Documente Academic
Documente Profesional
Documente Cultură
39; -19
RESUMEN
En el Grado en Economía, en tercer curso, se imparten dos asignaturas relacionadas con
la Econometría. La que aparece en segundo lugar, Métodos Avanzados de Econometría, tiene
un enfoque eminentemente práctico que exige el uso de material informático sofisticado y que,
hasta hace poco, tenía alto coste en el mercado, y por tanto, prohibitivo para nuestros estudian-
tes. El hecho de disponer ahora de un software libre econométrico, GRETL, nos ha permitido
desarrollar con total naturalidad todos los objetivos de la asignatura, consiguiendo para los estu-
diantes un aprendizaje práctico a partir de datos reales, proporcionando a los mismos una visión
global, eficaz y útil, de una disciplina que para el profesional de la Economía se convertirá en
un instrumento fundamental para sus investigaciones futuras. Los resultados obtenidos entre
nuestros alumnos son completamente satisfactorios.
Palabras clave: Software libre, Econometría, GRETL.
ABSTRACT
We teach two subjects related to Econometrics within the third year of the Degree in Eco-
nomics. The second of them, Advanced Methods in Econometrics, has a practical approach and
therefore it is necessary the use of specific software which until now had a prohibitive price
for our students. However, we could carry out all the objectives of the subject using the free
software GRETL. It has allowed our students learn practicing from real data, providing them a
global, effective and useful overview of a subject that will be essential for their coming research
in Economics. The results obtained with our students have been entirely satisfactory
Keywords: Free software, Econometrics, GRETL
1
José Antonio Camúñez Ruiz / María Dolores Pérez Hidalgo / Francisco Javier Ortega Irizo
en una pared opaca que impide al alumno • Modelo de regresión múltiple: repaso
profundizar la mirada más allá de la misma. de la aproximación matricial. Coli-
Por tanto, se hace imprescindible disponer nealidad.
de un instrumental eficaz que ahorre el es- • Modelo lineal univariante con pertur-
fuerzo de ese cálculo, que permita cuantas baciones heteroscedásticas.
veces se quiera la repetición del mismo aña- • Modelo lineal univariante con pertur-
diendo o eliminando información, o sea, que baciones autocorrelacionadas.
permita las diversas probaturas e indagacio- • Variable dependiente categórica. Mo-
nes propias de una investigación científica delos logit y probit.
y, entonces, que el alumno pueda volcar sus • Introducción a los modelos de datos
esfuerzos en la asunción de conceptos, en la de panel.
identificación de los problemas asociados a
los datos, y en la discriminación entre dife- Dicho programa lleva aparejado como
rentes procedimientos de cálculo según las objetivos y competencias los siguientes:
circunstancias.
Hasta ahora, ese instrumental era un sof- Objetivos docentes específicos
tware econométrico cuya licencia campus (de • Dominar la especificación de mode-
precio elevado) adquiría la Facultad donde los econométricos que ayuden a re-
se imparte la asignatura y estaba disponible, solver problemas económicos.
exclusivamente, en las aulas de informática • Saber estimar los parámetros a través
dedicadas a la docencia. El instrumental era de los métodos más adecuados.
suficiente para llevar a cabo el desarrollo de • Ser capaz de someter a crítica los mo-
la materia en la dirección comentada arriba. delos por medio de las pruebas esta-
Ahora bien, como dicho software sólo estaba dísticas.
instalado en aulas muy demandadas para la
docencia y, por tanto, de difícil acceso al Competencias transversales/genéricas
estudiante salvo en el horario de la asigna- • Capacidad de análisis y síntesis.
tura, la posibilidad de seguir trabajando, de • Conocimientos generales básicos.
repetir las prácticas realizadas, de introducir • Capacidad para aplicar la teoría a la
variantes sobre dichas prácticas, de desarro- práctica.
llar nuevos análisis de datos, en definitiva, • Trabajo en equipo.
de hacer empirismo y aprender del mismo,
resultaba prácticamente nula. Los alumnos Competencias específicas
demandaban espacio y tiempo que no se les • Utilizar herramientas básicas de na-
podía ofrecer. Todo ello ha cambiado con la turaleza cuantitatitiva para el diag-
aparición y disponibilidad de software libre nóstico y el análisis.
