You are on page 1of 15

El Modelo de Regresión Lineal (Econometría I GADE

)
Ma Dolores García Crespo y Ma Luz González Álvarez Departamento de Estadística y Econometría Universidad de Málaga Febrero 2013

. .2 Elementos de un trabajo econométrico empírico . . . 1.3. . . . . 35 2. . . . . . . . . . . . . . . . . 1. . . . . . . . . . . . . . . . . .7 Estimación por intervalos . . . . . 14 2. . . . . . . . . 31 2. . . . . .3 Elementos de un modelo econométrico y tipos de modelos 1. . . . . . . . 1. . . 44 2.8 Apéndices . . . . . . . . . . . . 1.2 Propiedades en muestras grandes . . . .5 Utilización de un modelo econométrico . . . . 1. . . . . . . .1 Modelo económico . . . . . . . .4 Etapas en la elaboración de un modelo . . . . .1 Concepto de Econometría . . . . . . 1. . . . . . . . . . . . . . . . . . . . . .8. . . . . . . . . . . .3. . .1. . . .Indice 1 ¿Qué es Econometría? 1. . . . . . . . . 44 2. . . .2 Especificación del modelo . . . . 1. . . . 23 2. 31 2. . .1 Varianza de una variable aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . .2 Objetivos . . . . . . . . 1. . . . . . . . . . . . . . . . . .6 Estimadores maximoverosímiles (MV) . . . . .2 Datos . 1. . . . . . . . . . . . . . . .1 Elementos de un modelo econométrico . . . 36 2.8. . . . . .1 Propiedades en muestras pequeñas (para ∀ n) . . .2. . . . . . . . . . 45 1 . . . . . . . . . . . .2 Tipos de modelos econométricos . . . . . . . 41 2. . . . . . 2 2 2 3 4 4 5 8 10 10 11 12 12 2 El modelo de regresión lineal general (I) 14 2. .3 Modelo econométrico .4. . . . . . . .1 Introducción . . . . . . . . . . . . . 44 2. . . . . . . . . . . . . 14 2. . . . . . . . .4 Propiedades de β MCO . . .2 Matriz de varianzas y covarianzas de un vector de variables aleatorias . . . . . .8. . . . . . . . . .2. . . . .1. .3 Estimadores minimocuadráticos de β (β MCO ) . . . .3 Teorema de Gauss-Markov .2.1 Introducción . . . . . . . . . . . . . . 39 2. . . . . . . 1. . . . . . . . .5 Estimador MCO de σ2 (σ 2 MCO ) . . . . . . . . . . . . . . . . . . . . . . .

