1

UNIVERSIDAD DE SANTIAGO DE CHILE

FACULTAD DE INGENIERÍA
Departamento de Ingeniería Eléctrica

Econometría:
Estimación empírica de la economía

Nombres: Carlos Enrique Rojas Diaz.

Fabián Seguel González.
Profesor: Francisco Watkins.
 2

ÍNDICE

1. RESUMEN 03

2. INTRODUCCIÓN 04

3. RESEÑA HISTÓRICA 05

4. CONCEPTO DE LA ECONOMETRÍA 09

5. MODELAJE MATEMÁTICO 15

5.1 MODELO DE REGRESIÓN LINEAL SIMPLE 18

5. 2 NOTACIÓN MATRICIAL DEL MODELO LINEAL GENERAL 20

5.3 MÉTODOS DE ESTIMACIÓN DEL MODELO LINEAL SIMPLE 21

6. APLICACIONES EN DISTINTOS CAMPOS 23

6.1 EJEMPLO DE APLICACIÓN EN CHILE 28

7. CONCLUSIÓN 31

8. BIBLIOGRAFÍA 33
 3

1. RESUMEN

La econometría (derivado de economía y metria, medición, es decir, medición de la

economía) es la rama de la economía que utiliza métodos y modelos matemáticos. El
calculo, la probabilidad, la estadística, así como otras áreas de la matemática, se utilizan
para predecir e interpretar diversos sistemas y variables económicas.

En este trabajo presentaremos a grandes rasgos, como objetivo introductorio, la

historia, evolución y definiciones de la econometría para obtener un conocimiento general
de las diferentes escuelas econométricas y los enfoques desde los que puede ser abordado el
estudio de la materia.

Una vez alcanzado el primer objetivo, se dará un conocimiento del uso de los
diferentes métodos como cálculo, la probabilidad, la estadística, así cómo otras áreas de las
matemáticas que se utilizan en econometría.

Asimismo veremos el estado del arte en la economía actual y como esta rama de las
ciencias sociales a ganado terreno en este ultimo tiempo.
 4

2. INTRODUCCIÓN

La econometría trata de explicar el funcionamiento del sistema económico en sus

distintos aspectos como producción, consumo, dinero, distribución del ingreso y todo lo
relacionado con los recursos escasos entre distintos fines posibles. La herramienta básica
usada por los economistas para ello es la construcción de modelos teóricos y matemáticos
que describan el comportamiento de los agentes económicos. 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.

Los econometristas han tratado de emular a las ciencias matemáticas y a las de la

naturaleza (física, química) con mejor o peor resultado a través del tiempo. Hay que
considerar que tratan con uno de los fenómenos más complejos que conocemos, el
comportamiento de las personas. Actualmente la econometría no necesariamente requiere o
presupone una teoría económica subyacente al análisis econométrico. Más aún, la
econometría moderna se precia de prescindir voluntariamente de la teoría económica por
considerarla un obstáculo.

Sin embargo, los econometristas quedan involucrados al menos en cuatro grandes

discusiones. Primero, la relativa a la validez o no de los planteamientos "estrictamente
económicos", discusión que tiene su origen en la diversidad de posiciones en el interior de
la propia teoría económica, así como por las diferencias con quienes efectúan su análisis
desde la crítica de la economía política y de la multiplicidad de posiciones eclécticas.

Segundo, los econometristas se ven involucrados también en la discusión en el

interior de la propia teoría estadística, entre la gran variedad de técnicas y métodos
existentes.

Tercero, siendo este un problema exclusivo de los econometristas, están presentes

las discusiones que surgen de la relación entre la estadística y la economía; es decir,
¿cuándo es determinante una u otra?

Cuarto, está claramente presente un problema de método común al del conjunto de

las corrientes existentes en economía, problema que puede resumirse muy sintéticamente en
la pregunta: ¿Una afirmación económica es "científicamente válida" por el simple hecho de
estar contrastada empíricamente mediante un modelo econométrico?
 5

3. RESEÑA HISTÓRICA

La econometría, término introducido por Ragnar Frisch en 1926, es una disciplina

que siempre se ha movido entre las teorías económicas y estadísticas; sin embargo, la
interacción de estos dos campos del conocimiento no ha sido sencilla, esta ciencia ha
mostrado un indudable avance que desde la perspectiva de la teoría estadística, todavía está
en construcción.

Sus antecedentes se remontan al siglo XVII, a pesar de que no es sino hasta finales
del XIX que la medición cuantitativa y los métodos estadísticos cobran interés debido, en
parte, al surgimiento de organizaciones dedicadas a la recolección de datos. Un hecho que
influyó en la aplicación de los métodos estadísticos a las ciencias sociales fue la creación de
la Sociedad Estadística de Londres, fundada en Cambridge en 1833. Así, aunque algunos
estudiosos lograron un avance importante en el uso de la estadística en economía, la
econometría no tuvo un desarrollo significativo sino hasta el siglo XX, por el escaso
desarrollo que había tenido la estadística matemática, así como por la falta de datos
adecuados y de una teoría estadística apropiada.

Los economistas del siglo XIX veían como dos disciplinas independientes a la
economía matemática y a la estadística, de la primera pensaban que era esencial para el
posterior avance de la economía, como una disciplina deductiva; mientras que de la
segunda consideraban que permitiría una base inductiva con el mismo fin.

Aunque el término "econometría" fue introducido en 1926 por Ragnar Frisch,

economista y estadístico de origen noruego, por analogía con la expresión "biometría" y
para referirse a los estudios económicos que hacen uso de métodos estadísticos, la
econometría moderna propiamente dicha parece tener su origen, con Henry Ludwell
Moore, durante la segunda década del siglo XX.

Desde sus orígenes y por su propia definición, la econometría se ha movido entre

los campos de las teorías económica y estadística. Así, en la medida en que ha sido
empleada tanto para proponer nuevas formulaciones como para apoyar o, en su caso,
refutar planteamientos ya hechos en la propia teoría económica.

Por ello, además de constituir una especialidad por derecho propio, el desarrollo de
la econometría como disciplina del conocimiento se ha visto favorecido por aquellas otras
dos áreas: la teoría económica y la teoría estadística.

La real iniciación de la Econometría dentro de las ciencias modernas, lo daría la

Cowles Commission con su libro Statistical inference in dynamic models redacto y
publicado en 1950.

No obstante la reconocida importancia de la Comisión Cowles en el desarrollo de la

econometría, consideramos que la econometría moderna propiamente dicha parece tener su
 6

origen en las investigaciones de Henry Ludwell Moore durante la segunda década del siglo
XX, quien ya en 1914 se planteaba: "El problema que tenemos ante nosotros es deducir la
curva de demanda con base en la estadística, medir el grado en el cual es una descripción
precisa de los cambios en la industria actual y estimar los coeficientes numéricos de la
elasticidad de la demanda para productos representativos", se destaca el positivo impacto de
Moore al usar los datos en la forma de cambios porcentuales, así como su pretensión por
emplear las que constituían las técnicas estadísticas más avanzadas de la época: las series
temporales, la correlación múltiple y las tablas de contingencia.

Durante el periodo de entreguerras, fue tomando fuerza la idea de que los Estados
tenían la capacidad de controlar el ciclo de los negocios, para lo cual era necesario no sólo
disponer de información suficiente de manera oportuna, sino también conocer las
características estructurales de la economía. Y esto constituyó un apoyo decidido a la
econometría. En este sentido, los primeros modelos para una economía en su conjunto
fueron desarrollados durante la Gran Depresión como un amplio experimento en la
aplicación de los métodos de regresión al conjunto de las diversas teorías existentes sobre el
ciclo de los negocios. El proyecto más ambicioso, completado para la Liga de las Naciones
en 1939, fue una señal muy clara de que una nueva generación de economistas venía a
considerar el ciclo de los negocios como el verdadero objeto de la actividad gubernamental.

