1. ¿Qué es la econometría?

(Definición etimológica)
Literalmente se define como “medición de la economía”
(Definición)
Es una rama de la economía que utiliza métodos estadísticos para estudiar y
cuantificar mediante datos reales los fenómenos económicos.
(Consiste)
La econometría consiste en una combinación de matemáticas, teoría de
probabilidad y estadística, datos económicos y teoría económica, esta disciplina
fortalece el carácter científico de la economía: ya que compara los modelos
económicos con lo que se observa en la realidad.
(Consiste)
Consiste en la aplicación de la estadística a los datos económicos para dar soporte
empírico (que sigue un procedimiento basado en la observación y la experiencia) a
los modelos construidos para obtener resultados numéricos.

http://www.redalyc.org/html/416/41600305/
También el Gujarati

2. Exponga paso por paso la metodología tradicional para el estudio econométrico

Ejemplo que usa esta sección
KEYNES PLANTEA:
La ley psicológica fundamental… consiste en que los hombres, como regla general
y en promedio, están dispuestos a incrementar su consumo a medida que
aumenta su ingreso, pero no en la misma cuantía del aumento del ingreso.
En resumen, Keynes postula la propensión marginal a consumir, es decir, la tasa
de cambio del consumo generado por una unidad de cambio en el ingreso es
mayor que cero pero menor que uno

1. Planteamiento de la teoría o la hipótesis

Retomando lo que Keynes plantea; Siempre se parte de un postulado teórico o
hipótesis para desarrollar un planteamiento que después de convertirá en un
modelo primero matemático y después econométrico, aquí se quiere desarrollar
o comprobar el supuesto de la propensión marginal a consumir.
2. Especificación del modelo matemático de la teoría
Consiste simplemente en mostrar/plasmar lo que dice la teoría/hipótesis, pero
en forma matemática, es llevar un enunciado a su forma de ecuación.
3. Especificación del modelo econométrico o estadístico de la teoría
 La trasformación del paso anterior queda limitada, queremos evitar una relación
exacta o determinista entre las variables, aquí se plantea la ecuación

Donde Y = gasto de consumo, X = ingreso y beta 1 y beta 2 son los parámetros

del modelo. Esta ecuación plantea que el consumo está relacionado linealmente
con el ingreso.
4. Obtención de datos
Para estimar el modelo econométrico (para obtener los valores numéricos de las
betas) obtenemos los datos.
5. Estimación de los parámetros del modelo econométrico
Se aplica la técnica estadística conocida como análisis de regresión lineal para
estimar los parámetros de la función, nos queda:
Esto nos indica que en promedio por un dólar que aumento de ingreso el
consumo aumento en .72.
6. Pruebas de hipótesis
Se comprueba la exactitud del modelo con la teoría planteada.
Keynes esperaba que el PMC fuera positivo pero menor que 1, en el ejemplo es
valor es de .72, esto comprueba la hipótesis planteada al principio, pero
parcialmente.
7. Pronostico o predicción
Sí el modelo escogido no refuta la hipótesis o la teoría en consideración, nos
servirá para hacer pronostico.

8. Utilización del modelo para fines de control o de políticas

Sencillamente después de comprobar que es un modelo que pasa las pruebas se
puede aplicar para manera variable de control de X para producir el nivel deseado
la variable objetivo de Y (es decir, si vemos que el valor .7218 es fiable lo podemos
despejar de la ecuación para calcular un valor deseado de Y (o consumo), en otras
palabras, que valor del ingreso nos daría como resultado un nivel de consumo
deseado o planeado

3. ¿En qué consiste la nueva metodología?

La nueva metodología se llama “econometría aplicada” (según el libro), y consiste

en utilizar herramientas de la econometría teórica para estudiar algunos campos
especiales de la economía y los negocios. Algunos ejemplos son los modelos
univariantes de series temporales que fueron desarrollados por la metodología
 Box y Jenkins (1970), esto supone una ruptura con la econometría clásica y con el
pensamiento económico en general al no existir una relación con la teoría
económica.
Se puede también resumir como la implementación de nuevas herramientas
estadísticas y econométricas (como la metodología Box Jenkins) al análisis pero
que trajo consigo el incumplimiento de varios supuestos (teóricos) de la vieja
metodología.
Suena lógico que por eso se llamó nueva metodología, al tomar algunos supuestos
de la vieja metodología, pero con nuevas herramientas estadísticas

4. Exponga la naturaleza y fuentes de información para el análisis econométrico

El éxito de todo análisis econométrico depende a final de cuentas de la

disponibilidad de los datos recopilados.

En general existen tres tipos de datos para el análisis empírico:

 Series de tiempo
Es un conjunto de observaciones sobre los valores de una variable en
diferentes momentos, puede ser información diaria (precios de acciones),
semanal (cifras de oferta monetaria), mensual (IPC), trimestral (PIB), anual
(presupuesto)
 Series transversales
Consisten en datos de una o más variables recopiladas en el mismo punto
del tiempo, como ejemplo los censos económicos del INEGI, Censo de
población y vivienda, son un conjunto de datos que pertenecen a un punto
(año) especifico, censo económico de 1999, censo económico de 2004, censo
económico de 2009 …
 Información combinada (combinación de series de tiempo y transversales)
Es la combinación de ambos, se refiere al análisis en conjunto de la
información transversal, pero con más de una observación en el tiempo, por
ejemplo, lo que tú quieres hacer con el análisis de Chihuahua es un análisis
combinado ya que estas tomando varios datos transversales y los estás
analizando, o sea estás analizando el VACB del año 99 contra el 04, contra el
09.
Fuentes de datos

 Dependencia gubernamental (INEGI, Banco De México, Cámara De

Diputados)
 Organismos internacionales (ONU, Banco Mundial)
 Se obtienen del Internet o también de encuestas, y deben ser datos no
experimentales, es decir, no están sujetos al control del investigador, por
ejemplo, el investigador no ejerce ningún control sobre los datos del PIB,
desempleo, precios de acciones.

