UNIVERSIDAD DEL ZULIA

FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES

ESCUELA DE ECONOMÍA
CÁTEDRA: ECONOMETRÍA

INTRODUCCIÓN A LA ECONOMETRÍA
TEMA I

Profa. MarielisVillalobos
econometrialuz@gmail.com

Maracaibo, Abril 2011.

1
1. Introducción

La palabra econometría está constituida por la conexión de dos palabras griegas: oikonomia
(economía) y metron (medida). Etimológicamente, Econometría significa medición de la economía.
La econometría es la rama de la disciplina económica que utiliza los métodos matemáticos y
estadísticos para cuantificar las relaciones teóricas entre variables económicas concretas. Se trata de la
aplicación de la Estadística y la Matemática al análisis de datos de origen económico, con el fin de
proporcionar apoyo empírico a los modelos matemáticos de la Teoría Económica. Es una disciplina
que combina la teoría económica, la matemática y la estadística. El papel esencial de la econometría
es la estimación y verificación de los modelos económicos.

2. Definiciones

Existen múltiples definiciones de la econometría, que son precisadas por diferentes autores, que
a continuación se mencionan:

La Sociedad Econométrica, en la Sección I de la constitución, la define como el avance de la

teoría económica, en su relación con las matemáticas y la estadística.

Tinberger (1951), la econometría es un nombre para un campo de la ciencia, en el que la

investigación económico-matemática y estadístico-matemático se aplican en combinación….

Tinter (1952), la econometría es la aplicación de un método específico en el campo general de

la ciencia económica, en un esfuerzo de buscar resultados numéricos y de verificar teoremas
económicos. Consiste en la aplicación de la teoría económica matemática y los procedimientos
estadísticos a los datos económicos en orden a establecer resultados numéricos en el campo de la
economía y verificar teoremas económicos.

Gollnick (1968),el análisis econométrico combina la teoría económica, las matemáticas y la

estadística para cuantificar y verificar las relaciones entre las variables económicas.

Otero (1978), la econometría se ocupa de la cuantificación de los fenómenos económicos y de la

verificación de las teorías económicas, haciendo uso para ello de las estadísticas económicas y
aplicando a tal fin métodos especiales de inferencia estadística.

Judge et al (1982), la econometría usando la teoría económica, las matemáticas y la inferencia

estadística como fundamentos analíticos y los datos económicos como la base informativa proporciona
un base para: a) modificar, refinar o posiblemente refutar las conclusiones contenidas en el cuerpo de
conocimientos conocido como teoría económica. b) conseguir signos, magnitudes y afirmaciones de
calidad para los coeficientes de las variables en las relaciones económicas de modo que esta
información puede usarse como base para la elección y toma de decisiones.

Spanos (1986),afirma que la econometría esta dedicada al estudio sistemático de los fenómenos,
usando los datos observados.

2
 Salvatore Dominick, la econometría es la integración de la teoría económica, las matemáticas y
las técnicas estadísticas con el propósito de probar hipótesis sobre fenómenos económicos, estimar
coeficientes de relaciones y predecir valores futuros de variables económicas.

Samuelson, la econometría es el análisis cuantitativo de fenómenos económicos reales, basados

en el desarrollo simultáneo de la teoría y la observación, relacionados mediante métodos apropiados de
inferencia.

Enciclopedia Microsoft Encarta, la econometría es la rama de la economía y utiliza métodos y

modelos matemáticos el cálculo, la probabilidad, la estadística, la programación lineal y la teoría de
los juegos, así como otras áreas de las matemáticas para analizar, interpretar y predecir diversos
sistemas y variables económicas, como el precio, las reacciones de mercado, el costo, la tenencia de
los negocios y política económica.

Trivez (2004),etimológicamente econometría significa medición de la economía. Esta disciplina

se ocupa de medir(cuantificar) y validar las proposiciones(teorías) económicas; es decir, es el
estudio de la teoría económica en relación con las matemáticas y la estadística.

La econometría se basa en métodos estadísticos para estimar las relaciones económicas, poner a
prueba teorías económicas y evaluar y poner en práctica políticas gubernamentales y comerciales,
La aplicación más común de la econometría es el pronóstico de variables macroeconómicas
importantes como la tasas de interés e inflación y el producto interno bruto. El pronóstico de los
indicadores económicos es muy común y con frecuencia recibe amplia publicidad, pero los métodos
econométricos sirven también en campos de la economía que no tienen nada que ver con las
predicciones macroeconómicas. Además, se utilizan los métodos econométricos con la finalidad de
pronosticar series de tiempo económicas, denominadas series temporales.

La interpretación literal de la econometría “medición de la economía”, es demasiado amplia, en

el sentido de que no toda medición de fenómenos económicos se puede incluir dentro de un
concepto preciso de Econometría. Por ejemplo, la determinación estadística del “Índice del Costo
de la Vida en Caracas” constituye un importante trabajo de medición económica, pero no es
econometría.

En las definiciones anteriores, se destaca el hecho de que la econometría conjuga el uso de los
conocimientos, métodos y técnicas de otras disciplinas perfectamente identificables. Cabría
preguntarse por qué se ha desarrollado independientemente de la Teoría Económica, de la
Economía Matemática, de la Estadística Económica Descriptiva o de la Estadística Matemática.

La Teoría Económica postula hipótesis de comportamiento generalmente en términos

cualitativos. Cuando se afirma que el consumo aumenta al aumentar el ingreso, no proporciona una
medida numérica de la relación entre ambos.

La Economía Matemática consiste fundamentalmente en la aplicación de los instrumentos

matemáticos a los aspectos puramente teóricos del análisis económico, expresa la teoría económica
en términos matemáticos, estudia relaciones teóricas entre variables económicas, pero no presta
atención a la medición o verificación empírica de la teoría económica.
La Estadística Económica centra su atención en la recolección, procesamiento y presentación de
cifras económicas, es decir, aplica mediciones cuantitativas a variables económicas pero no intenta
establecer relaciones entre ellas.
3
 La Estadística Matemática estudia relaciones entre variables y proporciona una gran parte de las
herramientas de la econometría, ésta usa profusamente los métodos de la teoría estadística, los
procedimientos inductivos de la estadística clásica permiten contrastar hipótesis y estimar
parámetros. Estos métodos usados en la econometría, en principio son comunes con los usados en
otros campos de la ciencia, pero se han tenido que desarrollar técnicas propias por los rasgos
particulares de los fenómenos y de las variables económicas, entre los que destacan:
Los datos representativos de relaciones económicas, rara vez pueden obtenerse mediante
experimentos controlados.
La conducta económica está respaldada por un abundante cuerpo de teoría cuyos
principios deben aprovecharse con métodos propios.