Ante el fracaso de los grandes sistemas macroeconómicos empíricos a principios de

los años setenta se recuperan, incluso desde la propia teoría estadística, planteamientos que
ya se habían formulado en los años treinta. Así, en esta área del conocimiento se expresa,
como no podía ser de otra manera, la crisis en la concepción económica dominante como
resultado de la crisis del propio sistema de formaciones sociales capitalistas.

Es sabido que desde la perspectiva de las diversas formas de entender "lo económico"
durante el periodo de entreguerras y, en particular, durante los años treinta, tuvo lugar, por
un lado, el "nacimiento" de la teoría económica keynesiana en contraposición a la entonces
dominante concepción ortodoxa o neoclásica; por otro y simultáneamente, a partir de esa
misma época recibe un significativo impulso dentro de la profesión de los econometristas la
construcción de sofisticados modelos dinámicos macroeconómicos.

Por su parte, los sucesivos acontecimientos que fueron teniendo lugar desde finales
de los años sesenta y, en especial, a principios de los setenta en la economía mundial,
provocaron efectos que tienen cierto paralelismo con los de los años treinta: por un lado, en
el terreno de la teoría económica entra en crisis el paradigma dominante: el keynesianismo,
siendo sustituido por una revitalizada concepción ortodoxa. Por otro, significa también
prácticamente el abandono temporal de los grandes sistemas de ecuaciones diferenciales o
en diferencias con los que se había pretendido modelar el conjunto de la actividad
económica de una formación social y a lo cual se le había venido dedicando esfuerzos
significativos, viéndose reforzadas, en consecuencia, otras líneas de trabajo de los
econometristas, y entre ellas, las series temporales.

Incluso antes de las denominadas "crisis del petróleo" de los años setenta, se hizo
notar la mejor capacidad predictiva de un sencillo modelo autorregresivo frente a
sofisticados modelos macroeconómicos.
 7

De cualquier manera, no podemos ni debemos olvidar que la propia definición de

las variables económicas que recoge la contabilidad nacional parte a su vez de una
definición acerca de qué es lo que debe registrarse; esto es, el establecimiento de qué es lo
que debe medirse y cómo hacerlo implica necesariamente una definición previa del "hecho
económico", supone una toma de posición ante ese hecho económico y en esa medida
determina en buena parte las posibilidades de análisis.

No obstante, ha sido, es y seguirá siendo plausible efectuar estudios sobre variables

económicas sin atender a su significado concreto, lo cual supone considerarlas como una
serie de números en abstracto; sin embargo, como resultará obvio, las posibilidades de esos
análisis se restringen a los aspectos estrictamente técnicos desde la perspectiva de la teoría
estadística; evidentemente, hay que ser muy cautelosos con las inferencias económicas que
se efectúen a partir de ahí.

Se plantea un ejemplo del riesgo de relacionar variables haciendo abstracción de su

significado, se construye un modelo dinámico cuadrático con el que obtiene un "buen
ajuste", con parámetros "altamente significativos" y que las pruebas estadísticas no
rechazan: se trata de un modelo que relaciona el índice de precios al consumo trimestral en
el Reino Unido de 1964 a 1975. Con ese ejemplo, se enfatiza un hecho ampliamente
reconocido en la literatura especializada, el cual es que ni siquiera el mejor de los modelos
econométricos implica ni justifica causalidad alguna; dicha causalidad le viene dada por la
teoría económica en la que se apoye el modelo. Más aún, incluso tal supuesto "mejor de los
modelos" a lo sumo tan sólo corrobora o no las asociaciones previamente establecidas, pero
tampoco niega la posibilidad de que otra asociación de variables sea la verdadera.

Con el análisis del ejemplo mencionado surgen objeciones a la econometría lo que

podría llamarse problemas del modelo de regresión lineal, es decir, usar un conjunto
incompleto de factores determinante; construir modelos con variables no observables;
estimar a partir de datos in correctamente medidos basados en números índice; obtener
correlaciones 'espurias' del uso de variables 'proxy'; ser incapaces de separarlos distintos
efectos de variables multicolineales; asumir funciones lineales desconociendo las
dimensiones apropiadas de los regresores; mala especificación de las reacciones dinámicas
y de las longitudes de los retrasos; prefiltrar inadecuadamente los datos; inferir
incorrectamente 'causas' de las regresiones; predecir sin precisión; confundir la
'significancia' estadística de los resultados con la económica y fracasar en relacionar la
teoría económica con la econometría; la mala especificación estocástica, la falta de
identificación estructural y una incapacidad de referirnos al pasado de manera unívoca a
partir de los resultados observados de una teoría inicial dada.

Como se observa, los problemas o simplemente los riesgos a que se enfrenta el

econometrista siguen siendo muchos y muy diversos, pero no cabe duda que este
reconocimiento de los problemas suponen un indudable avance de la propia teoría
econométrica.

Las crisis de los años setenta y el subsiguiente cuestionamiento de las tesis

económicas vigentes en ese entonces fueron precisamente el acicate para las corrientes que
impulsan el estudio de la información económica sin acudir a planteamientos económicos
 8

previos y que se agrupan en torno al estadio de las series temporales y, en particular, en

torno a la formulación de modelos ARIMA: modelos autorregresivos integrados de medias
móviles (ARIMA es el acrónimo de Auto-Regresive IntegratedMoving Average).

Sin embargo, ya desde los mismos años setenta surge desde la teoría econométrica
la respuesta a la crítica a que había sido sometida sobre la base de procurar integrar a la
econometría los aportes que se hacían desde el enfoque de series temporales.

Es universalmente aceptado que desde los años setenta, aunque con mayor claridad
desde los ochenta, en el conjunto de países integrantes del sistema capitalista mundial (y en
los años noventa incluso en la mayoría de los otrora autodenominados países socialistas) se
han venido aplicando medidas de política económica que tienen su origen, entre otras, en la
denominada escuela (y los coloquialmente llamados Chicago boys) de la corriente
ortodoxa.

La razón última de su aplicación radica en la crisis en que entró aquel sistema a

finales de los años sesenta y principios de los setenta, crisis que puso en cuestión las
tradicionales medidas keynesianas y que permitió el resurgimiento de la también
coloquialmente llamada "doctrina neoliberal".

Sin embargo, así sea desde una perspectiva exclusivamente "académica", las
propuestas de política que se implantan deben tener necesariamente una validación en la
teoría económica correspondiente y deben poder refutar la en su momento concepción
dominante (el keynesianismo en aquellos años).

Ya desde los años cuarenta se cuestiono la validez de los modelos y, finalmente, de

la teoría económica keynesiana; sin embargo, los trabajos econométricos no están exentos
de agudas críticas.

En resumen, sólo queda señalar que desde la perspectiva de la teoría estadística, la

econometría es una disciplina evidentemente en construcción; esto es, el relativamente
continuo desarrollo de nuevos procedimientos y pruebas estadísticas permite volver a
contrastar sobre mejores bases afirmaciones anteriores.
 9

4. CONCEPTO DE LA ECONOMETRÍA

El termino “econometría” fue utilizado por primera vez por Pawel Ciompa en 1910,
socio fundador de la Sociedad de Econometría, asignándole el sentido y contenido que le
atribuimos en la actualidad. Su significado queda recogido en el primer artículo de los
estatutos de la mencionada Sociedad, y en el mismo se menciona la necesidad del progreso
de la teoría económica mediante la utilización del análisis estadístico y matemático.

Prácticamente la totalidad de las definiciones sobre el termino econometría apuntan

en la misma dirección e integran los mismos elementos, matemática – estadística y datos
económicos.