. . . . . .2 Estadístico del TGRL . . . .3. . 3. . .3 Casos particulares . . . . . . . . . . . . . . . . . . .4. . . . . . .3.3 Multicolinealidad de grado o multicolinealidad . . 3. . .1 Introducción . . . . . . . . . . . . . . . . . . . 4. . .2 Coeficiente de determinación (R2 ) . . . . . . . . . . . . . .6 Predicción . . . . .8. . . . . 5. . 3. . . . . . . . . .3. . . . . . . .3 Criterios de selección de modelos . . . . . . . . . . . . . . .1 Restricciones lineales . . . . .3.2. . . . . . . . . .1 Introducción . . . . . 4 Variables explicativas cualitativas y modelos no lineales 4. . . . . .2. . . . . . .3. . . . . . .3 5.5 Estimadores maximoverosímiles (MV) . . . . .2. . 5. . . . . . . . . . . .1 Concepto de correlación lineal . . . 2 . . .1 Modelo parabólico . . . . . . . . . . . . . . . . . . .3. 5 Errores de especificación y multicolinealidad 5. . . . . .2. . . 3. .2. . . . . 4. . . . . . . . . . . . . . . 3. . . . . .2 Criterios de información . . . . . . . . . . . . . . . .2 Inclusión de variables irrelevantes .2 Errores de especificación . . . . . .3 Modelos no lineales . . . . . . . . . . . . 5. . 5. . . .3 Comparación de los dos tipos de error de especificación 5. . . . . . . .1 Omisión de variables relevantes . . .3.3 Modelo exponencial . . . . . . . . . . 2 (R ) . . . . . .4 Test RESET de Ramsey . . . 5. . . . . . . . . . . . . .5 Otros tests de restricciones . . . .1 Conceptos . . . . 5. 4. .2 Tipos de especificaciones . . . . . . 3. . . 4.4 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Multicolinealidad . .1 Introducción . 3. . . . . . . . .8. . . . . . .3.2. . . . . . . . . 4. . . . .2 Modelo potencial o doblemente logarítmico . . . . . . . . . . 47 49 52 52 53 56 57 57 58 59 60 62 67 68 72 72 72 73 75 83 84 87 90 92 92 92 93 94 95 96 97 97 98 99 3 El Modelo de Regresión Lineal General (II) 3. . . . . . . . . . . . . .2. . . .1 Coeficiente de determinación corregido 3. 5. . . 4. . . . . . . . Obtención del intervalo aleatorio de β j . . . . . . . . . . . . . . . . . . . . . . .4. .4. 4. . . . . . . . . . . . . . . .4 Test general de restricciones lineales (TGRL) 3. . . . . . . . . . . . . . . . . .2 Regresión con variables ficticias . .2 Multicolinealidad perfecta . . . . . . . 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. .2 Estimador de Newey West . . . 6. . . . . . . . . . 6. . . . . . .3. . . . . . . . .2 Heteroscedasticidad . . . . . . . .6 Perturbaciones no esféricas 6. . . . . . . 6. . . . . .3 Autocorrelación . . . . . . . . . .2. . . .2. . . . . . . . . . . . . . . . . . . . . 102 102 106 106 107 108 109 110 1 . . .2 Estimador de White . . . . . .1 Test de White . . . . . . . . . . . . . . .1 Tests de Autocorrelación . . . 6. .1 Introducción . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . 6. . 6. . . . . . . . . . . . . . .

1 1. Por tanto. No existe una única definición. la Econometría es relativamente reciente. — Goldberger: ‘es una ciencia social en la que se utilizan las herramientas de la teoría económica. con la que se impulsan los trabajos empíricos para verificar teorías económicas hasta ese momento formuladas (principalmente ecuaciones de demanda. 2 . Algunas son las siguientes: — Maddala: ‘consiste en la aplicación de métodos estadísticos a los datos económicos’. como disciplina. año en que se funda la Sociedad Econométrica. • Definición. A su vez. las matemáticas y la inferencia estadística para el análisis de los fenómenos económicos’. para la divulgación de los trabajos de econometría.1 Introducción Concepto de Econometría • Etimológicamente la palabra Econometría procede de las palabras griegas economía y metria (medida). Economía procede de oikos (casa) y nomos (leyes). de manera que Economía significa algo así como ‘las leyes de la casa’. su nacimiento como una rama de conocimiento se sitúa en el año 1930.Tema 1 ¿Qué es Econometría? 1. • Como disciplina. aún no tiene ni 100 años. funciones de consumo.) y en 1933 con la creación de la revista Econometrica. etc. literalmente Econometría significa medida de la Economía.1. es decir.

es decir. de manera que estos dos bloques de la Estadística son fundamentales en la Econometría. el inicio de cualquier análisis econométrico ha de ser la Teoría Económica. etc. — En Microeconomía: ∗ con individuos: relación entre educación y salario 3 . la estimación de parámetros y la verificación de hipótesis. Estadística y Teoría Económica. Lo que debe quedar claro es que Econometría es la confluencia de tres disciplinas: Matemáticas. Un último aspecto importante de la Econometría es que va a ser empírica. a su vez. En concreto. 1. las herramientas que utiliza son de tipo matemático y estadístico.2 Objetivos • Objetivos: — Describir las relaciones entre variables económicas — Verificar teorías económicas — Evaluar y simular políticas económicas y empresariales — Predecir valores de variables económicas y empresariales • Aplicaciones comunes de la Econometría: — En Macroeconomía: ∗ predicción de variables macroeconómicas: i. Y. formulaciones conceptuales realizadas acerca del funcionamiento del sistema económico y de las relaciones entre las variables económicas. entre π y masa monetaria. la Econometría es una disciplina instrumental.— Real Academia de la Lengua: ‘parte de la ciencia económica que aplica técnicas matemáticas y estadísticas a las teorías económicas para su verificación y para la solución de los problemas económicos mediante modelos’. De esta forma. es decir. de Estadística utiliza la inferencia estadística. ∗ estudio de la relación entre π y desempleo. etc. en Econometría vamos a trabajar siempre con datos reales. π. Esta idea es fundamental. es más. el pilar de la Econometría -al menos en su nacimientoes la Teoría Económica. de hecho. En este sentido.1. un instrumento para la Teoría Económica. PIB.

