ECONOMETRIA

ECONOMETRIA

COMPONENTES DEL MODELO ECONOMÉTRICO
1. VARIABLES
  1. Endógenas
  2. Predeterminadas
    1. Su valor se conoce antes del funcionamiento del modelo
2. PARÁMETROS
  1. Magnitudes constantes en el fenómeno económico
  2. de posición
    1. intervienen en el momento de primer orden de las variables
  3. de dispersión
    1. varianza de la perturbación aleatoria
3. RELACIONES
  1. uniecuacionales
  2. multiecuacionales
4. El modelo econométrico exige una especificación estadística más precisa de las variables que lo componen.
herramienta indispensable en el análisis económico, tanto para quienes tienen la responsabilidad del diseño o el análisis de las políticas económicas, como para quienes se dedican a la investigación, tanto a nivel macro como micro.
clases de datos
1. series de tiempo
  1. Conjunto de observaciones sobre una variable
2. panel
  1. Son aquellos datos que surgen del conjunto de observaciones sobre una variable
3. corte transversal
  1. se dispone de una observación por individuo y se refieren a un punto determinado en el tiempo.
MODELO DE REGRESIÓN LINEAL SIMPLE
1. Nos encontramos en economía con modelos en los que el comportamiento de una variable, Y, se puede explicar a través de una variable X
  1. se representa mediante
    1. Y = f (X)
  2. La información contenida en las observaciones se da por diferentes procedimientos
    1. tipos de observación en la gráfica
      1. Cuando la relación lineal es exacta, las observaciones se situarían a lo largo de una recta
      2. Si la dependencia es estocástica, las observaciones no se alinearán en la recta sino una nube de puntos.
2. Yt = β1 + β 2 Xt + Ut
  1. Esta expresión refleja una relación lineal, y en ella sólo figura una única variable explicativa, recibiendo el nombre de relación lineal simple. El calificativo de simple se debe a que solamente hay una variable explicativa.
3. Interpretacion de los estimadores en los modelos de regresión
  1. y = b1+b2x Por cada unidad que aumente x , y aumenta en b2 unidades
    1. lny = B1 + B2X Por cada unidad que aumente x , y aumenta en b2*100%
      1. Y = b1 + b2 lnx Por cada 1% que aumente x , y aumenta en b2/100 unidades
        lny = b1 + b2 lnx Por cada 1% que aumente x , y aumenta en b2%
4. Supuestos del modelo clásico de regresión lineal
  1. El modelo de regresión es lineal en los parámetros.
  2. El valor esperado de la perturbación aleatoria debe ser cero para cualquier observación.
  3. La varianza de las perturbaciones es constante – homoscedasticidad (IGUAL VARIANZA).
  4. Independencia o no autocorrelación entre las perturbaciones Dados dos valores cualesquiera de X, xi xj para i diferente de j, la correlación entre Ui, Uj es cero.
  5. Independencia entre Ui y Xj para toda i y j
  6. Los valores de X son fijos en muestreos repetidos es decir son no estocásticos.
  7. Debe disponerse de una información estadística suficientemente amplia sobre el conjunto de variables observables implicadas en el modelo. Como requisito mínimo para que pueda determinarse una solución se exige que el numero de datos (n) debe ser superior al numero de parámetros (k) (n>k) se habla para datos anuales mínimo 15.
  8. En modelos de regresión múltiples se necesita que no haya relación lineal perfecta entre las variables independientes o explicativas, a esto se le llama no multicolinealidad. X de nxk con rango k ( rango completo).
  9. Normalidad Ui esta normalmente distribuido para toda i
MODELO DE REGRESIÓN LINEAL MÚLTIPLE
1. Estudia la relación entre una variable dependiente y dos o mas variables independientes.
2. Estudia la relación entre una variable dependiente y dos o mas variables independientes.
  1. Yi = F ( Xi1, Xi2,... Xik ) + Ui
    1. Yi = β1 Xi1 + β 2 Xi2 + ... + βk X1k + Ui
  2. El subíndice i indica las n observaciones muéstrales y k es el numero de parámetros a estimar. El termino se denomina perturbación aleatoria y recoge todos los efectos que no estén explícitamente representados en el modelo.
3. Requerimientos para utilizar la regresión múltiple
  1. 1- Linealidad: en donde la variable respuesta depende linealmente de las explicativas
    1. 2- Normalidad y equisdistribución de los residuos; diferencias entre los valores calculados en la variable dependiente
      1. 3- Número de variables independientes; incluir mas variables para así tener mas posibilidad.
        4- Colinealidad, si dos variables están estrechamente relacionadas es mas posible que ninguna de las dos sea considerada
RELACIÓN ENTRE LOS DOS MODELOS: LAS DOS NOS AYUDAN A PRONOSTICAR SUCESOS FUTUROS EN BASE A UNA CANTIDAD DE DATOS CON LOS CUALES SE OBTIENE UNA TENDENCIA DE COMPORTAMIENTO

Next up

Description

Resource summary

Similar

	Created by andreita_gd94 about 9 years ago