Algunas de las definiciones más importantes del término:

Samuelson, Koopmans y Stone (1954):

El análisis cuantitativo de fenómenos económicos actuales, basado en el desarrollo

congruente de teoría y observaciones, y relacionado por métodos apropiados de inferencia.

Valavanis (1959):

El objetivo de la econometría es expresar las teorías económicas bajo una forma

matemática a fin de verificarlas por métodos estadísticos y medir el impacto de una variable
sobre otra, así como predecir acontecimientos futuros y dar consejos de política económica
ante resultados deseables.

Klein (1962):
El principal objetivo de la econometría es dar contenido empírico al razonamiento a
priori de la economía.

Malinvaud (1966):

Aplicación de las matemáticas y método estadístico al estudio de fenómenos

económicos.

Christ (1966):

Producción de declaraciones de economía cuantitativa que explican el

comportamiento de variables ya observadas, o predicen la conducta de variables aún no
observadas.
 10

Intriligator (1978):

Rama de la economía que se ocupa de la estimación empírica de relaciones

económicas.

Chow (1983):

Arte y ciencia de usar métodos para la medida de relaciones económicas.

Por su parte, los textos comúnmente empleados en los cursos de econometría, o bien
omiten definir el término, o bien sólo amplían ligeramente el contenido de la definición
citada de Econometría.

Así, por ejemplo, J. Kmenta señala: la teoría económica se ocupa fundamentalmente de las
relaciones entre variables. Las relaciones de oferta y demanda, las funciones de costos, las
de producción y muchas otras que son familiares a todo estudiante de economía. En
realidad, todo el cuerpo de la teoría económica se puede considerar como una colección de
relaciones entre variables. Por su parte, la econometría se ocupa de la contrastación de las
proposiciones teóricas incorporadas en estas relaciones y de la estimación de los parámetros
que aparecen en ellas.

Un texto empleado en los cursos de econometría que sí intenta definir esa disciplina,
ubicándola en el proceso de construcción de la teoría económica, es el de D. Gujarati; en
ese trabajo, el autor reproduce las siguientes cuatro definiciones:

1. La econometría, que es el resultado de cierta posición sobre el papel de la economía,

consiste en la aplicación de la estadística matemática a datos económicos, para dar apoyo
empírico a los modelos construidos por la economía matemática, y para obtener resultados
numéricos.

2. La econometría puede ser definida como el análisis cuantitativo de fenómenos

económicos reales basados en los desarrollos simultáneos de la observación y la teoría,
relacionados mediante métodos apropiados de inferencia.

3. La econometría puede definirse como la ciencia social en la cual las herramientas de la

teoría económica, las matemáticas y la inferencia estadística se aplican al análisis de los
fenómenos económicos.

4. La econometría se refiere a la determinación empírica de las leyes económicas.

En síntesis, las definiciones del término econometría aquí expuestas hacen explícito
un hecho importante: la econometría, como disciplina, surge y evoluciona de la mano de las
diversas y quizá múltiples teorías económicas.

Sin embargo, aun cuando la econometría sea fundamentalmente una disciplina "al
servicio" de y desarrollada por y para las que han sido las teorías económicas dominantes
en este siglo, es indudable que desde una perspectiva estrictamente estadística sus
 11

planteamientos tienen mucho en común con los de las matemáticas, la física, la química,
etc., estos son planteamientos de validez general si se satisfacen las condiciones y
supuestos sobre los cuales se construye.

La econometría no plantea el problema de la dicotomía lógica entre deducción -

inducción, sino que por el contrario aboga por el enfoque sintético de aunar los
conocimientos derivados del enfoque deductivo (teoría), con los derivados de la
observación e inducción (datos). Y desde esta perspectiva la modelización econométrica es
el único camino existente para el estudio riguroso de los problemas económicos, bajo el
abanico sintético de teoría y realidad, al combinar dos corrientes que difícilmente pueden
sobrevivir eficazmente de forma aislada.

La teoría sin medida o contrastación empírica, como causa del conocimiento lógico
deductivo, poco puede aportar enfrentada a los problemas económicos existentes en la
actualidad. Un hermoso castillo de naipes que no resistirá la mirada pragmática de un
conjunto de decisiones y un olvido de la disciplina a la que pertenece. Efectivamente, la
economía, es una ciencia praxeológica (ciencia que estudia la estructura lógica de la acción
humana), que genera un conocimiento destinado a la acción eficaz; la economía estudia, en
el espacio acotado de las ciencias sociales, las relaciones de producción e intercambio de
bienes y servicios entre agentes sociales, cuyo conocimiento científico debe facilitar su
regulación para corregir objetivos de mejora en términos de valores sociales generalmente
aceptados. Luego, el avance científico sin la contrastación empírica, la teoría sin los
hechos, poco puede aportar en una disciplina donde el fin último lo constituye la acción.

Por otro lado, el exclusivo enfoque inductivo no puede generalizar por si sólo el
conocimiento del sistema económico y la correcta toma de decisiones. El análisis aislado de
los datos y la búsqueda de relaciones y regularidades sin ninguna orientación previa, no
sólo puede convertirse en un trabajo complejo, sino que incluso puede conducir a
conclusiones falsas. La medición sin teoría en una interpretación continua de observaciones
estadística, normalmente aportará poco en la explicación de como y porque actúan los
agentes económicos.

Econometría no significa lo mismo que estadística económica. No es idéntica que lo

que llamamos teoría económica, aunque una parte importante de esta teoría tienen marcado
carácter cuantitativo. No podría tomarse la econometría como sinónimo de aplicaciones
matemáticas a la economía. La experiencia ha demostrado que uno de estos tres puntos de
vista, estadística, teoría económica y matemáticas, son condiciones necesarias pero no
suficientes para un conocimiento real de las relaciones cuantitativas en la vida económica
moderna. Es la unificación de las tres lo que es poderoso. Y esta unificación es lo que
constituye la econometría.

La unificación es más necesaria hoy que en cualquier etapa anterior de la economía.

La información estadística se acumula en tasas sin precedentes. Pero la gran cantidad de
información estadística, aun completa y exacta, no puede por sí misma explicar los
fenómenos económicos. Si no queremos perdernos en la grandiosidad y desconcierto de la
masa de los datos estadísticos, necesitamos la guía y ayuda de un poderoso armazón
 12

teórico. Sin ello, no será posible una interpretación significativa y una coordinación de
nuestras observaciones.

La estructura teórica que nos ayudará en esta situación debe, sin embargo, ser más
precisa, más realista, y en muchos aspectos, más compleja que las hasta ahora disponibles.
La teoría, formulando sus nociones cuantitativas abstractas, debe inspirarse para extenderse
por la técnica de la observación. Estadísticas actuales y otros estudios actuales, deben ser
los sanos elementos de confusión, que constantemente amenace y perturbe a los teóricos y
evite que se queden en un conjunto obsoleto de suposiciones.

Algunos aspectos de la econometría han cambiado, como son la conjunción de

datos, teoría económica y matemática, existiendo en la actualidad una tendencia
generalizada a no incluir a esta última ciencia como componente básico. Inicialmente se
pretendía cohesionar el desarrollo matemático deductivo con el conocimiento empírico, e
incluir ambos campos en el concepto de econometría. Hoy día se tiende a posicionar a la
actividad econométrica en el punto intermedio, a modo de puente entre los extremos
deductivo e inductivo.

La econometría tampoco coincidirá con la obtención de datos, cuantas nacionales,

números índices, etc., es decir la obtención y depuración de datos, tarea perteneciente a la
disciplina denominada estadística económica.

Por el contrario, la econometría se sitúa en el puente que permite conciliar la

deducción con la inducción, la teoría con los datos. El esquema adjunto nos ilustra sobre el
papel y lugar de la econometría en la combinación de las teorías económicas y los hechos,
prestando un lenguaje de entendimiento entre dos escuelas ocasionalmente enfrentadas en
el análisis económico. Los defensores de la teoría y planteamientos abstractos y generales
alejados de la realidad, y los defensores del análisis exclusivo de los datos económicos.
Tales extremos son difíciles de mantener y la econometría hace posible su entendimiento al
combinarlos.