etc. la Econometría es una herramienta para la toma de decisiones..∗ con empresas: relación entre producción y factores productivos. ym (se denominan variables explicadas) en función de otra u otras variables x1 .. etc. Modelo econométrico Veamos cada uno de estos elementos.2. Datos 3. entre gastos en publicidad y beneficios. — En otras disciplicas. Se aplica a un amplio abanico de campos: Economía Laboral. la Econometría es una herramienta fundamental en Economía.2 Elementos de un trabajo econométrico empírico 1.. Así. Modelo económico 2. entre inversión en I+D y beneficios. modelos de valoración de activos. de la Salud. • La teoría económica propone modelos que explican el comportamiento de una o varias variables y1 . como en Ciencias Políticas: relación entre el gasto de un determinado partido en campaña electoral y los votos obtenidos. 1. tanto a nivel macroeconómico —gobierno central. cuando no existe un modelo económico adecuado para el análisis que se quiere 4 . podemos decir que constituye una herramienta fundamental para cualquier ámbito de las Ciencias Sociales. como microeconómico —empresas o individuos—. 1... de la Educación. xk (denominadas variables explicativas).. que se determinan fuera del modelo. Otras veces. Actualmente. Financiera. Es más. autonómico. mediante los cuales se representa dicha realidad. — En Finanzas: análisis de la volatilidad de los activos..1 Modelo económico • Los modelos económicos son simplificaciones de la realidad económica.. Política. se explica su funcionamiento y se intenta incidir sobre ella. . Pública. .-.

• Ejemplos de modelos económicos: — Macro. el investigador/analista recurre a modelos menos formales basados en la intuición como base para su trabajo empírico. con empresas como agentes. el economista utiliza un modelo u otro para explicar la forma en que se generan los datos observados. Esta observación constituye la evidencia empírica. Función de salarios: sal = f (educación. k) (1. directamente o de forma aproximada. • Los economistas observamos.2 Datos • Las variables de un modelo económico representan aspectos del comportamiento de los agentes económicos en el ámbito individual o agregado.2.realizar. Función de producción: y = f(l. exp eriencia laboral) — Micro. con individuos como agentes.2) (1. los datos. el comportamiento y características de los agentes. • Tipos de datos: — Datos de corte transversal (o datos transversales) — Datos temporales (o series temporales) — Datos de panel 1.1) 1. • Dependiendo de la naturaleza de los datos. Datos de corte transversal 5 . Función de consumo keynesiana: ∗ El modelo más general: c = f (y) ∗ El modelo con una forma funcional lineal especificada: c = a + by — Micro.

xi . Individuo 1 2 3 . etc. en un momento determinado del tiempo.. • Ejemplos generales: encuestas del INE (EPA).. empresas... • Se representan mediante el subíndice i en la correspondiente variable: yi .. individuos... Datos temporales1 • Proceden de la observación de una o varias variables a lo largo del tiempo. Tabla 1. Datos de corte transversal o de sección cruzada. año 2010. 1 1 Estado civil 1 1 0 . • Ejemplo concreto: muestra aleatoria de 1000 individuos españoles en el año 2002. 6 . 54987 67677 Sexo 1 0 0 .• Son observaciones que proceden de encuestas o registros en los que se recoge información sobre familias. en años • Renta = renta bruta anual. 0 para el resto 2.. 999 1000 donde: • Edad= edad del individuo. 1 0 Este tipo de datos se analizarán en detalle en la asignatura Econometría II.. 63 32 Renta 12000 24324 17345 .. en euros • Sexo=1 para hombres.. 1 Edad 68 43 23 . 0 para mujeres • Estado civil= 1 para casados. Muestra de 1000 individuos españoles... La ordenación de las observaciones no importa.