Es así como la econometría se ha desarrollado en forma separada, aunque no independiente del

progreso de las otras disciplinas mencionadas, perfeccionando una serie de nuevos métodos y técnicas
de análisis.

El término de econometría es conocida desde 1930, año en que se fundó la

“EconometricSociety” como una sociedad internacional para el avance de la Teoría Económica en su
relación con la Estadística y las Matemáticas.

Podría resumirse el objetivo de la Econometría en proporcionar contenido empírico a la Teoría

Económica. El análisis econométrico contempla la teoría usando datos empíricos conseguidos en la
observación de la realidad económica para verificar la plausibilidad de las relaciones entre variables
económicas postulados por la teoría, conseguir estimaciones numéricas de las relaciones, y de alguna
manera, controlar el curso futuro de las variables como auxiliar de la política económica. En resumen:

• Formulación de modelos econométricos en una forma verificable empíricamente.

• Estimación y comprobación de estos modelos con los datos observados.
• Uso de estos modelos para propósitos de predicción y formulación de políticas.

3. Evolución de la Econometría

En 1926 el Profesor noruego RagnarFrisch introdujo el término Econometría para denominar a una
nueva disciplina que surgía en el campo de la ciencia económica y estaba constituida por estudios en
los que se combinaban la Teoría Económica, la Estadística y las Matemáticas.

Existen dos tendencias predominantes:

1. Quienes consideran el origen de la Econometría en la Europa del siglo XIX, con los trabajos de
economía matemática de Von Thünen, Cournot, Edgeworth, Jevons, Walras, Pareto, Wicksell,
etc.
2. Quienes consideran a dichos autores como precursores de la Econometría pero establecen
el origen de ésta en el siglo XX. Esta tendencia es la más aceptada y se consideran las
siguientes etapas:

 ETAPA PRE-ECONOMÉTRICA
 ETAPA DE NACIMIENTO DE LA ECONOMETRÍA

4
  ETAPA DE APORTACIONES BÁSICAS
 ETAPA DE DESARROLLO

ETAPA PRE- ECONOMÉTRICA: Puede considerarse como aquella en la que la Estadística y la

Economía evolucionaron hasta sentar las bases que habrían de servir de soporte al nacimiento de la
Econometría.

Aportes Económicos:
WILLIAN PETTY SIGLO XVII:
Considerado como el padre la Economía y gran impulsor de la Estadística. Existen indicios
que el Estudio demográfico de John Graunt sobre población londinense fue una obra conjunta
de Graunt y Petty. Para Petty la búsqueda de leyes económicas a partir de la observación
empírica constituía el principal objetivo científico de los economistas.

COURNOT SIGLO XIX:

Interpretación de la oferta y la demanda en forma de funciones.
FRANCOIS QUESNAY AÑO 1758:
Fisiócrata. Publicó la Tabla Económica. Puede considerarse el primer intento de explicar
empíricamente el principio de interdependencia general de todos los elementos que actúan en
un sistema económico.
JOHN BATES CLARK:
La Teoría de la Productividad Marginal serviría de fundamento a diversos modelos
econométricos.
Avances de la Metodología Estadística:
KARL GAUSS:Alemán. Matemático y Físico.
A este investigador se debe la distribución normal y la utilización por primera vez, en 1809,
del Método Mínimo Cuadrático aplicado al análisis de la regresión.

WILLIAM S. GOSSET: Estadístico y Químico. Inglés.

A este investigador se debe el desarrollo de la distribución t de student de tanta aplicación
práctica, así como las contribuciones de Ronald A. Fisher, Markov.

Estas contribuciones permitieron comenzar a aplicar el análisis de la regresión y la contrastación

de hipótesis de los modelos económicos a comienzos del siglo XX.

ETAPA DE NACIMIENTO DE LA ECONOMETRÍA: Comprende el primer tercio del siglo XX,

iniciándose con algunas contribuciones individuales y los esfuerzos de un grupo de investigadores por
promocionar una línea de investigación tendente a la utilización de técnicas estadísticas en relación con
los datos económicos.

IRVING FISHER: 1912. Economista Norteamericano. Universidad de Yale. Trató de

organizar un grupo de investigadores que estimulasen el desarrollo de la Teoría Económica en
su relación con la Estadística y las Matemáticas, pero fracasó en sus primeros intentos.

5
 MOORE, EVANSS, HENRY SCHULTZ: Persistieron en que las tres disciplinas tenían que
utilizarse en común, realizaron contribuciones importantes. Otros economistas como: JOHN
M. KEYNES, JOSEPH A. SCHUMPETER y RAGNAR FRISCH fueron también grandes
impulsores de este movimiento.
MOORE: Realizó el trabajo denominado “EconomicCycles: theirLaw and Causes”,
publicado en 1914, considerado por muchos autores como el primer trabajo econométrico.

En 1926 cuando Frisch sugiere la creación de una asociación internacionalde economía pura;
sugiere la denominación de econometría, esta es la primera referencia histórica que se
posee sobre el término econometría por lo que se considera aFrisch como el autor de dicho
término.

ROOS (1926), derivadas e integrales en las ecuaciones de Walras-Pareto de equilibrio

económico, haciendo posible (con la utilización de estos dos instrumentos matemáticos)
una transformación de las teorías estáticas en teorías dinámicas que se pueden
contrastarse mediante series cronológicas de datos económicos.

CHARLES F. ROOS, RAGNAR FRISCH e IRVING FISHER, condujeron a la creación

de la EconometricSociety, el 29 de diciembre de 1930 en Cleveland, en el Estado de
Norteamericano de Ohio.

“Su principal objetivo será promover estudios que contribuyan a la unificación de los
enfoques teórico-cuantitativo y empírico-cuantitativo de los problemas económicos y que
estén dominados por el espíritu riguroso y constructivo similar al que predomina en las
Ciencias naturales”.

El máximo creador del análisis econométrico de la demanda es Henry L. Moore; junto a este
sobresalen Working, Ezequiel y Shultz.