El análisis econométrico se materializará normalmente en la estimación de un

modelo econométrico. Este modelo será el resultado de un proceso que combinará teoría y
hechos mediante la utilización de técnicas econométricas.

El primer componente en el esquema adjunto es la teoría económica, que ante un

sistema o problema concreto habrá desarrollado un modelo de tipo general. Este modelo
usualmente será abstracto y por su generalidad no será posible enfrentarlo a datos obtenidos
de la realidad económica. Por ello es necesario concretarlo y darle la forma de un modelo
econométrico, labor que corresponde a la tarea denominada especificación y en la que es
evidente una cierta carga subjetiva del modelizador, aspecto al que se hace referencia en
diferentes partes del presente proyecto.

A veces la especificación del modelo viene también restringida por la propia

disposición de datos o los resultados finales de la estimación, estableciéndose un proceso de
retroalimentación continúo entre resultados e hipótesis incorporados a la teoría.
 13

El segundo componente básico son los hechos ocurridos en el mundo real y

referidos al campo que se pretende investigar. Por su naturaleza podrán ser de tipo
cuantitativo, cualitativo o de tipo mixto, pero para que puedan ser utilizados en el enfoque
econométrico deberán expresarse en forma numérica. Esta expresión cuantitativa -
numérica de los hechos constituirán los datos económicos, reflejo del mundo real y
componente empírico del proceso de estimación. En ocasiones los datos no podrán
utilizarse de forma directa y deberán sufrir un tratamiento antes de formar parte del modelo.
Entre estos tratamientos y en el caso de series temporales se encontrarían los cambios de
base, interpolación, extrapolación, ajustes estacionales, mezcla, etc. Con los datos
depurados y la especificación se podrá iniciar la estimación del modelo con los métodos
econométricos.

Los métodos econométricos pueden contemplarse como una extensión de los

métodos estadísticos, que por las circunstancias especiales del trabajo y datos económicos,
han tenido que desarrollar y configurar un cuerpo consolidado de conocimientos que
corresponden a la denominada econometría teórica. Tales circunstancias especiales se
deben a la forma en que se desarrolla y obtienen los datos económicos, cuya naturaleza es
fundamentalmente no experimental. El investigador económico tiene muy poco que hacer
ante el experimento social. Tal experimento se realiza sin ningún control y obtenidos sus
resultados - datos, no será posible repetirlo para modificar alguna de las condiciones de
partida. Esta es la esencia de los métodos econométricos y que caracteriza su actividad, la
inferencia desde datos no experimentales con un alto grado de incertidumbre.

La estimación del modelo econométrico dará lugar a unas relaciones cuantificadas

de variables que podrán utilizarse para el análisis estructural, simulación de políticas y
previsión. Sin embargo, el esquema propuesto transmite cierta imagen de proceso terminal,
 14

con un principio y un fin, cuando la realidad de la práctica econométrica es diferente, al

menos por los siguientes rasgos:

1. La etapa de estimación y contraste puede realimentar tanto el planteamiento teórico de

base como los datos utilizados, en un proceso de mejora permanente.

2. El proceso de estimación del modelo debe ser permanente, a la luz de nueva información
muestral.

3. El output o utilización del modelo tendrá desviaciones sobre los objetivos del proyecto
investigador, por lo que será necesario una revisión continua del proceso.

Lo anterior es especialmente cierto en la utilización de los modelos econométricos

para la previsión, por lo que en general será más correcto referirnos al proceso de
modelización econométrica, como una actividad continua y en el que se produce un
permanente aprendizaje sobre los resultados.
 15

5. MODELAJE MATEMÁTICO

La Econometría necesita de la Teoría Económica para que le proporcione un marco

conceptual. Por ejemplo, la teoría de Keynes proporciona un marco en el que se relacionan
dos variables económicas: Consumo (C) y Renta (Y), en donde, además se postula que C es
una función de la Y :

C = f (Y )

Y no a la inversa.

Los modelos matemáticos son utilizados por todas las ciencias. La econometría
pretende elevar la economía a esta categoría, la de una ciencia, Por lo tanto la economía
necesita de la econometría para seguir desarrollándose.
Para analizar la creación de un modelo econométrico se debe seguir una serie de
procedimientos paso a paso tal y como lo ilustra la figura 1.1.

Figura 1.1
Procedimiento
necesario para la
creación de un
modelo
econométrico.

Utilizaremos como ejemplo le función de demanda Keynesiana dada por:

Este modelo permite explicar la evolución temporal de los gastos de consumo (C)
por medio de una variable que indica el nivel de renta (Y). El modelo predice que a través
del tiempo el gasto en consumo evoluciona paralelamente al nivel de renta. De acuerdo con
esto en cada periodo debe haber gastado en consumo una proporción de la renta dada por β 2
y, además la diferencia entre ambas cifras se supone una constante β1.
Para que la teoría económica pueda utilizarse en un estudio econométrico necesita
de una elaboración matemática que de lugar a un modelo y en particular, a un modelo
econométrico. Un modelo econométrico no es un modelo geométrico ni un modelo
matemático. En un modelo geométrico se representan mediante gráficos o diagramas
relaciones entre variables económicas (IS/LM, Oferta/Demanda utilizadas en el análisis
económico). En un modelo matemático se representan mediante ecuaciones matemáticas
relaciones entre variables. Por ejemplo, C = f (Y )
 16

Las principales diferencias entre un modelo matemático y uno econométrico son:

A. La forma funcional ha de estar perfectamente definida. Por ejemplo, C = a + bY , es una

función lineal caracterizada por a y b , que son los parámetros de la misma. La idea es
medir o estimar numéricamente a y b , dada una muestra de C e Y .

B. El carácter estocástico. Un modelo econométrico es estocástico porque aparecen en el

mismo variables aleatorias. En nuestro ejemplo:

C = a + bY + ε

Donde ε es la perturbación aleatoria, ya que no nos creemos que haya una relación
exacta entre C e Y . La interpretación de ε es la influencia combinada sobre el C de
variables distintas a la Y . En concreto, en la función de consumo, ε puede recoger factores
como las expectativas de los agentes, factores estacionales, tipos de interés. En esta función
asumimos que el factor determinante del C es la Y , pero esto es sólo una aproximación.
En general, ε recogerá, en teoría, todos los fallos del modelo. Las hipótesis que hagamos
sobre estas variables aleatorias son fundamentales para decidir qué técnica econométrica
usar.

C. El tamaño. El modelo debe ser pequeño, escueto. Esto quiere decir que tiene que tener
pocos parámetros que le caractericen. Muchas veces, el tamaño está condicionado por la
información estadística disponible. Una vez que se ha especificado el modelo
econométrico, se trata de buscar los datos apropiados. Es decir, se necesitan datos de cada
una de las variables que entran en el modelo. En nuestro ejemplo, podríamos usar distintos
tipos de datos. Algunos de los principales tipos de daos son:

I) Datos de series temporales: miden una variable en períodos de tiempo sucesivos. La

frecuencia puede ser el año, el mes, el trimestre, la semana, el día e incluso podemos
trabajar con datos intrahorarios (Bolsa). Disponer de datos temporales hace que podamos
poner un subíndice t (tiempo) a las variables:

Ct = a + bYt + ε t

II) Datos de sección cruzada: miden una variable en un momento determinado del tiempo
para distintas entidades. Estas entidades pueden ser individuos, familias, países, empresas,
Comunidades Autónomas, sectores empresariales, etc.