• Se representan con los subíndes i y t: yit ..8 5.9 . • Ejemplo general: Encuesta de Condiciones de Vida. PIB.4 8.. desempleo y crecimiento de un determinado país... 1.. • El número de series temporales suele ser muy pequeño con relación al número de unidades transversales.. etc...3 1. • Se representan mediante el subíndice t en la correspondiente variable: yt . 1. empresas.5 1. individuos. . trimestral. Tabla 2.) sí que importa.9 Datos anuales de algunos Crecimiento 3. Para cada elemento de corte transversal el orden cronológico es importante. Datos de series temporales. diaria... • Ejemplos generales: IPC. 7 Inflación 3. indicadores macro de un determinado país. etc. 2001 2002 donde: • Inflación = tasa anual de variación del IPC (%) • Desempleo = tasa de paro (%) • Crecimiento = tasa anual de variación del PIB (%) 3. a lo largo del tiempo. Datos de panel • Observaciones de familias..8 2.. xit . ventas anuales de una empresa.. mensual.3 6.9 .6 2... 2006-2009 (INE).3 .4 5.8 6. 6. Año 1975 1976 1977 .• El orden cronológico y la frecuencia de observación de los datos (anual.2 .1 Desempleo 5. • Ejemplo concreto: datos anuales de tasas de inflación. xt .

años 19952000.. Tabla 3.• Ejemplo concreto: Muestra de 500 empresas españolas.. 500 500 .. 500 donde: • Beneficio = beneficios brutos en miles de euros • Empleados = número de empleados • Cotiza = 1 si cotiza en bolsa. 2000 Beneficios 2000 3000 ... 1995 1996 .. • Diferencias con respecto al modelo económico: — Siempre especifica una forma funcional entre las variables implicadas. Muestra de 500 empresas españolas... • Se construye para cuantificar y contrastar las relaciones entre variables que postulan los modelos económicos..... el empleo y si cotiza o no en bolsa.. 345 . años 1995-2000. 2000 1995 1996 . Empresa 1 1 ..... 0 1. 7500 .. 1321 Cotizaciones 0 0 . Año 1995 1996 .. • Para ello utiliza datos reales y métodos estadísticos. 1 1 1 .3 Modelo econométrico • Es una simplificación de la realidad. El modelo económico puede no especificar dicha forma funcional. 456890 356891 . Datos de panel.... 356 345 356 ... 2 ..... 1 2 2 ...... 2000 .... en las que se observa el beneficio. 1456 1890 . 8 .. 134893 Empleo 150 135 . 4566 2624 6677 .2.. 1 1 . 0 si no cotiza.. que depende de parámetros. 1 .

5) formulamos el modelo econométrico como: ci = α + βyi + ui La diferencia ‘u’.6) fundamental entre (1. denominado término estamos estocástica.5) y (1. mientras que los econométricos sí. se introduce el denominado ‘término de perturbación aleatoria’ (ui o ut ). etc. Para ello.). Para datos transversales. 9 .5) A partir del modelo económico (1. y no 2 (1. 0≤β≤1 (1.entre variables): yi = αli 1 ki 2 β β (1.6) reside en el término término de perturbación o error. una relación entre consumo (c) y renta (y) del tipo siguiente2 : ci = α + βyi . a diferencia del económico. Naturaleza estocástica (por incluir el término de perturbación aleatoria) La Teoría Económica formula. parabólica. Al introducir este asumiendo que la relación entre las variables c e y es determinista. Ejemplos de formas funcionales: • Función de consumo (relación lineal entre variables): ci = α + βyi (1. Los modelos económicos no siempre especifican la forma funcional. Forma funcional Para cuantificar las relaciones entre variables económicas es necesario establecer una determinada forma funcional específica entre las variables (lineal. Veamos qué quiere decir cada una de estas cosas. por ejemplo. recoge la naturaleza estocástica que gobierna las relaciones entre variables.— Contiene un término de perturbación aleatoria. a.3 o 1. a través de unos parámetros que son desconocidos.4) b. El modelo econométrico.3) • Función de producción (relación no lineal -potencial. La variable ‘u’ es una variable aleatoria.