ETAPA DE APORTACIONES BÁSICAS:Comprende por el estudio de los principales problemas

econométricos, tales como la identificación y estimación de ecuaciones simultáneas, la autocorrelación
de las perturbaciones y la multicolinealidad de los regresores.

PRINCIPLAES REPRESENTANTES:
Koopmans, Aitken, Haavelmo, Anderson, Rubin, Durbin, Watson, Cochrane y Orcutt.

ALFRED COWLES. 1931. Ofreció proporcionar fondos para fundar una revista y una
organización de investigación para la EconometricSociety. La revista fue creada como
iniciativa de Cowles fue Econométrica, cuyo primer capítulo apareció en 1933 y desde
entonces hasta la actualidad. La organización investigadora creada por Cowles fue la
CowlesCommissionforResearch in Economics, que inició sus actividades en 1932 y que
estuvo vinculada a la Universidad de Chicago hasta 1955. En este año el grupo de
investigadores de la CowlesCommission pasa a Yale y se asocia con algunos miembros de
esta Universidad, constituyendo la CowlesFoundationforResearch in Economics.

6
 En el campo de las aplicaciones de la Econometría destacan las aportaciones de Schultz y
Jureen, en el estudio de la demanda; Douglas en el estudio econométrico de la función de
producción; Davis en la función de consumo y Tinbergen y Klein, en la elaboración de los
primeros modelos econométricos.
TINBERGEN (1939), Utiliza por primera vez los modelos multinacionales con el ánimo de
explicar los ciclos económicos y verificar las diversas teorías en torno a los mismos.

HAAVELMO (1943,1944), estudio los problemas inferencia estadística que plantear

los modelos multiecuacionales marcando camino a la metodología econométrica.

En 1950 se publican una serie de trabajos que manifiestan la madurez alcanzada por la
econometría.
 Problemas de Identificación y estimación de los sistemas de ecuaciones.
 Publicación del primer modelo macroeconómico de Klein.
 Estructura básica de modelos econométricos, que posteriormente se han abordado para la
predicción y la orientación de la política económica de varios países.
Primeros libros textos de econometría: Tinberger (1952), Klein (1953), Store (1959) y
Valavans (1959). Fueron defasados por el gran desarrollo de la econometría a partir de la
década de los años 70.

ETAPA DE DESARROLLO:Se inicia tras esta etapa de aportaciones básica, siendo creciente el
número de investigaciones tanto teóricas como aplicadas, gracias no sólo al desarrollo metodológico
sino también a la creciente disponibilidad de datos estadísticos y de métodos de cálculo.

 Desarrollo del método de Mínimo Cuadrados en Dos Etapa, por Theil y Bassman.
 Aportes de predicción óptima.
 Modelos con retardos, en los trabajos de Koyck (1954) y Nervole (1958)
 Modelos macroeconómicos para la predicción de las principales macromagnitudes
de un país.
 En 1960 se efectúan numerosas aplicaciones prácticas a los modelos de demanda,
producción e inversión y se desarrollan los principales modelos macroeconométricos
de enfoque Keynesiano.
 JOHNSTON (1963), configura los contenidos estándar que debe incluir un libro texto:
álgebra matricial, análisis estadístico multivariante, análisis de regresión simple bajo
supuestos óptimos, modificaciones en la metodología del análisis de regresión
como consecuencia del incumplimiento de los supuestos óptimos
(estudio de autocorrelación, heteroscedasticidad, multicolinealidad, errores en
variables, cambios estructurales en parámetros, etc.) y modelos de ecuaciones
simultaneas.
En 1970, se publica artículos sobre la predicción univariante, la metodología
ARIMA. En la década de 1980 y 1990 merecen destacarse las contribuciones
metodológicas relativas a los contrastes de especificación y evaluación de los modelos.
Estudios de competitividad y los modelos sectoriales. Así como los estudios de
cointegración.

7
Cómo Probar una Teoría:

TEORÍA

EXPRESIÓN
MATEMÁTICA DE
LA TEORÍA

CONFRONTACIÓN
DEL MODELO CON
LA DATA

ACEPTAR LA TEORÍA SI RECHAZAR LA TEORÍA SI

ES COMPATIBLE CON LA NO ES COMPATIBLE CON
DATA LA DATA

CONTRASTAR REVISAR LA TEORÍA SI NO ES

CON NUEVA DATA COMPATIBLE CON LA DATA

8
4. Estructura de los Datos Económicos:

La información económica suele presentarse en diversas formas. Aunque ciertos métodos

econométricos pueden aplicarse con pocas o ninguna modificación de los conjuntos de datos. A
continuación se mencionan algunas estructuras de datos:

Datos de Corte Transversal:

Un conjunto de datos de corte transversal consta de una muestra de individuos, hogares,

empresas, ciudades, estados, países u otras unidades de observación, tomada en un momento
determinado. A continuación se presenta una tabla de datos de corte transversal de 526
trabajadores para el año 1976, las variables son sala (salario en dólares por hora), educ (años de
escolaridad), exper (años de experiencia potencial en la fuerza de trabajo), sexo (indicador del sexo)
y ecivil (estado civil). Estas dos últimas variables son de tipo binaria (cero, uno) y señala
características cualitativas del individuo (la persona es mujer o no; está casada o no).

obs Sala educ exper sexo ecivil

1 3.10 11 2 1 0
2 3.24 12 22 1 1
3 3.00 11 2 0 0
4 6.00 8 44 0 1
. . . . . .
. . . . . .
. . . . . .
525 11.56 16 5 0 1
526 3.50 14 5 1 0

A veces, en los conjuntos de datos de corte transversal diversas variables corresponden a

diferentes momentos. Por ejemplo, para determinar los efectos de políticas gubernamentales en el
crecimiento económico a largo plazo, los economistas han estudiado la relación entre el crecimiento
del interno bruto real per cápita (PIB), en cierto período (1960-1985) y las variables determinadas
en parte por la política gubernamental de 1960 (el consumo del gobierno como porcentaje del PIB y
los índices de educación secundaria de los adultos). Ejemplo de este tipo de datos, fue utilizado
por De Long y Summers (1991), acerca de las tasas de crecimiento internacional:

obs país tpib Consgob60 Secund60

1 Argentina 0.89 9 32
2 Austria 3.32 16 50
3 Bélgica 2.56 13 69
4 Bolivia 1.24 18 12
. . . . .
. . . . .
. . . . .
. . . . .
61 Zimbabwe 2.30 17 6

La variable tpib representa la tasa de crecimiento promedio del PIB real per cápita en el período
de 1960 a 1985. El hecho de que consgob60 (consumo del gobierno como porcentaje del PIB) y

9
secund60 (porcentaje de la población de adultos con secundaria) correspondan a 1960, mientras
que tpib es el promedio de crecimiento de 1960 a 1985, no genera ningún tipo de problema especial
al tratar esta información como un conjunto de datos de corte transversal. El orden de las
observaciones figura alfabéticamente por país, pero este ordenamiento no influye en ningún análisis
subsecuente.

