Econometra

La Econometra (derivado de econo, economa y metra, medicin, o sea,

medicin de la economa) es la ciencia derivada de la economa que combina
matemtica, probabilidades y estadstica para estudiar la consistencia de las
teoras econmicas.

Introduccin
La economa, pertenenciente a las ciencias sociales, trata de explicar el
funcionamiento del sistema economico en sus distintos aspectos como
produccin, consumo, dinero, distribucin del ingreso y todo lo relacionado con
los recursos escasos entre distintos fines posibles. La herramienta bsica
usada por los economistas para ello es la construccion de modelos tericos
que describan el comportamiento de los agentes econmicos. Sin embargo,
esos modelos deben contrastarse con los datos disponibles para saber si estos
tienen capacidad explicativa y predictiva, y poder en definitiva elegir unos sobre
otros. Para ello es la econometra.
Los econmetras (economistas cuantitativos) han tratado de emular a las
ciencias matemticas y a las de la naturaleza (fsica, qumica) con mejor o peor
resultado a travs del tiempo. Hay que considerar que tratan con uno de los
fenmenos ms complejos que conocemos, el comportamiento de las
personas. Actualmente la econometra no necesariamente requiere o
presupone una teora econmica subyacente al anlisis economtrico. Ms
an, la econometra moderna se precia de prescindir voluntariamente de la
teora econmica por considerarla un obstculo si se quiere realizar un anlisis
riguroso (sta es por ejemplo la filosofa del mtodo de Vector Autoregresivos VAR).
En la elaboracin de la econometra se unen las matemticas, y la estadstica
junto con la investigacin social y la teora econmica.
El mayor problema con el que se enfrentan los econmetras en su
investigacin es la escasez de datos, los sesgos que pueden causar los
mismos y la ausencia o insuficiencia de una teora econmica adecuada. An
as, la econometra es la nica aproximacin cientfica al entendimiento de los
fenmenos econmicos.

Definiciones de Econometra
Entre las definiciones de econometra 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, el de la estadstica, la teora econmica y las
matemticas, es necesario, pero por s mismo no suficiente para una
comprensin real de las relaciones cuantitativas de la vida econmica
moderna. Es la unin de los tres aspectos lo que constituye una
herramienta de anlisis potente. Es la unin lo que constituye la
econometra"

Samuelson, Koopmans y Stone (1954): '... el anlisis cuantitativo de

fenmenos econmicos actuales, basado en el desarrollo congruente de
teora y observaciones, y relacionado por mtodos apropiados de
inferencia.'

Valavanis (1959): 'El objetivo de la econometra es expresar las teoras

econmicas bajo una forma matemtica a fin de verificarlas por mtodos
estadsticos y medir el impacto de una variable sobre otra, as como
predecir acontecimientos futuros y dar consejos de poltica econmica
ante resultados deseables.'

A.G. Barbancho (1962): 'La econometra es la rama ms operativa de la

Ciencia econmica, trata de representar numricamente las relaciones
econmicas mediante una adecuada combinacin de la Teora
econmica matemtica y la Estadstica. De forma que las matemticas,
como lenguaje y forma de expresin simblica e instrumento eficaz en el
proceso deductivo, representan el medio unificador; y teora econmica,
economa matemtica o estadstica econmica seran consideraciones
parciales de su contenido.'

Klein (1962): 'El principal objetivo de la econometra es dar contenido

emprico al razonamiento a priori de la economa.'

Malinvaud (1966): '... aplicacin de las matemticas y mtodo estadstico

al estudio de fenmenos econmicos.'

Christ (1966): 'Produccin de declaraciones de economa cuantitativa

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

Intriligator (1978): 'Rama de la economa que se ocupa de la estimacin

emprica de relaciones econmicas.'

Chow (1983): 'Arte y ciencia de usar mtodos para la medida de

relaciones econmicas.'

Pero la definicin de economa es tan amplia que todas son aceptables.

