoenfuncindelIngresodisponible.

Asimismoobtenemoslosvaloresdeloserroresestndardeloscoeficientesconlasquerealizamoslas
pruebasdesignificanciadelosmismos:

ui2

75 886
9 485.7955
n2
8

ee 1 Var 1
xi2

9 485.7955
0.0357
ee 1
7 425 000

X
n x

ee 0

ee 0

9 485.755 72 450 000

2
i

10 * 7 425 000

ee 0 96.2073

Probamoslahiptesisnuladequeloscoeficientessondiferentesde0paralocualestablecemos:

H 0 : 0

H a : 0

1 0 0.5091 0

14.2432
0.0357
ee1

0 0 366.82 0

3.8128
96.2073
ee 0

Losvaloresentablasparatcon8gradosdelibertady95%deintervalodeconfianzasetienequet0.025=
2.365,comolosvaloresdetpara1y0sonmayoresque2.365,entoncesrechazamosH0yaceptamos
Halosvaloresdeloscoeficientessonsignificativamentediferentesde0.

2) ELMODELODEREGRESINLINEALMLTIPLE
El modelo de regresin lineal normal clsico (MRLNC), que se va a estudiar, considera que la relacin
entrelavariabledependiente(Y)ylasindependientes(X1,X2,...,Xk)sepuedeformularmatricialmentea
partirdelasiguienteexpresinlineal:

Y X u
donde:

Y1

Y
Y 2
...

Y
n

X 11

X
X 21
...

X
n1

X 12
X 22
...
X n2

... X 1k
... X 2 k
... ...
... X nk

X1 X 2

16

...

Xk

1


2
...


K

e1

e2
e
...

e
n

Jaime Espinosa Rodriguez

Apuntes de Econometra

quedesarrollandoseformulara:

Yi 1 X i1 2 X i 2 ... K X iK ui

i=1,2,...,n

siseconsideraqueenelmodeloexistetrminoconstante,lamatrizXsepuedeexpresarcomo:

1 X 12

1 X 22
X
... ...

1 X
n2

... X 1K
... X 2 K
... ...
... X nK

X2

X3

X k

...

yelmodeloquedara: Yi 1 2 X i 2 ... K X iK ui i=1,2,...,n

Estarelacinfuncionalseconocecomohiptesisdelinealidad.Ademsseestablecen,enrelacinconel
modelo,otroconjuntodehiptesisreferidasalavariabledeperturbacinyalamatrizderegresores:
Hiptesis
1.

Y X u

2.

E(u) 0

3.

E (uu ' ) 2 I

4.

Xmatrizderegresoresnoestocstica

5.

X k n

6.

u ~ N (0, 2 )

Enelmodeloestudiadoenestecaptulosesuponequeseverificanlas6hiptesisanteriores,porloque
siempresetrabajarbajoelsupuestodeunmodeloderegresinlineal,normal,clsico.

ESTIMACINDELOSPARMETROSDELMODELO
Enelmodeloderegresinespecificadoexisteunconjuntodeparmetrosdesconocidos( i y 2 ).Por
ello,enprimerlugar,setratardesuestimacin.
Existendiversosmtodosparaestimarlosparmetrosdelmodelo,muchosdeloscualessebasanenlos
residuos o errores, que se definen como ladiferencia entre el valorreal devariable dependiente y el
estimadoporelmodeloparadichavariable.

e i Yi Yi

i=1,2,...,n

Entrelosmtodosqueestimanlosparmetrosdelmodeloapartirdelosresiduos,elmssencilloesel
mtodode Mnimos Cuadrados Ordinarios(MCO), que hace mnimala suma de loscuadrados de los
residuos.
n

Partiendode Minimizar

ei2
i 1

Seobtieneunsistemadeecuaciones(ecuacionesnormales): X ' X b X ' Y quepermiteobtenerlos

estimadoresmnimocuadrticoordinarios(EMCO)delosparmetros i apartirdelaexpresin:

e Y X

Estosucedeporelhechodeque:

RSS ee

X Y Y X

RSS Y X Y X
RSS Y Y X Y Y X X X
RSS Y Y 2 X Y X X

Y X Y X X Y

17

La transpuesta de un vector nos

regresa al vector original y la
traspuestadeunescalareselescalar
mismo. Jaime Espinosa Rodriguez

Apuntes de Econometra

Condiciones de primer orden

RSS
2 X Y 2 X X 0

despejando

X X X Y
X X X X X X

X Y

X X X Y
1

Deestamaneraobtenemoslosestimadoresde mnimocuadrticos.
Cadaunodeloscoeficientes representaelefectodelasvariablesindependientessobrelavariable
explicada; es decir el valor estimado de indica la variacin que experimenta el vector de variables
dependientes cuando la matriz de variables independientes X vara en una unidad y todas las dems
permanecenconstantes.
Estos estimadores MCO son los mejores estimadores lineales e insesgados (MELI) en el modelo de
regresinlineal,normal,clsico.
Unestimadordelavarianzadelaperturbacinpuedeserlasiguienteexpresin:

S u2

ee
SCR

nk nk

puede comprobarse que este estimador es insesgado E S u2 u2 de la varianza de la

perturbacin.
Valoresesperadosyvarianzasdeloscomponentesdeunaregresin.
Variable

Valoresperado(E)

Varianza

2 X X 1

NotequeVar( )=

2 X X 1 ,queesunamatrizdekxktrminosconlasvarianzasmuestralesde

enladiagonalprincipalylascovarianzasenlasposicionesfueradeladiagonal,dehechoseleconoce
comnmentecomolamatrizdevarianzasycovarianzas.

DESCOMPOSICINDELASUMADECUADRADOS
Las covarianzas cero entre los regresores y los residuos subyacen la descomposicin de la suma de
cuadrados. Descomponiendo el vector Y en laparte explicada y la parte no explicada de la regresin
tenemos:

18

Jaime Espinosa Rodriguez

Apuntes de Econometra

Y Y e X e
siaceptamosque

Y Y Y e Y e X X ee
notequeY Y eslasumadeloscuadradosdelosvaloresrealesdeY
n

porloqueY Y Yt 2

t 1

tomandolasumadelcuadradodelasdesviacion esalamediatenemosque

Y
2

nY 2

sisustraemosnY 2 delatenemoslasiguientedescomposicin

X nY 2 e
YY
n
Y2

e
STC

SCE

SCR

ladescomposicinanterior,seexpresaracomo:

SCT SCE SCR

donde:
SCT: es la Suma de Cuadrados Totales y representa una medida de la variacin de la variable
dependiente
SCEeslaSumadeCuadradosExplicadosporelmodeloderegresin
SCReslaSumadeCuadradosdeResiduos
Una vez estimado el modelo es conveniente obtener una medida acerca de la bondad del ajuste
realizado. Un estadstico que facilita esta medida es el coeficiente de determinacin o coeficiente de
correlacinmltiple(R2),quesedefine:

R2

SCE
SCR
1

SCT
SCT

Esta medida mide la proporcin de la variacin total en Y explicada por la combinacin lineal de
regresores.Lamayoradelosprogramascomputacionalesincluyendentrodesusrutinas
2

AlaR2ajustadalaquesedenotacomo R ,esteestadsticotomaencuentaelnmeroderegresores
(variablesindependientes)enlaecuacin,laR2nuncadecrececuandoseadicionanoquitanvariables
2

explicatorias, la R puede decrecer con la adicin de variables de bajo poder explicatorio. Ya que se
definedelasiguientemanera:

R 2 1

SCR n k
n 1
1
1 R2
SCT n 1
nk

Entonces R nospermitesabercundoesmomentodedejardeadicionarvariablesindependientesal
modelo, existen otros dos criterios que permiten obtener informacin acerca del ajuste segn el
nmeroderegresores,elCriteriodeScharwz9:

El SC difiere de la R2 ajustada en que penaliza ms fuerte la adicin de variables en el lado derecho (lo cual reduce
el nmero de grados de libertad). En principio, podemos seleccionar una estructura de rezago incrementando el
nmero de los mismos hasta el punto en que el SC alcanza un valor mnimo, (Pyndick:249)

19

Jaime Espinosa Rodriguez

Apuntes de Econometra

SC ln

ee
n

k
ln n
n
YelcriteriodeinformacindeAkaike10:

ee

2k
AIC ln

n
n

Sipuedeobservarqueamboscriteriospenalizanelincrementodevariablesexplicativas.
ELTEOREMADEGAUSSMARKOV

Los estimadores MCO pueden verse como combinaciones lineales de la variable Y y por lo tanto
combinacioneslinealesdelavariableuestocstico.Porqueellostambinsoninsesgadosypertenecen
alaclasedeestimadoreslineales.Sugranimportanciaenlateoraylaprcticadelaestadsticaesque
sus varianzas muestrales son las ms pequeos que se pueden lograr para cualquier estimador
insesgadolineal.Encuantoalosestimadoresde ,porejemplo,sea

b*

ciYi

Quedenotacualquierestimadorlinealinsesgadoarbitrariode .Elcriterioinsesgamientoimponedos
restricciones lineales sobre los ponderadores (Ci), dejando a (n2) ponderadores "libres". Esto puede
mostrarseen:

var b* var b* 2

ci wi

*
*
c w 2 0 , var b var b .Laigualdadslosemantienecuandoci;=wi;paratodoi,es
Donde i i
decir,cuandob*=b.Elestimadordemnimoscuadradostiene,pues,demnimavarianzaenlaclasede
estimadoreslinealesysedicequeesunbestlinearunbiasedestimator,orBLUE.

Ejemplo:
LosdatosdelasiguientehojasondatosmacroeconmicosdelosEstadosUnidosparaelperiodo1968
1982.11EstamosinteresadosenobtenemosunaecuacindeinversinentrminosdelPIBydelatasa
deinters.
PrimerollevamosatrminosrealeslasvariablesdeInversinyPIB,dividindolasporelndicedePrecios
alConsumidor(IPC).Podemosconstruirunpardevariablesconunefectopotencialenlainversin:Una
variabledetendenciatemporalylatasadeinflacin(calculadacomoelcambioporcentualdelIPC)(en
1967elIPCfuede79.06).
Queremosunmodelodelaforma

10

El AIC tambin penaliza la adicin de variables en el lado derecho en forma ms fuerte que la R2 ajustada.

11DatosdeGreene,W.H.(1997:241),Econometricanalysis.PrenticeHall.

20

Jaime Espinosa Rodriguez

Apuntes de Econometra

DatosdeInversiones
A
no

PIB

Inversi
n

IPC

Tasa Inter
s

1968

873.4

133.3

82.54

5.16

1969

944.0

149.3

86.79

5.87

1970

992.7

144.2

91.45

5.95

1971

1077.6

166.4

96.01

4.88

1972

1185.9

195.0

100.00

4.50

1973

1326.4

229.8

105.75

6.44

1974

1434.2

228.7

115.08

7.83

1975

1549.2

206.1

125.79

6.25

1976

1718.0

257.9

132.34

5.50

1977

1918.3

324.1

140.05

5.46

1978

2163.9

386.6

150.42

7.46

1979

2417.8

423.0

163.42

10.28

1980

2633.1

402.3

178.64

11.77

1981

2937.7

471.5

195.51

13.42

1982

3057.5

421.9

207.23

11.02

ClculosIntermediosenelAjustedelaRegresin

5.09

0.17

0.67

0.02

0.001

21

Jaime Espinosa Rodriguez