MAESTRÍA GRNRMA

ECONOMÍA AMBIENTAL
José A. Pérez Roas
prjose1950@gmail.com
prjose@ula.ve

REPASO ESTADÍSTICA
 METODOLOGIA A SEGUIR
• Enunciado de la teoría o hipótesis.
• Especificación del modelo dirigido a probar la
teoría o hipótesis
• Estimación de los parámetros del modelo
escogido.
• Verificación o inferencia estadística.
• Predicciones o pronóstico.
• Utilización del modelo para la toma de
decisiones.
 ENUNCIADO DE LA TEORIA O HIPOTESIS.

• El investigador debe enunciar la teoría o

hipótesis subyacente con el trabajo a realizar.
• Por ejemplo, a medida de que aumenta la
degradación del agua por coliformes fecales,
se incrementa el numero de casos anuales de
enfermedades diarreicas en los niños menores
de 5 años.
 ESPECIFICACION DEL MODELO

Y   0  1 X
Y NUMERO DE CASOS ANUALES DE ENFERMEDADES
DIARREICAS EN NIÑOS MENORES DE 5 AÑOS.

 0 , 1  PARAMETROS A DETERMINAR

X COLIFORMES FECALES, NMP/1000

 ESTIMACION DE LOS PARAMETROS
• Se hace a partir de la información disponible,
generalmente proporcionada por la
realización del estudio.

• El cálculo matemático de los betas se ejecuta

con la ayuda de paquetes estadísticos.
VERIFICACION O INFERENCIA ESTADISTICA

• Se verifica si las estimaciones obtenidas están de

acuerdo con lo que se espera de la teoría que se
está verificando.
• Los parámetros generalmente verificados son:
- El signo que acompaña a los parámetros.
- La significancia de los parámetros.
- El coeficiente de determinación, R^2, para el
ajuste del modelo
- El coeficiente F para el ajuste del modelo.
 PREDICCIONES O PRONOSTICOS
• Si el modelo escogido es aceptado de acuerdo
a la verificación se puede proceder a realizar
predicciones o pronósticos con el mismo. Por
ejemplo, como cambiará, con respecto a una
situación base, el valor de Y debido a un
cambio respecto al valor X.
UTILIZACION DEL MODELO PARA LA TOMA
DE DECISIONES
• Si se quiere tomar una decisión de invertir en un
proyecto que reduzca la cantidad de coliformes
fecales en el agua, el modelo puede usarse para
conocer cuales serán los beneficios( reducción de
enfermedades diarreicas). Si se estima el valor de
cada caso de enfermedad diarreica reducida,
entonces se puede tener una aproximación de los
beneficios del proyecto, los cuales se compararán
con los costos del mismo y ver su viabilidad.
MODELOS DE REGRESION

UN BREVE RESUMEN
 El análisis de regresión
• Se relaciona con el estudio de la dependencia
de una variable, la variable dependiente, de
una o más variables, las variables
independientes, con la perspectiva de estimar
y/o predecir el valor( poblacional) medio o
promedio de la primera en términos de
valores conocidos o fijos( en muestreos
repetidos) de las segundas( Gujarati, 1993).
 Tipos de regresiones
• Regresión simple: una
sola variable Y   0  1 X
independiente.

• Regresión múltiple: mas

de una variable Y   0  1 X 1   2 X 2
independiente.
Significado del término de regresión lineal

• Linealidad en las Y   0  1 X
variables
Y   0  1 X 2

• Linealidad en los
parámetros Y  0  1 X
La perturbación estocástica

Yi   0  1 X i  U i
Ui  PERTURBACION ESTOCASTICA
 Determinación de los parámetros de la
regresión muestral.
• Métodos de mínimos cuadrados.
• Método de máxima verosimilitud.

• Uso de paquetes estadísticos:

- SPSS
- STATA
- E VIEW
- LIMDEP
- EXCEL
- OTROS
 SUPUESTOS FUNDAMENTALES DEL
METODO DE MCO
• El valor promedio de las Ui es cero.
• No existe autocorrelación entre las Ui.
• Las Ui tienen igual varianza(
homocedasticidad)
• El modelo de regresión está correctamente
especificado.
Evaluación de los resultados del análisis de
regresión
• Los signos de los
coeficientes estimados
deben estar de acuerdo
con las expectativas
teóricas previas.

Y   0  1 X 1   2 X 2  3 X 3
Evaluación de los resultados del análisis de
regresión
• Si creemos que un parámetro determinado es
en términos estadísticos distintos de cero, al
hacer la prueba de hipótesis debe ser distinto
de cero.
Evaluación de los resultados del análisis de
regresión.
• r^2 mide la bondad de ajuste del modelo de
regresión, entonces a medida de que tiene un
valor grande, se puede decir que el modelo es
satisfactorio. Este se aumenta, a medida de
que se le agreguen variables al modelo. Por lo
tanto no debe llevar al desanimo si el r^2 no
es alto. Debe cumplirse primordialmente los
dos primeros criterios.
 Significado de la regresión

• Observar que significan los parámetros de la

regresión.