III) Datos de panel: surgen al cruzar una sección cruzada con una serie temporal. En
nuestro ejemplo, tendríamos el dato de consumo de una familia a lo largo de una serie de
años.

Una vez que se ha especificado el modelo y que se dispone de los datos adecuados
de todas las variables, se pasa a la etapa de estimación del mismo. Consiste en medir
empíricamente los parámetros que caracterizan el modelo y aquí entra la estadística, sobre
 17

todo la inferencia estadística (que usa la información muestral disponible para inferir
características de toda una población).

Una vez que el modelo ha sido estimado usando las técnicas econométricas
adecuadas, llegamos al paso de la verificación o validación del modelo. Se establecen
criterios (gráficos y estadísticos) para rechazar o aceptar el modelo. Aquí comienza un
proceso iterativo en la modelización, ya que si no aceptamos un modelo, no lo usamos, sino
que reformulamos el modelo teórico, o bien, tratamos de una forma más adecuada los
datos.

Clasificación de variables en un modelo econométrico

Las variables de los modelos econométricos se pueden clasificar en 4 categorías:

Variable Endógena: es aquella explicada por otras variables. Es denotada por y .

Variables Exógenas: explican a la endógena pero no pueden estar influidas por ella.
Hay que tener en cuenta que esta distinción varía dependiendo del modelo econométrico en
particular y su objetivo.

Variables continuas: pueden tomar valores en todos los puntos de la recta real ( C e Y ).

Variables discretas: sólo toman valores en algunos puntos de la recta real.

Variables ficticias o dummies: que toman valor uno o cero.

Hay características que no se pueden medir (en pesos, en kilos, etc.), pero que pueden ser
factores relevantes a la hora de explicar a otra variable. Por ejemplo, en la función de
consumo familiar, además de la renta, el hecho de que la familia viva en el campo o en la
ciudad puede ser relevante para explicar diferencias en el consumo. Para ello, se construye
una variable ficticia que toma uno para las familias que viven en la ciudad y cero para las
que viven en el campo ( Di ) y se introduce como una exógena más en el modelo.
 18

5.1 MODELO DE REGRESIÓN LINEAL SIMPLE

El objetivo es especificar, estimar y contrastar relaciones entre variables económicas

usando datos.

Para ello, es necesario hacer una serie de hipótesis simplificadoras:

1. Hipótesis de linealidad en los parámetros

Establece la linealidad en los parámetros en la relación entre la variable endógena y

las exógenas. Es decir, en la función de consumo tendremos.

Ct = β 1 + β 2Yt + ε t

Donde β 1 y β 2 son los parámetros de esta relación. No hay que confundir esta
hipótesis de linealidad con la linealidad entre las variables. Por ejemplo, en las relaciones
entre y y x que se dan a continuación, sólo la primera es formalmente lineal. Sin embargo,
cumplen la hipótesis de linealidad en los parámetros las tres:

y = β 1 + β 2x
y = β 1 + β 2e x
y = β 1 + β 2 ln x

En determinadas relaciones económicas no se cumple la hipótesis de linealidad en

los coeficientes. Un ejemplo sencillo es la función de producción de tipo Cobb-Douglas,
donde Y representa la producción de la empresa, L es trabajo y K es el stock de capital:
Y = AK α Lβ .

Los parámetros desconocidos de esta función son A (parámetro de eficiencia), α

(elasticidad respecto de la producción de la empresa) y β (elasticidad de la producción de
la empresa con respecto al trabajo). Una simple transformación logarítmica en los datos,
hace que esta relación cumpla la linealidad en los parámetros. Es decir:

ln Y = ln A + α ln K + β ln L

2. Hipótesis de especificación correcta

Esta hipótesis supone que las variables explicativas del modelo son aquellas
variables relevantes que explican el comportamiento de la endógena. No existe ninguna
 19

variable xi que no explique nada de la y . Es decir, el modelo está bien planteado o

especificado.

3. Hipótesis de grados de libertad positivos

Los grados de libertad de un modelo se definen como la diferencia entre el número

de datos ( n ) y el número de variables explicativas ( k ). Es decir, gl = n − k ≥ 0 .

Esta hipótesis supone que, como mínimo, es necesario disponer de tantos datos
como parámetros a estimar. No obstante, es preferible siempre disponer de más datos que
parámetros a estimar. En el ejemplo de la función de consumo keynesiana hay que estimar
dos parámetros (a y b). Con un único dato, no sería posible estimar de forma única ambos
parámetros. Con dos datos, sería posible obtener una única estimación de a y b, pero para
que la estimación sea estable, es mejor tener una nube de datos y pocos parámetros a
estimar.

4. Hipótesis de parámetros constantes

Esta hipótesis supone que los parámetros β 1 , β 2 ,..., β k son constantes en el tiempo.

5. Hipótesis de independencia lineal entre las variables explicativas

Esta hipótesis implica que cada variable explicativa contiene información adicional
sobre la endógena que no está contenida en otras. Si hubiera información repetida, habría
variables explicativas dependientes linealmente de otras. Formalmente, se puede resumir la
información muestral sobre las k variables explicativas (regresores) en una matriz,
denotada por X , de tamaño n × k con la siguiente estructura:

 x11  x1k 
 ⋮ ⋱ ⋮
 
x ⋯ x 
 n1 nk 

Donde la matriz es de rango máximo.

 20

5. 2 NOTACIÓN MATRICIAL DEL MODELO LINEAL GENERAL

La información asociada a la variable endógena se almacena en un vector columna y

de tamaño n × 1 :

 y1 
 
Y=  . 
y 
 n

La información asociada a las variables explicativas se recoge en una matriz

llamada X de tamaño n × k :

 x11 . x1k 
 
X=  . . . 
x . x 
 n1 nk 

Las perturbaciones en un vector ε de tamaño n × 1 y los parámetros en un vector β

de tamaño k × 1 :

 ε1  β1
ε =  .  ; β =  . 
ε  β 
 n  k

El modelo lineal general (MLG) escrito en forma matricial o compacta es:

 y1   x11 . x1k   β 1   ε 1 
 .   .
  = . .   .  +  . 
y  x . xnk   β k   ε n 
 n   n1
β ε
O bien, Y =X + . Este es un sistema de n ecuaciones que se corresponde con la forma
compacta de escribir el MLG.
 21

5.3 MÉTODOS DE ESTIMACIÓN DEL MODELO LINEAL SIMPLE

Estimación del modelo lineal simple: Supongamos que queremos estimar los parámetros
de la función de consumo keynesiana (modelo de regresión lineal simple).

Ct = a + bYt + ε t

Donde a es el consumo autónomo y b la propensión marginal a consumir. Para ello, se

dispone de una muestra de n datos de consumo y renta que se puede representar en el plano
Ct e Yt . Cada punto representa el par de valores de Consumo y Renta observados en ese
período (año) concreto. Esto se denomina NUBE DE PUNTOS real, donde habrá tantos
puntos como datos utilizados.

El método de mínimos cuadrados (Estimación MCO)

Planteamiento

Sea el Modelo Básico de Regresión Lineal (MBRL) definido como:

y i = β 1 + β 2 x 2i + β 3 x3i + ........ + β k x ki + U i

Donde los parámetros β cuantifican la relación parcial de cada variable exógena X

con la endógena Y.

Partimos de que se ha completado la etapa de especificación del modelo

econométrico y son conocidos por tanto los valores de la “Y” y las “X” para la muestra
temporal o transversal seleccionada. Se plantea ahora la siguiente pregunta ¿cómo obtener
una buena estimación de esos parámetros β a partir de los datos disponibles para “Y” y para
cada una de las “X”?