5. ¿Cuál es el significado del término “lineal” en un análisis de regresión?

Aquí Voy A Explicar Además Del Termino Lineal El Termino Regresión
El término “regresión” hace referencia a regresar o a volver al promedio
A pesar de la tendencia de que los padres de estatura alta tengan hijos altos y los
padres de estatura baja tengan hijos de bajos, en promedio “regresan a la estatura
promedio de la población” o sea, que caen o regresan dentro de un margen
(intervalo) de estura, por ejemplo 1.60 a 1.90 de estatura.

El término “lineal” hace referencia a la tendencia de los datos, es decir a agruparse

y mostrar una tendencia que puede ser representada con una línea que pasa por la
mayoría de los puntos. En resumen son datos planos que se pueden representar en
un plano cartesiano.

Ya más técnico y entendiendo la idea general, el libro menciona dos tipos de

linealidad
 Linealidad en las variables
 Muy en resumen hace referencia a la naturaleza de los datos, es decir son
datos que no están elevados a una potencia y por lo tanto son rectas al
graficar.
 Linealidad en los parámetros
Hace referencia a lo mismo, ahora que en los parámetros (betas) sí una veta
está elevada al cuadrado ya no es lineal , esto afectaría
el resultado ya que no es lo mismo multiplicar 3 que 3

6. En que consiste el método de mínimos cuadrados ordinarios

Se le atribuye a Carl Friedrich Gauss
Consiste en encontrar los parámetros poblacionales de un modelo de regresión
lineal, este método minimiza la suma de las distancias verticales entre las
observadas en la muestra y las respuestas del modelo (es decir que minimiza el
error).

Formulación

Y (Y con gorrito) es el valor estimado (media condicional) de Yi

Los residuos (u con gorrito) son las diferencias entre los valores observados y los
estimados de Y
El término de MCO está vinculado con la regresión y la correlación, ambas
determinan la existencia de relación entre dos o más variables (siempre una
dependiente y una o varias independientes).

La diferencia radica en que le regresión se expresa en una función o relación

funcional mediante una ecuación con su uso predictivo, y la correlación es un valor
que mide la intensidad con que están relacionadas linealmente las variables, se está
hablado de una regresión o correlación simple cuando se relacionan 2 variables, si
existen más se habla de una correlación múltiple (el alcance de este curso se limita
a la simple).

Las funciones regresivas principalmente pueden ser de cuatro tipos:

 Lineales

De la forma matemática

Y(x) = a+ bXi

Y su expresión Regresiva

Yi = β1+ β2Xi + υi

7. Exponga los supuestos del método de MCO

Son 7 supuestos, tratare de ser claro y no pararme mucho en la parte matemática

que igual no nos sirve de mucho ahorita trata de aprenderte los supuestos y un
poco de que tratan
1. Modelo de regresión lineal
Debe ser lineal en los parámetros (lineal las betas, que no estén elevadas a una
potencia)
2. Valores fijos de X, o valores X independientes del término de error
Hace referencia a que los datos que toma x no deben mordicarse
3. El valor medio de la perturbación ui es igual a cero
 Es decir, la suma de la perturbación ui debe ser cero, es como si por debajo del
punto hay un valor de -5 y por encima un valor de 5, entonces las suma seria 0
4. Homocedasticidad o varianza constante de ui
La varianza del término de error (que tanto varia de la media) es la misma sin
importar el valor x
5. No hay autocorrelación entre las perturbaciones
Dado dos valores cualesquiera de X, la correlación entre sus ui (perturbación) es
cero, en resumen, las observaciones (datos) se muestrean de manera
independiente.
6. El número de observaciones n debe ser mayor que el número de parámetros
por estimar.
Que haya más datos que betas
7. La naturaleza de las variables X
No todos los datos deben ser igual (o sea, puros 3 o 5 o 9), la var(x) deber ser un
numero positivo, y no deben existir valores atípicos.

8. ¿En qué consiste la precisión o error de los MCO?

ya que las estimaciones de mínimos cuadrados ordinarios son funciones de datos
muestrales y por ende los datos pueden cambiar de una muestra a otra se requiere de
alguna medida de confiabilidad o “precisión de los estimadores B1 y B2 (beta 1 y beta 2),
en estadística la precisión de un valor estimado se mide por su error estándar (ee) y el ee
es la desviación estándar de la distribución muestral del estimador y la distribución muestral
de un estimador es tan solo una probabilidad o distribución de frecuencias del estimador.
El error estándar de la regresión es sencillamente la desviación estándar los valores Y
alrededor de la regresión estimada

9. Exponga las propiedades de los estimadores de MCO “teorema de GAUSS-MARKVO”

1. Es lineal, es decir, función lineal de una variable aleatoria

2. Es insesgado es decir, su valor promedio o esperado es igual al verdadero

=
3. Tiene varianza mínima dentro de la clase de todos los estimadores lineales
insesgados

En el contexto de regresión puede probarse que los estimadores de MCO son MELI que se
formula de la siguiente manera “dados los supuestos del modelo clásico de regresión
lineal, los estimadores de MCO, dentro de la clase de estimadores lineados insesgados
tienen varianza mínima, es decir son MELI”