Datos de Series de Tiempo:

Un conjunto de datos de series de tiempo (o datos de series temporales) consta de

observaciones, de una o más variables, hechas en el tiempo. El tiempo es un factor importante en
los datos de series de tiempo. A diferencia del ordenamiento de los datos de corte transversal, la
disposición cronológica de las observaciones en una serie temporal proporciona información
potencialmente importante.

Una característica fundamental de las series de tiempo, que las hace más difícil de analizar que
los datos de corte transversal, es el hecho de que pocas veces, acaso, se puede asumir que las
observaciones económicas son independientes en el tiempo. Casi todas las series temporales
económicas y de otro tipo están relacionadas con su historia reciente. Por ejemplo, conocer el
producto interno bruto del último trimestre puede proporcionar información sobre el nivel probable
del PIB en este trimestre, ya que esta variable tiende a ser bastante estable de un trimestre a otro.

Otra característica de los datos de series temporales, es la frecuencia de los datos, o sea la
periodicidad con la que son reunidos. En economía, las frecuencias más comunes son diarias,
semanales, mensuales, trimestrales y anuales.

El siguiente conjunto de datos de series temporales fue tomado del artículo de Castillo-Freeman
y Freeman (1992), sobre los efectos del salario mínimo en Puerto Rico. El primer año del conjunto
de datos es la primera observación y el más reciente disponible es la última. La variable salamin se
refiere al salario mínimo promedio en el año, cobes la cobertura promedio (el porcentaje de los
trabajadores cubiertos por la Ley de salario mínimo), desem es el índice de desempleo y pib es el
producto interno bruto. Se podría plantear un análisis de series de tiempo sobre el efecto del salario
mínimo en el empleo.

obs Año salamin cob desem pib

1 1950 0.20 20.1 15.4 878.7
2 1951 0.21 20.7 16.0 925.0
3 1952 0.23 22.6 14.8 1015.9
. . . . . .
. . . . . .
. . . . . .
. . . . . .
37 1986 3.35 58.1 18.9 4281.6
38 1987 3.35 58.2 16.8 4496.7

10
 Combinación de datos de Corte Transversal:

Algunos conjuntos de datos tienen características tanto de corte transversal como de series
temporales. Por ejemplo, la realización de dos encuestas a nivel nacional de corte transversal de
hogares, una en 1985 y otra en 1990. En 1985 se entrevistó a una muestra aleatoria de hogares
sobre variables como ingreso, ahorro, tamaño de la familia, etc. En 1990, se realizó una nueva
muestra.

La combinación de cortes transversales de diversos años suelen ser un medio eficaz para
analizar los efectos de una nueva política gubernamental. La idea es recopilar datos de los
anteriores y posteriores del cambio en la política clave. A continuación se presenta un conjunto de
datos referido a los precios de las viviendas registradas en Estados Unidos en 1993 y 1995, dado
que en 1994 se redujeron los impuestos a la propiedad. Supongamos que se tienen datos sobre 250
hogares en 1993 y 270 en 1995. Las observaciones 1 a 250 corresponden a las casas vendidas en
1993 y las observaciones de 251 a 520 son de las 270 que se vendieron en 1995. Aunque no resulta
crucial el orden de los datos, suele ser muy importante seguir la pista del año de cada observación,
por ello se introduce año como variable.

Una combinación de cortes transversales se analiza en forma muy parecida al corte transversal
estándar, con la diferencia que con frecuencia se tiene que considerar las diferencias seculares de
las variables en el tiempo. Aumentar el tamaño de la muestra a menudo el punto crítico de un
análisis de las combinaciones de secciones de corte transversal, es ver cómo cambió con el tiempo
una relación fundamental.

obs año precio imptos piecuad habit baños

1 1993 85500 42 1600 3 2.0
2 1993 67300 36 1440 3 2.5
3 1993 134000 38 2000 4 2.5
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
250 1993 243600 41 2600 4 3.0
251 1995 65000 16 1250 2 1.0
252 1995 182400 20 2200 4 2.0
253 1995 97500 15 1540 3 2.0
. . . . . . .
. . . . . . .
. . . . . . .
520 1995 57200 16 1100 2 1.5

Datos de Panel o longitudinales:

Un conjunto de datos de panel (o longitudinales) consta de una serie temporal para cada
miembro de corte transversal en el conjunto de datos. La característica fundamental de los datos
de panel, que los distingue de las combinaciones de cortes transversales, es el hecho de que se da
seguimiento a las mismas unidades transversales (individuos, empresas o municipios por ejemplo)
durante cierto período.

11
 A continuación se presenta un conjunto de datos de panel de dos años sobre delincuencia y
estadísticas relacionadas para 150 ciudades de Estados Unidos. Existen varias particularidades
importantes: En primer lugar, cada ciudad ha recibido un número del 1 al 150. Aquí no importa el
ordenamiento de los datos de corte transversal del panel. Es útil contar con el nombre de la ciudad
al igual que el número. En segundo lugar, los datos de dos años de la ciudad 1 llenan las dos
primeras filas u observaciones. Las observaciones 3 y 4 corresponden a la ciudad 2, y así
sucesivamente. Puesto que cada ciudad tiene dos filas de datos, entonces se tendrán 300
observaciones. Este conjunto de datos puede ser tratado como combinación de dos corte
transversales en el que las mismas ciudades aparecen el mismo año.

obs ciudad año homicidios población desem policia

1 1 1986 5 350000 8.7 440
2 1 1990 8 359200 7.2 471
3 2 1986 2 64300 5.4 75
4 2 1990 1 65100 5.5 75
. . . . . .
. . . . . .
. . . . . .
297 149 1986 10 260700 9.6 286
298 149 1990 6 245000 9.8 334
299 150 1986 25 543000 4.3 520
300 150 1990 32 546200 5.2 493

Al organizar las observaciones, se sitúan en forma contigua los dos años de datos de cada
ciudad, el primer año antes que el segundo. Esta es la forma preferida de ordenar conjunto de datos
de panel. En resumen, la razón de ordenar los datos de panel como en la tabla anterior es que se
necesitan transformar los datos de cada ciudad en los dos años.