Uno de los procedimientos más conocidos es el denominado Estimador de Mínimos

Cuadrados Ordinarios1 (MCO). Este procedimiento plantea utilizar, como estimación de los
parámetros, aquella combinación de β1, β2,…, βk que minimice los errores que el modelo
cometerá. ¿Qué significa esto? Está claro que, si dispusiéramos a priori de los parámetros
estimados podríamos escribir el MBRL NO como:

y i = β 1 + β 2 x 2i + β 3 x 3i + ........ + β k x ki + U i

Sino como:
1En estadística la regresión lineal o ajuste lineal es un método matemático que modeliza la relación entre una variable dependiente Y,
las variables independientes X y un término aleatorio ε.
i
 22

yˆ i = βˆ1 + βˆ 2 x 2i + βˆ 3 x 3i + ........ + βˆ k x ki

Y, por tanto, podríamos computar el error o residuo que el modelo comete en la

estimación de cada valor de la endógena comparando, de forma inmediata, el valor real de
la endógena en cada observación con el valor estimado:

ei = yi − yˆ i =
= yi − ( βˆ1 + βˆ2 x2i + βˆ3 x3i + ........ + βˆk xki )

Este error dependería, evidentemente, del valor asignado a las estimaciones de los
parámetros β; pues bien, el método de MCO sugiere utilizar aquella combinación de
parámetros estimados que minimice la suma al cuadrado de todos los errores cometidos
para las “n” observaciones disponibles.
 23

6. APLICACIONES EN DISTINTOS CAMPOS

A pesar de que la econometría es el nombre con el que se designa la aplicación de

las técnicas matemáticas y estadísticas a la resolución de problemas de economía. La
econometría, por lo general, se basa en la construcción de modelos formales con los cuales
es posible verificar hipótesis, medir variables estadísticas y realizar pruebas de simulación.
En las últimas décadas se ha recurrido crecientemente al uso de técnicas econométricas
para la validación de muchas afirmaciones que se formulan en diferentes planos, ya no solo
en la económica, lográndose así conocimientos valiosos y predicciones cuantitativas de
mayor precisión. Acá se nombraran algunas de las áreas donde se aplica la econometría en
forma predictiva.

1. Planeación y control de operaciones

Durante la etapa de planeación y el control de las operaciones se decide el surtido de

los pedidos, aprovechando al máximo los recursos disponibles de producción, y al manejo
de los recursos para surtir lo mejor posible los pedidos de los clientes. No se puede
maximizar solo el surtido de los pedidos o solo el proceso productivo, la planeación y
control de las operaciones trata de llegar a una solución en que ambos requerimientos
queden satisfechos. El proceso productivo generalmente medible y conocido, y esta bajo el
control del administrador de la producción. Los pedidos generalmente son impredecibles en
su volumen y en su fecha de arribo, por lo que son necesarias las herramientas estadísticas
para cuantificar y predecir su comportamiento. Cada proceso productivo tiene sus
particularidades y requerimientos, la plantación y control de las operaciones varía
considerablemente, como por ejemplo en una planta armadora de autos en la que cada
unidad contiene cientos de piezas que concurren en la producción, en comparación con un
azucarero donde el producto es a granel.

Nunca se podrá enfatizar la importancia de la plantación de las operaciones en el

funcionamiento de la organización. Su importancia se ha incrementado debido a las
operaciones globales y a los requerimientos de los clientes de recibir entregas puntuales y
en menor tiempo posible, además de que las empresas tienen más productos y variedad de
colores, estilos, acabados, etc. Por ejemplo la empresa Ford motor en sus inicios solo
ofrecía autos de un solo tipo y de color negro, ahora hay diferentes estilos pensando en
grupos específicos de clientes como son las amas de casa, jóvenes, sexo femenino, etc.
además hay una extensa gama de colores.

Las empresas por lo regular, pronostican sus ventas para ayudar a definir sus
decisiones de administración de inventarios, administración del equipo de ventas y
planeación de la producción, así como de planeación estratégica respecto a las líneas
de producto, entrada a un mercado nuevo, etc. Las empresas emplean los pronósticos
para decidir qué producir (qué producto o qué combinación de productos se deben
producir), cuándo producir (si por lo pronto se deben acumular inventarios para anticipar
 24

una gran demanda en el futuro o cuántos turnos se debe trabajar), y dónde producir (si se
debe tener una o más plantas y dónde deben estar ubicadas). También usan los
pronósticos de precios y de la disponibilidad de insumos futuros a fin de guiar sus
decisiones de producción.

2. Administración estratégica

Es mejor anticiparse a los acontecimientos futuros en lugar de sufrir y adaptarse a

los sucesos que ocurran y nos afecten.

La administración estratégica implica tener conciencia del cambio que se presenta

en el entorno día a día, quiere decir no solamente enunciar intenciones sino plantear
objetivos medibles y alcanzables, proponiendo acciones específicas y conociendo las
necesidades de recursos (humanos, físicos, financieros y tecnológicos) para llevar esas
acciones a cabo. Significa además solidez en el trabajo, ya que toda la organización se
moverá en busca de objetivos comunes aplicando unas estrategias también comunes.

Ésta requiere pronósticos de las condiciones económicas en general, precios y

cambios de costos, técnicos, crecimiento de mercado y similares con objeto de
planificar a largo plazo la compañía. Por ejemplo, dichos pronósticos se podrían utilizar
para determinar su la inversión en una planta nueva y su equipo será necesaria en el
futuro.

3. Mercadotecnia

Las decisiones de fijación de precios, de vías de distribución y de gastos de

publicidad dependen mucho de los pronósticos de respuesta a las ventas de diversos
esquemas de mercadotecnia.

La dirección marca las pautas de actuación. Antes de producir un articulo u ofrecer

algún servicio, la dirección debe analizar las oportunidades que ofrece el mercado; es decir,
cuáles son los consumidores a los que se quiere atender (mercado meta), qué capacidad de
compra tendrían a la hora de adquirir, el producto o servicio, y si éste responde a sus
necesidades. Además, también tienen que detectar cuáles son sus posibles competidores,
qué productos están ofreciendo y cuál es su política de mercadeo, cuales son los productos
sustitutos y complementarios ofrecidos en el mercado, las noticias y probabilidades
respecto al ingreso de nuevos competidores y los posibles proveedores. También deben
realizar un análisis interno de la empresa para determinar si realmente cuenta con los
recursos necesarios (si dispone de personal suficiente y calificado, si posee el capital
requerido, etc.). Por último se debe analizar qué política de distribución es la más adecuada
para que el producto o servicio llegue al consumidor. El proceso estratégico se materializa
en la creación de una propuesta de valor, donde la empresa configura óptimamente su
oferta, enfocándola a su grupo meta a través de un proceso adecuado de segmentación de
mercado.
 25

Cuando las empresas pierden el contacto con los mercados, son sorprendidas por los
cambios en las exigencias del cliente porque son lentas a la hora de reaccionar a los nuevos
competidores y no suelen estar preparadas para utilizar programas innovadores. Esto
implica el desarrollo de una capacidad efectiva para anticiparse a las reacciones potenciales
del mercado e intentar de esta forma estar siempre actualizado.

4. Economía

Es en esta área donde surge la econometría, como se ha descrito en los tópicos

anteriores.

Con métodos matemáticos se formulan y especifican los modelos económicos, los

cuales muestran en términos de ecuaciones las principales proposiciones de la teoría
económica.

Con métodos estadísticos y utilizando los datos disponibles , se obtiene

estimaciones de los parámetros de los modelos, que son luego empleados para verificar las
proposiciones teóricas a través de técnicas de inferencia estadística, las que permiten
decidir si las hipótesis planteadas por los modelos se pueden rechazar o no.

Por lo tanto la econometría entrega herramientas para probar la validez del as teorías
económicas, además de realizar pronósticos de los valores futuros de las variables que
facilitan el diseño de políticas para regular la evolución de algunas de ellas

Los gobiernos y las empresas privadas que elaboran pronósticos, en todo el mundo,
pronostican usualmente las principales variables económicas. Los gobiernos usan esos
pronósticos para guiar su política monetaria y fiscal y las empresas privadas para
planeación estratégica, porque las fluctuaciones de una economía mundial tienen efectos a
nivel industrial y empresarial.