relacionado con la disciplina. El estudiante • Comprender y utilizar modelos de
puede descargarlo en su ordenador personal regresión múltiple, análisis y validez
y manejarlo con total libertad cada vez que de la estimación, formulación de re-
lo desee. En este trabajo pretendemos des- gresiones.
cribir cómo ha afectado dicho software. • Conocer y saber aplicar los modelos
Como punto de partida, mostramos el econométricos.
contenido de la asignatura tal y como apa-
rece en el programa oficial publicado y a dis- Para conseguir esos objetivos y alcanzar
posición del alumno: las competencias expuestas, la experiencia
3
José Antonio Camúñez Ruiz / María Dolores Pérez Hidalgo / Francisco Javier Ortega Irizo
de modelización lineal. Dichas grácas toman abierto su espíritu crítico. Cada alumno
el aspecto del tipo: redactará un informe individualizado por-
280
CONSUMO
RENTA
260
240
220
200
180
160
140
120
100
80
1998 2000 2002 2004 2006 2008 2010
Gráfico 1
y se analizan esos efectos fijos, tanto peso que tienen cada una de las va-
individuales como temporales. Como riables de ambiente en las decisiones
ejemplo alternativo se modelizan los transcendentes de los individuos. Un
ingresos anuales de un gran número modelo sobre la decisión de com-
de trabajadores conocidos a lo largo pra o no compra de una vivienda es
de una serie de años y regresados empleado como ejemplo ilustrativo.
sobre la edad, el nivel educativo, la Variables como edad del decisor, ni-
condición sindical y los ingresos sa- vel de renta, estado civil, número de
lariales durante su primer año. Dado hijos… son empleadas para definir el
que el estudio de los datos de panel ambiente en el que el mismo toma la
constituyen en sí mismo un conjunto decisión. Como en circunstancias an-
de disciplinas que exigen dedicación teriores dos prácticas que refuerzan
y esfuerzo que se salen de los objeti- conocimientos son desarrolladas a
vos de la asignatura, empleamos es- continuación.
tas dos prácticas como avanzadilla a • Como se ha dicho antes, durante las
dicho estudio. dos últimas sesiones se proponen
• Terminamos la asignatura modeli- problemas de alcance global, donde
zando variables de tipo dicotómico y el investigador, en este caso el estu-
en un contexto microeconómico. En diante, debe decidir en la elección de
este caso, una decisión de un indivi- métodos de estimación e investigar
duo de tipo si/no es el objetivo del los posibles problemas inherentes a
modelo econométrico. El “ambiente” los datos. Estas dos últimas sesiones
de dicho individuo, medido a través consiguen dar un buen repaso de toda
de una serie de variables económi- la asignatura y aportar una buena do-
cas y demográficas, ejerce un peso sis de coherencia al trabajo como in-
importante en la decisión. De esta vestigador.
forma introducimos los modelos lo-
git y probit. El método de estimación Como se entenderá, todo el desarrollo
cambia, dejamos técnicas del tipo anterior nos resultaría prácticamente impo-
Mínimos Cuadrados, familia de mé- sible sin la disposición del software citado.
todos de estimación empleada hasta Destacamos del mismo lo “amigable” que
el momento, y nos agarramos a méto- resulta para el estudiante. Es claro que ha
dos de los que maximizan la verosi- sido desarrollado por docentes, por perso-
militud. La conexión entre la variable nas que conocen bastante bien el proceso
objetivo y las que definen el ambiente de asimilación de conocimientos en esta
se hace a través de una función de disciplina. No olvidamos nuestro objetivo
probabilidad. GRETL incorpora es- básico, la Econometría. Esa es la melodía
timaciones de este tipo, significativi- que queremos escuchar y GRETL es “sólo”
dades, bondades de ajuste, prediccio- la percusión necesaria que sirva de guía para
nes de respuesta para los individuos el desarrollo de dicha melodía.
de la muestra y tablas comparativas
entre predicciones y observaciones
con los correspondientes porcentajes
de acierto de los modelos estimados.
Los mismos nos sirven para medir el
9
José Antonio Camúñez Ruiz / María Dolores Pérez Hidalgo / Francisco Javier Ortega Irizo
Regresión estimada
Modelo: Teoría = constante + pendiente * Práctica t p-valor
Estimaciones Error estándar
de paráme-
tros
(Constante) -0’216 1’321 -0’163 0’871
Práctica 0’942 0’200 4’702 0’000
R-cuadrado = 0’374.