En los datos de panel exigen la repetición de las mismas unidades con el tiempo, los conjunto de
estos datos, en particular los de individuos, hogares y empresas, son más difíciles de conseguir que
en las combinaciones de cortes transversales. No sorprende que al observar las mismas unidades
con el transcurso del tiempo, tengan varias ventajas sobre los datos de corte transversal e incluso,
sobre las combinaciones de datos y corte transversal.

Causalidad y la noción de Ceterisparibus en el análisis econométrico:

En casi todas las pruebas de la teoría económica y, desde luego, para evaluar la política pública,
el objetivo del economista es inferir que una variable ejerce un efecto causal en otra. Dar una
asociación entre dos o más variables, pero a menos que se establezca una relación causal, pocas veces
será imperioso.

La noción de ceterisparibus, significa “con lo demás (otros factores relevantes) igual”,

desempeña un papel importante en el análisis causal.

Por ejemplo, al analizar la demanda del consumidor, interesa conocer el efecto de cambiar el
precio de un bien en la cantidad demandada, mientras se mantienen fijos los demás factores, entonces
se puede conocer el efecto causal de un cambio de precios en la cantidad demandada.

12
 A causa de la índole no experimental de la mayor parte de los datos recopilados en las ciencias
sociales, es muy difícil descubrir las relaciones de causalidad.

5. Modelos, Modelos Económicos y Modelos Econométricos:

Modelos:Es una abstracción de la realidad.Es un conjunto de relaciones matemáticas,

específicamente es un conjunto de ecuaciones o funciones entre las variables más relevantes
que concurren a explicar una tecnología incorporada, un orden institucional o legal y/o el
comportamiento de los sujetos de la actividad económica en un sistema, subsistema, sector o
sub-sector.

Modelos Económicos:Se pueden definir con una expresión lógica, verbal, gráfica o matemática
de las relaciones entre variables económicas.Un Modelo económico matemático: es un
conjunto de relaciones que representan un proceso económico, expresadas en forma
matemática, es decir, es una representación matemática y simplificada de un fenómeno
económico. Un modelo matemático, es un sistema de ecuaciones en el que se expresa el
conocimiento que a priori se posee sobre el comportamiento de las variables que conforman un
determinado problema económico. La construcción de un modelo, es un proceso creativo, en el
que se pretende deliberadamente simplificar la realidad con toda su complejidad y diversidad,
reduciendo el problema a expresiones manejables y útiles, para lo cual se debe eliminar lo
supuestamente superfluo, y captar las características cruciales del fenómeno económico en
estudio.

Modelos Econométricos:se puede definir un modelo econométrico como un modelo económico

matemático en que se introducen variables aleatorias.

6. Tipos de Modelos

La clasificación de los modelos puede establecerse atendiendo a:

 La especificación.
 El número de relaciones.
 La forma de las relaciones.
 La inclusión o no de variables endógenas retardadas.
 El sector exterior.
 El ámbito.
 Los datos considerados.

 Tipos de modelos según la especificación: Atendiendo a la especificación , se distinguen

entre:
 Modelos teóricos o económicos.
 Modelos econométricos.
Muy relacionada con esta clasificación está la que distingue entre:

13
  Modelos deterministas o exactos: Se supone la existencia de variables que satisfacen
exactamente las ecuaciones.
 Modelos estocásticos: Que no admite la posibilidad anterior por dos razones: En primer
lugar, porque el investigador sólo incluye algunas variables que determinan el
comportamiento del fenómeno objeto de estudio, y en segundo lugar, por la poca
exactitud con que generalmente se miden y realizan las observaciones económicas. Así
los modelos estocásticos son aquellos que incluyen las perturbaciones aleatorias.

Valavanis(1959) señala cuatro razones por las que un modelo econométrico debe ser
estocástico: formulación incompleta de la teoría, especificación imperfecta de las relaciones,
agregación y errores de medida.

 Tipos de modelos según el número de las relaciones: Si atendemos al número de relaciones

o ecuaciones que constituyen el modelo, se tiene:
 Modelos Uniecuacionales
 Modelos Multiecuacionales

Dentro de los modelos multiecuacionales, son relevantes los modelos de ecuaciones

simultáneas, que se caracterizan porque dos o más variables vienen determinadas
simultáneamente por un cierto número de variables predeterminadas, existen interrelaciones
entre las variables incluidas en las diferentes relaciones del modelo.

Ejemplo: Suponiendo una economía cerrada:

Ct   0  1 (1  t )Yt   2 rt  1t
I t   0  1 (Yt 1  Yt  2 )Yt   2 rt 1   2t
Yt  Ct  I t  Gt

Siendo: C=Consumo, I=Inversión, Y=PIB, G=Gasto Público, r=tipo de interés y

 0 ,1, 2 ,  0 , 1,  2 ,  parámetro . (t=tipo de impuesto constante en la economía. En este ejemplo,
un incremento en el tipo de interés en el período t-1, conduce a una variación en la inversión del
período t por la ecuación de la inversión. Pero esta variación en la inversión ocasiona una variación en
el PIB del período t por la ecuación del ingreso. A su vez, esta variación modifica el consumo del
período t, por la ecuación del consumo. Nuevamente por la variación del ingreso modifica el PIB, etc.

 Tipos de modelos según la forma de las relaciones: Atendiendo a la forma de las

relaciones, los modelos pueden clasificarse en:
 Modelos lineales: Todas las relaciones son lineales.
 Modelos no lineales: Alguna relación es no lineal.

Esta clasificación tiene interés por cuanto la posibilidad de la aplicación práctica de un

modelo depende esencialmente de la forma de las relaciones; si éstas son lineales se habrán
eliminado un buen número de obstáculos. De aquí la tendencia general al empleo de relaciones
lineales en los modelos econométricos.