Descripcin somera de la Econometra

La econometra se ocupa de obtener, a partir del anlisis estadstico y
matemtico (mas no de la teora econmica, como si se usa en las ciencias
naturales, ejem. la fsica) de los valores reales de variables econmicas, los
valores que tendran los parmetros de los modelos en los que esas variables
econmicas aparecieran, as como de comprobar el grado de validez de esos
modelos, y ver en qu medida estos modelos pueden usarse para explicar la
economa de un agente econmico (como una empresa o un consumidor), o la
de un agregado de agentes econmicos, como podra ser un sector del
mercado, o una zona de un pas, o todo un pas, o cualquier otra zona
econmica; su evolucin en el tiempo (por ejemplo, decir si ha habido o no
cambio estructural), poder predecir futuros valores de la variables, y sugerir
medidas de poltica econmica conforme a objetivos deseados (por ejemplo,
para poder aplicar tcnicas de optimizacin matemtica para racionalizar el uso

de recursos dentro de una empresa, o bien para decidir qu valores debera

adoptar la poltica fiscal de un gobierno para conseguir ciertos niveles de
recaudacin impositiva).
Usualmente se usan tcnicas estadsticas diversas para estudiar la economa,
pero uno de los mtodos ms usados es el que se mostrar aqu.

Concepto de modelo economtrico

La econometra, igual que la economa, tiene como objetivo explicar una
variable en funcin de otras. Esto implica que el punto de partida para el
anlisis economtrico es el modelo econmico y este se transformar en
modelo economtrico cuando se han aadido las especificaciones necesarias
para su aplicacin emprica. Es decir, cuando se han definido las variables
(endgenas, exgenas) que explican y determinan el modelo, los parmetros
estructurales que acompaan a las variables, las ecuaciones y su formulacin
en forma matemtica, la perturbacin aleatoria que explica la parte no
sistemtica del modelo, y los datos estadsticos.
A partir del modelo economtrico especificado, en una segunda etapa se
procede a la estimacin, fase estadstica que asigna valores numricos a los
parmetros de las ecuaciones del modelo. Para ello se utilizan mtodos
estadsticos como pueden ser: Mnimos cuadrados ordinarios, Mxima
verosimilitud, Mnimos cuadrados bietpicos, etc. Al recibir los parmetros el
valor numrico definen el concepto de estructura que ha de tener valor estable
en el tiempo especificado.
La tercera etapa en la elaboracin del modelo es la verificacin y contrastacin,
donde se someten los parmetros y la variable aleatoria a unos contrastes
estadsticos para cuantificar en trminos probabilsticos la validez del modelo
estimado.
La cuarta etapa consiste en la aplicacin del modelo conforme al objetivo del
mismo. En general los modelos economtricos son tiles para:
1. Anlisis estructural y entender como funciona la economa.
2. Prediccin de los valores futuros de las variables econmicas.
3. Simular con fines de planificacin distintas posibilidades de las variables
exgenas.
4. Simular con fines de control valores ptimos de variables instrumentales
de poltica econmica y de empresa.

El mtodo de mnimos cuadrados (Estimacin MCO)

Tambin se conoce como Teora de la regresin lineal, y estar ms
desarrollado en la parte estadstica de la enciclopedia, no obstante, aqu
daremos una vista general de en qu consiste la aplicacin del mtodo de
mnimos cuadrados.
Se parte de representar las relaciones entre una variable econmica endgena
y una o ms variables exgenas de forma lineal, de la siguiente manera:
.

"Y" es la variable endgena, cuyo valor es determinado por las exgenas, X1

hasta Xn. Cuales son las variables elegidas depende de la teora econmica
que se tenga en mente, y tambin de anlisis estadsticos y econmicos
previos. El objetivo buscado sera obtener los valores de los parmetros desde
a1 hasta n. A menudo este modelo se suele completar aadiendo un trmino
ms a la suma, llamado trmino independiente, que es un parmetro ms a
buscar.
As:

En el que 0 es una constante, que tambin hay que averiguar. A veces resulta
til, por motivos estadsticos, suponer que siempre hay una constante en el
modelo, y contrastar la hiptesis de si es distinta, o no, de cero para reescribirlo
de acuerdo con ello.
Adems, se supone que esta relacin no es del todo determinista, esto es,
existir siempre un cierto grado de error aleatorio (en realidad, se entiendo que
encubre a todas aquellas variables y factores que no se hayan podido incluir en
el modelo) que se suele representar aadiendo a la suma una letra representa
una variable aleatoria.
As:
Se suele suponer que es una variable aleatoria normal, con media cero y
varianza constante en todas las muestras (aunque sea desconocida).
Se toma una muestra estadstica, 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
reas o zonas o agentes econmicos 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 inters a lo largo de los aos en cierto pas, mientras que en otro
podemos estar interesados en ver como, a lo largo de un mismo ao, ha
dependido la renta de distintos pases de esas mismas variables. Por lo que
tendramos que observar, en el primer caso, la renta, niveles de empleo,
precios y tipos de inters del ao 1, lo mismo, pero del ao 2, etctera, para
obtener la muestra a lo largo de varios aos, mientras que en el segundo caso
tendramos que tener en cuenta los valores de cada uno de los pases para
obtener la muestra. Cada una de esas observaciones para cada ao, o pas, se
llamara observacin muestral. Ntese que an se podra hacer un anlisis ms
ambicioso teniendo en cuenta pas y ao.
Una vez tomada la muestra, se aplica un mtodo, que tiene su justificacin
matemtica y estadstica, llamado mtodo de mnimos cuadrados. Este
consiste en, bsicamente, minimizar la suma de los errores (elevados al
cuadrado) que se tendran, suponiendo distintos valores posibles para los
parmetros, al estimar los valores de la variable endgena a partir de los de las
variables exgenas en cada una de las observaciones muestrales, usando el
modelo propuesto, y comparar esos valores con los que realmente tom la
variable endgena. Los parmetros que lograran ese mnimo, el de las suma