5. Administración del riesgo financiero

Para evaluar y asegurar los riesgos asociados con un portafolio de acciones.

También son fundamentales para las empresas y los inversionistas que necesitan
evaluar activos como las opciones y otros derivados.

Una parte de los riesgos en los mercados financieros ocurren por sucesos a los
cuales no se les asocia ninguna probabilidad. Asignar una probabilidad a todos los eventos
que puedan alterar las utilidades de las empresas, es lo que se denomina “Análisis de
Riesgo”, se puede definir el “Riesgo” como la probabilidad de que los precios de los
activos que se tengan en un portafolio se muevan adversamente ante cambios en las
variables macroeconómicas que los determinan. Por lo tanto, es de interés toda distribución
futura de utilidades, asociándole así una probabilidad a cada posible valor que puedan
alcanzar las utilidades, con el objeto de caracterizar el perfil de riesgo que representa cada
escenario factible.
 26

Por ejemplo la rentabilidad de las empresas está directa o indirectamente vinculada

con los precios de activos financieros; la sobrevivencia misma de las compañías depende de
los movimientos en dichos mercados. Razón por la cual, se ha tornado cada vez más
relevante poder anticipar las posibles variaciones de las tasas de intereses, las cotizaciones
de las acciones en los mercados bursátiles y el tipo de cambio, entre otras variables. No
habría ninguna decisión financiera que tomar, si se pudiera determinar con precisión los
cambios en estas variables. En la medida en que se enfrenta a la incertidumbre del futuro de
estas variables, es necesario considerar los distintos cursos de acción posibles y las
consecuencias que cada uno de ellos tiene si se presentan diferentes escenarios.

6. Finanzas

Las finanzas estudian múltiples aspectos y elementos relacionados con todo el

proceso de la obtención y administración del dinero o capital. Las finanzas buscan mejorar
las fuentes de las que se obtiene dinero y busca optimizar su utilización, que se puede
derivar en su gasto o inversión.

Las finanzas son una derivación de la economía que trata el tema relacionado con la
obtención y gestión del dinero, recursos o capital por parte de una persona o empresa. Las
finanzas se refieren a la forma como se obtienen los recursos, a la forma como se gastan o
consumen, a la forma como se invierten, pierden o rentabilizan. Por lo tanto, el concepto
ampliado de finanzas es el de una ciencia que, utilizando modelos matemáticos, brinda las
herramientas para optimizar los recursos materiales de las empresas y las personas.

Se deben predecir las tasas de interés de modo que las adquisiciones de

capital nuevo se planifiquen y financien. Los planificadores financieros también deben
predecir entradas y salidas con objeto de predecir el flujo de efectivo y conservar la
liquidez de la compañía.

7. Administración del personal

La administración de personal tiene como una de sus tareas proporcionar las

capacidades humanas requeridas por una organización y desarrollar habilidades y aptitudes
del individuo para ser lo más satisfactorio así mismo y a la colectividad en que se
desenvuelve. No se debe olvidar que las organizaciones dependen, para su funcionamiento
y su evolución, primordialmente del elemento humano con que cuenta. Puede decirse, sin
exageración, que una organización es el retrato de sus miembros.

Tradicionalmente en, la administración de personal es un procedimiento para

encontrar al hombre que cubre el puesto adecuado. Para esto cabría considerar las
diferencias individuales o sea, tener en cuenta las necesidades de la organización y su
potencial humano así como la satisfacción que el trabajador encuentra en el desempeño del
puesto. Esto nos lleva a determinar el marco de referencia; es decir, la organización en que
se realice la selección de personal, la cual es, pues, la elección de la persona adecuada para
un puesto adecuado y un costo adecuado que permita la realización del trabajador en el
 27

desempeño de su puesto y el desarrollo de sus habilidades y potenciales a fin de hacerlo

más satisfactorio y asimismo y a la comunidad en que se desenvuelve para contribuir, de
esta manera, a los propósitos de organización.

Se requieren los pronósticos de la cantidad de trabajadores que se necesita

en distintas categorías con el objeto de planificar los programas de reclutamiento y la
capacitación en el trabajo. Además, los gerentes de personal necesitan los pronósticos de
la oferta de mano de obra en varias áreas, así como el ausentismo y la tasa de rotación del
personal que se espera.

8. Demografía

Es la ciencia que tiene como objetivo el estudio de las poblaciones humanas y que
trata de su dimensión, estructura, evolución y características generales, considerados desde
un punto de vista cuantitativo. Por tanto la demografía estudia estadísticamente la
estructura y la dinámica de la población y las leyes que rigen estos fenómenos.

Los demógrafos pronostican, en forma rutinaria y con detalle las poblaciones de

países y regiones en todo el mundo, por ejemplo por edad, sexo y raza. Los pronósticos de
población son fundamentales para plantear gastos gubernamentales en cuidado de la salud,
infraestructura, seguridad social, asistencia social, etc. Muchas decisiones en el sector
privado, como la línea estratégica de un producto por parte de varias empresas, son guiadas
por pronósticos demográficos de subgrupos determinados.
 28

6.1 EJEMPLO DE APLICACIÓN EN CHILE

Este modelo tiene como finalidad explicar el gasto en transporte público (mensual)
generado por las familias de santiago, basándose en modelos teóricos. Los datos son los
recopilados en la encuesta “origen destino” de 1991 en una muestra de 29182 familias,
realizada por la Comisión de Planificación de Inversiones en Infraestructura de Transporte;
Secretaria Ejecutiva (SECTRA), organismo gubernamental dedicado al estudio de estas
materias.

El modelo planteado es:

GTP = β0 - β1 INGRESO - β2 AUTO + β3 PERSONAS + εi

El gasto (GTP) es una estimación del precio promedio en transporte público

(microbuses, metro, taxis colectivos urbanos) en valores de diciembre del año 2000 por la
cantidad de viajes mensuales realizados por las familias encuestadas. La variable
INGRESO es la marca de clase de 8 intervalos establecidos entre los cuales se reparte la
muestra. Las PERSONAS corresponden al número de integrantes por familia. La variable
AUTOS se refiere al número de autos en la familia.

Los parámetros son:

β0: Intercepto del modelo.

β1: Corresponde al cambio en el gasto por cada peso extra de ingreso.
β2: Explica el cambio en el gasto a medida que aumenta la cantidad del autos.
β3: Explica el cambio en el gasto a medida que aumenta la cantidad de integrantes de la
familia.
εi: Residuos de la muestra (término de perturbación).

Entonces, al correr la regresión con estas variables y parámetros queda:

LS // Dependent Variable is GTP

Sample: 1 29182
Included observations: 29182

Variable Coefficient Std. Error t-Statistic Prob.

C 210.4129 12.53868 16.78110 Prob.

INGRESO -7.45E-05 1.65E-05 -4.521931 0.0000
PERSONAS 222.5550 2.778711 80.09290 0.0000
AUTOS -210.1617 7.937419 -26.47734 0.0000

R-squared 0.198156 Mean dependent var 996.9543

 29

Adjusted R-squared 0.198074 S.D. dependent var 887.7369

S.E. of regression 794.9715 Akaike info criterion 13.35675
Sum squared resid 1.84E+10 Schwarz criterion 13.35788
Log likelihood -236291.8 F-statistic 2403.541
Durbin-Watson stat 1.825131 Prob(F-statistic) 0.000000

Dado que nuestro R2 no es muy alto, es decir, las variables no explican

poderosamente el gasto en transporte, desarrollaremos un nuevo modelo incluyendo dos
nuevas variables:

GTP = β0 - β1 INGRESO - β2 AUTO + β3 PERSONAS + β4 EMPLEADOS + β5

ESTUDIANTES + εi
Las nuevas variables corresponden a la cantidad de personas empleadas
(EMPLEADOS) y estudiantes (ESTUDIANTES) en la familia.