Significatividad global del modelo, Estadístico F = 22’112 (p = 0’000).
pasar, sin duda, por las diferencias salaria- Observamos calificaciones parecidas en-
les presentes en la ordenada en el origen del tre teoría y práctica. Los promedios de am-
modelo y en las pendientes asociadas a las bas se sitúan alrededor del seis en la escala
variables explicativas más características. tradicional de cero a diez. Un 25% de los
10
ECONOMETRICS AND FREE SOFTWARE: A FRUITFUL BINOMIAL TEACHING
Gráfico 2
Gráfico 3
11
José Antonio Camúñez Ruiz / María Dolores Pérez Hidalgo / Francisco Javier Ortega Irizo
Gráfico 4
alumnos consigue una calificación superior acuerdo o desacuerdo con la misma en una
a 7’5 tanto en teoría como en práctica. escala tipo Likert, entre 1 (total desacuerdo)
Existe una relación directa entre ambas y 5 (acuerdo total). Con el fin de no recargar
calificaciones y una pendiente significativa de gráficos y tablas este trabajo, sólo mos-
cuyo valor estimado es 0’942, o sea, una re- tramos los resultados asociados a algunos de
lación casi uno a uno entre ambas. Un punto esos items.
de incremento en la calificación de práctica
supone casi otro en la teoría. 1. Las prácticas resueltas en clase me han
La encuesta efectuada ha sido desarro- servido como guía para estudiar la asigna-
llada con nueve ítems relacionados todos tura.
ellos con el desarrollo práctico de la asig- Tabla 3
natura. Por tanto, relacionados con el pro- Prácticas como guía Porcen-
grama usado como soporte. Si hablamos, para estudiar la Frecuencia
por ejemplo, de “amenidad de las prácticas”, asignatura taje
o de “utilidad de las mismas para el apren- En desacuerdo 1 2’6
dizaje de la asignatura”, es obvio que las Indiferente 1 2’6
respuestas están condicionadas por el sof- De acuerdo 15 38’5
tware utilizado. En cada ítem se hacía una
Muy de acuerdo 22 56’4
afirmación y se les preguntaba el nivel de
12
ECONOMETRICS AND FREE SOFTWARE: A FRUITFUL BINOMIAL TEACHING
Gráfico 5
En este caso, más de un 90% de los en- En este caso, casi un 90% de nuestro
cuestados están de acuerdo o muy de acuerdo alumnos han considerado amenas las prácti-
con la idea de usar las prácticas como guía cas desarrollados. Creemos que hemos con-
de estudio de la asignatura. Valoramos mu- seguido evitar el tedio en este contexto.
cho los resultados de este ítem dados los ob-
jetivos de esta experiencia docente. (Ver gráfico 6)
13
José Antonio Camúñez Ruiz / María Dolores Pérez Hidalgo / Francisco Javier Ortega Irizo
Gráfico 6
14 Gráfico 7
ECONOMETRICS AND FREE SOFTWARE: A FRUITFUL BINOMIAL TEACHING
Tabla 6
Las prácticas Frecuencia Porcentaje 6. CONCLUSIONES
motivan al estudio
En desacuerdo 1 2’6 Una disciplina instrumental como la
Indiferente 2 5’1 econometría exige disponer de un buen ins-
trumento. Si el mismo está al alcance de los
De acuerdo 15 38’5
aprendices, si es asequible y gratuito, las
Muy de acuerdo 21 53’8 posibilidades de crecimiento en el conoci-
miento crecen. La suerte ha estado de nues-
Un asunto que nos preocupaba es el de tra parte, el instrumento gratuito y potente
emplear las prácticas como instrumento mo- existe, GRETL, siendo además de un ma-
tivador para el estudio. Por ello nos hemos nejo fácil y cómodo. Por tanto, ante estas po-
preocupado por trabajar con bases de datos sibilidades y con un grupo no excesivamente
Gráfico 8 15
José Antonio Camúñez Ruiz / María Dolores Pérez Hidalgo / Francisco Javier Ortega Irizo
numeroso (39 alumnos) y con una cierta ma- la Economía y la Empresa. Sevilla: Digi-
durez (alumnos de tercer curso de grado) es tal@tres, S. L. pp. 183-194.