de los errores cuadrticos, se acepta que son los que estamos buscando, de
acuerdo con criterios estadsticos.
Tambin, este mtodo nos proporcionar informacin (en forma de ciertos
valores estadsticos adicionales, que se obtienen adems de los de los
parmetros) para ver en qu medida los valores de los parmetros que hemos
obtenido resultan fiables, por ejemplo, para hacer contrastes de hiptesis,
esto es, ver si ciertas suposiciones que se haban hecho acerca del
modelo resultan, o no, ciertas. Se puede usar tambin esta informacin
adicional para comprobar si se pueden prescindir de algunas de esas variables,
para ver si es posible que los valores de los parmetros hayan cambiado con el
tiempo (o si los valores de los parmetros son diferentes en una zona
econmica de los de otra, por ejemplo), o para ver en qu grado son vlidas
predicciones a cerca del futuro valor de la variable endgena si se supone que
las variables exgenas adoptarn nuevos valores.

Problemas del Mtodo de los Mnimos Cuadrados

El mtodo de Mnimos Cuadrados tiene toda una serie de problemas, cuya
solucin, en muchas ocasiones aproximada, ha estado ocupando el trabajo de
los investigadores en el campo de la econometra.
De entrada, el mtodo presupone que la relacin entre las variables es lineal y
est bien especificada. Para los casos de no linealidad se recurre, bien a
mtodos para obtener una relacin lineal que sea equivalente, bien a a
aproximaciones lineales, o bien a mtodos de optimizacin que absorban la
relacin no lineal para obtener tambin unos valores de los parmetros que
minimicen el error cuadrtico.
Otro supuesto del modelo es el de normalidad de los errores del modelo, que
es importante de cara a los contrastes de hiptesis con muestras pequeas. No
obstante, en muestras grandes el Teorema del lmite central justifica el suponer
una distribucin normal para el estimador de mnimos cuadrados.
No obstante, el problema se complica considerablemente, sobre todo a la hora
de hacer contrastes de hiptesis, si se cree que la varianza de los errores del
modelo cambia con el tiempo. Es el fenmeno conocido como
heterocedasticidad (el fenmeno contrario es la homocedasticidad). Este
fenmeno se puede detectar con ciertas tcnicas estadsticas. Para resolverlo
hay que usar mtodos que intenten estimar el cambiante valor de la varianza y
usar lo obtenido para corregir los valores de la muestra. Esto nos llevara al
mtodo conocido como Mnimos Cuadrados Generalizados. Una versin ms
complicada de este problema es cuando se supone que, adems, no solo
cambia la varianza del error sino que tambin los errores de distintos periodos
estn correlacionados, lo que se llama "Autocorrelacin". Tambin hay mtodos
para detectar este problema y para corregirlo en cierta medida modificando los
valores de la muestra, que tambin son parte del mtodo Mnimos Cuadrados
Generalizados.
Otro problema que se da es el de la Multicolinealidad, que generalmente
sucede cuando alguna de las variables endgenas en realidad depende,
tambin de forma estadstica, de otra variable endgena del mismo modelo
considerado, lo que introduce un sesgo en la informacin aportada a la variable
exgena y puede hacer que el mtodo de mnimos cuadrados no se pueda

aplicar correctamente. Generalmente la solucin suele ser averiguar qu

variables estn causando la multicolinealidad y reescribir el modelo de acuerdo
con ello.
Tambin hay que tener en cuenta que en ciertos modelos puede haber
relaciones dinmicas, esto es, que una variable exgena dependa, adems, 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.