Cuando en la construcción de modelos no pueden evitarse las relaciones no lineales, se

intenta, por las razones mencionadas, llegar a ecuaciones lineales mediante el empleo de

14
 sustituciones o transformaciones matemáticas. Surge, con esto, el problema de la linealización que
trata de los artificios que pueden utilizarse para conseguir aquella finalidad.

Cuando se habla de modelos lineales: se hace referencia a dos sentidos de linealidad, en

variables o en parámetros. En la práctica, la linealidad en los parámetros es la más importante,
especialmente con vistas a la estimación. La linealidad en las variables puede conseguirse
frecuentemente con facilidad.

 Tipos de modelos atendiendo a la inclusión o no de variables endógenas retardadas:

 Modelos Estáticos: Cuando no aparecen variables endógenas retardadas.
 Modelos dinámicos: Cuando aparecen alguna variable endógena retardada.

 Tipos de modelos según la consideración que efectúen acerca del sector exterior:
 Modelos Abiertos
 Modelos Cerrados
Estos modelos guardan relación con los conceptos de economía abiertas y economías
cerradas, respectivamente, es decir, los primeros tienen en cuenta las relaciones con el exterior,
mientras que los segundos no.

 Tipos de modelos según su ámbito o cobertura: Desde el punto de vista del ámbito o
cobertura de los modelos, éstos pueden ser:
 Modelos Microeconómicos
 Modelos Macroeconómicos

 Tipos de modelos según los datos que utilizan: Desde el punto de vista econométrico se
clasifican en:

 Modelos de datos de series temporales.

 Modelos de datos de corte transversal (cross section).

Los datos de series temporales consisten en las observaciones de las variables a lo largo de
un cierto período temporal. Por ejemplo, los datos trimestrales del PNB desde 1975 hasta
1999.

Los datos de corte transversal (cross section) consisten en las observaciones de las variables
para diferentes sujetos (o unidades de referencia) en un momento dado. Por ejemplo: los
ingresos de las familias de una ciudad determinada en enero de 1999, o renta per-cápita de
los estados de Venezuela en 1998.

Existen diferentes tipos de modelos de pendiendo de cómo las variables exógenas se relacionan
con las variables endógenas:

Modelo Simple: Una variable endógena está en función lineal de una sola variable exógena. El
modelo simple consta de una sola ecuación lineal donde existe una variable dependiente y una sola
independiente. Asumiendo que y es la variable endógena y xes la variable exógena, el modelo queda
especificado por la siguiente ecuación:

15
 y  1   2 x

En donde 1  2 son los parámetros. El efecto sobre y de una unidad de cambio en x es

y
medida por el parámetro  2 , el cual es igual a la pendiente. Por su lado, el parámetro 1 indica el
valor de y cuando x es igual a cero. A este parámetro se le suele llamar intercepto.

La relevancia o validez de la hipótesis de conductas reflejadas en los modelos económicos debe

ser contrastada con evidencia empírica mediante rigurosas pruebas estadísticas aplicadas a los modelos
econométricos. Con esta confrontación de la teoría con el mundo real la econometría puede, en
principio, determinar el éxito de un modelo, la relevancia de una teoría y ayudar a formular teorías y
modelos mejores.

La ciencia económica progresa a través del desarrollo de teorías susceptibles de verificación

empírica, el contraste de teorías existentes para determinar su relevancia y la sustitución de teorías
existentes inadecuadas por otras mejores.

Las técnicas econométricas sirven para confrontar modelos económicos con datos del mundo
real, el objetivo esencial de la econometría es la estimación y contraste de los modelos económicos.
Con su ayuda, determinada teoría económica puede considerarse como inadecuada o inaplicable en una
situación particular. Si bien la econometría no puede probar la veracidad o falsedad de una teoría,
puede mostrarla como consistente o inconsistente con la realidad y darle mayor profundidad y utilidad
consiguiendo valores numéricos para los parámetros del modelo que permitan la mejor proyección y
control de las variables económicas y hagan más eficaz la política económica.

7. Etapas de una Investigación Econométrica.

Un estudio econométrico se desarrolla en una secuencia de pasos concretos:

Determinación de los objetivos del estudio: Se deben establecer los objetivos del estudio,
revisar la teoría relevante para concretar el marco teórico apropiado que conduzca a la
formulación de hipótesis sobre las relaciones de las variables importantes en el estudio.

Especificación del modelo:La hipótesis de conducta en el paso anterior deben encontrar una
precisa formulación en términos matemáticos. Se escogerá la forma funcional de las ecuaciones
a usarse y las características del término de perturbación o error en las ecuaciones. Estas deben
ser en primer lugar de una manera simple para que se entienda su significado y puedan, al
mismo tiempo, manejarse con relativa facilidad, en segundo lugar, deber ser consistentes con la
teoría económica y las hipótesis que tratan de representar. Esta etapa consiste en la
construcción del modelo mediante el cual va a ser investigado empíricamente un fenómeno
económico determinado, abarca tres aspectos generales:

a) Acotación de la realidad que se desea estudiar o elección de las variables que deben ser
explicadas.

16
b) Identificar las variables que intervienen, distinguiendo: las variables o factores esenciales, y
la parte aleatoria o perturbación aleatoria.
c) Formulación de la relación existente entre las variables objeto de estudio y el resto de las
variables del modelo, o determinación de la forma funcional.

Recolección de la Información: Se deben buscar y analizar los datos disponibles de las

variables, revisar si corresponden a las variables definidas y determinar la necesidad o no de
recolectar directamente información adicional. Los datos usados en los estudios econométricos
se suelen clasificar en dos tipos: a) Series cronológicas, basados en datos provenientes de la
misma unidad económica para distintos períodos de tiempo; generalmente están asociadas a la
medición de variables macroeconómicas usando datos publicados de estadísticas económicas;
b) Series de Corte Transversal (cross-section), basados en datos provenientes de diferentes
entidades económicas en el mismo período de tiempo; generalmente son resultados de encuestas
que proporcionan información directa de las características económicas de unidades
macroeconómicas.

Identificación del Modelo: En los modelos multiecuacionales hay que determinar, como un
paso previo a la estimación de los parámetros de una ecuación dada, si es posible estimarla. Es
frecuente que en un modelo en forma estructural algunas ecuaciones sean estadísticamente
idénticas y al proceder a la estimación no se sepa cual de ellas se está estimando. Si una
ecuación está identificada se puede proceder a su estimación con la seguridad de que se está
estimando esa y no otra o una combinación híbrida derivada de dos o más ecuaciones de la
forma estructural. El problema de identificación es un problema econométrico muy importante
que debe ser estudiado en conexión con los modelos multiecuacionales.