difícil resistirse a experimentar a nivel do- Caridad, J. M. (1998). Econometría: Mode-
cente proponiendo un aprendizaje que usa los econométricos y series temporales.
como filosofía el experimento, la prueba, Madrid: Reverté.
el empirismo, al estilo de los científicos Esteban, M. V., Moral, M. P., Orbe, S.,
de la era clásica. Los resultados están ahí, Regúlez, M., Zarraga, A., Zubia, M.
para nosotros como profesores muy satis- (2008): Econometría Básica Aplicada
factorios. Hemos evitado el tedio en una con GRETL. http://www.sarriko-online.
clase de econometría, hemos motivado al com/cas/fichas/2009/08-09.pdf (20 Oct.
estudio, hemos descubierto algunas caras 2012).
de la realidad social y económica a partir de Greene W.(1998). Análisis Econométrico.
los datos, hemos conseguido que nuestros (3ª ed). Madrid: Prentice Hall.
alumnos aprendan algo de econometría, que Griffiths, W. E., Carter, R., Judge, G. G.
formalicen informes rigurosos, que sean crí- (1993). Learning and Practicing Econo-
ticos con los mismos y, sobre todo, hemos metrics. New York: John Wiley & Sons,
abierto ventanas donde puedan asomarse y Inc.
ver por dónde puede ir su futuro profesio- Gujarati, D. y Porter D. (2010). Econometría
nal. Nuestra apuesta para cursos venideros (5ª ed). México D. F.: McGraw-Hill.
va a ir en esta dirección, perfeccionaremos y Gujarati, D. (1997): Econometría. México:
ampliaremos los ejemplos (los experimentos McGraw-Hill.
de laboratorio del económetra), buscaremos Johnston, J., Dinardo, J. (2001). Métodos de
la mejora continua en las redacciones de los Econometria. Madrid: Vicens-Vives.
informes, ampliaremos el sentido crítico de Maddala, G. S. (1996). Introducción a la
nuestros estudiantes y, en definitiva, apren- Econometría. Madrid: McGraw-Hill.
deremos a enseñar desde el empirismo. Eso Novales, A. (1998). Econometría (4ª ed).
esperamos. Madrid: McGraw-Hill.
Pérez. C. (2006): Econometría. Problemas
resueltos paso a paso. Madrid: Thomson.
REFERENCIAS BIBLIOGRÁFICAS Pindyck, R.S., Rubinfeld, D.L. (2001). Eco-
nometría. Modelos y pronósticos. Ma-
Alcaide, A., Álvarez, N. (1992). Econome- drid: McGraw-Hill.
tría. Métodos deterministas y estocás- Pulido, A., López, A. J. (1999). Predicción
ticos. (Teoría y Aplicaciones). Madrid: y Simulación aplicada a la economía y
Centro de Estudios Ramón Areces, S. A. gestión de empresas. Madrid: Pirámide.
Alonso, A., Fernández, J., Gallastegui, I. Pulido, A., Pérez, J. (2001). Modelos Eco-
(2004). Econometría. Pearson Prentice nométricos. Madrid: Pirámide.
Hall. Ramanathan, R. (2002). Introductory Eco-
Camúñez Ruiz, J. A, Pérez Hidalgo, M. D., nometrics with Applications. Fort Worth:
Ortega Irizo, F. J. (2011). “Econometría Harcourt College Publisher.
práctica con datos reales: un enfoque in- Schmidt, S. J. (2005). Econometría. México
tegral e individualizado” . En Buitrago, D. F.: MacGraw-Hill.
E. M. y Sánchez Franco, M. J. (editores). Stock, J. H., Watson, M. M. (2012). Intro-
Espacio Europeo de Educación Superior ducción a la Econometría (3ª ed). Ma-
(EEES) Innovaciones Metodológicas en drid: Pearson Education.
16
ECONOMETRICS AND FREE SOFTWARE: A FRUITFUL BINOMIAL TEACHING
17
José Antonio Camúñez Ruiz / María Dolores Pérez Hidalgo / Francisco Javier Ortega Irizo
18
ECONOMETRICS AND FREE SOFTWARE: A FRUITFUL BINOMIAL TEACHING
19