Los nuevos parámetros son:

β4: Corresponde al cambio en el gasto por cada persona empleada.
β5: Corresponde al cambio en el gasto por cada persona estudiante.

La regresión nos queda:

LS // Dependent Variable is GTP

Sample: 1 29182
Included observations: 29182

Variable Coefficient Std. Error t-Statistic Prob.

C 264.0583 11.69404 22.58059 0.0000

INGRESO -0.000257 1.55E-05 -16.51458 0.0000
PERSONAS 73.39867 3.296594 22.26500 0.0000
AUTOS -253.8092 7.342384 -34.56768 0.0000
EMPLEADOS 309.7445 5.311703 58.31360 0.0000
ESTUDIANTES 307.0378 5.693779 53.92514 0.0000

R-squared 0.318796 Mean dependent var 996.9543

Adjusted R-squared 0.318679 S.D. dependent var 887.7369
S.E. of regression 732.7574 Akaike info criterion 13.19383
Sum squared resid 1.57E+10 Schwarz criterion 13.19554
Log likelihood -233912.7 F-statistic 2730.806
Durbin-Watson stat 1.838096 Prob(F-statistic) 0.000000

Si planteamos las hipótesis de que las nuevas variables no son significantes para el
modelo tenemos: H0: β4 = 0; β5 = 0 y H1: β4 ≠ 0; β5 ≠ 0 Luego probamos con un test de
hipótesis lineales conjuntas:
 30

 RC2 − R R2  n − k
F =  2 
⋅ ≈ F 0.95 ( r , n − k )
 1 − RC  r
 0.318796 − 0.198156  29182 − 6
F=  ⋅ ≈ F 0.95 ( 2, ∞ )
 1 − 0.318796  2
FC = 2583.508 > FT = 3

Como el F calculado es mayor que le F tabulado, se puede decir que existe

evidencia suficiente al 5% de significancia para rechazar las hipótesis conjuntas que
afirman que las variables no son significativas para el modelo (H 0: β4 = 0; β5 = 0), por lo
tanto estudiaremos el segundo modelo planteado:

GTP = β0 - β1 INGRESO - β2 AUTO + β3 PERSONAS + β4 EMPLEADOS + β5

ESTUDIANTES + εi
 GTP = 264.0583 - 0.000257INGRESO - 253.8092AUTOS + 73.39867PERSONAS +
309.7445EMPLEADOS + 307.0378 ESTUDIANTES + εi
En la nueva regresión podemos ver que si bien se observa un R 2 “bajo” (≈32%), esto
no significa que el modelo no nos explique la variable dependiente (GTP); la significancia
global que vemos con un valor igual a Prob (F-statistic) 0.000000 - nos indica, que aunque
la fracción total de la varianza que puede explicar el modelo sea baja, la explica en forma
significativa. Los signos son coherentes con lo propuesto, es decir, se cumplen las
relaciones negativas del Ingreso y la cantidad de Autos en la familia. Las relaciones
positivas de la cantidad de integrantes (Personas), Empleados y Estudiantes también son
coherentes. Además encontramos que los parámetros en forma individual son
significativos, ya que la probabilidad de rechazar la no-significancia de estos, es nula (Prob.
0.0000). La significancia global también queda demostrada por el F-estatistic alto, que al
ser comparado con el F de tabla o tabulado entrega la evidencia suficiente para rechazar
β1=β2=β3=β4=β5=β6=0.
 31

7. CONCLUSIÓN

Es preciso reconocer que el optimismo que guió el nacimiento y desarrollo de la

econometría, disminuyó considerablemente a mediados de lo setenta y en la actualidad se
contempla a la econometría desde posiciones más moderadas y realistas.

Si en un principio se pensó que la econometría es el único camino posible para

llenar de contenido empírico las teorías económicas, tal planteamiento en la actualidad es
por lo menos discutible. La refutación de teorías económicas mediante modelos
econométricos, es una posición difícil de mantener.

El económetra, al efectuar la especificación del modelo necesita concretar muchos

aspectos no contenidos en la teoría económica que intenta someter al proceso de refutación.
Como consecuencia de ello deberá establecer restricciones de nulidad en los parámetros,
tipo de relación entre las variables, tipos de variables, método de estimación, etc. Todo ello
se traduce en que el modelo ha incluido un conjunto de hipótesis adicionales a las
establecidas por la teoría económica en que se sustenta, y la refutación del modelo no podrá
orientarnos en la localización del error, ya que éste podrá deberse a la teoría o a las
hipótesis introducidas por el modelizador.

Sin embargo, el análisis empírico de tipo causal, es el único procedimiento de que

disponemos en economía para enfrentar nuestra 'ciencia' con el mundo real. Se debe ser
realista y contar con las limitaciones de los métodos de estimación e inferencia,
desarrollados para grandes muestras que nunca se dispone, la importante generalidad de la
“ciencia” económica y las dificultades existentes para disponer de datos suficientes y de
calidad apropiada. Pero tomando todo ello en consideración y aunque no sea posible
rechazar teorías, si será factible aprender mediante la modelización econométrica de las
relaciones relevantes entre agentes económicos. Utilizar los modelos no refutados, que si
bien nunca nos permitirán verificar una teoría, son el instrumento más válido para la
predicción y el análisis económico.

La econometría ha sufrido ataques importantes pero ha sabido incorporar los

aspectos más válidos de sus críticas. Ha desarrollado la microeconometría, ha incorporado
el análisis de series, las expectativas de los agentes, ha proporcionado métodos de
estimación, de validación de modelos, y sigue considerándose como el instrumento más
eficaz para la simulación y la previsión a medio y a largo plazo. En lugar de disminuir en
desarrollo y aplicaciones, observamos un proceso contrario y la econometría se expande a
campos tan diversos como la historia económica, el marketing, las finanzas o incluso a
disciplinas tan dispares como la geografía o la medicina. Si al final no es posible refutar
una teoría económica, personalmente lo acepto ya que nunca pretendí tal hazaña.

Con todo esto, lo que se quiere concluir es que la econometría aun esta en
desarrollo, ampliando su área de uso, así como mejorando sus modelos predictivos y sus
campos de uso, variado parámetros según los datos de muestra y objetivos deseados.
 32

La idea de tener modelos predictivos es muy tentadora, pero hay que ser realista con
la aplicación de estos, en el ejemplo visto (gasto de transporte en familias chilenas) se pudo
ver como se debía cambiar el modelo para que se ajustara mejor a las condiciones. Por lo
que aun se debe mejorar en la teoría previctoria de la econometría.

La los modelos de predicción econométricos se están expandiendo a otras áreas

aportando una mejoría en el desarrollo de estas, así como también en una mejoría de los
modelos.

Para finalizar la econometría esta evolucionando a cada momento, gracias a la

diversificación de sus aplicaciones que lleva a la mejoría de las modelos.
 33

8. BIBLIOGRAFÍA

PAPERS:

“The economics and econometrics of risk: An introduction to the special issue”

“Philosophy and objectives of econometrics”

“Progress and challenges in econometrics”

“Recursive estimation in econometrics”

TEXTOS:

Jeffrey M. Wooldridge, “Introductory Econometrics: a modern approach”, Segunda

edición, Editorial Madrid, 2006.

Alfonso Novales Cinca, “Econometría”, Segunda edicion, Editorial McGraw – Hill, 1997.

OTRAS FUENTES:

Comisión de Planificación de Inversiones en Infraestructura y de Transporte; Secretaría

Ejecutiva (SECTRA)