Estimación: El siguiente paso es usar los datos de las variables para estimar los parámetros del
modelo mediante métodos estadísticos apropiados. Como se verá más adelante el método
mínimo cuadrado es ampliamente usado en la estimación de los modelos econométricos; sin
embargo, los problemas característicos de los modelos económicos han llevado al desarrollo y
aplicación de otros métodos de estimación. La estimación consiste en la determinación
aproximada de los parámetros que figuran en el modelo.

Evaluación del modelo: Una vez estimados los parámetros del modelo, hay que verificar si las
hipótesis teóricas postuladas por el mismo son respaldadas por la evidencia empírica disponible.
Criterios tanto como la consistencia de los signos y magnitudes de los estimadores, la bondad
del ajuste de las ecuaciones, la habilidad de proyección, etc. Son utilizables para determinar si
el modelo constituye un retrato suficientemente aceptable del fenómeno estudiado o si una
diferente especificación debe ser formulada. En este último caso, se debe proceder a la
reformulación del modelo.

Reformulación del Modelo: A la luz de los resultados proporcionados por la evidencia

empírica es posible que sea necesaria la reformulación de las hipótesis teóricas. Existe, en la
práctica, una realimentación entre la teoría económica y la econometría. Esta le da contenido
empírico a la primera y ha tenido un papel importante en la construcción de la teoría
económica.

17
8. Componentes del Modelo Econométrico:

Variables: Son los factores o entes elementales que actúan en un fenómeno, desde el punto de
vista cuantitativo. En las matemáticas las variables se clasifican en: Variables dependientes y
Variables independientes. Pero a la hora de analizar la realidad económica no resulta fácil
realizar la distinción enunciada, y se hace necesario por tanto, acudir a otra clasificación, en
economía se distingue:
 Variables Endógenas: Aquellas que vienen explicadas por el funcionamiento del modelo.
Se identifican con las variables dependientes.
 Variables Exógenas: Son aquellas cuyos valores inciden sobre el modelo desde el exterior,
es decir, son determinadas fuera del modelo pero influyen en el comportamiento de las
endógenas. Se identifican como las variables independientes.

Por otra parte, las variables que aparecen en un modelo se pueden referir al mismo período ( o
al mismo instante temporal) o a períodos distintos. Más concretamente, las variables de un
modelo pueden referirse exclusivamente a un período t, o a los períodos t, t-1, t-2,…. En este
último caso decimos que el modelo contiene variables retardadas en el tiempo.

La presencia de variables pertenecientes a períodos distintos está justificada desde el momento

en que el valor de una variable correspondiente a un período influye sobre los valores de la
misma variable o de otras correspondientes a períodos sucesivos.

Las variables retardadas pueden ser endógenas y exógenas. Denominaremos variables

predeterminadas tanto a las endógenas retardadas como a las exógenas con o sin retardos.

En conformidad con esta terminología, se acostumbra a establecer la división de las variables de

un modelo en:
 Variables endógenas
 Variables predeterminadas

El funcionamiento del modelo sólo determina el funcionamiento de las variables endógenas.

Las variables predeterminadas constan de todas las exógenas, las cuales se determinan
totalmente fuera del sistema, y de las endógenas retardadas, cuyos valores han sido
determinados previamente por el sistema, siendo estas últimas las que dan carácter dinámico a
los modelos.

Otra distinción que puede establecerse para las variables es entre:

 Variables latentes o no observables (por ejemplo, precio esperado).

 Variables observables.

Existe un grupo especial de variables latentes: las perturbaciones aleatorias. El término

aleatorio se debe a que para obtener estimaciones de estas variables latentes (a cuyas
estimaciones se denominan residuos) se necesitan una distribución probabilística de las mismas,
lo que las convierte en variables aleatorias.

Otra clasificación de las variables es la que distingue entre:

 Variables Cuantitativas: Expresan una cantidad.
18
 Variables Cualitativas:Tratan de expresar una cualidad. Dentro de éstas tienen especial
interés las denominadas variables ficticias que toman uno de dos valores arbitrarios, según
se dé o no cierta cualidad en un fenómeno. Normalmente, a las variables ficticias se les
asigna el valor uno si ocurre un determinado fenómeno (huelga, período de crisis, período
de guerra, etc.) o si se da una cierta característica (trimestre vacacional, ser varón, etc.) y
cero en el caso contrario.

Parámetros: Los parámetros o coeficientes son magnitudes que permanecen constantes dentro
de un fenómeno concreto. Normalmente son dos los tipos de parámetros sobre los que se quiere
obtener información cuantitativa:
 Parámetros de Posición: son los que entran en el momento de primer orden o esperanza
matemática de la variable dependiente.
 Parámetros de dispersión: Se refieren a la varianza de las perturbaciones aleatorias.

Dentro del primer tipo, los parámetros son los factores de ponderación correspondiente a cada
variable explicativa o predeterminada y miden el efecto de las fluctuaciones de estas variables
sobre la variable explicada o endógena. Por ejemplo, el modelo de la telaraña:

1  0 , 1  0
Dt  1  1Pt  1t ;
St  1  1Pt  1t ;  2  0 ,  2  0
Dt  St
Donde:
D=Demanda, S=Oferta y P=Precio, el parámetro  2 mide el impacto que el nivel de precio P
de un período tiene sobre el nivel de oferta del período siguiente. En otras palabras, los
parámetros pueden interpretarse en términos de la variable que acompañan en la relación; por sí
solos no tienen interpretación concreta. En este ejemplo los parámetros de posición son:

1 , 1 ,  2 ,  2 .
Mientras que los parámetros de dispersión son:

Var ( 1t )   12 y Var ( 2t )   22

Ecuaciones:Son relaciones matemáticas que tratan de describir el mecanismo que accionan los
elementos singulares del fenómeno económico, es decir, de las variables.

Las relaciones que aparecen en los modelos econométricos pueden clasificarse de la siguiente
forma:

 Ecuaciones de Comportamiento: Tratan de explicar de forma simplificada el mecanismo de

acción de un conjunto de sujetos económicos: productores, consumidores, exportadores,
asalariados, etc.