Ejemplos: (a) Función de consumo: ci = α + βyi + ui (b) Función de producción Cobb-Douglas. Este término transforma un modelo determinista en un modelo estocástico y lo justificaremos ampliamente en la tema 2. 3 10 . Estocásticas. Ejemplos: (a) La distribución del producto de un país en una economía cerrada: y = ct + invt + gt (1. sino dentro de los denominados modelos multiecuacionales (Econometría II). la oferta de un bien es igual a la demanda. l es el factor trabajo y k el factor capital: yi = αli 1 ki 2 eui β β (1.8) (b) Ecuación de equilibrio. Tienen término de perturbación y parámetros a estimar.1 Elementos de un modelo econométrico y tipos de modelos Elementos de un modelo econométrico Los elementos de un modelo econométrico son los siguientes: • Ecuaciones • Variables • Parámetros Ecuaciones. en la cual. No tienen término de perturbación ni parámetros a estimar. 1.3 1. O D qt = qt (1. No estocásticas3 .9) Este tipo de ecuaciones no aparecen solas.y asumimos que tiene una distribución de probabilidad conocida.7) 2. Forman parte de sistemas de ecuaciones. donde y es la producción.3. 1.

• Según la forma funcional: — Modelos lineales.2 Tipos de modelos econométricos Existen distintas clasificaciones dependiendo del criterio utilizado. variables independientes. desconocidas. Parámetros • Son constantes. los analistas) es estimarlos a partir de unos determinados datos observados. • x2 y x3 : se denominan regresores. • Caracterizan la relación existente entre explicativas y explicadas. que combinan las variables explicativas para dar lugar a la explicada. variable dependiente. — Modelos multiecuacionales: el modelo está formado por más de una ecuación4 . — Modelos no lineales: exponenciales. • Según el número de ecuaciones: — Modelos uniecuacionales: el modelo está formado por una única ecuación. etc. recogen el signo y la cuantía de la relación entre la variable explicada y cada una de las explicativas. potenciales.10) • y: se denomina regresando. En concreto. • El objetivo de la econometría (de nosotros.Variables En el modelo general siguiente: yi = β 1 + β 2 x2i + β 3 x3i + ui (1.3. En la ecuación (1. explicativas o exógenas. 4 Se estudian en Econometría II. 11 . explicada o endógena. 1. β 2 y β 3 .10) los parámetros son β 1 . Veamos las más importantes.

Validación. se determinan las variables que han de intervenir. Un típico ejemplo es la función de consumo dinámica siguiente: (1.• Según la forma en que interviene la variable tiempo5 : — Modelos estáticos: todas las variables del modelo tienen igual subíndice temporal. Especificación del modelo. la relación entre ellas. se formula el modelo econométrico y se identifican los parámetros a estimar. 3.4 Etapas en la elaboración de un modelo Una vez establecido el objeto de una investigación empírica. 1. se distinguen las tres etapas siguientes en la elaboración de un modelo econométrico: 1. 5 Se estudian en Econometría II. el tipo de modelo. El procedimiento que permite llevar a cabo la validación del modelo es la inferencia estadística en forma de contrastes de hipótesis. Posteriormente.5 Utilización de un modelo econométrico Una vez que se acepta el modelo como una representación adecuada del problema bajo estudio. 2.11) — Modelos dinámicos: en el modelo aparecen variables endógenas retardadas como explicativas. 1. forma funcional. etc.12) ct = α + βyt + γct−1 + ut donde el consumo de un periodo (ct ) depende de la renta de dicho periodo (yt ) y del consumo en el periodo anterior (ct−1 ). En esta etapa se pretende cuantificar los parámetros desconocidos del modelo de acuerdo a la información disponible (datos). En la primera etapa se utiliza un modelo económico de referencia. En primer lugar. 12 . En esta etapa se trata de evaluar si el modelo representa adecuadamente al problema inicial planteado. en el término derecho de la ecuación. Estimación de sus parámetros. el número de ecuaciones. Un ejemplo es la función de consumo estática: ct = α + βyt + ut (1. es decir. puede ser utilizado como herramienta para el diagnóstico del fenómeno analizado y para tomar decisiones.