19
 Ejemplo: Función de Consumo, según la cual, éste es función de la renta disponible ( Yt 
PIB-Impuestos): Ct    Yt  t
 Ecuaciones Institucionales o legales: Tratan de reflejar los efectos provocados en la
actividad económica por las leyes o normas institucionales, es decir, son las que describen el
impacto del ordenamiento jurídico y social existente sobre el fenómeno en cuestión. El
ejemplo típico de estas relaciones es el sistema impositivo.

 Ecuaciones técnicas o tecnológicas: Expresan en forma simplificada las interdependencias

entre factores productivos y cantidad de producto, es decir, la tecnología incorporada al
proceso económico.

Ejemplo: Función de Producción de Cobb-Douglas:

Yt  ALt K t e  t

Donde: Y=Producción, L=Factor de Trabajo y K= Factor capital. En este ejemplo,

 y  no son propensiones marginales, sino elasticidades.

 Ecuaciones contables o de definición: Expresan relaciones que se van a cumplir siempre en

virtud de su construcción. Por lo general, cada una de tales relaciones se puede considerar
como la que define una variable concreta. Ejemplo:

Yt  Ct  I t  Gt

Donde: Y= Renta, C=Consumo, I=Inversión y G= Gasto Público.

 Ecuaciones de ajuste o de Equilibrio Móvil: Describen el supuesto proceso de ajuste que se

produce en mercados particulares cuando existe un exceso por parte de la demanda o de la
oferta. Resultan de una condición impuesta o postulado introducido.

Ejemplo: Dt  St
Donde: D= Demanda y S= Oferta.

20
9. Clasificación de las Variables para un Modelo de toma de decisión:

Variables Endógenas
Variables Predeterminadas
o Variables Exógenas
o Variables Endógenas Con Retardo
o Variables Exógenas Con Retardo
Variables Aleatorias

Variables Expectativas

10. Clasificación de las Variables para un Modelo de toma de decisión:

Variables Endógenas
o Variables Endógenas Objetivos
o Variables Endógenas No Objetivo
Variables Exógenas
o Variables Exógenas Controlables
 Instrumentrales
 No Instrumentales
o Variables Exógenas No Controlables

11. Interpretación de los coeficientes:

Modelo Nivel-Nivel:

Supongamos el siguiente modelo:

𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1𝑖 + 𝛽2 𝑋2𝑖 + ⋯ + 𝛽𝑘 𝑋𝑘𝑖 + 𝜀𝑖 𝑖 = 1 … . 𝑛

Con:

𝑌𝑖
 𝐸 𝑋1𝑖 , 𝑋2𝑖 , … , 𝑋𝑘𝑖 = 𝛽0 + 𝛽1 𝑋1𝑖 + 𝛽2 𝑋2𝑖 + ⋯ + 𝛽𝑘 𝑋𝑘𝑖

𝑌𝑖
 𝑉 𝑋1𝑖 , 𝑋2𝑖 , … , 𝑋𝑘𝑖 = 𝜎2

En caso de que todas las variables excepto Xj permanezcan constantes, se tiene:

∆𝐸 𝑌 𝑋 , 𝑋2 , … , 𝑋𝐾 = 𝛽𝑗 ∆𝑋𝑗
1

∆𝐸 𝑌 𝑋 , 𝑋2 , … , 𝑋𝐾
1
𝛽𝑗 =
∆𝑋𝑗

21
Interpretación del coeficiente: El coeficiente 𝛽𝑗 como el número de unidades que varía en media Y
cuando 𝑋𝑗 varía en una unidad (permaneciendo el resto de las variables constantes). El término
constante 𝛽0 se interpreta como el pronóstico de Y cuando las 𝑋𝑗 se anulan.

BIBLIOGRAFIA

CARDENAS, Olesia. “Formulación y Evaluacion de un Modelo Econométrico Uniecuacional”.

Material de Estudio. Facultad de Ciencias Económicas y Sociales. Post-Grado en Estadística.
Universidad Central de Venezuela. Enero 2008. Caracas.

CARDENAS, Olesia. “Modelización Econométrica de Series Temporales”. Material de Estudio.

Facultad de Ciencias Económicas y Sociales. Post-Grado en Estadística.Universidad Central de
Venezuela. Enero 2008. Caracas.

CARDENAS, Olesia. “Modelos de Regresión Lineal con Procesos Integrados”. Material de

Estudio. Facultad de Ciencias Económicas y Sociales. Post-Grado en Estadística. Universidad Central
de Venezuela. Enero 2008. Caracas.

CARRASCAL, Ursicino; GONZÁLEZ, Yolanda; RODRÍGUEZ, Beatriz. “Análisis Econométrico

con Eviews”. Alfaomega-RA-MA. PrimeraEdición. Octubre 2001.México.

CHAREMZA, Wojciech y DEREK, Deadman. “New Directions in econometric Pratice”.General to

specific modeling, cointegration and Vector Autoregression.University of Leicester. 1992.

GUJARATI, Damodar. “Econometría”. Cuarta Edición. Mc.Graw Hill. 2004. México.

GREENE, William H. “AnálisisEconométrico”, 3rd Edition, Prentice Hall. 1997.

MARTÍNEZ, Yesenia. “Diseño de un Modelo Econométrico para explicar el comportamiento de

la Inflación en Venezuela”. Trabajo de Grado. Facultad de Ciencias Económicas y Sociales. Escuela
de Estadísica y Ciencias Actuariales. Universidad Central de Venezuela. Septiembre 2006. Caracas.

MUÑOZ, Samaria. “El Proceso Econométrico a través de Eviews 2.0” Módulo de Estudio. Facultad
de Ciencias Económicas y Sociales. Escuela de Economía. Universidad de los Andes. Mérida-
Venezuela.

LARRAÍN, Felipe y D.SACHS, Jeffrey. “Macroeconomía en la Economía Global”. Prentice Hall.

Primera Edición, 2002. Buenos Aires, Argentina.

PEREZ LOPEZ, César. “Problemas Resueltos de Econometría”. Paso a Paso. Instituto de Estudios
Fiscales Universidad Complutense de Madrid. Thomson. 2006. España.

PULIDO, Antonio y PÉREZ, Julián. “Guía para la Elaboración de Modelos Econométricos con
Eviews”. Ediciones Pirámide.

WOOLDRIGE, Jeffrey. “Introducción a la Econometría”. Un enfoque Moderno. Thomson. 2001.

México.

22